Marknadsdirektören berättar hur hon övergår till ett AI-infött operativsystem

Emilia Korczynska är marknadschef på Userpilot, en plattform för produktillväxt. Hon är också grundare av ZenABM.

Vi satte oss ner med Emilia för att ta reda på hur hon omvandlar en standardiserad marknadsföringsstack till ett AI-inbyggt operativsystem. Här är vad hon berättade.

Skapa en mätbar intäktsmotor

Jag heter Emilia Korczynska och är marknadschef på Userpilot, där jag fokuserar på att omvandla marknadsföring från en kostnadspost till en mätbar intäktsmotor.

Jag leder en relativt slimmad marknadsorganisation som är strukturerad kring centrala tillväxtfunktioner snarare än traditionella kanalsilos. Teamet omfattar produktmarknadsföring, efterfrågegenerering, innehåll och SEO, marknadsföringsverksamhet, kreativt arbete och stöd för utgående försäljning. Det stödjer både produktledd tillväxt och kontobaserad marknadsföring, så vi täcker hela resan från självbetjänad kundanskaffning till konvertering med hög köpintention och stöd från säljteamet.

När det gäller kanaler är ABM vår främsta motor för kundanskaffning. Vi byggde teamet och systemen för att driva engagemang och pipeline på kontonivå genom mycket riktade kampanjer, särskilt på LinkedIn. Organisk marknadsföring kompletterar detta som vår näst viktigaste hävstång, där innehåll spelar en central roll för att fånga upp och vårda köpintentioner, följt av Google Ads för att fånga efterfrågan med hög köpintention och sluta cirkeln kring kundanskaffningen.

Eftersom teamet medvetet är slimmat arbetar vi mycket tvärfunktionellt. Innehåll matas direkt in i efterfrågegenerering och ABM, marknadsföringsverksamheten kopplar samman all data och attribution, och vi mäter allt mot pipeline och intäkter snarare än kanalspecifika mätvärden.

Även om teamet är litet är strategin ganska avancerad.

Förändra i grunden hur marknadsföring bedrivs

Emilia anser

Om det inte driver pipeline spelar det ingen roll.

Min resa in i marknadsledarskap har varit praktisk och nära förknippad med experimenterande. Jag kom inte in i yrket via traditionell varumärkesmarknadsföring – jag utvecklades genom produktledd tillväxt, resultatbaserad marknadsföring och ABM, där förväntningen är enkel: om det inte driver pipeline spelar det ingen roll. På Userpilot har jag lett skiftet från bred efterfrågegenerering till mycket riktade, kontobaserade strategier, särskilt på LinkedIn, där vi har behövt tänka om kring allt från målgruppsbygge till attribution.

En viktig del av den resan handlade om att utmana bristfälliga mätmodeller. Jag har ägnat mycket tid åt att visa att en stor del av B2B-intäkterna – ofta mer än hälften – blir osynlig om man förlitar sig på attribution på kontaktnivå. Det ledde också till att jag grundade ZenABM, ett nystartat företag där vi följer marknadsföringens påverkan på pipeline på kontonivå och kopplar annonsengagemang direkt till pipeline och intäkter.

Så det är grunden, och den ledde naturligt vidare till AI.

Förändringen vi ser handlar inte bara om att skapa innehåll snabbare – den handlar om att i grunden förändra hur marknadsföring bedrivs. Vi går från instrumentpaneler och manuell analys till system där du kan ställa frågor till din data, automatisera insikter och utlösa åtgärder direkt.

För mig handlar detta ögonblick av AI-omställning mindre om hajp och mer om hävstångseffekt. Jag fokuserar på de här frågorna:

• "Hur använder vi AI för att göra marknadsföringen mer precis, mer ansvarsutkrävande och mer kopplad till intäkter än någonsin tidigare?"
• "Och hur bygger vi system där data, insikter och genomförande inte längre är separata steg, utan delar av en enda kontinuerlig loop?"

Det är den resa jag befinner mig på just nu.

Hur en marknadsföringsstack kan bli ett AI-inbyggt operativsystem

En av de största förändringarna vi gjorde var att omvandla vår standardiserade marknadsföringsstack till ett mer skräddarsytt, AI-inbyggt operativsystem, med GitHub som den centrala ”marknadsföringshjärnan” och Claude Code som teamets gränssnitt.

I stället för att förlita oss på isolerade verktyg och manuella arbetsflöden flyttade vi genomförandet till strukturerade, repeterbara AI-arbetsflöden. Vi har byggt återanvändbara processer för generering av LinkedIn-innehåll, skapande av landningssidor och konkurrensanalys, orkestrerade genom molnbaserade agenter och färdigheter.

Som ett resultat har vi förkortat tiden från signal till åtgärd avsevärt. Marknadsföringen är nu mycket mer systematisk och skalbar, och teamet lägger mindre tid på genomförande och mer på strategi, underlag och optimering av resultat.

Så kan AI förändra utgående marknadsföring

Den mest betydelsefulla förändringen har skett inom utgående marknadsföring. Vi byggde ett avsiktsstyrt system för utgående marknadsföring som identifierar engagerade konton från våra ABM-program med hjälp av ZenABM:s API, matar in informationen i en anpassad molndatabas, berikar den och sedan prospekterar dessa konton utifrån våra ICP-kriterier via Prospeo.

Därefter aktiverar vi kontakten genom verktyg som Smartlead och HeyReach, vilket gör att vi kan genomföra mycket riktade och personligt anpassade kampanjer i stor skala baserat på verkliga engagemangssignaler.

Det som tidigare var en manuell och fragmenterad process över flera verktyg är nu ett sammanhängande, signaldrivet system.

Så påverkar AI marknadsföringsbeslut och mänsklig kreativitet

Överlag förlitar vi oss i hög grad på AI för datarika, repeterbara beslut som drar nytta av mönsterigenkänning i stor skala.

AI påverkar till exempel i allt högre grad fördelningen av budgeten med hjälp av data om resultat och intäktsattribuering. I stället för att manuellt flytta investeringar baserat på eftersläpande indikatorer använder vi system som analyserar vilka kampanjer och konton som driver pipeline och intäkter och justerar investeringarna därefter.

Detta gäller även SEO. Vi använder AI för att prioritera innehåll baserat på signaler som klickfrekvens, sökvolym samt prognostiserad trafik och engagemang. Det gör att vi kan fokusera på möjligheter med högst förväntad avkastning i stället för att förlita oss på intuition eller statiska sökordslistor.

Men vi behåller medvetet mänsklig medverkan inom områden som kräver känsla, sammanhang och originalitet.

Designbeslut är ett bra exempel; vad som ”ser rätt ut” för en specifik målgrupp, ett varumärke eller ett visst tillfälle bygger fortfarande i hög grad på mänskligt omdöme. Detsamma gäller evenemang och konferensstrategi, där förståelse för nyanser, relationer och varumärkesuppfattning är viktigare än rena data.

När det gäller innehåll är det en hybrid. AI genererar effektivt variationer, strukturer och till och med annonsidéer, men de centrala vinklarna för efterfrågegenerering kommer fortfarande från kreativ research och en djup förståelse av målgruppen. Det är där differentieringen uppstår.

Varför automatiseringar måste motivera sig själva

De största positiva effekterna är uppenbara: effektivitet och skalbarhet.

Automatisering av manuella arbetsflöden har sparat teamet betydande tid inom allt från innehållsproduktion till genomförande av utgående marknadsföring. Detta omvandlas direkt till resultat: vi kan genomföra fler experiment, lansera snabbare och arbeta med ett mindre team än vad som tidigare krävdes.

AI har också förbättrat hastigheten i beslutsfattandet. När AI analyserar resultat- och attribueringsdata kan vi gå mycket snabbare från insikt till åtgärd, särskilt inom områden som budgetfördelning eller kampanjoptimering.

Överdriven automatisering är dock en stor risk.

Det är lätt att lägga tid på att bygga och optimera arbetsflöden som är operativt intressanta men inte leder till meningsfulla affärsresultat. I vissa fall är systemens resultat inte tillräckligt starka för att motivera insatsen, särskilt om de saknar nödvändig nyans eller kvalitet.

Så här är mitt råd: Automatisera inte bara för automatiseringens skull. Var disciplinerad när det gäller var AI skapar verklig hävstång och var det bara tillför komplexitet.

Emilias råd

Automatisera inte bara för automatiseringens skull. Var disciplinerad när det gäller var AI skapar verklig hävstångseffekt och var det bara tillför komplexitet.

Följ med

Du kan följa Emilias arbete på LinkedIn. Och kolla in ZenABM.

Fler expertintervjuer kommer hos The CMO Club!