CMO: De flesta marknadsföringsteam producerar mediokert arbete snabbare med AI

Samantha Leal är CMO på Aliwell, där hon implementerar AI-arbetsflöden, vissa mer framgångsrikt än andra.

Vi intervjuade Samantha för att ta reda på vad som fungerade, vad som inte gjorde det och varför. Här är vad hon berättade för oss.

Från noll till skalning

Hej! Jag heter Samantha Leal. Jag har ägnat de senaste 10+ åren åt att hjälpa startups att gå från noll till skalning, vanligtvis genom att kliva in när tillväxten ser bra ut på ytan men brister under press.

Jag arbetar med hela tillväxtsystemet, från positionering och budskap till kundanskaffning, konvertering och kundresan. Jag samarbetar nära med grundare för att skapa struktur kring hur beslut fattas och hur tillväxten förstärks över tid.

För närvarande är jag CMO på Aliwell, där jag leder marknadsavdelningen genom en flerkanalig tillväxtmotor med fokus på att attrahera och aktivera ortodontister. Vi arbetar med betalda medier, utbildning, evenemang, innehåll och säljstöd, men vårt primära fokus ligger på aktivering och intäkter.

Vi säljer till en klinisk målgrupp, så utmaningen handlar inte bara om uppmärksamhet; det handlar om förtroende, utbildning och beteendeförändring. Det gör systemet mer komplext. Tätare samordning med försäljning, produkt och kundupplevelse är avgörande.

Fokusförskjutning mot AI

Det som har förändrats för mig på senare tid är hur jag tar mig an allt detta med AI.

Jag har slutat tänka i marknadsföringsroller och börjat tänka i arbetsflöden. Det mesta som driver tillväxt — testning, kreativ iteration, rapportering, kvalificering av leads osv. — är repeterbart, men fortfarande manuellt och fragmenterat.

AI är hävstången för att göra om dessa arbetsflöden, snabba upp återkopplingslooparna och fatta bättre beslut med större tydlighet. Det är den förändring jag fokuserar på nu.

Hur AI förändrar vad marknadschefer med begränsade resurser kan bygga

Under det senaste året har jag använt AI för några omfattande uppgifter:

• Jag utformade en fullständig CRM-migrering som normalt skulle kräva ett konsultuppdrag.
• Jag utformade ett utbildningsprogram i flera nivåer från grunden.
• Jag byggde ett system för kundaktivering baserat på kvalitativ forskning — intervjuer, enkäter och beteendedata — som visade varför vissa kunder stannar upp efter sitt första köp.

Det här är inte uppgifter som jag effektiviserade; det är strategiska system som ett litet team normalt inte skulle kunna leverera. AI har förändrat vad en marknadschef med begränsade resurser kan bygga.

Hur AI kan användas för rapporter till intressenter

Jag använder AI för att skapa en veckorapport — en leverans som styr företagets beslut under veckan.

Underlaget omfattar mötestranskriberingar från föregående vecka (hämtade från Granola), CSV-filer med resultat från Meta Ads, produktionsdata från ERP-systemet, analyser av sociala medier och uppdateringar av CRM-pipelinen. Dessa fem källor kommunicerar inte med varandra.

Så här ser arbetsflödet ut:

1. Jag matar in de råa transkriberingarna i Claude och extraherar beslut, hinder och åtgärdspunkter för avdelningarna.
2. Jag laddar upp resultatdata från annonseringen och ber om en analys vecka för vecka och månad för månad, med avvikelser markerade.
3. Jag analyserar produktionssiffrorna — regionalt tillverkade fall, jämförda med månadsmålen, med avvikelser framhävda.
4. Jag sammanställer allt detta i en enda strukturerad rapport med ett avsnitt per funktion, nyckeltal med kontext och — viktigast av allt — ett avsnitt överst med rubriken ”beslut som behövs”.

Resultatet är ett formaterat dokument som ledningsgruppen kan skanna igenom på fem minuter och agera på omedelbart. Det innehåller inga rådata eller ”det här hände”. Varje siffra har ett jämförelsevärde, relevant kontext och en rekommendation.

Där människor måste behålla ägarskapet

Så jag förlitar mig på AI för allt som drar nytta av snabbhet, mönsterigenkänning och syntes över stora datamängder.

Det omfattar att analysera kunddata från olika källor, gruppera feedback från säljsamtal och intervjuer, generera och iterera kring kreativa angreppssätt samt identifiera mönster i kampanjresultat snabbare än en människa skulle kunna.

AI har också blivit en central del av hur jag strukturerar arbetsflöden, från kvalificering av leads till uppföljningar och rapportering. AI hjälper till att minska manuellt arbete och synliggör insikter tidigare, så att vi inte arbetar utifrån fördröjd information.

Det jag inte förlitar mig på AI för är att definiera strategi, positionering och vad som faktiskt spelar roll.

Beslut som vad vi säger, vilka vi riktar oss till, vilka avvägningar vi gör och var vi fokuserar är fortfarande mänskliga. De kräver sammanhang, känsla och omdöme, särskilt på komplexa marknader där det rätta svaret inte är uppenbart.

AI kan ge dig alternativ, men kan inte tala om för dig vad som är värt att göra.

Samantha delar med sig

AI kan ge dig alternativ, men kan inte tala om för dig vad som är värt att göra.

Varför AI flyttar flaskhalsen från genomförande till omdöme

Den största fördelen har varit snabbhet och omfattning. Vi har minskat tiden för analys och syntes med ungefär 60–70 %. Sådant som att gruppera kundfeedback, utvinna insikter från samtal och generera testbara kreativa angreppssätt – sådant som tidigare tog veckor – sker nu på dagar.

Det har lett till större testvolymer och snabbare återkopplingsloopar. Vi kan iterera kring budskap och kampanjer mycket snabbare, vilket har förbättrat beslutsfattandet och minskat onödiga utgifter på idéer som inte fungerar.

På det operativa planet har vi också kunnat bygga system, som CRM-arbetsflöden, introduktionsprocesser och rapporteringslager, som normalt skulle kräva ett större team eller extern hjälp.

Men det finns verkliga nackdelar. AI kan till exempel skapa en falsk känsla av säkerhet. Den är mycket bra på att producera resultat som ser korrekta ut men inte är förankrade i verkligheten. Om du inte förankrar den i verkliga kunddata får du generiska budskap och dåliga beslut, bara snabbare.

Det kräver också mer omdöme, inte mindre. Flaskhalsen flyttas från genomförande till att avgöra vad som är värt att göra. Team som saknar den tydligheten kan till slut generera mycket brus.

Varför AI-genererat kreativt material är en risk på specialiserade marknader

Jag har blivit besviken på AI:s påverkan på kreativt arbete. Jag förväntade mig att AI skulle förändra hur vi producerar visuellt innehåll – till exempel annonser, inlägg i sociala medier och varumärkesmaterial. Det har den inte gjort. Inte ens i närheten.

Varje AI-genererad bild ser fortfarande ut som en AI-genererad bild. För ett varumärke som säljer till specialister – i vårt fall ortodontister som är högutbildade och djupt skeptiska – förstör allt som känns generiskt eller syntetiskt förtroendet omedelbart.

Vi testade AI-genererade bilder för annonser och innehåll i sociala medier. Resultaten försämrades omedelbart. Vår målgrupp lade märke till kvalitetsskillnaden mellan de bilderna och det en mänsklig designer skapar med verklig klinisk fotografering.

Varför innehållsarbetsflödets komplexitet måste motsvara förmågan

Tidigt använde jag AI för att utforma ett system för innehållsarbete – redaktionella kalendrar, godkännandeflöden och innehållsunderlag med detaljerade ramverk.

Systemet var strategiskt genomtänkt och vackert strukturerat, men det hade ett problem.

Jag gav ett avancerat system till en teammedlem som inte presterade på den nivån. I stället för att systemet höjde hennes resultat skapade det ett gap. Hon kunde inte arbeta utifrån det.

Jag slösade bort veckor på att hantera gapet mellan systemets krav och personens förmåga.

Nu frågar jag: ”Vem ska driva det här på måndag?” innan jag bygger något.

Så säkerställer du att AI-kommunikation inte blir ett hinder

AI löser inte dåliga system; det förstärker dem. Mer resultat, samma problem. AI fungerar bäst med starka indata, tydlig kundförståelse, verkliga data och skarpt tänkande.

Så frågan är inte ”hur använder vi AI?” utan ”vilket system kopplar vi in det i?”

Ett bra exempel är kommunikation. I mitt första pilotprojekt gick vi snabbt fram, men baserade det inte tillräckligt på verkliga kunddata. Resultatet såg starkt ut, men var generiskt. Det konverterade inte.

Fixa därför indata innan du använder AI. Det innebär att samla data från CRM-systemet, försäljningen och kundinteraktionerna – inklusive säljsamtal, invändningar och intervjuer – för att identifiera de exakta problemen, det språk och de ögonblick som driver beslut.

Därefter definierar jag tydliga vinklar och vårt kärnbudskap. När det är stabilt lägger jag AI ovanpå. Det hjälper till att utveckla, testa och snabbt iterera kring dessa vinklar.

Därifrån bör det vara en kontinuerlig loop. Du hämtar hela tiden indata från försäljning, kundfeedback och resultat, och itererar i realtid.

Varför arbetsflöden måste brytas ned och förstärkas

Om det görs rätt är omdöme inte längre något man antingen har eller anställer för.

Det kan formas genom processer. Med rätt indata, begränsningar och iteration kan du systematiskt förbättra kvaliteten på tänkandet och resultatet.

Kommunikation, kreativt arbete, research, till och med strategi. Allt är arbetsflöden som kan brytas ned. Varje steg kan sedan förstärkas.

Samantha delar med sig

Fixa indata innan du använder AI… När det är stabilt lägger jag AI ovanpå. Det hjälper till att utveckla, testa och snabbt iterera kring dessa vinklar. Om det görs rätt är omdöme inte längre något man antingen har eller anställer för.

Varför Claude är oumbärligt för marknadsförare

Claude är utan tvekan mitt förstahandsverktyg. Det är ett lager som kopplar ihop allt och fungerar som en fantastisk tänke- och diskussionspartner.

Jag är mest entusiastisk över Claude Code och Claude Cowork eftersom de tar steget bortom chatt till arbetsmiljöer som kodning, filhantering och automatisering av uppgifter.

Jag har inte testat Claude Code med Cursor än, men det står näst på tur!

Hur AI förändrar team

När det gäller teamstruktur förlitar vi oss mindre på smala specialister och mer på personer som kan tänka över hela systemet. Personer som förstår kunden, kan formulera problem väl och vet hur man använder AI för att genomföra saker.

Genomförandearbetet – produktion, analys och iteration – är inte längre flaskhalsen, så värdet förskjuts. Nu letar jag efter omdöme, känsla och förmågan att utforma arbetsflöden. Personer som snabbt kan gå från insikt till handling, inte bara ansvara för en funktion.

Det har också förändrat hur vi samarbetar. Gränserna mellan roller är mindre rigida. Marknadsföring, försäljning och kundupplevelse är mer sammankopplade eftersom de delar arbetsflöden.

Varför CMO:er måste fokusera på tydlighet

De flesta marknadsteam som använder AI producerar mer mediokert arbete snabbare.

Så här är mitt råd: Fokusera på indata och strategisk tydlighet.

När AI används inom marknadsföring utan starka indata och strategisk tydlighet är det bara en maskin för innehållsförorening.

Följ med

Du kan följa Samanthas resa på LinkedIn!

Och håll utkik efter fler expertintervjuer på CMO-klubben!