Teknikkunnig marknadschef delar hur marknadsbudgetar och team måste omstruktureras för AI

Simone Morellato är en teknisk marknadsföringsledare och marknadschef på vCluster. Han började experimentera med AI tidigt i en tidigare roll och använder det nu som en kraftförstärkare inom sitt marknadsföringsteam.

Vi satte oss ner med honom för att förstå hur AI förändrar hans arbetsflöden inom marknadsföring och hans team. Han berättade om de nya rollerna och budgetposterna som är oumbärliga.

Att använda AI som en förstärkare för marknadsföringen

Jag är en marknadsföringsledare som har byggt sin karriär i skärningspunkten mellan djup teknisk förståelse för teknikprodukter och genomförandet av deras marknadsintroduktion, främst inom infrastruktur, molntjänster och utvecklarplattformar. Min resa började på ingenjörssidan, där jag studerade elektronik och datavetenskap och arbetade som mjukvaruingenjör med att bygga lagringsnätverkssystem. Den grunden har hjälpt mig att marknadsföra tekniska produkter eftersom jag alltid har förstått hur de fungerar, inte bara hur de ska positioneras.

Med tiden gick jag från ingenjörsarbete till teknisk produktmarknadsföring på Cisco och därefter till ledarroller på nystartade företag och större företag, bland annat Riverbed, Cloudian och Apcera. Min tid på VMware blev en viktig vändpunkt i min karriär, och jag ägnade nästan ett decennium åt att skala upp Tanzus Kubernetes-verksamhet. Jag byggde och ledde ett globalt team som omfattade produkt-, utvecklar- och lösningsmarknadsföring och hjälpte till att utöka portföljen från ett enda projekt med öppen källkod till en produktserie med fler än 20 produkter. Där experimenterade jag tidigt med AI-drivna arbetsflöden och byggde interna automatiseringsverktyg för analytikerrelationer som kraftigt minskade genomloppstiden och förbättrade effektiviteten.

Nu leder jag marknadsföringen på vCluster och bygger en komplett marknadsintroduktionsmotor inom tillväxt, produktmarknadsföring, community och varumärke. Vi förbättrade effektiviteten genom att tänka om kring efterfrågegenerering, skala upp kännedomen från tiotusentals till miljontals visningar och avsevärt förbättra kostnadseffektiviteten och konverteringen i säljtratten. Ett viktigt fokus har varit att bygga utvecklarorienterade budskap och tillväxtloopar drivna av communityn, särskilt inom Kubernetes- och AI-infrastruktur.

Allt jag har arbetat med sammanstrålar i detta ögonblick av AI-omställning. AI förändrar nu i grunden både hur programvara byggs och hur den marknadsförs. Som marknadsföringsledare fokuserar jag på att hjälpa företag att gå från fragmenterade produktbudskap till enhetliga plattformsberättelser, genom att använda AI inte bara som ett ämne i berättelsen utan som en förstärkare av hur marknadsföringen genomförs.

Att balansera utvecklarnas förtroende med företagens efterfrågan

På vCluster ansvarar jag för en komplett marknadsintroduktionsfunktion som omfattar tillväxt, produktmarknadsföring, varumärke, community och evenemang. Teamet arbetar både med initiativ för öppen källkod och företagsinriktade initiativ, vilket skapar ett dubbelt uppdrag: att driva en bred användning bland utvecklare i stor skala och samtidigt omvandla detta engagemang till en strukturerad pipeline för företagsförsäljning.

Organisatoriskt fungerar funktionen som ett integrerat system snarare än som isolerade discipliner. Produktmarknadsföring och utvecklarrelationer arbetar nära tillsammans för att forma berättelsen och bygga teknisk trovärdighet, medan tillväxt och innehåll fokuserar på skalbar kundanskaffning och distribution i kanaler som sociala medier, SEO, betalda medier och community-drivna program. Varumärke och evenemang utökar räckvidden till engagemang i ekosystemet, särskilt inom Kubernetes- och molnbaserade communityn.

Komplexiteten kommer från målgruppen och ekosystemets dynamik. Vi marknadsför oss till mycket tekniskt kunniga personer, främst DevOps- och plattformsingenjörer, samtidigt som vi påverkar beslutsfattare i företag. Det kräver en balans mellan teknisk trovärdighet och en tydlig formulering av affärsvärdet. Samtidigt verkar vi inom ett snabbt föränderligt, AI-påverkat infrastrukturområde där kategorierna fortfarande håller på att ta form. Därför handlar en betydande del av rollen om att forma berättelsen, inte bara förstärka den.

Modellen är effektiv eftersom en enhetlig loop från kundanskaffning till aktivering och engagemang knyter samman allt, med stöd av ett starkt datadrivet arbetssätt för resultatmätning och snabba experiment.

Där AI tar slut och omdömet tar vid

Jag använder främst AI som beslutsstöd och för att påskynda arbetet inom områden med stora volymer och tydliga mönster, eller inom områden som kräver snabb sammanställning av stora mängder ostrukturerad information. Samtidigt upprätthåller jag en tydlig gräns där mänskligt omdöme fortfarande är avgörande, särskilt när det gäller kontext, ansvar och långsiktiga konsekvenser för varumärket.

Jag förlitar mig i hög grad på AI inom tre områden:

• För det första narrativutveckling och utforskning av budskap. När jag utformar positionering eller kampanjteman använder jag AI för att snabbt testa variationer, identifiera luckor i budskapen och stresstesta tydligheten för olika målgrupper, såsom utvecklare, plattformsingenjörer och chefer. Det komprimerar det som tidigare krävde flera iterationer till en mycket snabbare loop.
• För det andra skalning av innehåll och kampanjer. AI driver nu det första utkastet för de flesta innehållstillgångar, inklusive innehåll för sociala medier, bloggstrukturer och kampanjvarianter. Det anpassar också tekniska underlag till målgruppsspecifikt språk, vilket är särskilt viktigt inom marknadsföring av infrastruktur och AI-plattformar, där samma koncept behöver väcka gehör hos olika målgrupper på olika sätt.
• För det tredje prestationssyntes. Jag använder AI för att analysera signaler från kampanjresultat i olika kanaler och upptäcka mönster som annars kanske skulle förbises, särskilt när man hanterar fragmenterade data från organiska, betalda och community-drivna kanaler.

Uppgifter som uttryckligen förblir mänskliga omfattar strategiska avvägningar och ansvarsskyldighet. Beslut om positionering, kategoridefinition och den övergripande budskapsarkitekturen leds helt av människor, eftersom de kräver en djup förståelse för marknadstiming, konkurrensdynamik och företagets ambitioner. Detsamma gäller det slutliga kreativa omdömet kring varumärkets röst och kampanjer med hög synlighet.

Jag behåller också det mänskliga ansvaret för prioriteringsbeslut. AI kan lyfta fram alternativ och insikter, men att avgöra vad man inte ska göra förblir ett ledningsansvar, särskilt i snabbt föränderliga kategorier som AI-infrastruktur, där det är lätt att överreagera på signaler.

AI utökar alltså effektivt ytan för tänkande och genomförande, men det bär inte ansvaret för resultaten. Marknadsledningen fattar fortfarande de slutliga besluten som balanserar snabbhet, sammanhållning och långsiktigt varumärkeskapital.

Hur en strukturell förändring ökade antalet visningar från tusental till miljontal

Jag ändrade vår marknadsföringsmodell från innehållsproduktion med människan i centrum till AI-assisterad utveckling av narrativ och material. Människor fokuserar nu på riktning, validering och distribution i stället för att skapa allt från grunden.

Rent praktiskt införde jag ett AI-drivet innehållssystem. Vi använder LLM-baserade arbetsflöden för att omvandla ett enda tekniskt underlag – exempelvis en produktlansering, en demonstration, en kundinsikt eller ett tekniskt narrativ – till flera efterföljande marknadsföringstillgångar. Det omfattar utvecklarinriktade inlägg, långformatinnehåll, variationer för sociala medier, kampanjbudskap och även tidiga utkast till positionering. I stället för separata upphovspersoner för varje del genererar, förfinar och samordnar nu ett gemensamt prompt- och strukturlager alla tillgångar.

Simone delar med sig

\u003cstrong\u003eI stället för separata upphovspersoner för varje del genererar, förfinar och samordnar nu ett gemensamt prompt- och strukturlager alla tillgångar.\u003c/strong\u003e

AI genererar dessa parallellt på en hög utkastnivå, i stället för sekventiellt från grunden. Därefter lägger vi till mänsklig granskning och förfining, där produktmarknadsföringen säkerställer narrativets integritet, tillväxtteamet optimerar distributionen och varumärkesteamet upprätthåller röst och konsekvens.

Vi gick också från en kampanjbaserad produktionscykel till ett kontinuerligt innehållssystem. De flesta marknadsföringsorganisationer arbetar fortfarande utifrån ett traditionellt kampanjtankesätt: Man definierar en kampanj, skapar en uppsättning tillgångar, lanserar och går sedan vidare. Den modellen byggdes för en värld där innehållsproduktion var dyr och långsam. Nu kör vi parallella loopar för generering och iteration. Det minskar cykeltiden och gör att vi kan reagera mycket snabbare på signaler från produkten och marknaden.

Hur AI förbättrar produktionseffektivitet och narrativ konsekvens

På den positiva sidan har AI:s mest omedelbara effekt varit skala och effektivitet. Genom att införa AI i arbetsflödena för innehålls- och kampanjproduktion ökade produktionen avsevärt utan att personalstyrkan behövde utökas. På vCluster innebar detta att vi kunde skala från ungefär 36K till cirka 7M visningar per månad, samtidigt som CPM minskade från omkring $5.58 till $0.29. Även om flera faktorer bidrog var en betydande drivkraft att vi kunde producera och iterera innehåll mycket snabbare och mer konsekvent i alla kanaler.

Vi förbättrade också genomförandehastigheten. Innehållscykler som tidigare tog veckor — särskilt för tvärfunktionellt material som involverade produktmarknadsföring, varumärke och tillväxt — komprimerades till dagar. Det gjorde det möjligt för oss att reagera på produktlanseringar och marknadssignaler nästan i realtid, vilket är avgörande i ett snabbt föränderligt AI-ekosystem.

Ett annat positivt resultat var konsekvens i vårt narrativ. AI hjälpte till att standardisera hur vi översätter tekniska underlag till budskap i olika kanaler, vilket minskade fragmenteringen mellan utvecklarinriktat innehåll, säljstöd och kampanjer för efterfrågegenerering. Denna samordning förbättrade både kvaliteten på engagemanget och resultatet längre ned i tratten.

Kvalitativt sett var en av de största förändringarna organisatorisk. Marknadsteamet gick från att huvudsakligen fokusera på genomförande till att inta en mer orkestrerande roll. Människor ägnar nu mer tid åt riktning, strategi och validering, medan AI hanterar den första produktionen och variationerna. Detta har förbättrat teamets fokus och minskat operativa flaskhalsar.

Simone delar med sig

Människor ägnar nu mer tid åt riktning, strategi och validering, medan AI hanterar den första produktionen och variationerna.

Hur AI kan leda till överproduktion

Utmaningar uppstod också. Inledningsvis såg vi en tendens till överproduktion. AI skapade för många variationer utan tillräckliga initiala begränsningar, vilket skapade brus och krävde att vi byggde starkare lager för redaktionell styrning och styrning av promptar. Vi hanterade också aktivt risken för urvattnade budskap och såg till att snabbheten inte skedde på bekostnad av en skarp positionering eller tydlighet inom kategorin.

En annan lärdom var att AI kan förstärka både bra och dåliga indata. När det underliggande narrativet eller briefen är svag förstärker AI snabbt denna svaghet. Detta tvingade oss att investera mer i den inledande strategin och i att utforma bättre indata innan vi genererade något i stor skala.

Överlag har nettoresultatet varit tydligt positivt, men först efter att vi etablerat tydliga ramar.

Varför AI inte kan skapa differentiering och positionering

AI har också inte levt upp till de tidiga förväntningarna på strategisk differentiering och positionering.

Inledningsvis antog vi att AI skulle kunna hjälpa till att skapa starkare narrativ för kategorin eller till och med identifiera positioneringsvinklar som kunde ge oss ett försprång. I praktiken fann vi att AI visserligen är utmärkt på att kombinera befintliga marknadsmönster på nya sätt, men har svårt att skapa verkligt originell eller försvarbar positionering.

AI tenderar att konvergera mot medianen av det som redan finns, vilket är motsatsen till vad man vill när man försöker sticka ut på en trång marknad för infrastruktur eller AI-plattformar.

Varför marknadsföringsledare först måste begränsa AI

En tidig AI-assisterad kampanj som vi genomförde för att ompositionera en teknisk plattform för en bredare målgrupp inom DevOps och plattformsteknik är ett tydligt exempel på var AI inte lyckades skapa strategisk differentiering.

Vi använde AI för att ompositionera vår plattform för en Neoclouds-målgrupp. Resultatet kom snabbt och gav oss flera riktningar: ”förenkla Kubernetes-driften”, ”förbättra plattformseffektiviteten” och ”accelerera utvecklarnas produktivitet”.
Allt lät rätt. Det var precis problemet.

Ingen av dessa vinklar differentierade oss på riktigt. När vi stresstestade dem mot marknaden fann vi att närliggande verktyg redan använde dem flitigt i Kubernetes- och molnbaserade ekosystem. AI förstärkte i praktiken vanligt branschspråk i stället för att hjälpa oss att frigöra oss från det. Om vi hade gått vidare med det genererade materialet skulle kampanjen ha smält in i kategorin i stället för att forma den.

Vi stramade åt den människoledda indatafasen avsevärt. I stället för att börja med breda promptar om produktens funktioner införde vi skarpare begränsningar inom tre områden: vår unika arkitektoniska fördel, de avvägningar vi var beredda att offentligt stå för och de målgruppssegment som vi uttryckligen ville leda med, inte bara inkludera.

När vi åter förankrade indata i dessa strategiska val använde vi AI på ett annat sätt: inte för att uppfinna positioneringen, utan för att stresstesta tydligheten, översätta budskapet mellan olika målgruppsprofiler och skapa variationer på genomförandenivå för innehåll och kampanjer.

Resultatet blev ett mycket skarpare narrativ med fokus på en mer specifik och försvarbar vinkel: hur plattformsteam kan tänka om kring infrastrukturabstraktion för moderna arbetsbelastningar, snarare än generiska teman om effektivitet eller produktivitet. Förändringen förbättrade kvaliteten på engagemanget och gjorde budskapet mer minnesvärt i tekniska grupper, särskilt bland Kubernetes-användare, som är mycket känsliga för alltför generisk positionering.

Så flaskhalsen är inte längre produktionskvalitet eller snabbhet; det handlar om originalitet och skärpa i tänkandet. Att sticka ut kräver nu ett mycket starkare perspektiv, tydligare positionering och en vilja att göra uttryckliga avvägningar. Utan det tenderar AI att dra allt mot marknadens genomsnitt.

Hur AI förändrar marknadsföringsteamens struktur

AI förändrade fundamentalt mitt marknadsföringsteam från ett funktionellt uppdelat team till en mer flexibel, tvärfunktionell genomförandemodell.

Traditionellt separerade vi rollerna tydligt. En innehållsmarknadsförare ansvarade för att skapa innehåll och lämnade sedan över det till distributionsspecialister för anpassning, medan produktmarknadsföringen separat utvecklade budskap och positionering som därefter behövde översättas till kampanjer. Varje steg innebar omarbete och översättning mellan funktionerna.

Med AI i arbetsflödet har strukturen förändrats avsevärt. Nu kan varje teammedlem arbeta med flera delar av innehålls- och kampanjlivscykeln. En innehållsmarknadsförare kan skapa inte bara det första utkastet till en artikel, utan även de första versionerna av variationer för sociala medier, e-posttexter och till och med olika positioneringsvinklar. En tillväxtmarknadsförare kan ta samma underlag och omedelbart skapa kampanjvarianter eller testramverk. Produktmarknadsföringen kan gå från att skriva allt från grunden till att förfina berättelsen, säkerställa korrektheten och anpassa budskapen till strategin.

Den viktigaste förändringen är att vi inte längre skapar arbete sekventiellt från noll. AI genererar som standard ett utkast av hög kvalitet, och sedan lämnar vi över det mellan funktionerna för förfining, validering och optimering. Detta har avsevärt minskat friktionen mellan teamen och förkortat iterationscyklerna.

Som ett resultat fokuserar marknadsförare nu mer på omdöme, redigering och strategisk riktning än på ren produktion. Teamet är mindre beroende av manuellt genomförande, men har större hävstång när det gäller produktionskapacitet.

AI gjorde också samarbetet mer dynamiskt. I stället för rigida överlämningar arbetar vi nu mer som ett gemensamt kunskapssystem där vi kan omvandla vilket underlag som helst till flera utdataformat för olika kanaler, varefter den relevanta specialisten förfinar dem.

Varför marknadsföringsteam behöver decentraliserade budgetar för AI-verktyg

Om jag skulle börja om skulle jag först investera marknadsföringsbudgeten inte i traditionella kampanjutgifter eller ens personalstyrka, utan i att ge varje marknadsförare direkt tillgång till en flexibel, decentraliserad budget för AI-verktyg.

Jag skulle avsätta individuella budgetar så att marknadsförare kan börja använda och experimentera med verktyg som förbättrar deras dagliga produktivitet, utan att behöva vänta på centraliserade inköps- eller IT-godkännandeprocesser. Det omfattar AI-baserade skrivverktyg, assistenter för dataanalys, plattformar för kreativ generering, automatiseringsverktyg och nischade verktyg som snabbt växer fram i AI-ekosystemet.

Anledningen är enkel. I en AI-driven miljö går utvecklingen av verktyg snabbare än företagens inköpscykler. Centraliserad åtkomst leder oundvikligen till att team standardiseras kring en föråldrad verktygsuppsättning, vilket bromsar experimenterandet och skapar ett gap mellan vad som är möjligt och vad som faktiskt används i genomförandet.

Jag har sett detta på nära håll när jag introducerat AI i marknadsföringsarbetsflöden. De team som hade frihet att testa och börja använda verktyg tidigt arbetade betydligt snabbare med innehållsproduktion, kampanjiteration och dataanalys. Team som begränsades av centraliserade godkännandeprocesser återgick ofta till långsammare, äldre arbetsflöden, även när bättre verktyg fanns tillgängliga.

En distribuerad verktygsbudget skapar däremot en annan dynamik. Den gör varje marknadsförare till en operatör som kontinuerligt kan optimera sin egen verktygsuppsättning. Den synliggör också innovation organiskt, eftersom de bästa verktygen naturligt sprids i teamet genom användning snarare än genom direktiv.

För det andra skulle jag prioritera att bygga ett lättviktigt stödskikt kring denna frihet, med gemensamma bästa metoder, promptbibliotek och interna arbetsflöden för att förhindra att experimenterandet leder till fragmentering.

Central kontroll optimerar för konsekvens, medan distribuerat stöd optimerar för anpassning. Och det är anpassningen som skapar konkurrensfördelar i snabbföränderliga marknadsföringsmiljöer.

Hur Claude Cowork skapar verklig hävstång

Jag är särskilt entusiastisk över en AI-funktion från Anthropic: Claude CoWork.

Det går bortom det traditionella chattgränssnittet och känns som en verklig arbetsmiljö för kunskapsarbete. I stället för isolerade uppmaningar möjliggör det mer strukturerade och beständiga arbetsflöden. Det är precis här AI ger verklig hävstång.

Jag uppskattar också hur snabbt Anthropic itererar utifrån verkligt användarbeteende. De uppmärksammar vad communityn bygger och använder och integrerar sedan dessa mönster direkt i kärnprodukten. Det påminner mig om hur snabbt koncept från projekt som OpenClaw tog sig in i Claude CoWork. Den återkopplingsloopen är viktig eftersom verktyget utvecklas för att återspegla hur människor faktiskt arbetar, inte bara hur produktteamet föreställer sig att de borde arbeta.

Rent praktiskt minskar det också behovet av att koppla samman flera verktyg eller tillägg. Jag behöver inte återskapa arbetsflöden, utvärdera nya leverantörer eller oroa mig för säkerhet och datahantering i en fragmenterad verktygsuppsättning. Jag litar redan på Anthropic som företag, så när de lanserar nya funktioner kan jag snabbt och tryggt börja använda dem.

Varför varje marknadsföringsteam behöver en AI-ansvarsroll

Med det sagt är den största luckan jag har sett i införandet av AI inte verktygen. De flesta marknadsföringsteam har tillgång till AI-verktyg. Det som saknas är någon vars enda uppgift är att följa vad som förändras, sålla bort bruset och omvandla det till arbetsflöden som teamet faktiskt kan använda.

De flesta organisationer antar att användningen av AI automatiskt kommer att följa om teamen har tillgång till AI-verktyg. I praktiken är medvetenhet och syntes de begränsande faktorerna. AI-landskapet förändras så snabbt att ingen enskild marknadsförare realistiskt kan hålla jämna steg med nya modeller, verktyg, arbetsflöden och bästa praxis samtidigt som de utför sina huvudsakliga arbetsuppgifter. När alla delvis ansvarar för att hålla sig uppdaterade är ingen fullt ansvarig för det.

Enligt min erfarenhet har det fungerat mycket bättre att skapa en särskild AI-ansvarsroll inom marknadsföringsorganisationen. Det här är inte bara en administratör för verktyg eller en promptingenjör; det är någon som är djupt nyfiken på AI, aktivt följer utvecklingen inom modeller och tillämpningar och kontinuerligt översätter den till praktiska arbetsflöden för teamet.

Den här personen blir i praktiken ett internt intelligenslager. De utvärderar nya verktyg, testar användningsområden, sammanställer vad som är användbart respektive brus och omsätter det sedan i återanvändbara arbetsflöden. Minst lika viktigt är att de fungerar som en bro i båda riktningarna. Teammedlemmar kan ta med sig problem eller ineffektiviteter till dem, utforska AI-baserade lösningar och få tillbaka strukturerade rekommendationer.

Den här rollen påverkar framför allt fokus. Den tar bort den kognitiva belastningen av att ”hålla sig uppdaterad om AI” från enskilda medarbetare och samlar den i en enda funktion vars enda uppgift är att ligga steget före och effektivt sprida den kunskapen. Utan detta tenderar team att fragmenteras. Man får ojämn användning, inkonsekventa arbetssätt och duplicerade experiment. Med detta skapar man en kumulativ effekt där lärandet centraliseras medan genomförandet distribueras.

Varför marknadsförare måste se AI som en förändring av verksamhetsmodellen

Det viktigaste rådet jag skulle ge marknadsföringsledare är att se detta som en förändring av verksamhetsmodellen, inte som en uppgradering av verktygen.

Det är lätt att dras med i att utvärdera verktyg, testa funktioner och jaga stegvisa produktivitetsvinster. Det är viktigt, men det ger inte den verkliga fördelen. Den verkliga förändringen handlar om hur marknadsföringsarbetet utförs, hur teamen struktureras och var mänskliga insatser används.

Några principer är särskilt viktiga:

• För det första: investera i kvaliteten på indata innan ni skalar upp resultatet. AI genererar så mycket innehåll som ni ber den om, men innehållets kvalitet beror helt på tydligheten i er positionering, målgruppsdefinition och berättelse. Ledare som hoppar över detta steg skalar upp brus, vilket jag lyfter fram i ”Marknadsplan för teknikstartups”.
• För det andra: bygg om arbetsflöden, inte bara uppgifter. I stället för att fråga hur AI kan göra ett befintligt steg snabbare bör ni se på hela systemet från indata till resultat och tänka om kring hur det fungerar i en värld där utkast skapas omedelbart och iteration är billig. Det frigör förbättringar av en helt annan storleksordning.
• För det tredje: skapa utrymme för ett fokuserat AI-ansvar. Oavsett om det handlar om en särskild roll eller en liten grupp måste någon hålla sig uppdaterad om utvecklingen, testa verktyg och översätta det till praktiska arbetsflöden. Utan detta fragmenteras teamen och införandet stannar av.

Följ med

Du kan följa Simone Morellato på LinkedIn.

Fler expertintervjuer kommer på The CMO Club!