AI-driftpersonen du ännu inte har anställt
Någonstans i ert team finns det en person som har kommit på hur man ska göra när det gäller AI.
De har byggt arbetsflöden som ingen bett dem bygga. Eller så har de i tysthet automatiserat den uppgift som tidigare slukade tre timmar av teamets tid i möten. Eller kanske vet de vilka verktyg som kan kommunicera med varandra och vilka som inte kan det. Och de har slutat vänta på att någon ska tala om för dem vad som är tillåtet – det här är er trollkarl inom AI-drift för marknadsföring.
Andra i teamet har börjat komma till den här personen med sina frågor innan de kommer till dig.
Continue Reading for Free
Create a free account to finish this article, plus get ongoing access to timely insights and practical resources.
Have an account? Log In
Och även om personen kanske inte har någon titel eller ens avsätter särskild tid för detta, utför hen det AI-arbete inom marknadsföringen som behöver göras. Och du har nästan säkert inte gett personen det organisatoriska mandat som krävs för att tillämpa sina kunskaper i de team som behöver dem mest.
Det här är gapet. Det handlar inte om budgeten, verktygen eller ens strategin.
Det hemliga receptet i er organisation
Den här rollen inom AI-drift är avgörande för att frigöra potentialen i er organisation, oavsett om detaljerna kring jobbet är definierade eller inte.
Nathan Snell, produktledningschef på Intuit Mailchimp, har byggt automatiserade arbetsflöden under större delen av två decennier. Han har data och insikter som styrker vad som fungerar, eftersom hans arbetsflöden stresstestas mot miljontals användare.
Snell kallar den här personen för en AI-driftsexpert. Han har följt organisationer som lyckas och misslyckas med att införa AI. Tillräckligt länge för att veta att den här rollen, oavsett om den är formellt namngiven eller inte, är den enskilt största faktorn för huruvida en AI-omställning får fäste.
Skillnaden mellan framgång och misslyckande ligger i huruvida personen som ansvarar för implementeringen av AI-driften har ett mandat eller bara råkar vara den mest AI-nyfikna personen i teamet. Kanske genomför personen experiment på sin fritid utan organisatoriskt mandat att förändra något. I slutändan handlar det om ägarskap.
Och Snells diagnos av var implementeringar kör fast är vanlig.
”Det finns alltid två delar i varje process”, säger han. ”Det finns själva mekaniken, det arbete som människor aktivt utför. Och det finns samordningsbördan.”
AI löser mekaniken snabbare än de flesta organisationer förväntar sig. Men samordningen är enligt Snell något som AI ofta inte berör. Utan någon som ansvarar för det gapet kan det inte – och kommer det inte – att slutas.
Det som finns under ytan
För marknadsföringsteam brukar mekaniken skyndas på inom innehållsproduktion, dataanalys, testning av variationer och utformning av utkast. Men att skynda igenom uppgifter gör inget för att förbättra de rutiner och strukturer som kan hindra organisationer. Team behöver ta hänsyn till överflödig byråkrati, processer, regler och personal som uppstår när företag växer.
Du kanske känner igen följande när det gäller att få projekt godkända.
”Om ni måste ha mötet inför planeringen, sedan planeringsmötet, därefter granskningsmötet, sedan mötet för att få ut det live och slutligen mötet om hur det gick”, säger Snell, ”då kan AI inte lösa det. Samordningsbördan måste i slutändan hanteras genom en faktisk processomvandling.”
Colleen Goepfert, deltids-CMO och verksamhetskonsult, vägleder marknadsorganisationer i deras AI-implementering och ser samma mönster utifrån. Hon anlitas sällan för att åtgärda det som människor säger att de vill få åtgärdat.
”Utformningen av arbetsflödet är viktigare än själva verktyget”, säger hon. ”Det verkliga arbetet handlar inte om att utforma verktyget. Det handlar om att utforma om hur marknadsföringen fungerar, hur saker godkänns och hur beslut fattas.”
Det som förstärker hennes poäng är hur hon beskriver samma dysfunktion på andra sidan. Snell ser effekten av förbättrade arbetsflöden i de produkter han bygger och hos kunderna som använder dem.
Goepfert upptäcker samtidigt de uppenbara luckorna i de organisationer som skulle ha dragit nytta av AI men ännu inte har sett det förverkligas. Slutsatsen är densamma. AI skapar inte problemen inom ert team, mellan olika funktioner eller på organisatorisk nivå. Men det gör befintliga problem omöjliga att ignorera.
”AI blottlägger verkligen ett system som inte fungerar.”
Akande Davis, verksamhetschef på GNW Consulting, går ännu längre. När hans team påbörjar ett uppdrag är den första frågan inte vilket verktyg som ska användas. Det är om sammanbrottet beror på ett processproblem eller ett teknikproblem, eftersom det förvärrar skadan att åtgärda fel problem.
”Ofta kan tekniken göra mer än vad kraven innebär”, säger Davis. ”[Men] processen är trasig.” Hans liknelse för vad som händer när organisationer hoppar över den analysen är: ”Om jag bad AI att gräva hålet på fel plats får jag inget värde ur hålet. Det gör bara saker värre. Ni får sämre resultat snabbare.”
Den struktur som de flesta team saknar
Där Snells perspektiv skiljer sig från det diagnostiska samtalet är i vad han rekommenderar ur ett operativt perspektiv. De flesta råd som cirkulerar om AI-implementering fokuserar på inställning, förändringsledning och att få ledningen att vara samordnad.
Snells bakgrund som produktutvecklare får honom att fokusera på sammanhang och struktur.
Värdet här kan inte överskattas, särskilt när det gäller hur kontext byggs upp, lagras och delas mellan team. De flesta organisationer hanterar detta med en enda stor prompt eller ett delat dokument som snabbt blir inaktuellt.
Men Snell ser det på ett annat sätt.
"Ta den här galna prompten som du har, som var en enormt stor sak i en mall, och omvandla den till färdigheter som är rollbaserade. Och som ett resultat kan agenter faktiskt göra mer. Du kan bygga vidare på den kontexten."
Skiftet från monolitiska prompter till modulära, rollbaserade färdigheter sträcker sig även till verksamheten.
Och det innebär att den kontext som en AI använder för att utföra marknadsföringsarbete inte är samma kontext som den använder för produktarbete eller verksamhetsarbete, men allt kopplas tillbaka till en gemensam grund. Varje team äger sitt lager. En person med ansvar för AI-verksamheten i ett team underhåller det.
"Du behöver egentligen bara en person som kan testa verktygen, skapa färdigheterna och dela dem", säger Snell. "Att centralisera det på det sättet minskar friktionen jämfört med att låta alla genomföra experiment och sedan undra varför ni inte ser några resultat."
Liza Adams, deltids-CMO och rådgivare inom AI-transformation, beskriver den strukturella förändringen under ytan ur ett ledarskapsperspektiv.
"AI bryr sig inte om våra stuprör. Den bryr sig inte om vem som utför arbetet eller om befattningstitlar. Den bryr sig bara om resultat, vilket är bra, eftersom kunder inte heller bryr sig om sådant."
Hon ser organisationer röra sig, ofta motvilligt, bort från hierarkier som bygger på befattningstitlar och mot strukturer organiserade kring uppgiften som ska utföras. Personen med ansvar för AI-verksamheten som Snell beskriver är ett uttryck för den förändringen: en roll som definieras av resultat och ägarskap över arbetsflöden, inte av avdelning.
Det som är på väg
Det som tydligast skiljer Snells syn från resten av samtalet är att han tänker bortom den pågående transformationen. Alla andra arbetar med att åtgärda det som är trasigt nu. Han utformar redan det som kommer därefter.
"Jag är mest entusiastisk över det jag skulle kalla övergången till proaktiva agenter", säger han.
"I dag upplever de allra flesta av oss AI på ett dragorienterat sätt. Jag går till Claude eller Gemini eller ChatGPT. Jag frågar den något och hämtar ut svaret.
Det vi kommer att se mer av är push-baserad AI. Om jag till exempel har gett dig all min kontext, om du är ansluten till all min data, om du vet hur saker presterar, varför måste jag då komma till dig och be dig göra något?
Du borde kunna titta på den och säga: 'Jag gjorde den här analysen åt dig, och här är ett nytt segment med personer som du skulle kunna rikta dig till. Vill du använda det?'
För en verksamhetsledare är detta anledningen till att det grundläggande arbetet är viktigt även bortom årets AI-mål. De team som bygger en modulär kontextarkitektur, där en AI på begäran sammanställer den information den behöver från olika källor, är de som definierar vem som äger vad. De säkerställer också att data inte ligger i stuprör mellan olika funktioner, vilket gör det möjligt att skapa förutsättningarna för att den här typen av agentbeteende ska fungera.
De team som lägger AI ovanpå befintliga processer bygger ett tak, ett tak som är beroende av individer och därför både skört och tillfälligt.
Davis förankrar den närliggande versionen i hur hans team avslutar varje uppdrag. Innan de rekommenderar någon förändring kopplar de tillbaka till värdet. De kartlägger var de kan förvänta sig ökad konvertering, förbättrad kundlojalitet och bidrag till säljtratten. Och genom denna process upptäcker de vad som är avgörande för organisationen.
"Om det inte har högt värde, låt oss fokusera på det som har det."
En operativ omarbetning får stöd i organisationen när någon har ansvar för att koppla den till resultat som verksamheten redan bryr sig om.
Ansvar är ett mänskligt beslut. Och ingen agent kommer att kunna lyfta fram detta förrän ni har gjort arbetet som krävs för att möjliggöra det.
Vad händer härnäst?
Gå med i The CMO Club för de senaste insikterna, intervjuerna och poddavsnitten med ledare inom marknadsföring.
