CMO:n säger att 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.

Från noll till skalning

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

Jag arbetar med hela tillväxtsystemet, från positionering och budskap till förvärv, konvertering och kundresan. Jag samarbetar nära med grundare för att skapa struktur i hur beslut fattas och hur tillväxt ackumuleras.

För närvarande är jag CMO på Aliwell, där jag leder marknadsavdelningen genom en tillväxtmotor i flera kanaler med fokus på att förvärva 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. En tätare samordning med försäljning, produkt och kundupplevelse är avgörande.

Skiftat fokus till AI

Det som nyligen har förändrats för mig är hur jag angriper 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 med mera — är repetitivt, men fortfarande manuellt och fragmenterat.

AI är verktyget för att utforma dessa arbetsflöden på nytt, snabba upp återkopplingsloopar och fatta bättre beslut med större tydlighet. Det är det skifte 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 ha krävt hjälp från en konsult.
• Jag utformade ett utbildningsprogram i flera nivåer från grunden.
• Jag byggde ett system för kundaktivering baserat på kvalitativ forskning — intervjuer, enkäter och beteendedata — som avslöjade varför vissa kunder stannar upp efter sitt första köp.

Det här är inte uppgifter som jag bara effektiviserade; det är strategiska system som ett litet team normalt inte skulle kunna lansera. 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 driver 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 data om annonsernas resultat och ber om en analys vecka över vecka och månad över månad, med markering av avvikelser.
3. Jag analyserar produktionssiffrorna — regionalt tillverkade fall, jämförda med månadsmålen, med tydliggörande av avvikelser.
4. Jag sammanställer allt detta i en enda strukturerad rapport med ett avsnitt per funktion, nyckeltal med kontext och — viktigast av allt — ett avsnitt med rubriken ”beslut som behövs” högst upp.

Resultatet är ett formaterat dokument som ledningsgruppen kan skumma 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 av stora datamängder.

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

Det har också blivit en central del av hur jag strukturerar arbetsflöden, från kvalificering av leads till uppföljningar och rapportering. AI bidrar till att minska det manuella arbetet 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 är viktigt.

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

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

Samantha delar med sig

AI kan ge dig alternativ, men det 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 snabbheten och omfattningen. Vi har minskat tiden för analys och syntes med ungefär 60–70 %. Sådant som att gruppera kundfeedback, utvinna insikter ur samtal och skapa testbara kreativa idéer – sådant som tidigare tog veckor – sker nu på dagar.

Det har lett till fler tester och snabbare återkopplingsloopar. Vi kan iterera kring budskap och kampanjer mycket snabbare, vilket har förbättrat beslutsfattandet och minskat slöseri med marknadsföringsbudgeten på idéer som inte fungerar.

På den operativa sidan har vi också kunnat bygga system, som CRM-arbetsflöden, introduktionsresor 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. Det är mycket bra på att producera resultat som ser riktiga ut men som inte är förankrade i verkligheten. Om du inte förankrar det 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 i slutändan generera mycket brus.

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

Jag har blivit besviken på AI:s påverkan på det kreativa arbetet. 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 sjönk omedelbart. Vår målgrupp lade märke till kvalitetsskillnaden mellan dessa bilder och det som en mänsklig designer skapar med autentisk klinisk fotografering.

Varför innehållsarbetsflödets komplexitet måste motsvara förmågan

Tidigt använde jag AI för att utforma ett system för innehållsverksamheten – redaktionella kalendrar, godkännandeflöden och innehållsbriefar 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-budskap inte blir ett hinder

AI korrigerar inte dåliga system – det förstärker dem. Mer resultat, samma problem. AI fungerar bäst med bra indata, en tydlig förståelse för kunden, verkliga data och skarpt tänkande.

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

Ett bra exempel är budskap. 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.

Rätta därför till indatan innan du använder AI. Det innebär att konsolidera data från CRM-systemet, försäljningen och kundinteraktionerna – inklusive säljsamtal, invändningar och intervjuer – för att identifiera de exakta problemen, uttrycken och ögonblicken som driver beslut.

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

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

Varför arbetsflöden behöver brytas ned och förstärkas

Gör man det rätt är gott omdöme inte längre något man antingen har eller behöver anställa för.

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

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

Samantha delar med sig

Rätta till indatan innan du använder AI…När det är stabilt lägger jag AI ovanpå. Det hjälper till att utveckla, testa och snabbt iterera på dessa infallsvinklar. Gör man det rätt är gott omdöme inte längre något man antingen har eller behöver anställa för.

Varför Claude är oumbärligt för marknadsförare

Claude är utan tvekan mitt förstahandsverktyg. Det är ett lager som kopplar samman allt och fungerar som en fantastisk tänkande partner och bollplank.

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

Jag har inte provat 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 gott 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 dataunderlag och strategisk tydlighet.

När AI används inom marknadsföring utan starkt dataunderlag 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 The CMO Club!