Et marketingteam køber flere AI-værktøjer. Hvert af dem kan skabe tekst, billeder eller en rapport. Efter tre måneder ved ingen dog, hvor meget arbejde der faktisk er forsvundet. Der er nye abonnementer, nye faner og en forpligtelse til at kontrollere endnu flere resultater.
Jeg kom til AI af den modsatte grund: Jeg ville reducere gentaget arbejde. I DreamROI-projektet arbejdede vi med personalisering og dataforudsigelser sideløbende med tekstgenerering. Den erfaring lærte mig at skelne mellem en attraktiv demonstration og en proces, der giver virksomheden et økonomisk afkast.
Tre anvendelsestyper, tre forskellige betingelser
Generering
En model forbereder tekst, billeder, en annoncevariant, en disposition eller et resumé. Implementeringen er hurtig, men omkostningerne gemmer sig ofte i prompting, kontrol og rettelser. Fordelen vokser, når den arbejder med godkendt materiale og et format, der kan gentages.
Automatisering
Et system forbinder trinene: Det tager kildemateriale, opretter et udkast, sender det til godkendelse, publicerer det og gemmer resultatet. Noget af dette behøver slet ikke bruge AI. Værdien kommer fra at fjerne manuel overførsel og ventetid.
Forudsigelse og anbefaling
En model vurderer sandsynligheden for en reaktion, rangerer tilbud eller vælger det næste trin. Den har brug for historik af høj kvalitet, tilstrækkeligt mange signaler og en måde at teste løbende på. For en mindre virksomhed kan en almindelig regel være billigere og lettere at forstå.
Sådan genkender du en egnet proces
Før du vælger et værktøj, skal du vurdere opgaven med seks spørgsmål:
- Hvor ofte gentager den sig? En time én gang om året er ikke en god kandidat til en kompleks integration.
- Er inputtet ensartet? En stabil skabelon egner sig bedre til automatisering end et nyt strategisk problem hver gang.
- Kan vi kontrollere resultatet? Uden et kvalitetskriterium kan vi ikke genkende en forbedring.
- Hvad koster en fejl? En slåfejl i en intern disposition og en forkert kampagnepris er ikke den samme risiko.
- Har vi de nødvendige data og tilladelser? En ødelagt CRM-post bliver ikke reddet af en smartere model.
- Hvem ejer den? Nogen skal overvåge, opdatere og kunne slukke for arbejdsgangen.
Den bedste kandidat er hyppig, forholdsvis stabil, let at måle og har en lav fejlomkostning. Typiske eksempler er at forberede varianter ud fra godkendt materiale, kategorisere feedback eller oprette et første udkast til en regelmæssig rapport.
Hvor AI typisk hjælper i dag
- Indhold: dispositioner, varianter, formatændringer, interviewresuméer og redaktionel kritik. Uden førstehåndserfaring producerer den kun generaliseringer.
- Emailmarketing: udkast ud fra godkendt indhold, segmentering og anbefalinger, når dataene er tilstrækkelige. Mere om dette findes i AI i emailmarketing.
- PPC: kreative varianter og søgeordsanalyse. Et menneske skal styre budget, måling og grænser.
- Kundefeedback: sortering af store mængder svar og forslag til emner. Følsomme data kræver et godkendt miljø.
- Rapportering: kommentarer til forberedte data og identifikation af afvigelser. En model må ikke erstatte kildetabellen eller opfinde manglende værdier.
- Intern viden: søgning i godkendt dokumentation. Fordelen afhænger af aktuelle dokumenter og tilladelser.
Fem omkostninger, som en demo ikke viser
1. Forberedelse af data og kildemateriale
Et værktøj kan være billigt, men det tager tid at rense et katalog, ensrette kampagnenavne eller anonymisere dokumenter. Medtag denne omkostning i pilotprojektet.
2. Menneskelig kontrol
Jo højere fejlomkostningen er, desto mere erfaren skal kontrolløren være. En time af en senior kan koste mere end selve genereringen. Mål tiden frem til godkendelse, ikke tiden frem til det første udkast.
3. Integration og vedligeholdelse
API'er ændrer sig, tilladelser udløber, og inputformater flytter sig. En arbejdsgang uden en ansvarlig holder langsomt op med at fungere eller begynder at skabe fejl.
4. Afhængighed af leverandøren
Pris, begrænsninger og servicevilkår kan ændre sig. For en vigtig proces har du brug for dataeksport og en plan for nedbrud eller produktets ophør.
5. Omdømme og privatliv
Ét opdigtet casestudie eller et lækket kundedokument kan opveje måneders små besparelser. Beslut på forhånd, hvilke data der ikke må sendes til tjenesten, og hvordan indhold, der kræver ekspertgodkendelse, markeres.
Sådan bygger du et pilotprojekt, der beviser noget
- Vælg én proces. For eksempel at omdanne en ekspertartikel til et nyhedsbrev og to opslag hver uge.
- Mål dagens status. Tid, antal rettelser, fejlrate og forretningsmål.
- Sæt grænser. Godkendte kilder, forbudte påstande, påkrævet kontrol og nedlukning.
- Før en sammenligning. Producer nogle resultater med den oprindelige metode, eller sammenlign den samme periode.
- Tæl al tid med. Prompting, integration, kontrol, rettelser og vedligeholdelse.
- Beslut dig efter en begrænset periode. Fortsæt, tilpas eller afslut pilotprojektet.
For flere år siden anslog jeg betydelige tidsbesparelser for nogle opgaver. I dag ville jeg ikke love en universel procentdel. Besparelserne afhænger af inputtets kvalitet, opgavens hyppighed, den nødvendige nøjagtighed og kontrolomkostningen. Et ærligt pilotprojekt er stærkere end et imponerende estimat.
Hvornår du bør lade AI være
Implementer det ikke blot, fordi konkurrenterne bruger det. Det giver ingen mening til en sjælden opgave uden et tydeligt resultat, en proces med ødelagte data eller et sted, hvor virksomheden ikke kan placere ansvaret for en fejl. Jeg ville ikke uddelegere en strategisk beslutning om brandpositionering, pris eller en følsom kunde til en model.
Jeg ville også rette op på målingen først. Uden grundlæggende oplysninger om henvendelser kan du ikke se, om AI optimerer virksomheden eller blot skaber mere indhold.
Det første skridt er ikke en licens
Tag én gentaget marketingproces og kortlæg dens trin. Skriv tid, input, output, fejl og ansvarlig ned for hvert trin. Først derefter skal du undersøge, om en regel, integration, generativ model eller kombination kan hjælpe.
Til praktisk tekstarbejde kan du fortsætte med arbejdsgangen til AI-tekstskabelse. Hvis indholdet også skal fungere i søgninger, kan du se Sådan bliver du kilde til Googles og AI's svar. Hvis du vil beregne et pilotprojekt for din proces, kan du kontakte mig via kontakt.