Vad har faktiskt förändrats, och vad är fortfarande på väg?
Det är lätt att drunkna i rubriker om att AI förändrar allt. En mer användbar fråga för en marknadsförare är: vilka delar av mitt arbete ser annorlunda ut i dag än för några år sedan, vilka delar kommer sannolikt att förändras härnäst, och vad ska jag göra åt det? Den här guiden försöker svara på det utan överdrifter. Den skiljer mellan sådant som redan är vardag, sådant som är på väg och sådant som är osäkert.
Den som vill ha praktiken i vardagen hittar den i så använder en marknadsförare AI en vanlig arbetsdag, och den som ska planera för ett helt team kan gå vidare till AI-strategi för marknadsföring. Här tittar vi på de större förändringarna: produktionen, analysen, sökningen, rollerna, förtroendet och kompetensen.
Produktion blir snabbare, och flaskhalsen flyttar
Den mest synliga förändringen är att material går snabbare att få fram. Utkast till texter, annonsvarianter, manus till korta filmer, bildförslag och översättningar som tidigare krävde timmar kan nu ha ett första utkast på minuter. Det finns experimentell forskning som stöder bilden för skrivuppgifter. I en studie av Noy och Zhang, publicerad i Science 2023, fick 453 högskoleutbildade yrkesverksamma yrkesspecifika skrivuppgifter, och hälften fick tillgång till ChatGPT. Gruppen med tillgång använde i genomsnitt 40 procent kortare tid och fick 18 procent högre kvalitetsbetyg. Studien visade också att skillnaderna mellan arbetstagare minskade.
Det är värt att läsa resultatet med försiktighet. Uppgifterna var korta och avgränsade, och de säger inget om hur lång tid det tar att kontrollera fakta, passa in tonen i ett varumärke eller driva ett helt kampanjprojekt. Men riktningen är tydlig: för första utkast på vanliga skrivuppgifter sparar verktygen ofta tid.
Konsekvensen för arbetet är att flaskhalsen flyttar. När det blir billigt att skapa tio versioner blir det dyrt att välja rätt en, att granska den och att se till att den stämmer med varumärket och fakta. Den som tidigare var bra på att skriva snabbt behöver bli bra på att bedöma. För en chef betyder det att kvalitetssäkringen får en större roll i processen, och att man behöver bestämma tydligt vem som godkänner vad.
En annan konsekvens är att tröskeln för att göra mer sänks. Ett litet team som tidigare inte hann producera material på flera språk eller för flera målgrupper kan nu göra ett försök. Det betyder inte att det blir bra av sig själv, men möjligheten finns.
Analys blir tillgängligare
Den andra förändringen gäller data. Tidigare var frågor till data något man skickade till en analytiker eller löste med avancerade formler. Nu kan en marknadsförare ladda upp en exportfil och ställa frågor på vanlig svenska: vilka kampanjer hade högst kostnad per konvertering förra kvartalet, hur skiljer sig trafiken mellan kanaler, vilka sidor tappar besökare? Verktygen kan också skriva sammanfattningar av rapporter och föreslå förklaringar.
Det här sänker tröskeln för att ställa frågor, men det höjer kravet på att kunna bedöma svaren. En modell kan räkna fel, tolka en kolumn felaktigt eller dra en slutsats som verkar rimlig men inte följer av datan. Den kan också presentera ett samband som om det vore en orsak. Den som arbetar med AI-analys behöver därför kunna kontrollera: stämmer totalsumman med källan, är urvalet rätt, och finns det en annan förklaring? En bra rutin är att be modellen visa hur den kom fram till svaret och att själv kontrollera ett par rader.
Dataskydd blir samtidigt en praktisk fråga. Vilka kunduppgifter får laddas upp i ett externt verktyg? Det är ett ledningsbeslut, inte något den enskilde ska behöva gissa. Läs mer om att sätta spelregler i guiden om AI-strategi.
Sökning och synlighet förändras
Den tredje förändringen är hur människor hittar information. Allt fler får ett sammanfattat svar direkt i en AI-assistent eller i en AI-sammanfattning ovanför sökresultaten. Google har egna funktioner av det slaget, AI Overviews och AI Mode, och i sin dokumentation beskriver företaget att de använder en teknik som kallas query fan-out, där systemet söker på relaterade delämnen för att bygga ett svar och visar en bredare uppsättning länkar till stöd. Samma dokumentation anger att AI Overviews bara visas när systemen bedömer att de tillför något utöver vanlig sökning, så de dyker inte upp för alla frågor.
För en marknadsförare betyder det två saker. Dels räcker det inte alltid att ranka högt i en lista med blå länkar, eftersom en del av uppmärksamheten hamnar i svaret ovanför. Dels blir frågan om hur ert företag beskrivs, och om ni nämns, en del av varumärkesarbetet. Googles råd är samtidigt nyktert: inga särskilda krav eller tekniker finns utöver att sidan är indexerad och kan visas med utdrag, och grunderna i god SEO gäller fortsatt.
Vad ska du göra av detta? Gör ett stickprov av de tjugo viktigaste frågorna som era kunder ställer, och se hur de besvaras. Gör era viktigaste sidor tydligare och mer användbara. Och skilj i planeringen mellan att använda AI i SEO-arbetet och att synas i AI-svar, två olika saker som förklaras i AI i SEO-arbetet eller att synas i AI-svar. Överblick över området finns på AI och SEO.
Kanaler och kreativitet: mer variation, mer likhet
I sociala medier och annonsering syns förändringen som mer variation och snabbare testning. Du kan göra fler annonsversioner, anpassa budskap till olika målgrupper och snabbare prova vad som fungerar. Plattformarna har också egna funktioner som automatiserar delar av annonsering och målgruppsval. Hur de fungerar i detalj ändras ofta, och du bör läsa plattformens aktuella dokumentation innan du förlitar dig på en funktion.
Det finns en motsatt rörelse: när alla använder samma verktyg och samma typer av uppdrag blir resultaten lika. Den intetsägande tonen, de upprepade formuleringarna och de generiska bilderna blir en egen sorts brus. Det som sticker ut blir därför det som bara ni kan: era egna erfarenheter, era kunder, era data, er röst. Kreativiteten flyttar delvis från att producera till att välja riktning, tillföra något verkligt och veta när något är bra.
Det praktiska rådet är att bygga en varumärkesguide som även en modell kan följa: ton, ord ni använder och undviker, exempel på bra texter. Ge den till modellen i varje uppdrag och granska resultatet mot den. Då slipper du upprepa samma instruktioner och får jämnare kvalitet.
Roller och arbetsfördelning ändras
När enkla uppgifter går fortare ändras vad som förväntas av olika roller. Juniorer får tillgång till stöd som tidigare krävde en erfaren kollega, och kan lära sig snabbare, men de behöver också träna på att bedöma kvalitet för att inte lära sig av modellens misstag. Seniorer får mer tid för strategi och granskning, men behöver tillräckligt med praktisk förståelse för att kunna bedöma vad som är möjligt. Noy och Zhangs studie visade att skillnaderna mellan arbetstagare minskade, vilket är ett exempel på hur verktyget kan jämna ut resultat i skrivuppgifter, men det säger inte hur karriärstigar kommer att se ut.
Nya uppgifter dyker upp. Någon behöver äga promptbiblioteket, någon behöver vara ansvarig för riktlinjer, någon behöver följa upp vad som faktiskt sparar tid. I små team blir det samma person, i större kan det bli en särskild funktion. Titlarna är mindre viktiga än att uppgiften har en ägare.
För den enskilde marknadsföraren är frågan om jobbet försvinner mindre användbar än frågan om vilka delar av jobbet som flyttar. Texter, rapporter och varianter blir en mindre del av tiden. Förståelse för kunderna, omdöme, relationer och förmågan att leda förbättringsarbete blir en större. Det är bra att fråga sig vilka uppgifter du gör som skulle gå att göra bättre med stöd, och vilka som du vill behålla för att de är dina styrkor.
Förtroende, etik och regler
Ju mer som kan produceras, desto viktigare blir förtroendet. Läsare blir vana vid att upptäcka text som känns maskinell, och en felaktig uppgift i en kampanj kan skada. Frågor som tidigare kunde lämnas åt enskilda blir organisationens frågor: Ska vi berätta när något är AI-genererat? Hur kontrollerar vi att bilder inte liknar skyddade verk? Vilka personuppgifter får vi använda? Vem ansvarar när något går fel?
Det finns rättsliga ramar att hålla koll på, till exempel dataskydd, marknadsföringsregler och upphovsrätt. De är inte något en kursledare eller en blogg kan ge dig som definitivt svar för just ditt fall, så vid osäkerhet bör du söka juridisk rådgivning. Det går däremot att göra mycket själv: skriv en kort riktlinje, bestäm vad som aldrig delas med externa verktyg, kräv mänsklig granskning före publicering och dokumentera hur ni gör.
Etik handlar också om rättvisa och representation. Modeller återger mönster från sina träningsdata och kan ge stereotypa eller ensidiga bilder av grupper. Granska bilder och texter för detta, särskilt när målgruppen är bred.
Vilka färdigheter blir viktigare
Det är frestande att svara att AI-kunskap blir viktigast. Men verktyg byts snabbt, och det som lärdes ut för ett år sedan kan redan vara föråldrat. Det som håller längre är förmågor som stödjer användningen av vilket verktyg som helst:
- Omdöme och smak: att se skillnaden mellan bra och bara acceptabelt, och att veta vad som saknas.
- Kunskap om målgruppen: ingen modell vet vad era kunder faktiskt säger i säljsamtal eller varför de lämnar.
- Att formulera uppdrag: tydliga mål, rätt underlag, exempel och begränsningar ger bättre resultat än smarta formuleringar.
- Granskning och faktakontroll: att veta vad som kan gå fel och att kontrollera det systematiskt.
- Arbetsflöden och uppföljning: att bygga rutiner som andra kan följa, och mäta om de ger något.
- Dataförståelse: att kunna bedöma om en analys håller, även när den är automatiskt framtagen.
- Samarbete och ledarskap: att få ett team att ändra vanor, bygga tillit och dela det som fungerar.
Vad du kan göra i dag
Ett realistiskt sätt att förhålla sig till förändringen är att ta små, mätbara steg. Välj en återkommande uppgift och prova AI på den i några veckor. Dokumentera vad som fungerade. Läs sedan hur andra gör, och lär dig mer systematiskt.
Om du vill ha struktur kan en kurs hjälpa. Det finns breda introduktioner, ämnesspecifika kurser och företagsutbildningar, och du kan jämföra alternativ under alla kurser eller i kurser i AI-marknadsföring. Är du ny på området passar kurser för nybörjare. Vill du veta vilken kurs som passar just dig finns en guide: vilken AI-kurs passar dig som marknadsförare.
Och kom ihåg att förändringen inte sker jämnt. Vissa delar av arbetet förändras snabbt, andra knappt. Den som avvaktar helt riskerar att tappa takten, och den som kastar sig in i allt på en gång riskerar kvalitetsproblem. Mitt emellan ligger det praktiska: pröva, mät, behåll det som fungerar och fortsätt lära.
Sammanfattning
AI har gjort produktionen snabbare, analysen mer tillgänglig och sökningen mer sammanfattande. Flaskhalsen har flyttat från att skapa till att granska, välja och ansvara. Forskningen om tidsvinst, som studien av Noy och Zhang, ger en uppmuntrande men begränsad bild, och dina egna mätningar väger tyngre. De färdigheter som blir viktigare är omdöme, målgruppskunskap, granskning och förmågan att bygga arbetsflöden. Börja smått, mät ärligt och bygg därifrån.
