Die meisten KI-Programme in Unternehmen haben ein Problem mit Präsentationen. Die Strategie sieht in der Gesamtbesprechung großartig aus. Die Anwendungsfälle sind überzeugend. Der Fahrplan ist ambitioniert. Und dann … ändert sich für die Mitarbeiter, die die Arbeit erledigen müssen, tatsächlich nicht viel.
Opal U | AI Marketing University basiert auf einem anderen Ansatz. Weniger Theorie, mehr: Hier ist eine Entwicklungsumgebung, hier sind fünf Stunden an fünf Tagen – entwickeln Sie etwas Nützliches. Keine Programmierung erforderlich. Keine Abschlusspräsentation. Nur ein Briefing und eine Deadline.
Die Teilnehmer der März-Gruppen, die Sie gleich kennenlernen werden, kommen von Zoom, Tory Burch, LG Electronics, KPMG, ASOS, Virgin Media O2, Lucid Motors, CompTIA, DocuSign und rund 20 weiteren Unternehmen. In ihren fünftägigen Kursen im März schulten sie insgesamt 215 Agenten.
Hier sind fünf dieser Erfolgsgeschichten.
Die Opal U | AI Marketing University, Jahrgang März, hat etwas Reales geschaffen. Das ist passiert.
Das, was früher 10.000 £ gekostet hat
Dom Graveson, Director of Strategy, Netcel
Dom hat 25 Jahre Erfahrung in der UX-Forschung und der Beratung von Finanzdienstleistungsunternehmen. Er weiß, was gute Arbeit ausmacht und was sie kostet. Als er also am ersten Tag mit der Entwicklung der Agenten begann, dachte er nicht an Zeitersparnis, sondern daran, wofür seine Kunden tatsächlich bezahlen würden.
Bereits am dritten Tag hatte er einen FinServ Transparency & Fairness Assessor entwickelt: einen Agenten, der die Website eines Finanzdienstleisters anhand der britischen und EU-Verbraucherschutzbestimmungen prüft, eine Konformitätsbewertung liefert und jedem Ergebnis eine Vertrauenswürdigkeitsbewertung zuordnet. Am vierten Tag ließ er parallel einen Persona-basierten UX-Assessor laufen – dieselbe Website, aber bewertet anhand synthetischer Kunden-Personas mit jeweils eigenen Prioritäten und einem eigenen Aktionsplan.
Vor 18 Monaten hätte seine Agentur einem Kunden für ein solches Ergebnis 10.000 £ berechnet. Eine ganze Woche Arbeit. Jetzt ist es in sieben Minuten erledigt.
Zeitersparnis:Eine Woche Beratungsarbeit – vorher ca. 10.000 £ – dauert jetzt nur noch 7 Minuten.
„Ich habe es so lange vorgetäuscht, bis ich es tatsächlich geschafft habe. Ich habe das Gefühl, dass ich diese Woche wirklich etwas geschafft habe.“
Zur Info: Dom hat schon viele KI-Kurse besucht. Seine spontane Rezension dieses Kurses mitten in der Sitzung: „Der beste KI-Kurs, den ich je gemacht habe, und ich habe wirklich viele besucht.“
Der Kurs, bei dem das Content-Team aufgehört hat, Siobhan um etwas zu bitten.
Siobhan Corley-Richards @ Zoom
Siobhan kennt dieses Problem nur zu gut: Jemand schreibt einen richtig guten, längeren Artikel. Einen CX-Leitfaden, einen Forschungsbericht, einen Fachbeitrag. Und dann hagelt es Anfragen. Können Sie daraus Social-Media-Posts machen? Können Sie ein Karussell erstellen? Wie wäre es mit einer Infografik? Können Sie das für die EMEA-Version umsetzen?
Jede Anfrage ist klein. Zusammen ergeben sie einen Arbeitstag. Mindestens.
Siobhan hat einen Generator für Content-Optimierungs-Designbriefings entwickelt. Man gibt einfach eine URL ein. Es analysiert die Inhalte, wendet Ihre Markenrichtlinien und Social-Media-Regeln an und erstellt ein vollständiges Asset-Briefing – inklusive Aufhängern, visueller Ausrichtung, Text-Overlays und Formatempfehlungen für jeden Kanal. Ihr Team kann es nun selbstständig für verschiedene Produkte und Zielgruppen nutzen. Siobhan ist nicht mehr nötig.
Zeitersparnis:„Ein bis zwei Tage“ Arbeit pro Kampagne, automatisiert. Pro Kampagne. Jedes Mal.
„Es gibt mir mehr Ideen – vor allem im sozialen Bereich. Das hatte ich nicht erwartet.“
Sie zeigte es noch am selben Tag ihrem Mann. (Er ist, wie sie sagt, „total KI-begeistert und weiß viel mehr als ich“.) Er war beeindruckt. Sie war begeistert.
Das Tool, das dem Social-Media-Team 5 Stunden im Monat erspart
Alyssa Schwabe, VP Digital Marketing, Johnson Financial Group
Alyssa leitet ein kleines Digital-Marketing-Team bei einem Finanzdienstleistungsunternehmen. Das bedeutet, dass sie sich viele Gedanken darüber macht, was die Zeit ihres Teams wirklich wert ist und wofür sie diese Zeit wahrscheinlich nicht verwenden sollten.
Die Erstellung des Social-Media-Kalenders war so eine Sache. Jeden Monat: die Website nach aktuellen Inhalten durchforsten, Termine für Finanzveranstaltungen prüfen, nach Erwähnungen von Partnerschaften suchen, lokale Veranstaltungen in Wisconsin finden, alles plattformspezifisch formatieren. Sinnvolle Arbeit. Zeitaufwendige Arbeit. Absolut automatisierbare Arbeit.
Sie entwickelte einen Social-Media-Kalender-Generator, der all das in einem einzigen Durchlauf erledigt. Es greift auf Website-Inhalte des letzten Monats zu, gleicht diese mit Finanzbildungstagen ab, findet lokale Veranstaltungen in der Nähe der Filialen und erstellt formatierte Beiträge für LinkedIn, Facebook, X und Instagram – inklusive Reel-Vorschlägen und Hashtag-Empfehlungen. Als sie es dem Social-Media-Team vorstellte, fragten diese, ob es auch Bilder generieren könne. Das kann es.
Zeitersparnis:3–5 Stunden pro Monat, die dem Social-Media-Team für Aufgaben zur Verfügung stehen, die tatsächlich menschliche Unterstützung erfordern.
„Sie waren ziemlich begeistert von der Version, die ich ihnen gezeigt habe – vor allem, als ich anfing, mit diesem Bildgenerator zu arbeiten.“
Diejenige, die die Arbeit erledigt, die fast nie fertig wird.
Lisa Scrofani, stellvertretende Leiterin der Abteilung für digitale Content-Strategie an der Quinnipiac University.
Lisa wollte eine Wettbewerbsanalyse der Landingpages ihrer Universitätsprogramme durchführen. Sie wollte sie direkt mit den Seiten der Konkurrenz vergleichen. Dabei sollte sie herausfinden, wo die Botschaften prägnanter sind, wo die Handlungsaufforderungen (CTAs) besser platziert sind und wo es Barrierefreiheitsprobleme gibt, die bisher niemandem aufgefallen sind.
Gute Idee.
Niemand hat jemals Zeit dafür.Sie entwickelte einen Homepage-Analysator für Mitbewerber, der Landingpage-URLs – ihre eigenen und die der Konkurrenz – analysiert und einen direkten Vergleich erstellt. Dabei werden die Verständlichkeit der Botschaft, die Platzierung des Call-to-Action (CTA), Barrierefreiheitslücken, Stärken der Konkurrenz und Schwächen von Quinnipiac berücksichtigt. Sie fügte sogar eine Schleife hinzu, um den Analysator gleichzeitig für fünf Mitbewerber laufen zu lassen und eine zusammenfassende Analyse zu erhalten.
Der Clou: Während der Entwicklung entdeckte sie ein Barrierefreiheitsproblem auf einer ihrer eigenen Seiten, das ihr selbst entgangen war. Der zuständige Mitarbeiter hatte es bemerkt. Solche Dinge lassen einen innehalten und darüber nachdenken, was „nützlich“ eigentlich bedeutet.
Zeitersparnis:„Mindestens ein achtstündiger Arbeitstag“, der realistischerweise nie zustande gekommen wäre. Jetzt schon.
„Ich glaube nicht, dass wir das wirklich regelmäßig machen. Das hier eröffnet uns die Möglichkeit, so etwas zu tun.“
Derjenige, der die Experimentiersteuerung in Google Sheets durchführt
Murali Krishna @ Furniture Village (UK)
Wenn Sie ein Experimentierprogramm durchführen, kennen Sie wahrscheinlich Muralis Problem. Der Backlog befindet sich in einer Tabellenkalkulation. Die Priorisierung ist eine Art Schätzung. Wenn zwei Tests gleichzeitig laufen und sich gegenseitig stören, merkt man das erst im Nachhinein. Und wenn es darum geht, die Ergebnisse für die Stakeholder aufzubereiten, bedeutet das weitere Stunden manueller Übersetzung der Zahlen in eine für Nicht-Tester verständliche Form.
Murali hat für alle drei Probleme Agenten entwickelt: Einen Experiment Collision Reviewer, der Interferenzrisiken vor dem Teststart erkennt, und einen Experimentation Prioritization Agent, der den Backlog nach Auswirkung und Aufwand bewertet. Und ein A/B-Test-Ergebnis-Storyteller, der Rohdaten in ansprechende Berichte für Stakeholder verwandelt.
Während des Abschlussgesprächs schrieb Tak Lee von Lucid Motors (der Muralis Demo verfolgte) in den Chat: „Ich priorisiere gerade Experimente und führe Kollisionsanalysen manuell in Google Sheets durch. So eine mühsame Arbeit!“ Er machte sich tatsächlich Notizen.
„Der Agent für die Auswertung von A/B-Testergebnissen ist der absolute Wahnsinn. Das ist oft der schwierigste Teil beim Testen!“ Allison Gillespie von Optimizely, während der Demo
Die anderen 25 Agenten-Builder
Fünf Artikel reichen nicht aus, um dreißig Absolventen zu beschreiben. Hier ist das vollständige Bild: 30 Marketingexperten von Zoom, Tory Burch, LG Electronics, DocuSign, KPMG, Virgin Media O2, ASOS, Global Payments, Federated Hermes, Lucid Motors, CompTIA, CommScope, Johnson Financial Group, Furniture Village, Alpine, Netcel, E.ON Next, PetMeds, Quinnipiac University, Drees Homes, Yell, Oshyn, Perficient und Fifty Five and Five. Insgesamt nahmen 215 Agenten an den einstündigen Schulungen über fünf Tage teil.
Die Anwendungsfälle reichten von der Prüfung der Finanzkonformität (Steven Kim, Federated Hermes) über die KI-gestützte Überwachung der Suchmaschinenpräsenz (Ashish Rasal, CommScope) und einen Workflow für die Reddit-Interaktion mit fünf Agenten (Shweta Gupta, Fifty Five and Five) bis hin zu einem CMS-Blog-Generator, der direkt auf einer Live-Website veröffentlicht (Robert Anderson, Optimizely). Jede Entwicklung war einzigartig. Jede Entwicklung löste ein konkretes Problem.