De fleste AI-programmer for bedrifter har et problem med lysbilder. Strategien ser flott ut på alle måter. Bruksscenariene er overbevisende. Veikartet er ambisiøst. Og så ... det er ikke mye som faktisk endrer seg for menneskene som må gjøre jobben.
Opal U | AI Marketing University er bygget rundt et annet premiss. Mindre teori, mer: her er et byggemiljø, her er fem timer over fem dager, lag noe nyttig. Ingen koding nødvendig. Ingen pitch på slutten. Bare en briefing og en frist.
Mars-kullene du skal møte kom fra Zoom, Tory Burch, LG Electronics, KPMG, ASOS, Virgin Media O2, Lucid Motors, CompTIA, DocuSign og rundt 20 andre selskaper. Mellom seg, i hvert av sine femdagers kohorter i mars, bygde de opp totalt 215 agenter.
Her er fem av disse historiene om agentbygging.
Den som pleide å koste £10 000
Dom Graveson @ Director of Strategy, Netcel
Dom har brukt 25 år på UX-forskning og rådgivning innen finansielle tjenester. Han vet hvordan godt arbeid ser ut, og han vet hva det koster. Så da han begynte å bygge agenter på dag én, tenkte han egentlig ikke på å spare tid. Han tenkte på hva klientene hans faktisk ville betale for.
På dag tre hadde han bygget en FinServ Transparency & Fairness Assessor: en agent som vurderer et nettsted for finansielle tjenester mot britiske og EUs forbrukeravgiftsforskrifter, returnerer en samsvarspoengsum og legger til en tillitsvurdering til hvert funn. På dag fire hadde han en personabasert UX-assessor gående ved siden av seg – det samme nettstedet, men evaluert gjennom syntetiske kundepersonaer, hver med sine egne prioriteringer og sin egen handlingsplan for prioriteringer.
Den typen leveranse som byrået hans for atten måneder siden ville ha gitt en klient et pristilbud på £10 000 for. En ukes arbeid. Nå tar det syv minutter.
Tid spart:En ukes konsulentarbeid – tidligere ~£10 000 per bestilling – tar nå syv minutter å gjennomføre.
Til orientering: Dom har tatt mange AI-kurs. Hans anmeldelse av dette, uoppfordret, midt i økten: «I utgangspunktet det beste kurset jeg har tatt i AI, og jeg har tatt MANGE av disse.»
Det der innholdsteamet sluttet å spørre Siobhan om ting
Siobhan Corley-Richards @ Zoom
Her er et problem Siobhan kjenner godt: noen skriver et veldig godt langt stykke. En CX-guide, en forskningsrapport, et ressurs for tankelederskap. Og så starter forespørslene. Kan du gjøre dette om til sosiale innlegg? Kan du skrive en karusell? Hva med en infografikk? Kan du gjøre dette for EMEA-versjonen?
Hver forespørsel er liten. Sammen er de en dags arbeid. Minimum.
Siobhan bygde en Content Optimization Design Brief Generator. Du gir den en URL. Den leser innholdet, anvender merkevareretningslinjene og reglene for sosiale medier, og produserer en fullstendig oversikt over ressurser – hooks, visuell retning, tekstoverlegg og anbefalinger for formater kanal for kanal. Teamet hennes kan nå kjøre det selv for forskjellige produkter og målmarkeder. Siobhan er ikke nødvendig.
Tid spart:"En til to dagers arbeid" per kampanje, automatisert. Per kampanje. Hver gang.
Hun viste den til mannen sin samme dag. (Han er «superinteressert i AI og vet mye mer enn meg», med hennes ord.) Han var imponert. Hun var henrykt.
Den som sparte det sosiale teamet 5 timer i måneden
Alyssa Schwabe @ VP, Digital Marketing, Johnson Financial Group
Alyssa leder et lite digitalt markedsføringsteam i et finansielt tjenesteselskap. Det betyr at hun tenker mye på hva teamets tid faktisk er verdt, og hva de bruker den på som de sannsynligvis ikke burde.
Forberedelse av kalender for sosiale medier var en av disse tingene. Hver måned: tråle nettstedet for nytt innhold, sjekke datoer for økonomisk bevissthet, skanne etter partnerskapsomtaler, finne lokale arrangementer i Wisconsin, formatere alt etter plattform. Nyttig arbeid. Tidkrevende arbeid. Absolutt automatiserbart arbeid.
Hun bygde en generator for kalendere for sosiale medier som gjør alt i én omgang. Den henter innhold fra nettstedet fra den siste måneden, kryssrefererer til dager for økonomisk bevissthet, finner lokale arrangementer i nærheten av filialene deres og produserer formaterte innlegg for LinkedIn, Facebook, X og Instagram – med forslag til reels og hashtag-anbefalinger inkludert. Da hun viste den til det sosiale teamet, spurte de om den også kunne generere bilder. Det kan den.
Tid spart:3–5 timer per måned, gitt tilbake til det sosiale teamet for å gjøre arbeid som faktisk trenger et menneske.
Den som gjør arbeid som nesten aldri blir gjort
Lisa Scrofani @ Asst Director, Digital Content Strategy, Quinnipiac University
Lisa ønsket å gjøre en konkurranseanalyse av universitetets programlandingssider. Sammenlign dem side om side med konkurrentenes sider. Se hvor budskapet er skarpere, hvor handlingsfremmende oppfordringer er bedre plassert, hvor det er tilgjengelighetsproblemer som ingen har lagt merke til.
God idé. Ingen har noen gang tid til det.
Hun bygde en Competitor Homepage Analyzer som tar URL-er for landingssider – hennes og deres – og produserer en side-om-side-evaluering. Klarhet i budskap, plassering av handlingsfremmende oppfordringer, tilgjengelighetshull, områder der konkurrentene vinner, områder der Quinnipiac vinner. Hun la til og med til en løkke slik at hun kan kjøre den på tvers av fem konkurrenter samtidig og få en samlet analyse.
Det overraskende: under byggingen oppdaget hun et tilgjengelighetsproblem på en av sine egne sider hun ikke hadde visst om. Agenten fanget det opp. Det er den typen ting som får deg til å stoppe opp og justere hva «nyttig» egentlig betyr.
Tid spart: «Minst en 8-timers arbeidsdag» som realistisk sett aldri ville skjedd ellers. Nå skjer det.
Den som kjører eksperimentstyring i Google Sheets
Murali Krishna @ Furniture Village (Storbritannia)
Hvis du kjører et eksperimenteringsprogram, har du sannsynligvis en versjon av Muralis problem. Etterslepet ligger i et regneark. Prioritering er delvis kvalifisert gjetting. Når to tester kjører samtidig og forstyrrer hverandre, finner du det ut etterpå. Og når det er på tide å skrive opp resultater for interessenter, er det ytterligere noen timer med manuell oversettelse av tall til noe en ikke-tester faktisk vil lese.
Murali bygde agenter for alle tre. En eksperimentkollisjonsgransker som flagger interferensrisikoer før testene starter. En eksperimentprioriteringsagent som scorer etterslepet etter påvirkning og innsats. Og en historieforteller om A/B-testresultater som tar rå testdata og gjør dem om til interessentklare fortellinger.
Under avslutningssamtalen skrev Tak Lee fra Lucid Motors (som så på Muralis demonstrasjon) inn i chatten: «Jeg prioriterer eksperimenter og kjører kollisjonsanalyse manuelt i Google Sheets akkurat nå. Så kjedelig arbeid.» Han tok notater, for alvor.
De andre 25 agentbyggerne
Fem historier kan ikke dekke tretti nyutdannede. Her er hele bildet: 30 markedsførere fra 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 og Fifty Five and Five. Til sammen 215 agenter i hver av deres én-time-for-fem-dagers kohorter.
Brukstilfellene varierte fra gjennomgang av økonomisk samsvar (Steven Kim, Federated Hermes) til overvåking av AI-søkesynlighet (Ashish Rasal, CommScope) til en Reddit-engasjementsarbeidsflyt med fem agenter (Shweta Gupta, Fifty Five and Five) til en CMS-bloggskaper som publiserer direkte på et aktivt nettsted (Robert Anderson, Optimizely). Hver versjon var forskjellig. Hver versjon løste noe reelt.
