De flesta AI-program för företag har problem med bilder. Strategin ser bra ut på alla sätt. Användningsfallen är övertygande. Färdplanen är ambitiös. Och sedan... det är inte mycket som faktiskt förändras för de människor som måste göra jobbet.
Opal U | AI Marketing University är byggt kring en annan premiss. Mindre teori, mer: här är en byggmiljö, här är fem timmar under fem dagar, skapa något användbart. Ingen kodning krävs. Ingen pitch i slutet. Bara en brief och en deadline.
Marskohorterna du ska träffa kom från Zoom, Tory Burch, LG Electronics, KPMG, ASOS, Virgin Media O2, Lucid Motors, CompTIA, DocuSign och ett 20-tal andra företag. Tillsammans, i var och en av sina femdagarskohorter under mars, byggde de upp totalt 215 agenter.
Här är fem av dessa berättelser om agentbyggande.
Den som brukade kosta 10 000 pund
Dom Graveson @ Strategidirektör, Netcel
Dom har arbetat med UX-forskning och konsulttjänster inom finansiella tjänster i 25 år. Han vet hur bra arbete ser ut och vad det kostar. Så när han började bygga agenter på dag ett tänkte han inte riktigt på att spara tid. Han tänkte på vad hans kunder faktiskt skulle betala för.
Vid dag tre hade han byggt en FinServ Transparency & Fairness Assessor: en agent som granskar en webbplats för finansiella tjänster mot brittiska och EU:s konsumenttullregler, returnerar en efterlevnadspoäng och ger en förtroendebedömning till varje resultat. Vid dag fyra hade han en personabaserad UX-assessor igång bredvid sig – samma webbplats, men utvärderad genom syntetiska kundpersonas, var och en med sina egna prioriteringar och sin egen handlingsplan för prioriteringar.
Den typ av leverans som hans byrå för arton månader sedan skulle ha offererat en kund 10 000 pund för. En veckas arbete. Nu körs det på sju minuter.
Tidsbesparing: En veckas konsultarbete – tidigare ~10 000 pund per uppdrag – tar nu 7 minuter att köra.
För protokollet: Dom har gått många AI-kurser. Hans recension av den här, opåkallad, mitt i sessionen: "I princip den bästa kursen jag har gått i AI, och jag har gått MÅNGA av dessa."
Den där innehållsteamet slutade fråga Siobhan om saker
Siobhan Corley-Richards @ Zoom
Här är ett problem som Siobhan känner väl till: någon skriver ett riktigt bra långt stycke. En CX-guide, en forskningsrapport, en tillgång för tankeledarskap. Och sedan börjar förfrågningarna. Kan du förvandla detta till inlägg på sociala medier? Kan du skriva en karusell? Vad sägs om en infografik? Kan du göra detta för EMEA-versionen?
Varje förfrågan är liten. Tillsammans är de en dags arbete. Minimum.
Siobhan byggde en Content Optimization Design Brief Generator. Du ger den en URL. Den läser innehållet, tillämpar dina varumärkesriktlinjer och regler för sociala medier och producerar en fullständig resursbeskrivning – hooks, visuell riktning, textöverlägg, formatrekommendationer för varje kanal. Hennes team kan nu köra det själva för olika produkter och målmarknader. Ingen Siobhan krävs.
Tidsbesparing:"En till två dagars arbete per kampanj, automatiserat. Per kampanj. Varje gång.
Hon visade den för sin man samma dag. (Han är "superintresserad av AI och vet massor mer än jag", med hennes egna ord.) Han var imponerad. Hon var förtjust.
Den som sparade det sociala teamet 5 timmar i månaden
Alyssa Schwabe @ VP, Digital Marketing, Johnson Financial Group
Alyssa leder ett litet digitalt marknadsföringsteam på ett finansiellt tjänsteföretag. Det betyder att hon tänker mycket på vad hennes teams tid faktiskt är värd, och vad de spenderar den på som de förmodligen inte borde göra.
Förberedelse av kalendern för sociala medier var en av dessa saker. Varje månad: sök igenom webbplatsen efter aktuellt innehåll, kontrollera datum för ekonomisk medvetenhet, skanna efter partnerskapsomnämnanden, hitta lokala evenemang i Wisconsin, formatera allt efter plattform. Användbart arbete. Tidskrävande arbete. Helt automatiserbart arbete.
Hon byggde en kalendergenerator för sociala medier som gör allt i en enda körning. Den hämtar webbplatsinnehåll från den senaste månaden, korsrefererar ekonomiska medvetenhetsdagar, hittar lokala evenemang nära deras filialer och producerar formaterade inlägg för LinkedIn, Facebook, X och Instagram – med reel-förslag och hashtag-rekommendationer inkluderade. När hon visade den för det sociala teamet frågade de om den också kunde generera bilder. Det kan den.
Tidsbesparing: 3–5 timmar per månad, som ges tillbaka till det sociala teamet för att utföra arbete som faktiskt kräver en människa.
Den som gör arbete som nästan aldrig blir gjort
Lisa Scrofani @ Asst Director, Digital Content Strategy, Quinnipiac University
Lisa ville göra en konkurrensanalys av sitt universitets programs landningssidor. Jämföra dem sida vid sida med konkurrenternas sidor. Se var budskapet är skarpare, var uppmaningarna till handling är bättre placerade, var det finns tillgänglighetsproblem som ingen har märkt.
Bra idé. Ingen har någonsin tid med det.
Hon byggde en Competitor Homepage Analyzer som tar landningssidesadresser – hennes och deras – och producerar en sida-vid-sida-utvärdering. Tydlighet i budskap, placering av uppmaningar, tillgänglighetsbrister, områden där konkurrenter vinner, områden där Quinnipiac vinner. Hon lade till och med till en loop så att hon kan köra den över fem konkurrenter samtidigt och få en konsoliderad analys.
Det svåra: under bygget upptäckte hon ett tillgänglighetsproblem på en av sina egna sidor som hon inte hade känt till. Agenten upptäckte det. Det är den typen av saker som får dig att stanna upp och omkalibrera vad "användbart" egentligen betyder.
Tid sparad:"Minst en 8-timmarsdag" av arbete som, realistiskt sett, aldrig skulle hända annars. Nu gör det det.
Den som styr experiment i Google Sheets
Murali Krishna @ Furniture Village (Storbritannien)
Om du driver ett experimentprogram har du förmodligen en version av Muralis problem. Eftersläpningen finns i ett kalkylblad. Prioritering är delvis kvalificerad gissning. När två tester körs samtidigt och stör varandra får du reda på det i efterhand. Och när det är dags att skriva upp resultat för intressenter är det ytterligare några timmar av att manuellt översätta siffror till något som en icke-testare faktiskt kommer att läsa.
Murali byggde agenter för alla tre. En experimentkollisionsgranskare som flaggar störningsrisker innan tester startar. En experimentprioriteringsagent som poängsätter eftersläpningen efter påverkan och ansträngning. Och en A/B-testresultatberättare som tar rå testdata och omvandlar den till intressentklara berättelser.
Under examenssamtalet skrev Tak Lee från Lucid Motors (som tittade på Muralis demo) i chatten: "Jag prioriterar experiment och kör kollisionsanalys manuellt i Google Sheets just nu. Så tråkigt arbete." Han antecknade, på riktigt.
De andra 25 agentbyggarna
Fem artiklar kan inte täcka trettio nyutexaminerade. Här är hela bilden: 30 marknadsförare från 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 och Fifty Five and Five. Tillsammans 215 agenter i var och en av deras kohorter som arbetade en timme i fem dagar.
Användningsfallen varierade från granskning av ekonomisk efterlevnad (Steven Kim, Federated Hermes) till övervakning av AI-söksynbarhet (Ashish Rasal, CommScope) till ett arbetsflöde för Reddit-engagemang med fem agenter (Shweta Gupta, Fifty Five and Five) till en CMS-bloggskapare som publicerar direkt på en livewebbplats (Robert Anderson, Optimizely). Varje build var unik. Varje build löste något verkligt.