Jeg tror ikke, at AI kommer til at erstatte marketingfolk. Men marketingfolk, der bruger AI skødesløst, bliver erstattet, og det kommer til at gå meget hurtigere, end nogen regner med.
Jeg ser det i analyser. Jeg ser det i de teams, vi coacher. Jeg ser det internt hos Savvy, hvor jeg mere end én gang har måttet sige fra (og ja, jeg har også selv gjort det).
Mønsteret er altid det samme: Toolet er glimrende, outputtet ser flot ud, og et eller andet sted undervejs holdt personen bag op med at tage ansvar for arbejdet.
Herunder får du de fem måder, jeg regner med, at marketingfolk kommer til at miste jobbet på grund af Claude, sorteret fra “lidt bekymrende” til “du er fyret”. Til sidst får du de regler, der holder dig på den rigtige side af stregen. For den største fejl af dem alle er slet ikke at bruge AI.
Gå videre end artiklen
Derfor er videoen bedre:
- Se rigtige eksempler fra faktiske konti
- Få dybere indsigter, som ikke kan formidles på skrift
- Lær avancerede strategier til komplekse situationer
Fejl 1: Du giver Claude hele æren
Den her fælde er let at gå i, fordi ingen gør det med vilje. Du er begejstret for, hvad toolet kan, så når du præsenterer arbejdet, bruger du halvdelen af tiden på at fortælle, hvordan det er lavet, i stedet for hvad det betyder.
“Claude lavede bare det hele. Det er helt vildt. Jeg fatter det ikke.”
Det, din chef hører, er: “Så hvad er det præcis, du bidrager med?”
Der hviler stadig et stigma over AI-genereret arbejde. Uanset om det er fair eller ej: Tror din chef, at hele leverancen kommer fra Claude, ser du dårligere ud. Tror din chef, at du leverede hurtigere og mere præcist, fordi du brugte Claude, ser du bedre ud. Samme arbejde, helt forskellig opfattelse. En undersøgelse fra Atlassian viste, at 94% af vidensarbejdere havde brugt AI inden for den seneste måned, men også at det direkte skadede opfattelsen af arbejdet, hvis man var åben om det.
For år tilbage argumenterede jeg for, at Google Ads-ansvarlige skulle holde op med at tale om Smart Bidding i tredje person. Altså holde op med at sige “Smart Bidding besluttede at gøre det her” og i stedet behandle det som en del af teamet og tale om, hvad du og Smart Bidding har opnået sammen. Samme princip gælder her.
Jeg bruger hele tiden Claude Cowork til at bearbejde og visualisere data og gøre præsentationer færdige. Men der er ét trin, jeg aldrig overlader til den: at læse dataene og drage konklusionerne.
Medmindre spørgsmålet er helt banalt, skal du ikke engang lade den prøve. Får du en konklusion fra Claude og skal derefter vurdere, om den holder, vil du have en tendens til at godtage den. Det er det modsatte af skrækken for det hvide papir. Der står allerede noget på siden, og nu skal du bruge energi på at modbevise det i stedet for at tænke frit. Det forhindrer dig i at se de andre konklusioner, der ligger i de samme data. Din hjerne tager den nemme vej.
Og har du ikke erfaring med emnet, opdager du slet ikke, at konklusionen er forkert. Claude er overbevisende. Det ved vi alle sammen.
Lad Claude pakke pointerne ind med de rigtige visualiseringer. Fortæl din chef, hvordan du brugte den. Men lad ikke et tool, der har sparet dig for 75% af grovarbejdet, løbe med 100% af æren for din dømmekraft.
Vurdering: Arbejdet kan sagtens være godt. Du var bare dårlig til at formidle dit eget bidrag. Bekymrende, men ikke en fyringsgrund.
Fejl 2: Du bruger Claude til at producere mere arbejde
Lige siden nogen automatiserede det at tilføje søgetermer som søgeord, har vi vidst, at det at gøre mere i Google Ads ikke er det samme som at gøre det bedre.
Vi ser det, hver gang vi ansætter nye folk hos Savvy. Vi henter PPC-specialister ind, der har jongleret med 20 til 100 konti, og giver dem 2 til 4. Deres første indskydelse er at kaste sig over alle de ting, de aldrig har haft tid til: flere annonceudvidelser, dybere søgetermanalyse, at splitte kampagner op, mere granularitet. Det er næsten aldrig det rigtige at gøre.
Det rigtige er at gå den modsatte vej: op i helikopteren i stedet for ned i detaljerne. Brug tiden på strategi, på produktsortimentet, på marketingplanen, på hvordan forbrugerne faktisk opfører sig i netop den branche.
Claude gør den fælde meget værre, for nu kan du producere langt mere, end noget menneske realistisk kan nå at forholde sig til. Nogen får Claude Cowork til at generere en rapport på 40 sider, eksporterer den som PDF og sender den rundt. Modtageren bruger så Claude til at koge PDF’en ned igen.
Det er bare så dumt.
Jeg har været meget aktiv (læs: irriterende) med at slå ned på det internt, men jeg ser det overalt: i vores eget team, hos annoncører og i de teams, vi coacher.
Et nyligt eksempel: Jeg lavede en analyserapport, der var fuld af gode informationer. Det meste var korrekt. Og det meste var fuldstændig irrelevant for den, jeg skulle præsentere for. Løsningen var at plukke de grafer ud, der understøttede netop de pointer, jeg ville frem til, i stedet for at dumpe hele rapporten i hovedet på annoncøren.
Den største ændring var at skære alt væk, der ikke førte til en konkret handling. Vi havde nogenlunde samme performance i de fleste kategorier. Teknisk set er det et fund. Realistisk set er det en fodnote. Men man har en naturlig tilbøjelighed til at beholde det, fordi analysen allerede ligger der og ikke har kostet dig noget.
I de fleste rapporter fra Claude Cowork bør du skære 80% af indsigterne væk. De lyder godt. De er sikkert også gode. Men de er irrelevante for den pointe, du vil frem til.
Folk kan godt mærke, når noget er galt. Det farlige er, at de sjældent kan sætte ord på hvorfor. En lang, uprioriteret rapport skaber præcis den følelse, og følelsen bliver dobbelt så stærk, når rapporten har tydelige AI-kendetegn, fx de endeløse “ikke det her, men det der”-formuleringer.
Claude skal gøre dit arbejde lettere at forstå, ikke skabe mere indhold, som en anden skal tygge sig igennem. Det er dit job at koge det ned. Før var det et tegn på indsats at aflevere en lang rapport. Nu er det et tegn på dårlig dømmekraft.
Vurdering: Ikke en øjeblikkelig fyringsgrund, men gør du det tit nok, bliver din chef langsomt mere og mere irriteret på dig.
Fejl 3: Du præsenterer noget, der aldrig er sket
Enten har du prøvet det, eller også har du været tæt på. Du beder Claude om noget. Den leverer. Det ser godt ud. Du sender det videre. Svaret kommer tilbage: “Øhm, hvad er der sket her?” Du går tilbage og tjekker ordentligt, og ganske rigtigt: Dele af det er opfundet.
Det sker sjældnere end før, men det sker stadig. Jeg oplevede det selv forleden.
Jeg var ved at lave et overblik over Auction Insights-trends, der viste, hvordan TEMU var forsvundet fra vores auktioner. Jeg gav Claude dataene og en solid prompt. Outputtet så godt ud. Jeg var træt og lige ved at sende det uden at gennemgå det ordentligt, men jeg tjekkede det grundigt alligevel, for det er jo det, jeg selv beder mit team om.
Mine data viste TEMU med 40% impression share i januar og 12% i juli.
Claude havde ingen data for månederne imellem. Så den opfandt bare et jævnt, stabilt fald måned for måned mellem de to punkter.
Januar var korrekt. Juli var korrekt. Hele historien imellem var opfundet. Og den var oven i købet forkert, for annoncøren vidste allerede fra Googles egne slides, at TEMU havde trukket sig markant ud i juni og ikke gradvist over seks måneder.
Fejlen ligger i den måde, du gennemgår det på. Når du tjekker Claudes output, skimmer du. Ser grafen pæn ud? Virker tallene plausible? Matcher konklusionen det, jeg all
