Tým marketingu první s umělou inteligencí: Když zmizí provádění, co zbývá pro marketéry?

Před několika týdny jsem hostil webinář nazvaný Performance Marketing Teams of the Future. Měl být spíše diagnostický než vizionářský. Tři praktici se mnou spolupracovali — Max Epifanov (TripleTen), Matt Shenton (Croud) a Ivan Zamesin (AJTBD) — každý z nich operoval ve velkém měřítku a již běžel AI-nativní pracovní postupy v produkci.

Co vyšlo najevo, byla pitva současného modelu — modelu, který umělá inteligence тихounce nahrazuje. Protože pokud se podíváte blíže na to, co se děje uvnitř high-performing performance marketing týmu dnes, rozkládají se prostřednictvím redundance. Organizační schéma ještě nedohodilo, co již dělají agenti umělé inteligence.

Řešíme špatné problémy už deset let

V posledních deseti letech jsme se soustředili na optimalizaci výkonových metrik — konkrétně, zlepšování dashboardů, urychlování atribucí a jemnění cílení. Avšak skutečná výhoda umělé inteligence spočívá v redukci času pro rozhodování a urychlování iterací. V minulosti strávil marketér hodiny tím, že se díval na dashboardy, jen aby učinil jediné rozhodnutí — zda zvýšit rozpočet nebo ne. Umělá inteligence vám umožňuje učinit stovky takových rozhodnutí denně a okamžitě ověřit, co funguje.

Také jsme se příliš soustředili na kontrolu automatizovaných systémů. A ukázalo se, že nadměrná kontrola nad nimi aktivně snižuje jejich účinnost. To není zjevné, protože lidé intuitivně věří, že více kontroly povede k lepšímu výsledku. Ve skutečnosti zásah často narušuje fungování učících se systémů. Užitečným srovnáním je letectví: autopilotní systémy snížily počet leteckých havárií, ale pouze poté, co piloti naučili rozumět, kdy nezasahovat. Marketing vstupuje do stejné fáze.

A co je zvláště zajímavé, je, že role se nemění postupně.

Uvnitř skutečných týmů má tendenci být náhlá: společnosti, které implementují umělou inteligenci jako produktivní nástroj, vidí inkrementální zisky, zatímco týmy, které přestavují svou strukturu kolem systémů umělé inteligence, operují v fundamentálně jiné lize.

Co se změní, když agent provede?

Dnešní operační realita je taková, že agent umělé inteligence řídí performance marketing napříč několika kanály současně — Meta, TikTok, YouTube a Google. Agent je spojen s daty po celém potrubí a operuje na základě předem definované logiky rozhodování. Agent je schopen plánovat a jednat, aby dosáhl cílů s minimálním lidským zásahem.

Dnes může marketér postavit plně interaktivní lead generation potrubí za pouhých sedm dní, bez zapojení vývojářů. Více než 70 % marketingových týmů, které používají generativní umělou inteligenci, produkuje více obsahu bez zvýšení počtu zaměstnanců — zatímco rychlost vydání a iterací roste exponenciálně.

Klíčovým bodem je, že agent nedělá pouze pomocné práce — skutečně dělá práci. A jakmile se provádění stane kontinuální a automatizované, již není místo pro marketing v klasickém smyslu.

Denní analýza kampaní napříč Meta, Google, YouTube a TikTok klesá z 3–4 hodin na 10–15 minut. Co kreativně zrušit, co zachovat, co škálovat pomocí historických dat — všechny tyto pravidla běží kontinuálně podle logiky rozhodování týmu: pokud skutečná cena za kvalifikovaného leada porazí cíl, škálovat; pokud kreativní výkon klesá pod práh, pozastavit. Každá akce přichází s důvodem, proč k ní došlo, aby tým mohl ověřit, kalibrovat a poté důvěřovat. V automatickém režimu agent provede změnu přímo v reklamním účtu; v poloautomatickém režimu ji potvrzuje člověk. Takto již fungují týmy, které běží 500 000+ dolarů měsíčně v placené reklamě.

Co ještě zůstává na lidské úrovni

Ale co by měli dělat lidé? Pokud je provádění úkolu automatizované, optimalizace probíhá kontinuálně,

a logika rozhodování může být formalizována, nejzřetelnější zbývající lidská výhoda se stává schopnost učinit rozhodnutí, když jsou data neúplná, kontext je nejistý a výsledky jsou nepředvídatelné. Umělá inteligence dosud nedokáže spolehlivě rozlišit dobré nápady od průměrných nebo nezávisle určit dlouhodobou strategii.

Prozatím lze performance marketing rozdělit do čtyř vrstev:

• Provádění je plně automatizované;
• Optimalizace je z velké části automatizovaná, s určitými omezeními;
• Rozhodování je částečně lidské;
• Strategie zůstává zcela lidská prozatím.

Jedním užitečným způsobem, jak přemýšlet o lidské roli, je prostřednictvím tří archetypů: doktora, pilota a učitele. V každém případě člověk definuje nebo opravuje proces, který jinak běží autonomně. Doktor dělá diagnózu, když něco jde špatně. Pilot řídí systém bez zbytečných úprav. Učitel definuje vstup, omezení a strukturu, v rámci které systém funguje.

Od týmů k systémům

Existuje jedna velká úzká místa, kterou žádná schopnost umělé inteligence nemůže sama o sobě vyřešit. Účinnost systémů umělé inteligence závisí na kontextu, ve kterém fungují, avšak ve většině moderních společností je organizační kontext fragmentovaný Všechny znalosti jsou uloženy v rozházených chatovacích místnostech, dokumentech a dashboardách. Týmy pracují v izolaci od sebe navzájem, takže kontext je neustále ztracen a musí být znovu vybudován od začátku.

Toto je významný problém v organizační architektuře. Agentní umělá inteligence může být visualizována jako dopravní pás — pokud data nejsou označena, přístupná nebo jasně definována, stroj se zasekne. Společnosti, které získávají skutečnou hodnotu z umělé inteligence, integrovaly data a systémy rozhodování.

V performance marketing týmu, který funguje v této nové realitě, je méně operátorů a více systémových designerů, těsnější zpětné vazby a kontinuální provádění bez zdržení. Tým se stává manažerskou vrstvou, která dohlíží na autonomní systémy.

PO dobu mnoha let se performance marketing redukoval na řízení složitosti, s neustále se zvyšujícím počtem kanálů, datových bodů a proměnných. Umělá inteligence nesnižuje tuto složitost, ale absorbuje ji. Pravidla hry se změnily a vítěz bude ten, kdo postaví systém, který se sám řídí.