塞瓦·乌斯蒂诺夫（Seva Ustinov）是Plurio的创始人兼CEO，Plurio是一种人工智能代理，用于运行性能营销增长。Plurio通过提前发现低效并扩大赢家来消除营销人员的手动工作。它使用全漏斗数据和归因，基于公司的业务背景来推动收入增长。
当谈到与AI无缝转型业务时，大多数高管想到的是工具——一套技术、新订阅和为员工组织公司培训课程。但我们生活在一个世界里，甚至说服一个人改变他们通常的工作方式已经很具挑战性， 说服几十或几百人是一个完全不同的挑战层次。过去几年里，我与一个超过100人的团队一起经历了这个过程，我想分享什么真正有效——不仅仅是理论上的样子。转型从领导开始，而不是团队最常见的错误是公司聘请顾问或指定内部专家以自上而下的方式实施AI。公司的领导者自己积极地在日常工作中使用AI 实现 可持续的团队行为变化，比那些将转型委托给员级的公司快得多。转型始于创始人和每个与代理合作的经理——从战略规划到管道分析的所有任务。在我的经验中，12周AI转型期间，我们将20％至30％的时间用于定期会议，讨论一个主题：谁尝试了什么，什么有效，什么无效。这些是来自同事信任的人的现实案例。这种格式从根本上改变了动态，因为每个人都看到工具如何应用于他们的具体工作，而不仅仅是抽象的例子。个人“啊哈”时刻比任何实施计划更重要每个员工都有自己的进入AI工作流程的入口点，而经理的工作就是帮助他们找到那个点。对于开发人员，转折点出现在代理开始编写测试和更新文档和规范时。对于销售人员，当他们停止等待同事的回应并开始立即获得几乎所有所需的信息时就是转折点。对于分析师，当第一个例行工作流程——曾经需要几个小时——被自动化时就是转折点。5分钟反馈周期取代了旧的委托模式在传统的管理模式中，经理考虑一个任务，创建一个任务，委托它，并等待一天或一周。在AI本土模式中，这个周期被缩短到一到十分钟。使用代理的团队也将内部会议减少了至少15％，并将信息Slack通信减少了50％。这意味着经理与代理合作，直到结果达到所需的质量标准，然后才将团队成员带入需要专门知识的任务。这种转变改变了领导者的角色：他或她成为一个定义意图和监控质量的流程架构师，而AI执行工作。共享工作空间作为公司的第二大脑从技术上讲，这是一个简单的设置——每个员工电脑上的一个同步文件夹，具有明确的文件夹结构：策略、产品、客户数据、销售管道、财务和运营。每个文件夹都分配给一个特定的经理，他负责保持其更新，而公司的所有代理都可以访问整个文件夹结构。加速采用决策是将整个公司知识库转移到共享工作空间，并阻止通过任何其他方式访问它。最初，这需要一些来自管理层的压力，但是一旦人们看到代理比手动搜索更快、更全面地找到所需的信息，阻力就会自行消失。3个月后的结果是什么样的？12周后，转型不再需要积极的管理。团队独立开发新的技能和工具，共享它们，并改进流程。内部会议实际上不再用于审查更新和新闻——它们成为决策、权衡和战略讨论的空间。异步通信减少了大约一半，因为员工不再等待对方来回答工作相关问题。重要的是要理解人们不会从这个过程中消失。他们承担新的角色；例如，之前手动执行任务的人成为自动执行该工作的系统的架构师和质量控制专家。每个解决方案和改进工作流程的方法都被纳入代理的指令中，并且不会在员工离开时消失。AI驱动的团队转型首先是一个管理挑战，而不是技术挑战。工具是次要的；最重要的是领导者如何思考、做出决定以及创造一个环境，使AI代理成为每个工作流程的不可分割的一部分。
几周前，我主持了一个关于未来性能营销团队的网络研讨会。它的目的是更具诊断性而非预测性。三位实践者加入了我——Max Epifanov（TripleTen），Matt Shenton（Croud），和Ivan Zamesin（AJTBD）——每个人都在大规模运作，并且已经在生产中运行了人工智能原生工作流程。结果是对当前模型的剖析——一个人工智能正在悄悄地取代的模型。如果你仔细观察当前高性能营销团队内部正在发生的事情，你会发现他们正在通过冗余而消失。组织结构图尚未跟上人工智能代理正在做的事情。我们已经解决了十年的错误问题在过去的十年中，我们专注于优化性能指标——特别是改进仪表盘，加快归因，并完善目标。然而，人工智能的真正好处在于减少决策时间和加速迭代。在过去，营销人员会花费数小时盯着仪表盘，只为了做出一个决定——是否增加预算。人工智能另一方面，可以让你每天做出数百个这样的决定，并立即验证什么有效。我们也过于专注于控制自动化系统。结果发现，对它们的过度控制实际上会降低它们的有效性。这并不明显，因为人们直观地认为更多的控制会带来更好的结果。实际上，干预往往会破坏学习系统的功能。一个有用的类比是航空：自动驾驶系统减少了空中碰撞的数量，但只有在飞行员学会了何时不干预之后。营销正在进入同样的阶段。而且，特别有趣的是，角色转变并不是逐渐发生的。在现实世界的团队中，它往往是突然发生的：实施人工智能作为生产力工具的公司会看到渐进式的收益，而围绕人工智能系统重建结构的团队则运作在一个根本不同的层面上。代理执行时会发生什么变化今天的运营现实是，人工智能代理管理着多个渠道的性能营销——Meta、TikTok、YouTube和Google。代理连接到整个漏斗的数据，并根据预定义的决策逻辑运作。代理能够规划和采取行动以实现目标，且人工干预最小。今天，营销人员可以在仅七天内构建一个完全交互式的潜在客户生成漏斗，而无需开发人员的参与。使用生成性人工智能的营销团队中，超过70%的团队会在不增加人员的情况下生产更多内容——同时发布速度和迭代次数会指数级增长。关键点在于，代理不仅仅是辅助——它实际上是完成工作的。并且，一旦执行变得连续和自动化，就没有空间留给传统意义上的营销了。每日的活动分析跨越Meta、Google 、YouTube和TikTok，从3-4小时降低到10-15分钟。哪些创意需要杀死，哪些需要保留，哪些需要使用历史数据扩大——所有这些规则都按照团队自己的决策逻辑连续运行：如果实际每合格潜在客户的成本击败目标，则扩大；如果创意表现低于阈值，则暂停。每个行动都伴随着其背后的理由，因此团队可以验证、校准，然后信任。在自动模式下，代理直接在广告账户中执行更改；在半自动模式下，人类确认。这已经是每月花费5万美元以上的团队的运作方式。人类层面上还剩下什么但是，人类应该做什么？如果任务执行是自动化的，优化是连续的，决策逻辑可以被正式化，那么人类最明显的优势就是在数据不完整、背景模糊、结果不可预测时做出决策的能力。人工智能仍然无法可靠地区分好主意和平庸的主意，或独立确定长期战略。目前，性能营销可以分为四个层次： 执行是完全自动化的； 优化在某些限制下基本是自动化的； 决策是部分人工的； 战略目前仍然完全依赖于人类。 重新思考人类角色的一个有用方法是通过三个原型：医生、飞行员和教师。在每种情况下，人类定义或纠正一个过程，而该过程在其他方面是自主运行的。医生在出现问题时做出诊断。飞行员控制系统而不做过多的调整。教师定义输入、约束和系统运行的结构。从团队到系统有一个主要的瓶颈，任何人工智能能力都无法单独解决。人工智能系统的有效性取决于它们运行的上下文，但是在大多数现代公司中，组织上下文是碎片化的。所有知识都存储在分散的聊天室、文档和仪表盘中。团队在相互隔离的环境中工作，因此上下文不断丢失并且必须从头开始重新构建。这是组织架构中的一个重大的问题。基于代理的人工智能可以被视为一个传送带——如果数据没有被标记、访问或明确定义，机器就会卡住。从人工智能中获得真正价值的公司已经集成了数据和决策系统。在运作于这一新现实的性能营销团队中，运营人员较少，系统设计师较多，反馈循环更紧密，执行连续且无需人工干预。团队成为管理自主系统的管理层。多年来，性能营销一直归结为管理复杂性，伴随着日益增加的渠道、数据点和变量。人工智能并没有减少这种复杂性，但它吸收了这种复杂性。游戏规则已经改变，获胜者将是谁构建了一个能够自我管理的系统。
大多数公司已经将软件预算转向AI 实验，ChatGPT 已经在许多团队的日常工作中使用。但是，如何将这些孤立的实验转变为真正驱动业务的系统？问题不在于采用，而在于缺乏协调。知识被困在个别浏览器标签和数十个断开的对话中，迫使团队不断从头开始重建工作。ChatGPT 混乱我亲身经历了这个问题。在 2023 年，像许多创始人一样，我发现自己处于我现在称之为 ChatGPT 混乱的状态。我们 40 人的公司每个团队成员都在使用 AI，但我们变成了一个碎片化的系统，我们公司的集体智慧被分散而不是集中。我们正在重复我们的努力。这通常是如何发生的？当 AI 采用开始时，它看起来像进步。每个人都找到了一些个人使用案例，效率略有提高，领导层看到“AI 使用”在公司中。问题是这些胜利保持分散，而不是团结在一个集中枢纽。如果市场总监的最佳提示卡在她的 ChatGPT 历史中，销售负责人无法在此基础上继续发展。这迫使团队每天重新发明轮子。如果这听起来对你来说很熟悉，那是因为这是今天 99% 公司内部的现实。每个人都有自己的 AI 实验，但很少有公司可以自夸拥有跨部门的协调和共享的上下文。在这一点上，他们不能被称为AI 第一，他们是 AI 分散的。转折点：将 AI 视为基础设施在 Elly...
