首先考虑 AI 的营销团队：当执行消失时，营销人员还剩下什么？

几周前，我主持了一场名为 webinar 的演讲，主题是未来的性能营销团队。这场演讲更像是诊断性的，而不是有远见的。三位从业者加入了我——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 AI 本地工作流。

结果出现了对当前模型的尸检——一个 AI 正在悄悄取代的模型。如果你仔细观察一下今天高性能性能营销团队内部正在发生的事情，他们正在通过冗余消失。组织结构图尚未赶上 AI 代理已经在做的事情。

我们过去十年一直在解决错误的问题

过去十年，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，AI 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。另一方面，AI 允许您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系统。结果表明，过度控制会积极地降低其有效性。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，角色转变不会以渐进式转变的形式发生。

在现实世界的团队中，它往往是突然的：实施 AI 作为生产力工具的公司会看到增量收益，而围绕 AI 系统重建其结构的团队则运作在一个根本不同的联赛中。

当代理执行时会发生什么变化？

今天的操作现实是，AI 代理 管理 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。代理能够根据最小的人类干预来规划和采取行动以实现目标。

今天，营销人员可以在不需要开发人员的情况下仅用 7 天时间构建一个完全交互式的潜在客户生成漏斗。超过 70% 使用生成性 AI 的营销团队会生产更多内容，而无需增加人手——同时发布和迭代的速度会呈指数级增长。

这里的关键点是，代理不仅仅是协助——它实际上是做了工作。当执行变得连续和自动化时，传统意义上的营销人员就没有立足之地了。

每天在 Meta、Google、YouTube 和 TikTok 上进行的活动分析从 3-4 小时减少到 10-15 分钟。哪些创意要杀死，哪些要保留，哪些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。每个操作都附有其背后的理由，因此团队可以验证、校准并信任。在自动模式下，代理直接在广告帐户中执行更改；在半自动模式下，人类确认。这就是已经运行 $500K+ 每月付费支出的团队的运作方式。

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，并且决策逻辑可以被正式化，那么人类剩下的最明显的优势 变成了 在数据不完整、上下文模糊、结果不可预测的情况下做出决定的能力。AI 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；
• 优化在很大程度上是自动化的，具有某些限制；
• 决策是部分人类的；
• 战略仍然完全是人类的，目前如此。

重新思考人类角色的一个有用方法是通过三个原型：医生、飞行员和老师。在每种情况下，人类定义或纠正一个过程，否则该过程将自主运行。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。老师定义输入、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 AI 能力都无法单独解决。AI 系统的有效性取决于它们运行的上下文，但在大多数现代公司中，组织上下文是碎片化的。所有知识都存储在散乱的聊天室、文档和仪表盘中。团队在彼此隔离的情况下工作，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 AI 可以被视为一个输送带——如果数据没有被标记、访问或明确定义，机器就会卡住。从 AI 中获得真正价值的公司已经 集成了 数据和决策系统。

在这个新现实中运行的性能营销团队中，操作员较少，系统设计师较多，反馈循环更紧密，执行连续且无需人类延迟。团队成为管理自治系统的管理层。

多年来，性能营销一直归结为管理复杂性，具有越来越多的渠道、数据点和变量。AI 并没有降低这种复杂性，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。