首先，营销团队需要了解人工智能的真正作用

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。