AI i marketing: Sådan bruger I AI i marketingafdelingen i praksis

De fleste marketingafdelinger har prøvet ChatGPT, Copilot eller Gemini. Færre har fået AI ind i de faste arbejdsgange, så det sparer tid hver uge og giver bedre arbejde. Forskellen ligger sjældent i værktøjet. Den ligger i, om teamet har aftalt, hvad AI skal bruges til, hvordan kvaliteten sikres, og hvilke data der må deles.

Gennem Bigum&Co, som jeg er medejer af, har vi siden 2012 uddannet over 15.000 kursister i digital markedsføring og AI, og i dag uddanner vi næsten 1.000 kursister om året i kunstig intelligens. Jeg holder også workshops for ledelser og marketingteams om netop dette. Min erfaring er, at de teams, der lykkes, starter konkret og småt og bygger videre derfra.

Det er især i disse opgaver, jeg ser AI gøre en mærkbar forskel i en dansk marketingafdeling.

Fælles for opgaverne er, at AI laver første version eller forarbejdet, og at et menneske med faglig indsigt redigerer, vælger og godkender. Den arbejdsdeling holder kvaliteten oppe og gør det klart, hvem der har ansvaret.

• Første udkast til tekster. Annoncevarianter, nyhedsbreve, produkttekster, opslag til sociale medier og landingssider.
• Variationer til annoncetest. Mange vinkler, åbninger og overskrifter til Meta, TikTok og Google, så I kan teste bredere end før.
• Research og analyse. Opsummering af kundeinterviews, anmeldelser, supporthenvendelser og konkurrenters budskaber.
• Data og rapportering. Hjælp til formler, SQL, udtræk fra GA4 og fortolkning af kampagnedata, så marketing bliver mindre afhængig af andre afdelinger.
• Billeder og video. Konceptskitser, storyboards, varianter af produktbilleder og undertekster.
• Oversættelse og lokalisering. Hurtige udkast på flere sprog, som en person med sprogkendskab gennemgår.

Jeg anbefaler en enkel rækkefølge, som de fleste teams kan gennemføre på et par måneder.

Det vigtigste trin er det tredje. Uden fælles kontekst får hver medarbejder sine egne resultater, og kvaliteten svinger. Med god kontekst bliver resultaterne bedre og mere ensartede, og nye medarbejdere kommer hurtigere i gang. Det er også her, jeres egen viden om kunder og produkter bliver en fordel, som konkurrenterne ikke kan kopiere ved at bruge de samme værktøjer.

• Kortlæg de opgaver, der tager mest tid hver uge, og vælg tre til fem, hvor AI realistisk kan hjælpe.
• Vælg et fælles værktøj med en erhvervsaftale, så data ikke bruges til træning, og alle arbejder på samme platform.
• Byg fælles instruktioner. Tone, målgrupper, produktfakta og eksempler på godt arbejde samlet ét sted, fx i et fælles projekt eller en tilpasset assistent.
• Aftal en kvalitetskontrol, hvor en navngiven person altid har ansvaret for det, der publiceres.
• Mål tidsforbruget før og efter, så I ved, hvad det reelt giver.

Tag et nyhedsbrev, som mange teams sender hver uge. Uden AI skriver en medarbejder det fra bunden, finder billeder og laver en emnelinje i sidste øjeblik. Med en fast arbejdsgang ser det anderledes ud. Medarbejderen giver assistenten ugens nyheder, kampagner og et par kundespørgsmål fra kundeservice. Assistenten kender i forvejen jeres tone, målgrupper og tidligere nyhedsbreve og laver et udkast med tre forslag til emnelinjer.

Medarbejderen redigerer, tjekker fakta og priser og vælger de to emnelinjer, der skal A/B-testes. Efter udsendelsen får assistenten resultaterne, så næste udkast bygger på det, der virkede. Tiden går fra at skrive til at vurdere og forbedre, og læringen bliver samlet ét sted frem for i én medarbejders hoved.

AI i marketing rejser få, men vigtige spørgsmål om data og ansvar.

Et kort internt regelsæt på én side er ofte nok til at komme langt. Det skal svare på, hvilke værktøjer der må bruges, hvilke data der må deles, og hvem der godkender det, der publiceres.

• Persondata. Kundelister, CRM-udtræk og supporthenvendelser med navne bør kun bruges i værktøjer, hvor I har en databehandleraftale og ved, hvordan data behandles.
• Fortrolige oplysninger. Ikke-offentlige tal, strategier og kundeaftaler hører kun hjemme i løsninger med en erhvervsaftale.
• AI-forordningen. EU's AI-forordning har siden februar 2025 krævet, at virksomheder, der bruger AI-systemer, sørger for et tilstrækkeligt niveau af AI-kompetencer hos medarbejderne. Forordningen indeholder også regler om gennemsigtighed for visse typer AI-genereret indhold.
• Markedsføringsloven. Påstande i annoncer skal kunne dokumenteres, uanset om teksten er skrevet af et menneske eller en model. Sprogmodeller kan opfinde fakta, der lyder troværdige.
• Rettigheder. Vær varsom med at efterligne genkendelige personer, stemmer eller andres varemærker i genereret materiale.

De samme problemer går igen, når AI-indsatsen i en marketingafdeling går i stå.

• Indhold, der lyder ens. Når alle bruger de samme værktøjer uden egen kontekst, ender teksterne med samme generiske tone. Det lægger kunderne mærke til.
• Mængde frem for kvalitet. AI gør det billigt at producere meget. Det gør indholdet ikke mere værdifuldt.
• Ingen ejer. Hvis ingen har ansvaret for AI i teamet, går initiativet i stå efter de første uger.
• Forkerte forventninger. AI erstatter sjældent en hel rolle. Den flytter tiden fra udførelse til styring, redigering og test.

Rollerne ændrer sig i samme retning. Mindre tid på førsteudkast og manuel rapportering. Mere tid på strategi, kreative koncepter, test og kvalitetskontrol. Den performance marketer, der før brugte dagen på bud og budgetter, bruger i dag mere tid på kreativer og data, fordi Meta Advantage+ og Google Performance Max selv overtager meget af den manuelle optimering.

Det stiller nye krav til ledelsen. Medarbejderne skal have tid og lov til at eksperimentere, og der skal være en klar holdning til, hvad AI må og ikke må. Det er naturligt, at nogle medarbejdere er bekymrede for deres job. Åben kommunikation om, hvad AI skal bruges til, og hvordan rollerne udvikler sig, gør overgangen lettere for alle.

Jeg holder workshops for ledelser og marketingteams om brug af AI i markedsføring. En workshop koster 10.000 eller 20.000 kr. ekskl. moms afhængigt af omfang, og vi tager udgangspunkt i jeres egne opgaver, værktøjer og data. Målet er, at I går derfra med konkrete arbejdsgange, I kan bruge dagen efter.

Har I brug for et længere forløb med implementering, opfølgning og opbygning af kompetencer i teamet, kan vi også tage det. Skriv til mr@michaelroscoe.dk.