Foto: Jona på Unsplash
Vi implementerer agentic AI i marketing som om datakvalitet var et fremtidigt problem. Det er det ikke. Det er et her-og-nu risikoproblem, og vi genialiserer os selv, hvis vi tror at bedre algoritmer kan kompensere for skidt fundament.
Hvorfor det er farligt nu
Validitys seneste CRM-rapport afslører et paradoks, der burde få enhver marketingleder til at stoppe op. 91% Af marketers anerkender at data-readiness er kritisk for AI-adoption. Samtidig er det kun 21%, der vurderer deres CRM-data som særligt velklargjort til de AI-værktøjer de allerede bruger eller planlægger at tage i brug.
Det hadede fnidder ville være overskueligt, hvis vi ventede med at give AI magt. Men det gør vi ikke. 45% Bruger allerede agentic AI – systemer der kan handle uden menneskelig godkendelse. To tredjedele har øget antallet af marketingbeslutninger, der delegeres til autonome agenter inden for det seneste år.
Det betyder at en AI-agent kan sende en kampagne, score en lead, personalisere et tilbud eller reallokere budget baseret på data, som organisationen selv indrømmer er utilstrækkeligt. Ifølge MarTech.org siger 62% at dårlig CRM-data sandsynligvis eller bestemt har kostet omsætning på grund af misseede fornyelser, fejlagtige forecasts og forfejlede deals.
Her er det, der ikke stod i rapporten: vi skaber en selvforstærkende feedback-loop. Dårlig data fører til dårlige AI-beslutninger, der genererer mere dårlig data – forkert attribuerede konverteringer, skæve lead-scores, misallocated budget. Problemet forværres eksponentielt, ikke lineært. Og det sker nu, mens vi diskuterer datakvalitet som et strategisk tiltag til næste kvartal.
Konsekvensen rammer direkte på marketingfunktionens troværdighed. 69% Har oplevet at et revenue-, pipeline- eller performancetal blev udfordret eller trukket tilbage, fordi de underliggende data var forkerte. Blandt C-suite, VP’er og afdelingsledere er tallet 75%. Som vi skrev i artiklen om datatillidens sammenbrud, er dette ikke kun et operationelt problem – det er et eksistentielt problem for marketingens plads ved beslutningsbordet.
Hvad taler imod
Man kan argumentere for at ventetid koster konkurrencefordele. At man bliver bedre til data-hygiejne ved at bruge værktøjerne i praksis. At perfect data er en illusion, og at man måske bare skal acceptere en fejlmargen og bygge AI-løsninger der er robuste overfor det.
Der er noget i det. Agentic AI kan potentielt hjælpe med at identificere data-anomalier, hvis den bygges rigtigt. Og ja, ventetid har en pris.
Men der er en fundamentel forskel på at køre et dashbord med upræcise tal, og at lade et autonome agent reallokere budget uden menneskelig iteration. Risikoprofilen er ikke gradvist forværret – den er kvantitativt anderledes.
Hvad nu
Få overblik over hvilke beslutninger der i dag er fuldautomatiske. Ikke hvilke processer der har AI-assistance, men hvilke der træffes og eksekveres uden et menneske i loopet. Vurder dem op mod jeres reelle datakvalitet – ikke jeres ønskede datakvalitet.
Indfør et princip om human-in-the-loop på høj-risiko beslutninger: budgetreallokering over en bestemt tærskel, kampagner til eksisterende kunder, lead-scoring der påvirker salgspipeline. Det er ikke et skridt tilbage for AI – det er ansvarlig skalering.
Og så skal I investere i datafundamentet før I skalerer agent-infrastrukturen. Som vi argumenterede for i artiklen om agenter som infrastruktur, skifter CDP’er fra datalager til agent-infrastruktur. Det gør datakvalitet til en infrastruktur-opgave, ikke en marketing-ops opgave. Behandl den derefter.
2 svar til “Stop med at give AI mere magt før i har styr på jeres data”
[…] og bureauer. Uden det kan I slet ikke evaluere en ny kanal. Det er i øvrigt det mønster, vi advarede om, da vi skrev, at I ikke skal give AI mere magt, før I har styr på jeres data: At overdrage kampagnedannelse til en agent med svag data-governance gentager fejlen i større […]
[…] ikke intet – den producerer hurtigt og selvsikkert nonsens. Det er samme mønster, som da vi advarede mod at give AI-agenter mere magt med ustyret CRM-data: Uden governance automatiserer I forvirring i en hastighed, mennesker aldrig […]