Der er en specifik type marketing manager-frustration, som handler om proportion. Du bruger to timer på at skrive et bureau-brief. Bureauet bruger det i fem minutter. Du bruger tre timer på at samle en performance-rapport. Den læses diagonalt på et ledelsesmøde.
AI løser ikke det grundlæggende problem med, at dokumenter ikke altid læses. Men det ændrer, hvad det koster dig at producere dem.
De tre opgaver, der sluger mest tid – og hvad AI gør
SEO- og contentproduktion i skala. Guides, FAQ-banker, fejlfindingsartikler, kategoritekster, intent-artikler. Det er tidskrævende og kræver struktur. AI laver outline, vinkel, H2/H3, FAQ-klynger og produktionsplan. Du sikrer, at det er fagligt korrekt og i jeres tone. Typisk 2-4 timer ned til 30-60 minutter pr. artikelpakke.
Rapportering og performance-fortælling. At samle tal fra GA4, Search Console, Meta, Ads og e-mail og omsætte dem til “hvad gør vi nu?” er ikke svært – det er bare langsomt. AI hjælper dig med at kondensere data til beslutninger: hvad ændrede sig, hvad er den sandsynlige forklaring, hvad tester vi næste uge. Typisk 2-3 timer ned til 45-75 minutter.
Briefing og koordinering. Bureau, designer, SoMe, video, interne stakeholders. AI er din briefing-maskine: ensartet format, færre misforståelser, tydeligere krav. Typisk 60-90 minutter ned til 20-40.
Briefing-workflow: input og output
Input du giver AI:
- Mål (KPI + hvad der skal flytte sig)
- Målgruppe og deres tre største indvendinger
- Constraints: tid, budget, produktsandheder, claims du ikke må komme med
- Kontekst: hvad I har prøvet, hvad der virkede
Output du typisk vil have (one-pager brief):
- Formål og succeskriterie
- Budskaber (må/må ikke)
- 3-5 kreative vinkler
- Asset-liste (hvad der skal produceres)
- CTA og landingssidekrav
- Tracking: UTM-konvention, events, hvad I evaluerer på
- QA-checkliste
Effekten er færre “manglende info”-loops og markant færre misforståelser i eksekveringen.
Rapportering: hvad du beder AI om
Kilder du fodrer ind: GA4, Search Console, Meta/Google Ads, e-mail-platform, interne KPI-ark.
Spørgsmål der virker:
- “Hvad ændrede sig siden sidst – og hvad er den mest sandsynlige forklaring?”
- “Hvilke 3 ting skal vi stoppe, fortsætte, starte?”
- “Hvilke tal er støj, og hvilke er reelle signaler?”
- “Skriv det i et format jeg kan sende til ledelse uden at det bliver en roman.”
Tre prompts du kan bruge med det samme
Briefing (til bureau/kollega/creator):
Du er min marketing-kollega. Skriv en 1-sides brief til [kanal] for [produkt/kategori]. Mål: [KPI + hvad skal flytte sig]. Målgruppe: [hvem + deres 3 største indvendinger]. Constraints: ingen løfter vi ikke kan dokumentere, tone nøgtern og konkret, CTA: [X]. Input: [bullets med produktfakta, pris, levering, USP, tidligere learnings]. Output skal indeholde: formål + succeskriterie, budskaber (må/må ikke), 5 creative angles, asset-liste, tracking-plan (UTM-navn, event-hypotese), QA-checkliste. Hold det kort og eksekverbart.
Rapport/insights (fra tal + kontekst):
Her er ugens data. Du må ikke gætte tal jeg ikke har givet dig. 1) Opsummer de 5 vigtigste ændringer (signal, ikke støj). 2) Giv 3 plausible forklaringer pr. ændring (markér hvad der er antagelser). 3) Anbefal 5 konkrete næste skridt med succes-kriterie og “hvad vi forventer at se”. Data: GA4: [indsæt], Search Console: [indsæt], Meta/Google Ads: [indsæt], Email: [indsæt]. Kontekst: [kampagner, ændringer, sæson]. Skriv til sidst en version på 8 linjer jeg kan sende internt.
Tung produktion (SEO + struktur + schema):
Du er SEO-redaktør. Skriv en artikel til søgeintentionen: [indsæt query + intent]. Krav: H1 + H2/H3, korte afsnit, konkrete bullets, tydelige forbehold. Indholdet skal bygge på praktiske beslutninger: “hvis X, så Y”. Indsæt en FAQ-sektion med 8 spørgsmål og skriv FAQPage schema som JSON-LD til sidst. Foreslå 10 interne links (ankertekst + hvilken type side). Tone: nøgtern, hjælpsom, uden salgssnak. Input-fakta: [indsæt produktfakta/typiske fejl/kontraindikationer].
Hvad du ikke stoler på AI til
Talnøjagtighed: AI kan “glide” hvis input er uklart – tal kopieres direkte fra kilden ind som råt input, ikke som beskrivelser.
Produktclaims og compliance: tekniske eller regulerede produkter, specifikke garantier og lovkrav. AI foreslår formulering. Du godkender.
Tracking-implementering: AI kan anbefale en UTM-konvention. Den kan ikke verificere, at den virker i GA4.
Kontroltrin: “kilde først” (tal direkte fra platformen), antagelser vs. fakta skal fremgå tydeligt af outputtet, claims kører gennem en intern “må vi sige det?”-check.
Hvad det reelt giver
20-40 timers sparet arbejde om måneden, afhængigt af outputtryk. Ikke fordi AI er klogere end dig. Men fordi du ikke skal bruge din tid på at skrive den samme type brief for niende gang – eller på at lave om på tal, der allerede er samlet.
Det giver dig mere tid til det, der faktisk kræver din vurdering: prioriteringerne, relationerne og beslutningerne.
Ofte stillede spørgsmål
Kan jeg bruge AI til at briefe et bureau?
Ja – og det er et af de steder, du mærker gevinsten hurtigst. Et bureau-brief lavet med AI som sparringspartner er typisk mere komplet: det tvinger dig til at besvare de spørgsmål, du ellers glemmer at stille (hvad er succes-kriteriet? hvad må vi ikke sige?). Det reducerer antallet af opklarende mails og misforståelser i eksekveringen.
Stoler bureauet på AI-genererede briefs?
Det er et spørgsmål om kvalitet, ikke oprindelse. Et godt, konkret brief er et godt brief. Fortæl gerne bureauet, at du bruger AI som del af din proces – det er et tegn på effektivitet, ikke dovenskab.
Hvad med ROI-rapporter og ledelsesopdateringer?
AI er god til at kondensere data til fortælling. Men den kan ikke afgøre, hvad der er strategisk vigtigt for din organisation – det kræver din kontekst. Brug AI til at lave det første udkast og strukturen. Skriv selv den linje, der forklarer hvorfor det betyder noget for jer.
Kan AI erstatte et analysebureau?
Til simpel datakondensering og hypotesegenerering – delvist. Til avanceret attributionsanalyse, markedsresearch med primærdata eller store forbrugerstudier – nej. AI er god til at stille de rigtige spørgsmål til data du allerede har. Den er ikke en erstatning for at indsamle bedre data.
Hvornår er det ikke værd at bruge AI?
Når opgaven er så kontekstspecifik, at du bruger mere tid på at forklare baggrunden end på at bruge outputtet. Og når det drejer sig om beslutninger med høj risiko – juridiske claims, store budgetbeslutninger, offentlige udmeldinger – der altid skal have et menneske på hele vejen igennem.
