Wat automatiseer je wél en wat juist niet met AI?

In dit artikel:

Een online marketingbureau bouwde zijn eigen werkwijze na in een AI-systeem met 24 virtuele afdelingen en 267 plugins. Die software kan onder meer SEO-audits, zoekwoordenonderzoeken, rapportages, analyses en advertentieteksten voorbereiden. Daarmee wordt vooral repetitief werk geautomatiseerd, zoals data verzamelen, exporteren, vergelijken en samenvatten. Marketeers houden daardoor meer tijd over voor klantgesprekken, strategie en besluitvorming.

De ervaring van het bureau laat volgens de auteur zien dat niet alleen moet worden bepaald wat AI kan overnemen, maar vooral wat het móét overnemen en waar mensen nodig blijven. Geen enkele communicatie met klanten gaat zonder menselijke controle de deur uit. Vertrouwen, toon en gevoeligheden laten zich volgens het bureau niet reduceren tot een tekstprobleem. Ook strategische beslissingen blijven bij mensen. AI kan scenario’s doorrekenen en onderpresterende kanalen aanwijzen, maar kent niet automatisch de voorgeschiedenis, draagkracht, interne verhoudingen of ambities van een organisatie.

De AI levert daarom vrijwel altijd voorstellen op, geen definitieve acties. Medewerkers beoordelen en passen aanbevelingen aan voordat ze worden uitgevoerd. Dat geldt ook voor budgetten: het systeem mag een verschuiving adviseren, maar raakt zelf geen geld aan. De verantwoordelijkheid voor uitgaven blijft bij een medewerker. Gevoelige informatie, persoonsgegevens en commerciële afspraken vallen bovendien onder een strenge menselijke controle. Het bureau kiest daarbij bewust voor een voorzichtige aanpak, omdat de schade van een privacyfout groter kan zijn dan de efficiëntiewinst van vergaande automatisering.

De ontwikkeling verliep niet foutloos. Zo maakte de AI een uitgebreide analyse van het verkeerde bedrijf, omdat een bedrijfsnaam bij meerdere ondernemingen voorkwam. De output zag er overtuigend uit, waardoor de fout juist riskant was. Het systeem werd daarop aangepast: eerst moet het vaststellen om welk bedrijf het gaat en die context moet door een mens worden bevestigd. Ook bouwden medewerkers dubbel werk en werden soms verkeerde tools gebruikt. Extra controles en een innovatieteam moeten sindsdien nieuwe functies beoordelen en overlap voorkomen. Een vroege versie gebruikte bovendien zoveel geheugen dat laptops onbruikbaar werden.

Volgens de auteur is daarom niet de huidige kwaliteit van een AI-systeem doorslaggevend, maar de snelheid waarmee het leert en verbetert. Daarvoor zijn mensen nodig die fouten herkennen en terugkoppelen.

De automatisering roept wel de vraag op waarom klanten nog hetzelfde bureau- of adviestarief zouden betalen. Het bureau stelt dat klanten nooit werkelijk betaalden voor het verzamelen van data, maar voor oordeel, richting en resultaat. AI verschuift de verhouding tussen uitvoerend werk en denktijd: dezelfde investering kan meer strategische waarde opleveren. Bureaus die vooral uren verkopen voor automatiseerbare taken komen daardoor onder druk te staan; bureaus die aantoonbaar betere keuzes en resultaten leveren, kunnen juist waardevoller worden.

De conclusie is dan ook genuanceerd: AI zal veel werk van online marketeers vervangen, maar niet automatisch context, verantwoordelijkheid en vertrouwen. Marketingorganisaties moeten per proces bepalen wat er misgaat als het volledig wordt geautomatiseerd en wie dat merkt. Waar niets wezenlijks verloren gaat, ligt een logische automatiseringskans; waar de gevolgen onzeker zijn, hoort de menselijke grens bewust te blijven staan.