Samarbete, transparens, mod och kreativitet är ledord som jag tror blir viktiga. Jag har även snöat in på ämnet silos. Mer specifikt varför de bara har blivit fler senaste åren, och varför de riskerar att bli värre när AI‑agenter tar mer plats. Innan jag går in på mer i detalj kring riskerna med AI‑agenter kopplat till silos, så vill jag göra en kort recap. Många inhouse‑team är väldigt kompetenta, men arbetet i fel typ av silos är ofta en blocker. Min bild är att de senaste 10 åren har silofieringen ökat. Det finns flera orsaker till det. En orsak är att inhouse‑teamen ofta har vuxit i storlek. De har vuxit på grund av att fler byråsamarbeten har tagits hem och den fragmenterade digitala spelplanen har lett till ett ökat behov av specialistkompetens. Teamen växer, och kompetensen ökar, men gamla strukturer består varför många funktioner (brand‑team, creative‑team, SEO, revenue, CRM, kanalägare, e‑com, sälj, CX osv.) har alltför lite samröre och insikt i varandras arbete. Det paradoxala är också att när inhouse‑teamet har växt så har i många fall även byråsamarbetena gjort det. Varför? Jo, för att varje inhouse‑funktion vill ha sin egen spegelbild på byråsidan. Det är så strukturen har sett ut, och fortsätter att se ut. Konsekvensen av detta är att marknad/sälj/CRM‑avdelningar (inklusive dess underavdelningar) inte bara jobbar i silos, utan de skapar även sin egen silo med de byråer de samarbetar med. Detta leder inte bara till ett ytterligare lager av komplexitet utan också till att en orimligt stor del av ett byråsamarbete mellan ett medelstort/stort inhouse‑team och en medelstor/stor byrå går åt till kommunikation. AI‑agenter kan skapa fler och djupare silos AI‑agenter riskerar att skapa ännu fler silos om man inte har med sig det organisatoriska perspektivet tidigt och är proaktiv. Idag saknas nästan i princip alltid transparens över vilka AI‑agenter som finns implementerade eller planeras, hur de (i bästa fall) jobbar tillsammans, och hur samarbete/processer mellan människa och agent ser ut. Implementationerna av AI‑agenter sker idag ofta på individnivå, eller genom att man köper in helt system för en specifik funktion (exempelvis SEO AI Employees) som saknar koppling till helheten. Det kan också röra sig om en mer enterprise‑anpassad implementation som är i proof of concept‑stadiet där man försöker lösa större problem, men där utvecklingen går långsamt. Så hur ska man organisera marknadsavdelningen 2026–2027 och framåt? Först, det finns vissa skillnader mellan branscher och vertikaler, precis så som fallet är idag. Min bild är dock att vertikaliseringen kommer att öka något. Det gäller både specifik kompetens som bolag har nytta av, men också hur man skulle kunna organisera sig för maximal effekt. Några principer kommer såklart att återkomma mellan vertikaler. Jag vill lyfta fram att orsaken är driven från två håll. Dels möjligheterna som AI presenterar när det kommer till att effektivisera arbetet inom marknadsavdelningen, men också agentic commerce som kommer sätta press på bolag, och CMO:er inte minst, att i många fall ganska drastiskt tänka om sin operating model. 1) Utgå från tech‑stackens mognadsgrad och datans kvalité Organisering och ways of working måste utgå från nuläget i stacken och datans kvalité. Är mognadsgraden låg och datakvaliteten svag, så måste man tänka på ett visst sätt kring implementation av AI‑agenter och organisationen som helhet, och vice versa. Det gäller att hålla två spår igång samtidigt, både förbättra och förändra stacken och datakvalitén samtidigt som implementeringen av AI‑agenter och förändring i organisationen pågår. Det kritiska är att dessa två spår följs åt, väldigt tight. 2) Tänk på att agentic commerce påverkar alla bolag, inte bara e‑handlare Agentic commerce innebär att AI‑agenter researchar, jämför och ibland köper åt användaren och bolag. Discovery, research och ibland checkout flyttas någon annanstans. Detta tror jag leder till ett par viktiga organisationsskiften: - Trust och brand‑ansvar över kanaler. En funktion behövs över kanaler som äger varumärket, PR, recensioner, policies, kundlöften, produktpåståenden och proof. Det innebär att team som historiskt jobbat rätt så silofierade, PR, brand, social, product, insight, måste komma samman. I en tid när det är lättare för små bolag att konkurrera med stora, och när kunder blir mindre lojala, blir detta en av de absolut viktigaste funktionerna för att driva revenue, både på kort och lång sikt. - CRO och funneln förändras. Om valen, eller i alla fall rekommendationen, framåt till stor del kommer att göras av en AI‑agent istället för på siten eller i checkout, behöver CRO, e‑com och webb ta ansvar för det som faktiskt gör att en rekommendation sker. Vill man tänka ett steg längre kan man fundera på om kompetensen och teamet som vi känner det faktiskt inte behöver göras om från grunden. - CRM och acquisition, riv barriärer. Vad är en ny kund och vad är en lojal kund när agenten gör researchen? Troligen inte alls lika svartvitt som i dag. Det som historiskt legat under respektive avdelnings ansvar måste börja ses som ett och samma system, inte två separata maskiner. En ny kund kan ha byggt preferens långt innan första köpet syns i din data, och en lojal kund kan återkomma utan att någonsin besöka din sajt, för att en agent fortsätter välja dig baserat på trust, leverans, prislogik, returvillkor och produktdata. Det gör att acquisition, hitta nya, och CRM, bearbeta befintliga, inte längre kan optimeras var för sig utan effektförlust. Därför behöver barriärerna rivas på riktigt. 3) Byrå‑ och konsultsamarbeten, operating model och samarbetsform behöver utmanas Byråer kommer också använda AI. Det betyder inte att ni måste mindre med byråer. Men det betyder att själva samarbetet måste designas om. Annars sitter ni snart med två parallella system, ni har optimerat människa och agent‑flöden internt, och byrån har optimerat sina människa och agent‑flöden externt, utan att systemen pratar med varandra. Det är en jätterisk, dubbla definitioner, sämre spårbarhet, mer friktion och till slut lägre tempo. Två saker att vara tydlig med när du sätter upp samarbetet: - Transparens och kompatibilitet. Samma datakällor, samma spårning, samma definitioner, samma QA, och ett sätt att koppla ihop agent‑lagret så ni inte bygger två separata system. - Rätt värdemodell. Om du får exakt samma leverans och betalar exakt lika mycket när produktion effektiviseras av AI är det skevt. Samtidigt går enormt mycket tid åt till kommunikation idag, och om operating model inte sitter kommer den tiden inte minska, den kommer öka. Och slutligen, vissa funktioner är mer verksamhetskritiska än andra. I vissa fall kan det funka att leja ut en hel funktion, i andra fall måste den vara intern. Men det som kan vara högaktuellt att köpa in, avancerad analys, mätning, automatisering, kreativ höjd, djup kanalkompetens, och förmågan att faktiskt genomskåda plattformar (hej Google). 4) Measurement, attribution och MMM blir viktigare än någonsin Ja, det har ni säkert hört förut. Men så är det, av lite olika anledningar. AI gör att skillnader mellan bolag minskar. Det blir allt svårare att skaffa sig konkurrensfördelar. Att ha ett järngrepp kring holistisk utvärdering, och låta det genomsyra hela arbetssättet är en sådan konkurrensfördel som är väldigt svår att både få till och kopiera. En annan anledning är en ytterligare fragmentering av köpresan, där en ännu större del av research‑processen kommer att ske utanför siten och av agenter. 5) Automatisera inte allt, optimera för kvalitet Det handlar inte bara om content, utan om i princip allt. Automatisering är ofta toppen, särskilt när metoder som MMM blir mer tillgängliga, men när alla kan göra allt sjunker kvaliteten snabbt om ingen äger hantverket, ribban och kontrollpunkterna. Tänk i tre nivåer: - Experter på riktigt. Svåra beslut, stora pengar, hög risk. - Övervakning krävs. Automation får köra, men någon måste granska och styra. - Släpp kontroll. Lågrisk, lätt att backa, tydliga guardrails.