När AI tar över mer av det repetitiva jobbet blir det inte färre roller som behövs utan andra roller blir mer avgörande, för att få kvalitet, lärande och kontroll i systemet, inte bara mer output. - Rätt typ av generalist och projektledare. Hands‑on, strukturerade och affärsförstående personer som kan koordinera mellan in‑house, byråer, agenter och tech vendors. Behovet av processdesign ökar när agentlandskapet växer, ägarskap, beslutskedja, QA‑gates, budgetregler, dokumentation och spårbarhet. Utan det får man ofta snabbare leverans men mer friktion, rework och fler misstag. - Den kreativa analytiska prototyparen. En growth‑profil med kreativ höjd men också teknisk och analytisk förmåga, gärna med measurement‑insikt och plattformsförståelse. Den här personen kan snabbt testa hypoteser, bygga prototyper, sätta upp experiment och skapa lärloopar, och samtidigt hålla kvalitet i det kreativa. Kreativ höjd blir strategiskt viktigare när många kan producera okej i volym, edge kommer från idé, craft och en tydlig ribba. - Plattformsskeptikern med djup kanalkompetens. Rollen många underskattar, någon som kan kanaler och plattformar på riktigt och som aktivt kan utmana vendors best practice, förstå incitamenten bakom rekommendationer och bygga en optimeringsmotor som gynnar bolaget, inte plattformen. När fler kör autopilot eller köper AI‑employees blir den här kompetensen en differentierare. - Measurement‑ och experimentledaren. Någon som kan sätta en utvärderingsmetod man faktiskt kan styra efter, incrementality, experimentdesign, MMM‑tänk, metoddisciplin och source of truth. Det blir extra viktigt när resor blir mer hybrida och agentstödda och när signaler från fler ytor ska knytas till affär. - Enablement, utbildning, manuellt hantverk och felsökning. Här är poängen många missar. När AI hjälper mycket är det lätt att man delegerar bort lärandet. Det är exakt den risken som lyfts i [artikeln du länkade](https://arxiv.org/pdf/2601.20245), när man använder AI som en genväg för att få fram svar kan man bli snabbare på att producera output, men sämre på att bygga konceptuell förståelse, läsa och kritiskt granska och framför allt felsöka när något går fel. Översatt till marknad, growth och ops, om man låter AI sköta allt tappar man efter ett tag förmågan att avgöra om ett förslag är rimligt, hitta roten till en avvikelse i data eller performance, förstå vad som faktiskt orsakade en effekt, och bygga robusta guardrails och QA‑kontroller. Därför blir utbildning och arbetssätt centralt, man behöver skapa en kultur där man övar manuellt ibland, felsöker utan autopilot, och använder AI på ett sätt som håller människan kognitivt engagerad, till exempel be AI förklara tradeoffs, motivera beslut, visa alternativ och tvinga fram resonemang, inte bara leverera ett svar. Varför samspelet mellan generalisten och prototyparen är avgörande. Prototyparen testar och formar snabbt, projektledaren driver igenom, skapar uthållighet och ser till att det faktiskt blir gjort med rätt process, QA och mätning. Utan den ena får man idéer utan adoption. Utan den andra får man produktion utan edge och ofta utan lärande.