Steve välkomnar Ibby Syed, medgrundare av Cotera, för ett samtal om klyftan mellan AI-hype och AI som faktiskt utför autonomt arbete för e-handelsverksamhet. Ibby bidrar med ett unikt perspektiv som en av Pelotons första data scientists, där han såg DTC-varumärken skala upp snabbt medan deras team drunknade i manuellt arbete med att analysera spridd kunddata över frånkopplade verktyg. Den erfarenheten visade honom exakt var det traditionella data science-arbetsflödet bryter samman – marknadsförare ber om handlingsbara insikter som de kan implementera i Klaviyo eller Braze, men data scientists försvinner i fem till sex månader och återvänder med komplexa modellfiler som ingen vet hur man ska agera.

Samtalet kretsar kring vad som gör autonoma agenter fundamentalt annorlunda än chattrobotar eller frågebaserade AI-verktyg. Ibby bryter ner ramverket: istället för att ständigt uppmana ett verktyg eller tejpa ihop flera plattformar, definierar man en process i ett enkelt språk (precis som att skriva instruktioner till en praktikant), ger agenten tillgång till relevanta verktyg (Instagram, Google, dina kunddata) och låter den köras oberoende. Han delar ett övertygande exempel – ett D2C-fitnessmärke ville identifiera vilka av deras 5 % största spenderare som kunde bli varumärkesambassadörer. Den traditionella metoden skulle kräva att ett team av praktikanter manuellt undersökte varje kund på Instagram, kontrollerade deras följarantal och fitnessinnehåll och sedan kontaktade dem individuellt – ett arbete som skulle ta månader. Med Coteras autonoma agent definierade de processen en gång, gav den tillgång till Instagram och Google, matade den med sin värdefulla kundlista, och agenten slutförde månader av researcharbete på fem minuter.

Ibby förklarar varför den mänskliga rollen förändras snarare än försvinner i en AI-förstärkt verksamhet. Det repetitiva arbetet – att analysera supportärenden, kategorisera returer, segmentera kunder baserat på köpmönster – automatiseras, men människor når hög hävstångsstrategiska beslut, kreativ problemlösning och att bygga minnesvärda kundupplevelser som driver långsiktig lojalitet. Han använder analogin med bankomater effektivt: när bankomater uppfanns förutspådde folk massiva arbetsförluster inom banksektorn, men det som faktiskt hände var att människor befriades från att räkna kontanter och övergick till mer värdefulla rådgivande och relationsroller. Banksektorn sysselsätter fler människor idag än innan bankomater existerade eftersom effektivitetsvinsterna finansierade affärstillväxt och skapade nya möjligheter.

Samtalet avslutas med en verklighetskontroll av AGI (artificiell generell intelligens). Trots hypen som antyder att AI snart kommer att ersätta mänskligt strategiskt tänkande helt, tillbringar Ibby sina dagar med att brottas med att få AI-agenter att utföra grundläggande uppgifter korrekt. Nuvarande AI-teknik förstärker mänskliga förmågor kraftfullt för definierade, repeterbara arbetsflöden, men nyanserat omdöme, adaptiv problemlösning och strategisk kreativitet förblir stadigt inom mänskligt territorium. Det här är inte en berättelse om AI som ersätter ditt team – det är en ritning för att mångdubbla vad ditt team kan åstadkomma genom att automatisera slitet och lyfta alla till mer värdefullt arbete.

👉  Definiera dina AI-agent-arbetsflöden exakt som du skulle delegera till en mänsklig teammedlem. Skriv ner processen i ett enkelt språk, som om du skickar ett mejl till en praktikant – steg för steg, med tydliga beslutspunkter och förväntade resultat. Genombrottet med autonoma agenter är inte teknisk komplexitet; det handlar om att kunna formulera din affärslogik tillräckligt tydligt för att en agent kan utföra den självständigt utan ständig övervakning.

👉  Fokusera AI-automation först på högfrekventa uppgifter med låg komplexitet. Börja inte med att försöka automatisera dina mest strategiska beslut. Identifiera istället det repetitiva arbete ditt team gör dagligen – analysera supportärenden för vanliga problem, kategorisera returorsaker, segmentera kunder baserat på köpmönster – och skapa agenter för dessa arbetsflöden. Det här är uppgifter där besparingar på 3–4 timmar dagligen leder till massiva effektivitetsvinster utan att kräva perfekt noggrannhet i varje beslut.

👉  Ge dina AI-agenter rätt verktyg, inte bara rätt data. En agent som analyserar kundbortfall behöver tillgång till er ESP för engagemangsdata, er supportplattform för ärendehistorik och er Shopify-butik för köpmönster. Tänk på vad en människa skulle behöva för att göra jobbet ordentligt och se sedan till att era agenter har samma integrationer. Halvt uppkopplade agenter producerar halvt användbara resultat, oavsett hur sofistikerad den underliggande AI-modellen är.

👉  Ändra ditt teams tankesätt från uppgiftsutförande till processdesign. Marknadsförarna som kommer att blomstra inom AI-förstärkta verksamheter är inte de som skyddar sina nuvarande arbetsflöden – de är de som blir bekväma med att definiera processer, testa agenters utdata och iterera med automatisering. Börja använda dessa verktyg nu, även ofullständigt, eftersom färdigheten inte längre ligger i att göra jobbet; det ligger i att orkestrera de system som gör jobbet i stor skala.

👉  Mät AI-avkastning i sparad tid och återinvestera sedan den tiden strategiskt. Om ert team sparar 15–20 timmar i veckan genom att automatisera ärendeanalys, kategorisering av returer och kundundersökningar, är det inte en licens att minska personalstyrkan – det är bränsle för tillväxt. Omfördela dessa timmar till strategiska initiativ: lansera nya kundsegment, testa kreativa kampanjkoncept, bygga djupare kundrelationer. Företag som använder AI-besparingar för att finansiera tillväxt kommer att överträffa de som använder det enbart för kostnadsminskningar.

👉  Sätt realistiska förväntningar på vad nuvarande AI kan och inte kan göra. Trots hypen är AGI inte runt hörnet. Nuvarande AI-agenter utmärker sig på att genomföra definierade, repeterbara arbetsflöden men kämpar med nyanserade bedömningar, adaptiv problemlösning och strategisk kreativitet. Vänta inte på perfekt AI som ersätter mänskligt tänkande – implementera tillräckligt bra AI som hanterar repetitivt arbete idag, vilket frigör dina människor att göra det strategiska arbete som faktiskt differentierar ditt varumärke.