For nylig havde jeg fornøjelsen af at optage en podcast med Bo Sannung, CCO hos Agillic. Samtalen dækkede en lang række emner – fra marketingautomatisering og personalisering til kunstig intelligens, data og beslutningstagning i praksis. I denne artikel har jeg samlet nogle af de vigtigste pointer og refleksioner fra vores samtale – med fokus på, hvorfor det i 2026 stadig er sværere, end det burde være, at omsætte teknologi til reel relevans og forretningsværdi. Find podcasten på YouTube eller Spotify
Én ting står klart i 2026: Mulighederne for automatisering, målretning og personalisering har aldrig været større. Samtidig oplever mange virksomheder og organisationer, at resultaterne ikke lever op til deres ambitioner.
Det er interessant, at udfordringen sjældent ligger i selve teknologien. Marketingautomatisering fungerer i dag effektivt, pålideligt og i stor skala. Det afgørende spørgsmål er derfor ikke, om vi kan automatisere, men hvordan automatiseringen bidrager til relevansen i forholdet mellem afsender og modtager.
Når automatisering anvendes korrekt, understøtter den beslutningstagning, timing og sammenhæng. Når den anvendes forkert, bliver den til støj. Forskellen ligger sjældent i systemerne og teknologien, men i måden, de anvendes på.
Personalisering er et af de mest anvendte begreber inden for moderne markedsføring – og samtidig et af de mest misforståede. Bo og jeg er enige om, at personalisering ofte reduceres til genkendelse: et navn i en e-mail, et produkt baseret på tidligere adfærd eller gentagne budskaber på tværs af kanaler.
I praksis er ægte personalisering noget helt andet. Det handler om at forstå sammenhæng, intention og timing. Om at vurdere, hvornår kommunikationen styrker relationen – og hvornår den risikerer at svække den.
Især konteksten bliver stadig vigtigere. Nogle gange befinder vi os i en professionel sammenhæng, andre gange drives vi af personlige interesser i en privat sammenhæng. God personalisering kræver derfor ikke nødvendigvis mere kommunikation, men bedre prioritering. Det kræver mod til at fravælge meddelelser, justere intensiteten og acceptere, at det nogle gange er mest relevant at sige mindre – og vælge den rigtige sammenhæng.
Et andet centralt punkt fra samtalen drejede sig om data.
De fleste virksomheder har allerede adgang til store mængder adfærdsdata: interaktioner på tværs af kanaler, købshistorik, brugsmønstre samt tegn på interesse eller tøven. Udfordringen ligger sjældent i manglen på data – det handler snarere om, hvordan dataene udnyttes.
I mange virksomheder og organisationer bruges data primært til rapportering, resultatmåling og evaluering – med andre ord til at få indsigt i fortiden. Det skaber viden, men fører ikke nødvendigvis til handling.
Den reelle værdi opstår, når data bruges aktivt til at tilpasse kommunikationen i realtid, regulere intensiteten og understøtte beslutninger om den bedste næste handling. Det er her, marketingautomatisering går fra at være en distributionsmotor for relevant indhold til at blive et strategisk værktøj til at opbygge relationer og skabe forretningsvækst.
Mange automatiseringsprojekter starter med store ambitioner, klare mål og stor fremdrift. Med tiden aftager effekten dog ofte. Ikke fordi ideen var forkert, men fordi automatisering opfattes som noget, der kan »sættes op« og derefter køre af sig selv.
I praksis kræver velfungerende marketingautomatisering løbende tilpasning, prioritering og læring. Processerne er ikke statiske. De skal udvikle sig i takt med ændret adfærd, nye forventninger og nye forretningsmål – samt de aktuelle prioriteter og de centrale budskaber, som organisationerne ønsker at formidle til modtagerne.
De organisationer, der klarer sig bedst, betragter marketingautomatisering som en disciplin, der løbende finpudses. De arbejder med nogle få, klare adfærdssignaler, vurderer løbende effekten og tilpasser kommunikationen i små, kontrollerede skridt frem for store, sjældne ændringer.
Kunstig intelligens er – og vil fortsat være – afgørende, både hvad angår konkurrenceevne og præcisionen i datadrevet marketingautomatisering. Jeg stiller dog spørgsmålstegn ved forudsigelsen om, at kunstig intelligens vil overtage al automatisering i den nærmeste fremtid.
Den største værdi opnås i øjeblikket, når kunstig intelligens bruges som støtte og hjælp. Som et redskab, der aflaster mennesker i arbejdet med at analysere kompleks adfærd og skabe klarhed – uden at fjerne det menneskelige aspekt og ansvaret.
Når den bruges på denne måde, kan AI:
AI bliver ikke afsenderen og overtager ikke kontrollen. Den fungerer som en katalysator, der gør afsenderen bedre. Ikke ved at erstatte dømmekraften, men ved at styrke den.
I min samtale med Bo var kunstig intelligens og dens anvendelse naturligvis nogle af de vigtigste emner. For mange kan kunstig intelligens virke overvældende – sprogmodeller, komplekse beregninger og automatisering af kritiske processer.
Jeg arbejder med en model, der skaber klarhed – især med henblik på at handle hurtigt på de »lavthængende frugter«, samtidig med at virksomheden udvikles på mellemlang og lang sigt. Alt dette måles i forhold til den værdiskabelse, man forventer af AI-initiativerne.
Her er den enkle 2x2-model, vi talte om, som kan tjene som inspiration og vejledning.
Dette er det, man kunne kalde »hygiejneautomatisering« og mindre (men ofte nødvendige) forbedringer. Standardoversigter og enkle e-mail-udkast. Sjældent strategisk, men nyttigt til oplæring, implementering og opbygning af organisationens fortrolighed med AI – og til at frigøre tid til mere innovativt arbejde. Det vigtigste er, at investeringerne og forventningerne forbliver i rimeligt forhold til hinanden.
Dette er skalerbar effektivitet. Eksempler herpå er automatiseret sagsfordeling, kvalitetskontrol, prognoser, modeller for kundeafgang og risikovurdering samt generativ AI i kundeservice, der rent faktisk påvirker nøgletallene. Det er ofte her, man finder de hurtigste og mest robuste anvendelsestilfælde, da problemerne er klart definerede, og effekten kan måles. Mange anbefaler at starte her for at forankre AI i virksomheden og skabe målbare resultater på kort sigt.
Dette er eksperimenteringszonen. Her foregår konceptudvikling, moodboards, kampagneidéer, »hvad nu hvis«-scenarier og prototypebygning. Det er yderst værdifuldt for læring og idégenerering, men kræver klare kriterier for, hvornår man skal stoppe, og hvornår man skal skalere op – samt veldefinerede rammer for investeringer. Uden disciplin risikerer AI at blive til innovationsteater frem for en innovationsmotor.
Det er her, at AI virkelig udgør en konkurrencefordel. Nye AI-drevne produkter og tjenester, personaliserede kreative processer, nye medie- og indholdsformater eller samarbejdsprocesser, hvor AI og mennesker arbejder tæt sammen om at skabe både originalitet og kommerciel gennemslagskraft. Det er det område, hvor det er sværest at opnå succes – men også der, hvor det strategiske potentiale er størst. Her fungerer kunstig intelligens bedst som en partner – ikke som en erstatning. Mennesker og maskiner udnytter hinandens styrker.
I denne artikels sammenhæng giver modellen et vigtigt perspektiv: Kunstig intelligens handler ikke om at automatisere alt. Det handler om at vælge de rette områder, hvor teknologien skal anvendes – med en klar bevidsthed om både ambitionerne og den forventede effekt.
Endelig er det vigtigt at understrege, at data, automatisering, kunstig intelligens og teknologi i sidste ende er til for menneskene. Jo mere vi automatiserer, desto vigtigere bliver det menneskelige aspekt.
Avanceret teknologi sætter nye standarder for forståelse, kontekst og dømmekraft – den sænker dem ikke.
Marketingautomatisering og personalisering bør derfor ikke blot betragtes som tekniske spørgsmål, men som forretnings- og kommunikationsmæssige valg. Valg om, hvordan data og teknologi bruges til at skabe relevans, tillid og langsigtede relationer.
Spørgsmålet er ikke, om vi kan automatisere mere. Spørgsmålet er, om vi bruger automatisering til at skabe værdi – både for virksomheden og for modtageren.
På baggrund af ovenstående overvejelser og konklusioner fra samtalen med Bo Sannung står det klart, at udfordringen i 2026 ikke (kun) handler om adgang til teknologi, data eller kunstig intelligens. Det handler om ledelsens prioriteringer, mod og evnen til at omsætte tekniske muligheder til sammenhængende beslutninger, der skaber relevans for kunderne og målbar værdi for virksomheden.
Marketingautomatisering, personalisering og kunstig intelligens skaber reel effekt, når de integreres i organisationens beslutningsprocesser. Når data anvendes fremadrettet og i den daglige drift. Når automatisering betragtes som en disciplin, der løbende tilpasses i overensstemmelse med forretningsmålene. Og når kunstig intelligens bruges som en »kollega«, der forbedrer kvaliteten og fremskynder beslutningstagning og gennemførelse – i stedet for at fjerne eller overtage ansvaret.
I sidste ende er det et strategisk valg. Et valg om, hvordan ledelsen og organisationerne bruger teknologi til at styrke relationerne, forbedre timing og skabe sammenhæng på tværs af organisationen.
Jo flere tekniske muligheder vi får, desto større bliver behovet for dømmekraft, kontekstuel forståelse og evnen til at prioritere – ikke kun teknisk, men også strategisk.
Det er netop her, vi hos NexusOne kommer ind i billedet. Vi hjælper virksomheder med at omsætte data, CRM, marketingautomatisering og AI til konkrete, værdiskabende løsninger, der fungerer i praksis og kan måles på deres effekt. Ikke som isolerede teknologiprojekter, men som helhedsløsninger, der er fuldt ud afstemt med virksomhedens strategi, vision og mål.
Hvis du er nysgerrig efter at vide, hvordan man kan gribe det an i praksis, er du velkommen til at kontakte os.
