AI i marketing i praksis: Sådan ser en rigtig pipeline ud

Først en vigtig detalje: Det her er ikke teori. Pipelinen, jeg beskriver, producerer indhold til mine egne mediesites — blandt andet Helthonning og resten af porteføljen — hvor jeg selv betaler omkostningerne og selv høster indtægterne. Hvis den ikke virkede, ville jeg være den første, der opdagede det. På bundlinjen.

Pipelinen: Fra søgeord til publiceret artikel

Sådan bliver en artikel til hos mig — syv trin, hvor AI laver det tunge arbejde, og jeg træffer beslutningerne:

1. Keyword-data via API. Søgevolumen, konkurrence og relaterede søgninger hentes automatisk fra SEO-dataleverandører. Ingen manuel research i regneark — data’en lander struktureret og klar til beslutning.
2. SERP- og konkurrentanalyse. De øverste resultater for søgeordet scrapes automatisk: Hvem ranker, hvilken sidetype, hvor grundigt dækker de emnet, og hvor lange er artiklerne? Det afgør både vinkel og ambitionsniveau — min tommelfingerregel er at være målbart grundigere end den bedste konkurrent, ellers er der ingen grund til at skrive.
3. Brief. Data’en samles i en arbejdsbeskrivelse: intent, disposition, spørgsmål der skal besvares, huller hos konkurrenterne. Det er pipelinens vigtigste dokument — og det trin, hvor min erfaring gør størst forskel.
4. Skrivning med AI — redigering med menneske. AI’en skriver udkastet ud fra briefen. Så læser jeg det, som var det en freelancers: Fakta tjekkes, generiske afsnit skæres væk, og tonen rettes til, så der står et menneske bag. Nogle artikler kræver ti minutter, andre en time.
5. Billeder. Genereres eller udvælges, så de matcher artiklen — ingen genbrugte stockfotos af håndtryk foran laptops.
6. Publicering via API. Artiklen ryger direkte ind i WordPress med metadata, kategorier og interne links — programmatisk, uden copy-paste-fejl og uden at nogen skal logge ind en søndag aften.
7. Kvalitetskontrol og opfølgning. Efter publicering overvåges placeringerne. Artikler, der lander på side to, ryger tilbage i pipelinen til opdatering. Ingen artikel er “færdig” — den er bare udgivet.

Tallene, alle spørger om

Effekten i min egen drift, sammenlignet med klassisk produktion med freelanceskribenter:

• Produktionstid pr. grundig artikel: Fra 2-4 dage (bestilling, venten, redigering) til 2-4 timer — inklusive research og kvalitetskontrol.
• Pris pr. artikel: Fra 1.500-4.000 kr. i skribenthonorar til under et par hundrede kroner i værktøjs- og API-omkostninger — plus min egen tid til redigering, som er den reelle omkostning nu.
• Konsistens: Den undervurderede gevinst. Pipelinen glemmer ikke metadata, springer ikke interne links over og holder samme struktur hver gang. Mennesker har dårlige dage; pipelines har ikke.

Men bemærk, hvad tallene ikke siger: at indholdet er blevet gratis. Omkostningen er flyttet fra produktion til kvalitetskontrol og strategi. Det er hele pointen — og den, de fleste overser.

Hvad AI er god til — og hvad den stadig ikke kan

Den vigtigste erkendelse fra to års drift: AI forstærker den, der bruger den. En dygtig marketingperson med AI bliver markant mere produktiv. En, der ikke ved, hvad godt indhold er, producerer nu bare dårligt indhold meget hurtigere. Værktøjet løfter ikke bundniveauet — det forstærker udgangspunktet.

De tre fejl, jeg selv lavede først

1. Jeg automatiserede for meget, for tidligt. Min første version publicerede næsten uden menneskeligt filter. Resultatet lignede indhold — men det manglede kant, og et par faktuelle bommerter slap igennem. Lærdom: Automatisér arbejdsgangen, aldrig dømmekraften.
2. Jeg målte på volumen i stedet for effekt. Når produktion bliver billig, er fristelsen at producere mere. Men 100 middelmådige artikler taber til 20 fremragende — både hos Google og hos læserne. Nu udgiver jeg færre, grundigere artikler end pipelinens kapacitet tillader. Med vilje.
3. Jeg glemte, at tonen er halvdelen af varen. Rå AI-tekst lyder som alle andres rå AI-tekst. Det tog tid at bygge min egen stemme ind i processen — og det er i dag den del af pipelinen, jeg værner mest om. Læsere kan ikke altid forklare forskellen, men de kan mærke den.

Hvad betyder det for din marketingafdeling?

Tre råd, hvis I står foran at tage AI seriøst i marketing — uanset om I nogensinde bygger en pipeline som min:

• Start med arbejdsgangene, ikke med værktøjerne. Spørgsmålet er ikke “hvilket AI-værktøj skal vi købe?”, men “hvilke af vores opgaver er gentagne, regelbaserede og tidskrævende?” Dér ligger gevinsten. Værktøjerne skifter hvert halve år; arbejdsgangsanalysen holder.
• Flyt jeres bedste folk til kontrollen — ikke væk fra den. Den instinktive reaktion er at lade juniorerne “lege med AI”. Det er bagvendt: Kvalitetskontrol og strategi er de nye nøglefunktioner, og de kræver jeres mest erfarne øjne.
• Regn på det som drift, ikke som eksperiment. Et AI-pilotprojekt uden succeskriterier bliver ved med at være et pilotprojekt. Sæt tal på: Hvad koster produktionen i dag, hvad må den koste efter, og hvornår evaluerer vi? Alt andet er teater med licensomkostninger.

Ofte stillede spørgsmål