我們如何建立真正有用的行銷 AI 策略

和許多行銷主管一樣，我與 AI 的旅程始於興奮和實驗。 我們的團隊探索了各種工具，每位成員都找到了將 AI 納入其工作流程的專屬方式。 我們見證了生產力的提升，但也面臨了挑戰：輸出結果有衝突、工作流程脫節，以及團隊成員的採用程度不一。

這種零散的方法——我稱之為「AI 荒野西部」——是許多組織目前所處的狀態。 雖然這個探索階段很有價值，但現在是時候從臨時性的實驗轉變為策略性的整合了。

從實驗到有意識的行動

「荒野西部」階段很誘人。 團隊行動迅速，可以自由測試，並感覺有能力進行探索。 但這種不受約束的自由很快就會導致工作重疊、輸出結果不一致，以及技術堆疊變得越來越脆弱。 

我們自己也開始看到這樣的跡象：一位團隊成員使用 ChatGPT 來撰寫部落格貼文，而另一位則偏好使用 Claude，導致品牌語調截然不同。 我們的 SEO 專家有自己的一套提示，但這些提示從未傳達給內容團隊。 這些小的不一致之處一開始似乎無傷大雅，但很快就導致了步調不一致。 這預示著如果我們不制定共同標準，在更大規模上可能會發生什麼情況。

隨著實驗的步伐加快，我越來越清楚地意識到，我們需要一種統一的方法——一種能夠在不犧牲架構的前提下支持創新的方法。

行銷 BrAIn Trust 介紹

為了擺脫「西部拓荒」階段，我們開發了行銷 BrAIn Trust方法，從根本上改變了團隊運用 AI 的方式。 我們策略的核心是實作學習和技能提升的目標：為每位團隊成員創造空間，讓他們進行實驗、分享發現，並培養成長所需的 AI 技能。 我們不將 AI 視為一組個別工具，而是正在建立一個協調的 AI 生態系統，其中標準化的提示與流程源自實際經驗與共享知識。

BrAIn Trust 是我們實作學習、AI 治理和技能發展的基礎。 透過將 AI 直接整合至日常工作流程中，我們不僅能夠實現 AI 的採用，還能夠塑造其發展方向。 這種方法創造了一致性，並解決了零散實驗的主要挑戰。

帶領團隊踏上旅程

從一開始，我們就知道這場轉型必須以人為本，以學習為中心。 在向我們的團隊介紹 BrAIn Trust 之前，我們與人事營運合作夥伴密切協調，以確保意圖明確：這不是要取代職位，而是要支持人員發展新技能，並從事更多具策略性、高影響力的工作。 這種同步協調為我們提供了擴展所需的明晰度和信心。

BrAIn Trust 將這一願景轉化為行動。  我們首先以 Asana 作為我們的首個客戶，並將 AI 無縫整合到我們的團隊每天已在使用的工具和工作流程中，從而使 AI 的使用成為必然。

我們的理念以三項原則為核心，指引我們所做的一切：

• 讓其顯而易見：我們透過實際操作來展現即時價值。 沒有抽象的承諾：從第一次學習課程開始，團隊成員就能親身體驗這些工具如何節省時間並提升品質。 我們提供明確的治理和記錄在案的使用案例，讓每個人不僅瞭解如何使用 AI，還能瞭解何時以及為什麼要使用 AI。

• 讓它變得簡單：我們從 Asana 開始，然後再擴展到其他工具，在團隊已經工作的環境中與他們接觸。 我們的提示可融入現有工作流程，讓 AI 的採用感覺自然，不會造成干擾。 我們提供簡單的範本、引導式練習課程，以及定期的諮詢時間，讓每個人都能按照自己的步調獲得協助。

• 讓過程變得有趣：我們與團隊一起創造解決方案，而不是為他們創造解決方案。 每週的提示分享會議已成為學習工作坊，團隊成員在此試用 AI、分享發現並相互學習。 我們正在打造具有人性化特質的 AI 助理，它們的語氣友善，感覺像是樂於助人的隊友，而不是令人望而生畏的科技。

這不僅僅是工具的升級。 這是我們以團隊的方式學習和成長的方式的有意轉變。 我們的 BrAIn Trust 有助於平衡兩個經常看似衝突的優先事項：一方面讓團隊有自由進行實驗的空間，同時確保這些實驗的結果是有用的、可擴展的，並且可以在整個組織中分享。

我們的 BrAIn Trust 解決了許多團隊面臨的幾個挑戰：

1. 採用情況的差異性：我們根據人們在學習旅程中所處的階段來提供協助，從初學者到進階使用者，都能獲得支援。

2. 品質不一致：透過分享學習內容進行標準化，有助於每個人共同進步，並達成一致的結果。

3. 浪費時間：我們的集體知識庫意味著沒有人需要單獨學習，或重新建立其他人已經開發的解決方案。

4. 重複的投入量：定期舉辦分享會，確保學習內容在整個團隊中快速傳播。

透過集中化我們的做法，我們正在提供：

• 為每個技能層級量身打造的實作學習機會

• 從團隊實驗中建立的提示和工作流程庫

• 定期辦公時間，提供個人化支援和指導

• 技術整合的支援以及自訂提示的指引 

• 從集體學習和經驗中產生的最佳作法

讓 AI 為每個人服務

我們並未試圖一夕之間實現全面轉型，而是選擇了高影響力的使用案例，這些案例能夠展現價值，同時透過實踐來建立團隊的信心。 每次課程都能加強團隊成員的認同感，因為他們可以親眼看到 AI 如何改變他們的工作。 這些工作流程正隨著我們平台功能的不斷發展而演進，團隊成員會根據日常經驗積極提出改進建議。

我們已成功推出兩個源自實驗階段的主要工作流程：

進階團隊領導輔助系統 (ATLAS)：我經過幾個小時的嘗試與錯誤，開發出一套由 AI 驅動的領導輔助工作流程，其中包括以下範本：

• 團隊指標追蹤與分析

• 任務完成監控

• 工作量報告產生

• 狀態更新產生

這些工作流程讓我能夠專注於策略，而 AI 則負責處理行政事務，每週可節省 4-5 小時。

專案情報與優先順序規劃助理 (PIPPA)：這是我們的專案經理透過協作學習課程建立的計劃管理提示庫，其中包含以下範本：

• 請求接收和評估

• 任務優先順序

• 時間軸風險識別提示

隨著專案經理分享新的發現，此工作流程也不斷發展，讓他們能夠專注於專案關係人的關係，而 AI 則負責管理專案追蹤中繁瑣的行政事務。

我們的目標是讓行銷團隊中的每個角色，從內容建立到 SEO 和電子郵件行銷，都能透過使用專門的提示庫和工作流程來累積 AI 專業知識，這些提示庫和工作流程旨在輔助其特定職能。 這種有針對性的方法可確保 AI 強化而非干擾現有工作流程，同時培養持久的技能。

以正確的基礎架構擴展規模

我們從一開始就知道，如果我們要擴展這項學習計劃，就不能依賴零散的工具或短期的解決方案。 我們需要一個策略基礎：一個能夠與我們一同發展、與現有系統相連，並賦予非技術團隊學習和直接貢獻能力的東西。

這就是為什麼我們的實施策略以使用 Asana 的無程式碼 AI Studio 功能為中心。 由於我們的團隊已經在 Asana 中工作，從那裡開始讓 AI 的採用感覺很自然。

此策略選擇為我們的「學習至上」方法提供了幾個優勢：

• 降低整合風險：透過在我們的核心工作管理平台上進行建構，而非使用多個單點解決方案，我們正在降低未來供應商整合的風險。

• 整合的資料來源：我們正在將來自各種系統 (Contentful、SkillJar、GitHub、Tableau 等) 的資訊直接連結至我們的 AI 工作流程。

• 可擴展的開發：無程式碼方法使團隊成員能夠在沒有專業開發資源的情況下快速學習、疊代和部署新的提示與工作流程。

• 一致的體驗：在熟悉的平台上進行建置可降低採用門檻，並為學習和實驗創造舒適的環境。 當 AI 功能融入日常工作流程時，採用就會變得自然而然。

這種方法使我們的 AI 策略與團隊現有的工作方式保持一致，同時為學習創造一個安全的空間，減少實驗的障礙，並使 AI 的使用成為每個人工作日中不可避免的一環，而非可有可無的附加元件。

衡量結果而非輸出

雖然我們會追蹤節省的時間，但我們對投資報酬率的定義不僅限於效率。 我們正在衡量 AI 是否能夠實現以下目標：

1. 行政工作負荷的減少

2. 輸出品質與一致性的提升

3. 增加策略思維時間

4. 縮短產品上市時間

5. 提升團隊滿意度和參與度

6. 所有技能層級的 AI 素養和信心都有所提升

這些指標顯示，AI 整合不僅僅是為了更快地完成工作，更是為了從根本上改善我們共同工作與學習的方式。

未來不是擁有更多工具，而是加強團隊合作

隨著我們繼續踏上 AI 之旅，我相信我們正在見證行銷團隊運作方式的深刻轉變的開端。 成功的組織並非部署最多 AI 工具的組織，而是以補充和強化人類能力的方式，將 AI 策略性地整合到其團隊中的組織。

未來屬於能夠擺脫 AI 混沌時代，建立協調、周全的人類與 AI 協作方法的團隊。 透過現在建立策略架構，我們不僅是在為這個未來作準備，更是在積極塑造這個未來。

請持續關注我們的下一篇文章，其中將探討我們如何將這些共用工作流程和提示庫發展為擬人化的角色型 AI 助理，成為我們行銷組織中每位成員的真正隊友。