6 post sa category na ito
Karamihan ng usapan tungkol sa AI at team design nagsisimula sa headcount. Sa tingin ko mali ang starting point na yan. Ang mas magandang tanong ay kung anong functions ang kailangan ng team mo — at lumalabas na pareho lang sila kahit apat o apatnapung tao ang team.
Ilang taon kong nakita sa advertising kung paano napagkakamalan ng teams ang galaw bilang progreso. Tapos nagsimula akong mag-build ng AI marketing tools, at doon ko na-realize na lumalala lang ang problema: mas mabilis ang execution, pero mas mahina ang judgment.
Kaya na ngayon ng AI mag-produce ng media plans, performance summaries, measurement frameworks, at campaign setups sa impressive na bilis. Ang problema hindi dahil obviously pangit ang output. Ang problema ay madalas sapat na ito para makapasa sa casual review habang nami-miss ang business context na talagang importante.
Karamihan ng teams nagtatanong pa rin kung anong model ang gagamitin. Sa experience ko, hindi na yun ang pangunahing tanong. Kung nakakalimutan ng AI system mo ang client o brand, ang category, at kung ano ang itsura ng "maganda," kahit ang pinakamatalinong model sa mundo nagsisimula pa rin ng bawat conversation mula sa zero.
Noong 2023, inisip ko na babahain ng generative AI ang search ng murang content at bababa ang return on SEO. Tatlong taon pagkatapos, nangyari nga iyon. Pero ang mas malaking shift ay hindi na moat ang content production. Structure, trust, QA, localization quality, at answer-engine visibility na ang mahalaga.
Mali ang narrative na pinapalitan ng AI ang entry-level work. Hindi nagbu-busywork ang isang junior sa activation — nagko-configure sila ng DV360 targeting, nag-QA ng tracking pixels, nagma-manage ng bid strategies. Ang totoong tanong: kapag tinaas ng AI ang floor para sa lahat, saan manggagaling ang advantage? Sa depth.