Marknadsteam utnyttjar bara en bråkdel av AI:ns förmåga

Vad menas med capability overhang?

I sitt nyhetsbrev One Useful Thing använder Mollick begreppet capability overhang för att beskriva gapet mellan AI-modellernas kapacitet och hur de faktiskt används. Han menar att vi bara använder en liten del av modellernas förmågor, och att vi ofta saknar en tydlig bild av vad de faktiskt kan göra.

Han illustrerar det här överhänget med hjälp av egna experiment. I ett av dem lät han en AI-modell återskapa den italienske författaren Umberto Ecos bibliotek i Milano i 3D, med dess 27 000 böcker. Modellen analyserade filmer och fotografier bildruta för bildruta, identifierade omkring 5 000 boktitlar och angav hur säker den var på varje identifiering.

I ett annat experiment skapade en AI-modell en animerad trailer för Mollicks kommande bok. Den tog fram manus, röster, musik och ljudeffekter – ett arbete som ett mänskligt team hade behövt flera veckor för att genomföra.

På en marknadsavdelning ser överhänget mer vardagligt ut. Samma modeller som skriver era inlägg kan också gå igenom en konkurrents annonser, jämföra budskapen med era egna och kartlägga var ni sticker ut. Men det är inte så många som utnyttjar detta.

Studierna visar precis samma mönster

I mars publicerade Supermetrics, ett företag som säljer verktyg för marknadsdata, en rapport baserad på svar från 435 marknadsförare i fem länder. 80 procent av dem känner press att använda AI, men bara 6 procent har byggt in AI fullt ut i sina arbetsflöden. Med det menas att AI är en fast del av det dagliga arbetet och av teamets processer. 87 procent använder AI främst till content och copy.

I Sverige ökar AI-användningen snabbt och breder ut sig till allt fler företag. Enligt SCB använde 35 procent av företagen AI under 2025, jämfört med 25 procent året innan. Bland de större företagen var andelen 72 procent. Siffrorna visar att allt fler har tillgång till AI-verktyg, men säger inget om hur omfattande eller avancerad användningen är.

Vilka mänskliga förmågor gör ditt team bättre på att använda AI?

Mollicks svar på överhänget är att sluta konkurrera med AI i själva produktionen. Istället bör samarbetet bygga på fyra mänskliga styrkor, så att människor och AI tillsammans kan åstadkomma sådant som ingen av dem klarar på egen hand.

• Expertis. Den som behärskar sitt område ser snabbt när AI gör rätt, och när den gör fel. Mollick menar också att expertens kunskaper påverkar kvaliteten på det AI producerar.
• Mångsidighet. Kunskap från flera områden hjälper dig att förstå vad du ska be AI om. Mollick hämtar sitt exempel från design, men principen gäller lika mycket inom marknadsföring. Den som kan annonsering vet att en AI-genererad annonstext också måste fungera i plattformens format och hålla sig inom teckengränserna.
• Smak. Ju snabbare och billigare det blir att producera, desto mer värd blir förmågan att kunna välja ut det bästa resultatet. Mycket av tiden går därför till att rätta, finjustera och avgöra när något är bra nog.
• Handlingskraft. Mollick pratar om begreppet agency och menar att det handlar om att vara nyfiken och upptäcktsresande. Vågar du testa dig fram med AI kan du hitta nya möjligheter innan konkurrenterna gör det.

Erfarenhet av att använda AI-verktyg har också påverkan på utfallet såklart. Anthropic, företaget bakom Claude, redovisade i mars att användare med minst ett halvårs erfarenhet oftare får det resultat de var ute efter, även när de löser samma typer av uppgifter som nyare användare. Skillnaden var tre till fem procentenheter.

Vad betyder detta för ert marknadsteam?

Ett team som har expertis, mångsidighet, smak och handlingskraft har redan en stark grund att bygga vidare på.

Nästa steg för ett sådant team är därmed att låta specialisterna utforska AI inom det område där de har djup kunskap. En SEO-specialist ser direkt om en AI-genererad sökordsanalys är tillräckligt bra, och en copywriter märker när språket skaver.

Supermetrics rapport visar att 37 procent av marknadsförare saknar en tydlig AI-strategi från ledningen. Handlingskraft kräver utrymme för att testa sig fram, och det utrymmet behöver ledningen skapa. Därför behöver ni:

• Avsätta tid i schemat för att testa AI på riktiga arbetsuppgifter.
• Bestämma hur teamet delar det de lär sig, till exempel i ett återkommande möte eller en gemensam kanal.
• Samla exempel på text, bild och analys som håller er nivå och använda dem som måttstock när ni bedömer det AI levererar.

På BBO samarbetar specialister inom annonsering, SEO, spårning och analys, AI och content. Det innebär att leveranserna sällan bygger på en enda kompetens, utan på en kombination av djup och bredd, precis som i Mollicks resonemang.

Vem formar förändringen?

Mollick avslutar med att förändringen kommer, oavsett hur snabbt tekniken utvecklas. Hur den kommer att se ut är däremot en öppen fråga. De team som tar sig an överhänget redan nu får vara med och forma hur AI och människor arbetar ihop i den egna verksamheten.

Börja gärna med en fråga internt: vilka av era specialister har idag tid att upptäcka hur ni kan utnyttja verktygen ni använder ännu bättre?