Wat betekent een AI-native marketingorganisatie voor de bureaus die haar bedienen? Kort gezegd: de klant houdt een heel klein team, draait zijn marketing op eigen data- en AI-lagen en betaalt bureaus niet meer voor uren uitvoering. Wat hij in plaats daarvan koopt, is het systeem, de data-infrastructuur, de juistheidscontroles en het oordeel dat een model niet kan leveren.
Dat is deze maand geen theorie meer. Marketing Dive deed verslag van een panel op Advertising Week New York, waar Benoit Vatere, chief media and digital commerce officer van Liquid Death, vertelde dat hij media- en retailmedia-optimalisatie laat draaien op een AI-besturingssysteem dat is gebouwd met zijn bureau, Power Digital Marketing. Het merk heeft dat systeem, Omega genaamd, in ongeveer drie weken 17 versies zien doorlopen. Het doel is om ‘een behoorlijk flink budget’ te beheren met ‘slechts twee mensen intern’.
Twee mensen. Als je een bureau leidt, verdient dat getal een plek op de agenda van je volgende heidag.
Wat is een AI-native marketingorganisatie?
Jeff Mason, CEO van Power Digital, gaf het panel een handige ladder mee. De meeste merken, zei hij, zijn AI-curious: ze gebruiken frontier-modellen zoals ChatGPT en Claude met een deel van hun eigen data. De volgende sport is AI-assisted: een maatwerk-intelligentielaag die elke medewerker kan gebruiken en die beter wordt naarmate ze leert hoe de teams werken. De bovenste sport is AI-native: daarbovenop een orkestratielaag, zodat het werk zelf binnen op maat gebouwde applicaties draait.
Mason is van mening, zoals Marketing Dive het weergaf, dat frontier-modellen alleen niemand nog een voorsprong geven. De moat is de intelligentie en orkestratie die je bovenop je eigen data bouwt, en die wordt in de loop van de tijd steeds dieper.
Liquid Death is een enigszins onverwacht boegbeeld. De eigen advertentiecreatie van het merk bekritiseert AI-datacenters. Toch zegt Vatere dat AI het drankenmerk van een miljard dollar ‘lean and mean’ houdt en ervoor zorgt dat het niet veel geld uitgeeft aan non-working media.
Wat koopt Liquid Death eigenlijk bij zijn bureau?
Kijk goed en je ziet dat het bureau niet is verdwenen. Het is verschoven. In augustus kondigde Power Digital zijn eigen AI-ecosysteem aan: Iris, een intelligentielaag; Omega, het besturingssysteem; en Creative Affinity, een creatieve intelligentielaag. Omega combineert de engineering van het bureau met de data en processen van de klant.
De zichtbare verandering is het ritme. Retailmedia-campagnes die vroeger wekelijks of twee keer per week werden beoordeeld, worden nu dagelijks geoptimaliseerd. In plaats van Slack te gebruiken, queries te schrijven of zijn team om posts te vragen, kan Vatere naar eigen zeggen zelf zien wat er gebeurt en dat intern delen. Zijn advies aan andere marketeers: leef niet meer in spreadsheets en automatiseer elke taak die langer dan vijf minuten duurt.
De klant koopt dus geen mediaplan en maandelijkse presentatie. Hij koopt een machine die de maandelijkse presentatie overbodig maakt, plus de mensen die haar hebben gebouwd en blijven bijstellen.
Zo lezen wij de drie fasen van Mason vanaf de bureaukant van de tafel.
| Fase van de klant | Hoe het eruitziet | Wat het niet meer koopt bij bureaus | Wat het meer koopt |
|---|---|---|---|
| AI-curious | Teams gebruiken ChatGPT of Claude met een deel van hun eigen data | Nog weinig. Verwacht druk op de tarieven voor deskresearch en eerste versies | Hulp bij het kiezen van use cases, spelregels en training |
| AI-assisted | Een maatwerk-intelligentielaag die elke medewerker kan bevragen | Maandelijkse rapportage, routineanalyse, statusupdates | Datacentralisatie, fijnafstemming en interpretatie van wat de laag boven water haalt |
| AI-native | Een orkestratielaag; het werk draait binnen op maat gebouwde applicaties | Handmatige optimalisatie, het maken van varianten, de meeste uitvoeringsuren | Systeemontwerp en -onderhoud, outputcontrole, ideeën, cultureel oordeel |
Waarom voelt het alsof de technologie alles bepaalt?
In de sociologie bestaat een oud idee dat technologisch determinisme heet: de overtuiging dat technologie bepaalt hoe organisaties en samenlevingen veranderen en dat mensen zich simpelweg aanpassen. Het is de stemming in de meeste AI-gesprekken bij bureaus op dit moment. De tools komen, de klant reorganiseert, het bureau reageert.
Het verhaal van Liquid Death is een degelijk weerwoord. De technologie koos niet voor twee mensen. Dat deed een marketingleider. Een bureau koos ervoor om de bouwer van het systeem te worden in plaats van een leverancier eraan. Dezelfde technologie, andere beslissingen, een heel andere bureau-economie.
Het principe waar we steeds op terugkomen is dit: door data met menselijkheid te verbinden, ontstaat helderheid uit chaos. Een dagelijks geoptimaliseerde retailmedia-machine levert meer signaal op dan twee mensen kunnen lezen. Iemand moet nog altijd bepalen wat het betekent, welke signalen ertoe doen en wanneer de cijfers een echte verschuiving bij mensen beschrijven in plaats van een eigenaardigheid in de feed. Dat iemand kun jij zijn.
Welke bureaudiensten verliezen waarde en welke winnen?
Begin bij de klusjes. De meest kwetsbare taken zijn de taken waarvoor niemand de reclamewereld in ging: maandrapporten, statusoverleggen, budgetbewaking, handmatig aanpassen van formaten, met de hand samengestelde concurrentieanalyses. Bij een AI-native klant gebeuren die binnen het systeem, continu, en niemand betaalt daar nog een retainer voor.
Wat in waarde stijgt, is minder voor de hand liggend maar beter te verdedigen:
- Datacentralisatie. Het eerste advies van het panel was om data te centraliseren. De data van de meeste klanten staat nog verspreid over een twaalftal plekken die van verschillende teams zijn.
- Outputcontrole. Het panel zei ook dat de output van AI-agents op juistheid moet worden gecontroleerd. Een bureau dat de conclusies van een systeem kan toetsen, wordt de second opinion van de klant.
- Systeemontwerp. Bepalen wat er wordt geautomatiseerd, in welke volgorde en onder welke regels is strategiewerk, en dat is factureerbaar.
- Creatief en cultureel oordeel. Een model optimaliseert richting wat al gewerkt heeft. Het weet niet wat er hierna zou moeten bestaan.
Hoe bereidt een onafhankelijk bureau zich voor?
- Doorloop je retainers per taak. Som elk terugkerend deliverable op en markeer welke een tweekoppig klantteam met een degelijke AI-laag binnen een jaar zelf zou kunnen doen.
- Pas de vijfminutenregel eerst op jezelf toe. Automatiseer interne taken die langer dan vijf minuten duren voordat een klant opmerkt dat jij dat niet hebt gedaan.
- Bied aan om de data van de klant te centraliseren. Het is weinig glamoureus, al het andere hangt ervan af en wie het doet, wordt moeilijk te vervangen.
- Bouw een controlegewoonte op. Maak ‘hoe weten we dat dit klopt?’ een vast agendapunt en herleid AI-conclusies naar de brondata voordat ze bij een klant terechtkomen.
- Prijs opnieuw rond resultaten en systemen. Als het ritme van de klant dagelijks wordt, is een maandelijkse retainer in uren voor geen van beide partijen zinvol.
- Besluit: bouwen, kopen of samenwerken. Power Digital bouwde zijn eigen stack. De meeste onafhankelijke bureaus kunnen geen engineeringteam financieren, en dan komt het inkopen van de capaciteit in beeld.
Moeten onafhankelijke bureaus een eigen AI-besturingssysteem bouwen?
Nee, maar ze hebben wel nodig wat zo'n systeem biedt. Masons redenering is dat frontier-modellen nu het minimum zijn om mee te doen en dat het voordeel in de lagen erboven zit. Voor een holdingnetwerk of een kapitaalkrachtig digitaal bureau is het bouwen van die lagen een kapitaalproject. Voor een onafhankelijk bureau van 40 mensen is het een afleiding van het werk waarvoor klanten je daadwerkelijk inhuren.
Die kloof is de reden dat het Defy-platform bestaat. Het geeft onafhankelijke bureaus dezelfde analytische en AI-capaciteit die de holdingnetwerken hebben opgebouwd, zonder de ontwikkelkosten of de onderhoudslast: live concurrentie- en doelgroepinzichten, die je in Claude bevraagt als een collega, met agents die het repetitieve leverwerk overnemen.
Wat je ook kiest, kies voordat je klant dat doet. Een AI-native klant wacht niet tot zijn bureau de achterstand heeft ingelopen. Hij huurt het bureau in dat al zover is.
