Forskellen på en agent og en chat
En chat svarer på det, du spørger om. En agent henter selv data, vurderer dem og udfører en opgave. Den kan hente gårsdagens tal fra annoncekontoen og sige til, hvis en kampagne har brugt halvdelen af månedens budget på en uge.
En agent er også noget andet end platformenes egen automatik. Smart Bidding i Google Ads og Advantage+ i Meta optimerer inden for én platform og mod det mål, I giver dem. De ved intet om jeres margin, jeres lager eller jeres brand. En agent kan arbejde på tværs af kanalerne, fra Facebook-annoncering til Google Shopping, og efter jeres egne regler.
Det kan en AI-agent til annoncering i dag
I Amplify har jeg stået i spidsen for at bygge vores egen agent siden marts 2026. Jeg har skrevet om, hvordan vi byggede den, på min egen blog. Her er de opgaver, den løser for os i dag:
- Morgengennemgang. Den gennemgår annoncekontiene hver morgen og peger på det, der skal kigges på. Det gælder også de dyre kanaler som LinkedIn-annoncering.
- Svar på tal. Teamet spørger den i Slack, når de skal bruge et tal, en vurdering eller historikken på en kunde.
- Forslag til ændringer. Den læser søgetermerne i Google Ads og foreslår negative søgeord. Den holder forbruget op mod månedsbudgettet og siger til, når en kanal bruger for meget eller for lidt.
- Nye annoncer. Den bygger annoncerne og lader dem stå på pause, indtil hvert kreativ er tjekket, også inde i videoerne.
- Rapporter. Den forbereder månedsrapporten, så specialisten læser den igennem i stedet for at bygge den fra bunden.
- Måling. Den hjælper med at sætte sporingen op, så I kan se, hvad annoncerne giver.
Fælles for opgaverne er, at de gentager sig. De kræver præcision, og de skal laves hver gang. Her er en agent god, fordi den aldrig springer en konto over og aldrig bliver træt af at tjekke det samme.
Det kan den ikke
En sprogmodel er god til det, der findes i forvejen. Jeres forretning findes ikke i forvejen. Jeres kunder, jeres marginer og jeres holdning til brand står ikke i nogen træningsdata.
Derfor er der ting, en agent ikke kan klare alene:
- Kende det, der ikke står i data. Den ved ikke, at et produkt er udsolgt i morgen, eller at I har aftalt en kampagne med en forhandler, før nogen fortæller den det.
- Vælge retning. Den kan fortælle jer, hvilken kampagne der sælger mest. Om I skal satse på et nyt marked, er en beslutning for jer.
- Mærke brandet. Den kan tjekke en tekst mod jeres retningslinjer. Om en annonce føles rigtig for jeres kunder, kræver et menneske, der kender dem.
- Stå på mål. Når budgettet bliver brugt, har en person ansvaret over for jer.
En agent kan heller ikke regne rigtigt på tal, der er forkerte. Tæller sporingen skævt, drager den forkerte konklusioner med stor selvsikkerhed. I Amplify er reglen enkel: ingen konklusioner uden rigtige data.
Min erfaring er, at grænsen sjældent er modellen. Hver gang vi har ramt en mur, har det handlet om for lidt kontekst, for få eksempler, eller at vi brugte modellen forkert.
Her skal et menneske godkende
Det vigtigste, vi har bygget ind i vores agent, er et stop. Den må gerne læse, samle, analysere og pege på problemer selv. Alt, der ændrer noget i en konto, skal et menneske godkende først.
I praksis kræver det godkendelse, før:
- en ny annonce, en tekst eller et kreativ går live
- et budget skifter
- en budstrategi eller et kampagnemål skifter
- en kampagne, der sælger, går på pause
- noget i sporingen eller samtykket ændrer sig
Gennemgangene har betalt sig. Seks nye annoncer stod stille et helt døgn uden en eneste visning, selvom alt stod grønt hos Meta. Gennemgangen fandt årsagen, annoncerne blev bygget om, og de kørte næste morgen. Et andet sted fik Meta over fire købsbeskeder for hver rigtig ordre, fordi to systemer sendte det samme køb. Det blev slået fra, så platformen igen lærer af rigtige tal. I begge tilfælde var det et menneske, der godkendte rettelsen.
Sådan gør I agenten god
En agent kender kun det, I har fortalt den. Det meste af vores arbejde med agenten går ud på at skrive ned, hvordan vi tænker. Når teamet retter den, bliver rettelsen til en regel, som den bruger næste gang.
Vil I bruge en agent i jeres egen annoncering, skal den have det her fra start:
- Målet for hver kanal, og hvad en kunde eller et lead er værd for jer
- Jeres retningslinjer for brandet, også de ord og billeder, I aldrig bruger
- Sæsoner, kampagner og lagerstatus, der påvirker tallene
- Historikken: hvad I har prøvet, og hvad der virkede
- Grænserne: hvad den må foreslå, og hvad den aldrig må røre
Når folk får dårligere svar fra AI end dem, vi får, skyldes forskellen næsten altid konteksten. Modellen er den samme.
Typiske faldgruber
- Platformens mål bliver jeres mål. Lader I Google eller Meta optimere mod klik eller billige leads, får I præcis det. Sæt målet efter det, der tjener penge.
- Autopilot uden stop. En agent, der selv må flytte budgetter, kan bruge for meget på kort tid, hvis data driller.
- Forkert måling. Tæller konverteringerne dobbelt, jagter agenten salg, der aldrig skete. Tjek sporingen, før I stoler på et eneste forslag.
- For lidt at arbejde med. En agent uden jeres regler giver generiske råd. De ligner dem, alle andre får.
Spørg jeres bureau om det her
Bruger jeres bureau AI i jeres konti, eller overvejer I et, der gør, så stil de her spørgsmål:
- Hvem godkender, før noget går live, og kan I se, hvem det var?
- Hvad må agenten gøre uden godkendelse?
- Hvilke data bygger den sine vurderinger på, og hvad gør den, når data mangler?
- Hvordan lærer den jeres brand, og hvad sker der, når den tager fejl?
- Kan I se en log over, hvad den har foreslået, og hvad der faktisk skete?
- Hvem står på mål, hvis det går galt?
Et godt bureau svarer konkret på dem alle. Er svaret bare "AI'en klarer det", så spørg igen.
Ofte stillede spørgsmål om AI-agenter til annoncering
Hvad er forskellen på en AI-agent og en chatbot?
En chat svarer på det, man spørger om. En agent henter selv data, vurderer dem og udfører en opgave. Den kan hente gårsdagens tal fra annoncekontoen og sige til, når en kampagne har brugt halvdelen af månedens budget på en uge.
Må en AI-agent ændre noget i annoncekontoen selv?
Ikke uden at et menneske har sagt ja. Hos os må agenten læse, samle, analysere og pege på problemer selv. Alt, der ændrer noget i en konto, skal godkendes først.
Hvad er forskellen på en agent og platformenes egen automatik?
Smart Bidding og Advantage+ optimerer inden for én platform og mod det mål, I giver dem. De ved intet om jeres margin, jeres lager eller jeres brand. En agent arbejder på tværs af kanalerne og efter jeres egne regler.
Hvorfor giver AI bedre svar for nogle end for andre?
Næsten altid på grund af konteksten og ikke modellen. En agent kender kun det, I har fortalt den: målet for hver kanal, jeres retningslinjer, sæsoner, historik og grænser. Uden det giver den generiske råd.
Jeres næste skridt
Start med én opgave, der gentager sig, fx morgentjekket af jeres konti eller månedsrapporten. Skriv ned, hvad et menneske kigger efter i dag, og hvornår det griber ind. Den liste er agentens første regelsæt.
Lad agenten kun foreslå den første måned. Når forslagene holder, kan den udføre det, et menneske har godkendt.
Vil I se, hvordan det kan se ud i jeres egne konti, så tag fat i os. Vi kigger på jeres annoncering sammen med jer og peger på de første opgaver, en agent kan tage.