Kumar et al. (2019, s. 139) har skapat ett ramverk för att ge en djupare förståelse kring hur AI påverkar digital marknadsföring positivt eller negativt och lyfter att påverkan av en AI-driven miljö kommer resultera i ett skifte av fokus. Det blir således viktigt att identifiera vilken påverkan informationshanteringen får av ny teknologi som AI. Genom att nyttja ramverket som Kumar et al. (ibid.) tagit fram, i kombination med det empiriska resultatet kan således detta urskiljas utifrån digitala marknadsföringsbyråer. Se figur 5 för sammanställd modell av AI-verktygs påverkan på digital marknadsföringsbyråer.
I en AI-driven miljö när den digitala marknadsföringen utgår från personalisering, kan beslutsprocessen förenklas eller försvåras (Kumar 2019, s. 140). Detta betyder att digitala marknadsföringsbyråer måste förstå hur besultsfattande kommer att ske för att förenkla processen. Respondent 4 lyfter att en förändring i beslutsfattande sker redan idag, där influencer marketing och affiliate marketing blir allt större. Detta betyder att konsumenten landar direkt på plattformen där köpet kan utföras, istället för att nyttja mellanlandningsplattformar som Google. Likt detta lyfter respondent 3 att konsumenter kommer behöva utföra färre klick för att få möjligheten att köpa en produkt. Dock poängterar Kumar et al. (ibid.) att beslutsprocessen också kan försvåras eller ge en negativ påverkan i en AI-driven miljö. Respondent 1 lyfter att den negativa påverkan kan ske utifrån ett etiskt dilemma, där om maskininlärnings-lösningen är tillräckligt bra, kan den således få
konsumenten att köpa en produkt som hen egentligen inte behöver. Köpet kan då grundas utifrån ett förändrat beteende hos konsumenten, eftersom hen har utsatts för personaliserad marknadsföring (respondent 1). Respondent 3 lyfter dock att det är för tidigt för att kunna identifiera hur maskininlärning skulle kunna påverka beslutsprocessen hos konsumenten. Det är dock viktigt att utvecklingen sker utifrån etiska former, så att personaliseringen inte missgynnar konsumenten genom förändrat köpbeteende.
Kumar et al. (2019, s. 141) poängterar att det ibland kan vara mer värdeskapande i sin helhet för organisationer att nyttja tidigare kunskap, framför att nyttja ett nytt teknologiskt verktyg.
Respondent 2 och respondent 3 lyfter både just detta, och menar att visserligen så finns det ett intresse för AI och maskininlärnings-lösningar för deras verksamheter, men att organisationer först måste börja vid digital närvaro, digitala tjänster, kanaler och veta vad man ska göra av datan först. Likaså poängterar respondent 2 att med den digitala utvecklingen av teknologi så kan det upplevas som en utmaning att avgöra om man ska försöka lära sig allt eller fokusera på något speciellt för att skapa nytta, där det kan gynna organisationen att nyttja tidigare kunskap istället. Respondent 3 menar även på att tidigare och mänsklig kunskap kan vara mer värt än ny teknologi, och menar därtill att nyckeln för människan, till att inte bli ersättningsbar av AI-lösningar grundar sig i att besitta en bred kompetens och kunskap.
Respondent 1 lyfter även att organisationer inte bör skynda sig igenom utveckling, men menar samtidigt på att de flesta organisationer skulle gynnas av AI/maskininlärnings-lösningar inom digital marknadsföring, där en maskininlärningslösning skulle kunna förbereda arbetet, såsom att skapa en hemsida, innehåll eller dataanalys. Likaså arbetar respondent 1 väldigt aktivt med eftersökning av teknologiska trender, vilket kan motsäga de Kumar et al. (ibid.) nämner kring att tidigare kunskap kan vara mer värdeskapande än nya teknologiska verktyg. Även respondent 4 och respondent 5 söker aktivt efter teknologiska trender, och menar på att det är viktigt att ligga i framkant kring vad som händer i utvecklingen. Respondent 4 menar bland annat på att om det kommer ett nytt AI-verktyg som är väldigt avancerat och kan ge organisationen fördelar, så kommer de såklart anamma det oavsett deras tidigare kunskap. Respondent 5 och respondent 6 lyfter även att det är viktigt för organisationer att pröva på nya lösningar, för att se vad som kommer fungera på ett givande sätt, vilket även kan motsäga de Kumar et al. (ibid.) nämner kring att tidigare kunskap kan vara mer värdeskapande än nya teknologiska verktyg. Det blir således tydligt att det råder delade meningar mellan respondenterna och synen på tidigare kunskap och nya teknologiska verktyg. Vad som ytterligare blir tydligt är att respondenterna från olika stora verksamheter har olika åsikter, där de mindre (sett till antalet anställda) organisationerna (respondent 2, 3) värnar om den tidigare kunskapen, medan större (sett till antalet anställda) organisationer (respondent 1, 4, 5, 6) trycker på att placera sig i teknologisk framkant och testa på nya teknologiska verktyg. Storleken av verksamheter spelar således roll i vad för prioriteringar en får mellan tidigare kunskap och ny teknologi.
AI har flertalet fördelar och Kumar et al (2019, s. 141) har listat dessa fördelar samt urskilt parametrar som avgör om en organisation är redo för AI eller inte. Samtliga respondenter (respondent 1, 2, 3, 4, 5, 6) lyfte fördelar med AI, som kan kopplas till de fördelar Kumar et al. (2019, s. 141) identifierat. Fem av sex respondenter (respondent 1, 3, 4, 5, 6) lyfter att de såg effektiviseringsmöjligheter hos vissa arbetsprocesser, som kunde leda till kostnadseffektivitet, reducerade kostnader och att anställda kan tillägna mer tid till kreativa arbetsuppgifter. Dock poängterade respondent 3 att dessa effektiviseringsmöjligheter kan hämmas då allting i en verksamhet kostar, oavsett om det är exempelvis tid eller förändra något i verksamheten. Två av sex respondenter (respondent 1, 2) lyfte vidare hur effektiviseringsmöjligheter i form av bearbetning av information och data kan effektiviseras,
där AI möjligen kan underlätta och förbereda arbetet för mänskliga individer. Kumar et al.
(2019, s. 141) menar vidare på att det är essentiellt för organisationen, både utifrån ett strategisk perspektiv, men också ett långsiktigt perspektiv att avgöra om organisationen är redo för AI eller inte, och lyfter bland annat att AI bör nyttjas genomgående och omfattar alla delar av organisationen. Samtliga respondenter (respondent 1, 2, 3, 4, 5, 6) uppgav att AI inte kan omfatta eller ersätta alla delar av organisationen. Samtliga respondenter (respondent 1, 2, 3, 4, 5, 6), som nämnt i The Work System Theory (Alter 2013), menar istället på att den mänskliga interaktionen är alldeles för viktig för att bland annat kunnat ersättas av AI eller maskininlärning. Då Kumar et al (2019, s. 141) lyfter att det är essentiellt för organisationen ur både ett strategisk perspektiv, men också ett långsiktigt perspektiv, kan en möjligen tänka sig att marknadsföringsbyråer inte är helt redo för AI än. Vidare kan man baserat på respondenternas åsikter föreställa sig att digitala marknadsföringsbyråer inte kommer gynnas på lång sikt av AI, då AI bör nyttjas genomgående och omfatta alla delar av organisationen för att nå det långsiktiga perspektivet som Kumar et al (ibid.) talar om.
Kumar et al. (2019, s. 141) lyfter att konsumenter genomgått tre distinkta vågor av informationsbearbetning, där den tredje vågen är synonym med en AI-driven digital marknadsföringsmiljö. En AI-driven miljö bidrar till att personalisering sker utifrån konsumentens data (ibid.). Respondent 5 lyfter att deras organisation aktivt arbetar med maskininlärning samt AI-algoritmer, vilket påverkar hur marknadsföringen sker utifrån olika konsumenter och målgrupper. Vidare lyfter respondent 5 att de utgår från fem aspekter som bidrar till bättre personalisering, vilket är rätt person, rätt sak, rätt tid, rätt plats och rätt kostnad. Likt hur respondent 5 lyfter att delar av deras marknadsföring utgår från verktyg som förenklar personalisering, lyfter Kumar et al. (ibid.) att organisationer bör ha ett snävt perspektiv på hur personalisering bör utformas, enligt den tredje vågen. Respondent 1 och respondent 2 lyfter att den AI-drivna miljön blir bättre och utvecklas, eftersom algoritmerna förbättras ständigt. Därtill lyfter respondent 1 och respondent 2 att det tillkommer mer personaliserad marknadsföring ständigt, vilket kan ha en positiv effekt för konsumenter. Den tredje vågen medför dock vissa negativa aspekter och utmaningar. Respondent 5 lyfter att en av utmaningarna är gällande integritet och etik, eftersom maskininlärning inom digital marknadsföring analyserar och profilerar individer utifrån personlig data. Likt respondent 5 lyfter respondent 2 att individer kan vara rädda eller uppleva ett obehag när det finns aktiv personalisering av individens användardata. Detta medför att organisationer måste aktivt arbeta mot de negativa aspekterna som finns med AI i personaliseringssyfte, för att det skall kunna bli accepterat hos konsumenten. Likaså poängterar respondent 3 att acceptansen för AI och maskininlärnings-lösningar beror helt och hållet på deras kunders acceptans, och menar på att AI och maskininlärnings-lösningar inte kan användas om deras kunder inte accepterar teknologin. Om en misslyckas med detta kan personaliseringen i kombination med AI vara så pass negativ att det väger över, och AI bör då inte nyttjas av organisationen.
Kumar et al. (2019, ss. 145-146) lyfter vidare tre kritiska konsument-punkter som AI kommer påverka: konsumentförvärv, konsumentlojalitet samt konsumenttillväxt. Kumar et al. (ibid.) lyfter bland annat att organisationer kan uppleva svårigheter i att generera nya konsumenter, då stora organisationer har mycket kontroll över konsumentinformation. Detta är dock inget som upplevs som en svårighet hos respondenterna, då fem av sex respondenter (respondent 1, 2, 3, 4, 6) arbetar tillsammans med exempelvis Google, Facebook och Instagram. Däremot lyfter alla respondenter (respondent 1, 2, 3, 4, 5, 6) att konsumentförvärv och konsumentlojalitet fortfarande är viktigt, i det mån att värna om relationen till konsumenten, mänskliga interaktionen och representera företaget på rätt sätt istället för exempelvis chatbottar. Som nämnt i Work System Theory (Alter 2013) ovan, uppgav samtliga
respondenter (respondent 1, 2, 3, 4, 5, 6) att den mänskliga interaktionen och den fysiska relationen med kund krävs, och fem av sex respondenter (respondent 1, 2, 4, 5, 6) menar på att det finns arbetsprocesser som kan effektiviseras med hjälp av AI, utom den mänskliga interaktionen. Den resterande respondenten (respondent 3) menar istället på att inga delar av organisationen i dagsläget, kan ersättas med hjälp av maskininlärning och definitivt inte den fysiska kontakten med kund. Likt Kumar et al. (2019, ss. 145-146), lyfter tre av sex respondenter (respondent 1, 2, 3) att organisationer måste nyttja AI-verktyg i analyserande syfte för att stärka deras konsumenttillväxt och för att kringgå att ersätta den mänskliga interaktionen. Därtill lyfter fyra av sex respondenter (respondent 1, 2, 3, 6) att en av styrkorna med just digital marknadsföring är dess mätbarhet, vilket gör det möjligt att mäta effekten och kostnaden av marknadsföringen, och således bör AI-verktyg användas inom det området.
Mätbarheten kan efterliknas vid det Kumar et al. (2019, s. 145) lyfter kring att mätbarhet kan ge förståelse för konsumentbeetende.
Sammanfattningsvis blir det tydligt att AI påverkar och kommer fortsätta påverka digitala marknadsföringsbyråer på flertalet sätt. I figur 5 presenteras en sammanställning av de sätt som AI påverkar digitala marknadsföringsbyråer.
Figur 5 - Sammanställd modell av AI-verktygs påverkan på digital marknadsföringsbyråer (Anpassning av modell från Kumar et al. (2019))