Insight · Position
Analytiker och AI.
AI är ett verktyg, inte ett hot. Analytikerns roll förflyttas, från att leverera siffror till att tolka dem strategiskt. Det är skillnaden mellan att ha en miniräknare i fickan och att veta vad som ska räknas ut.
Vi använder AI där det sparar tid, inte för att det står AI på det.
Det här är inte en fight
När ledningen börjar strama åt budgetarna med hänvisningar till automatiserad rapportering, AI-annonsering och autogenererad analys, är reflexen att slå tillbaka. Den reflexen är fel. Analytikern är inte i fight med automatiseringen, hen är i färd med att flytta fokus.
AI är snabb och skalbar, men inte magisk. Den hallucinerar, övertolkar små stickprov och är ofta lite för pigg på att analysera det den inte borde. Den behöver vägledning. Det är där analytikern går in, inte som motståndare utan som den som styr riktningen.
Allt kan mätas, men allt bör inte mätas. Allt kan automatiseras, men allt bör inte automatiseras. Den distinktionen är värdefullare nu än någonsin tidigare, och AI gör den inte själv.
Vad analytikern äger
Fyra saker som AI inte kan ersätta, även när den blir betydligt bättre än idag.
- 01
Affärsmål till KPI
Vad driver affären? Vad räknas som en konverterande session? Vilken metric speglar bäst kampanjens syfte? Det är strategiska val som ställs innan datan börjar flöda. AI kan föreslå alternativ, men valet är ett mänskligt ansvar.
- 02
Kontext bakom anomalier
När mobil-trafiken plötsligt rusar kan det bero på en kampanj, en teknisk ändring, en världshändelse eller en bugg. AI märker avvikelsen och larmar. Analytikern förstår sammanhanget och avgör om det ska åtgärdas, ignoreras eller eskaleras.
- 03
Datakvalitet och struktur
Sessioner versus event, attribut versus parametrar, datatyper, hierarkier. Strukturen på datan är fullständigt nödvändig att förstå för att veta vad AI faktiskt kan hjälpa till med, och var den kommer producera övertygande nonsens. Den som inte äger strukturen kan inte styra automatiseringen.
- 04
När datan eller insikten är fel
AI är ofta för glad i sitt eget verktyg. Den kan låta övertygande och vara helt ute och cykla, baserat på för liten sample size, en felaktig tolkning eller data som helt enkelt är felaktig. Analytikern är den som kan se det, ifrågasätta det, och förhindra att en hallucination slår igenom till en beslutsförsamling.
Var vi själva använder AI
Konkret, inte hypotetiskt. Tre områden där vi systematiskt sparar tid utan att tappa kontroll.
Mätplaner och taxonomi. Att ta fram förslag på event-namn, parametrar och custom dimensions från en affärsbeskrivning kan AI göra på minuter, vad som tidigare tog en eftermiddag. Vi granskar alltid manuellt, men acceleration av förarbetet är reell.
Regressionstester och anomalidetektering. AI är bra på att hålla koll på baseline och flagga avvikelser. Vi använder detta för att övervaka spårning över deploys, så att fel fångas inom timmar i stället för veckor.
Översättning av analys till copy. Att skriva säljande är inte de flesta analytikers styrka. AI är hyfsad på att översätta en insikt till en rad som fungerar för marknad eller ledning, vi redigerar det utifrån eget omdöme. Det är ingen ersättning för mänsklig storytelling, men det är ett snabbare första utkast.
I alla tre fall är AI:s output råmaterial, inte slutleverans. Det är skillnaden.
Den långa positionen
Det som blir mer värdefullt de närmaste åren är inte fler rapporter eller fler dashboards. Det är datatilltro, översättning av affärsmål till mätstrategi, komplexa kontextuella implementationer, och förmåga att avgöra när en automatiserad insikt är att lita på.
Det är där vi pekar vår identitet och våra investeringar. AI är en del av hur vi jobbar, inte vad vi är. Människan tar alltid besluten.
Mer om hur vi ser på mätningens framtid finns på Mätningsdrift och datatilltro
Funderar ni på var ni ska luta er framåt med AI?
Vi pratar gärna konkret om var det är värt att automatisera, och var ni inte ska. Mejl till hej@addinginsight.se eller boka tid direkt.
Boka 30 minuter
KL