Från uppdrag till maskin: Hur vi skapade 230 AI-arbetsflöden och omvandlade en marknadsföringsorganisation på 8 månader

Inga konsulter. Inget ”transformationskontor”. Bara ett veckovis uppdrag, ett egenutvecklat system och en obeveklig strävan efter att maximera produktiviteten per anställd.

Alla företag säger att de ”sysslar med AI”. För de flesta betyder det att någon i teamet har en flik med ChatGPT öppen. Det är AI-turism, inte transformation.

För åtta månader sedan befann sig min marknadsföringsavdelning på ClickUp i den kategorin. Visst, folk använde AI här och där. Sammanfattningar, första utkast, mötesanteckningar. Men det var sporadiskt, ojämnt och hade liten struktur bakom sig. Jag hade ingen insyn i vad folk byggde. Jag hade inget sätt att veta om vi faktiskt blev bättre eller bara bockade av AI-rutan.

Idag har vi 230 katalogiserade AI-arbetsflöden fördelade på 13 team. 169 av dem är i drift. Vi ökade AI-användningen 20 gånger under de första sex veckorna av omställningen. Vårt SEO-team gick från att behöva 75 innehållsproducenter till 8. En person i vårt efterfrågeteam gick från att hålla ett webbinarium i månaden till sex. Och jag kan öppna en enda ClickUp-vy just nu och berätta exakt var varje team och person befinner sig på AI-mognadskurvan, vad de bör bygga härnäst och varför.

Här följer den faktiska strategin. Alla fem faser, de misstag jag gjorde, siffrorna som blev resultatet och de specifika agenterna och arbetsflödena som styr verksamheten idag. Om du leder ett intäkts- eller marknadsföringsteam och är seriös i detta, snälla, kopiera den.

Den enda mätaren som drev allt

Innan jag går in på faserna måste du förstå det mått som ligger bakom varje beslut vi fattade – förhållandet mellan produktion och personalstyrka. Varje arbetsflöde, varje agent, varje omorganisation vi gjorde filtrerades genom en enkel fråga: Låter detta oss göra mer med det team vi har, eller göra samma sak med färre resurser? Vi måste antingen accelerera tillväxten eller skära ner på utgifterna (eller båda)!

Vi jagar inte nyheter. Vi jagar hävstångseffekter. Och den inställningen är viktig, eftersom den håller teamet fokuserat på saker som faktiskt driver verksamheten framåt istället för att bygga häftiga demos som inte leder någonstans.

Vad du kommer att lära dig i denna handbok

Här är en sammanfattning:

Fas 1: Fredagsuppdraget

Det första steget vi tog sommaren 2025 var långt ifrån glamoröst. Inga nya verktyg, inget stort pressmeddelande. Bara en stående order: varje medlem i teamet måste varje vecka, i en särskild ClickUp-chattkanal, skicka in minst ett nytt användningsfall för AI.

Det kan vara vad som helst. Något som sparade 30 sekunder. Något som sparade 30 minuter.

Ribban sattes medvetet lågt eftersom målet inte var att producera banbrytande arbete redan från första dagen. Målet var att få människor att komma in i en rytm där de faktiskt använder AI.

Det var här som utvecklingen med ClickUp gav oss en strukturell fördel. AI:n fanns redan i de verktyg som människor använde varje dag. Inget byte av kontext. Inget inloggande på någon annan plattform. Man kunde prova något och dela resultaten i samma chattkanal där uppdraget fanns. Friktionen var så låg som den kunde bli.

Men uppdraget i sig är bara en grundförutsättning. Här är den del som de flesta chefer hoppar över.

Varje fredagskväll och lördag morgon (jag befinner mig på östkusten, medan större delen av mitt team finns på västkusten) läser jag varje enskilt inlägg. Varenda ett. Jag kommenterade varje inlägg med tankar, förslag och uppmuntran. Jag tackade. Jag ställde uppföljningsfrågor. Jag visade att detta inte var en ren gest.

Om ditt team ens för en sekund känner att du som ledare bara bockar av en punkt på listan, så går hela satsningen i stöpet. De behöver se att du är uppmärksam och att du faktiskt bryr dig om vad de upptäcker.

Det tog mycket tid för dem, och jag behövde få dem att förstå att det inte var meningslöst arbete. Det var något som ledningen verkligen var engagerad i att förstå.

Vi körde detta i ungefär sex veckor. Och sedan klickade det. Vi behövde inte längre något mandat. Folk var fast. Pressen försvann eftersom användningen av AI inte behövde förändra världen. Det behövde bara göra dig 1 % bättre varje dag.

Och halo-effekten var enorm. Folk såg vad deras kollegor gjorde och började kopiera det. Promptar återanvändes. Agenter delades. En persons experiment blev tio personers dagliga arbetsflöde. Det är där den verkliga hävstångseffekten ligger.

Efter sex veckor såg jag en uppmuntrande indikator: en 20-faldig ökning av AI-användningen i hela teamet.

Vad man kan ta till sig från fas 1

Skapa en offentlig kanal. Gör inläggen synliga. Sätt ribban lågt för att ta bort pressen. Kör det under en fast period, 4–6 veckor, tillräckligt länge för att skapa en vana men tillräckligt kort för att det inte ska kännas permanent. Och det viktigaste: ledarna måste engagera sig synligt. Kommentera varje inlägg. Om du inte kan åta dig det, bry dig inte om uppdraget.

Fas 2: Superagenter gjorde alla till utvecklare

Till hösten tänkte teamet i AI-termer. De hade internaliserat grunderna: sammanfattning, utkast, forskning, formatering och lättviktig analys. Men 80 % av det de hade byggt var fortfarande automatisering av uppgifter. Saker av typen A till B. Användbart, och definitivt något som påverkade vårt förhållande mellan produktion och personalstyrka. Men inte helt banbrytande.

Sedan lanserade ClickUp Super Agents internt. Och hela ekvationen förändrades.

I stället för att manuellt sätta ihop kommandon och kedja ihop enkla automatiseringar till något mer komplext kunde en icke-teknisk användare beskriva ett flerstegsarbetsflöde i klartext med hjälp av en agentbyggare, och ClickUp kunde skapa Super Agent för det. Tröskeln för att skapa verklig automatisering sjönk till nära noll. För ett team som redan var inställt på att tänka på detta sätt var det som att hälla bensin på elden.

Vi utmanade teamet att tänka större. Inte från A till B. Utan från A till Z. Vi bad alla att identifiera de komplexa, flerstegsarbetsflödena i sin vardag som tog tid och borde automatiseras. Och eftersom vi visste att vi skulle lansera Super Agents offentligt i slutet av december hade alla ett inbyggt incitament: deras arbete skulle visas upp. De skulle få visa upp sina egna effektivitetsvinster för världen.

I början av januari hade vi ett bibliotek med över 150 videor av vårt team som byggde och använde Super Agents. Medarbetarna var stolta över sitt arbete. De positionerade sig som ämnesexperter. Och hela övningen skapade en positiv spiral där effektivitetsvinster internt blev marknadsföringsinnehåll externt.

En del av det arbete du utförde så sent som förra veckan är inte längre relevant och måste fasas ut till förmån för ett nytt och bättre sätt. Du får inte vara alltför känslosam när det gäller detta.

Det här är något som de flesta team misslyckas med. De bygger något som fungerar och sedan skyddar de det. Men takten i den här branschen innebär att man måste vara beredd att ständigt fasa ut saker. Vi avskaffade några av våra sommarautomatiseringar inom några månader eftersom Super Agent-versionerna helt enkelt var bättre. Det är inte slöseri, det är en naturlig del av processen.

Fas 3: Biblioteket (jag borde ha gjort detta tidigare)

Okej, nu ska vi vara ärliga.

Om jag kunde göra om en sak, skulle det vara det här. Jag skulle ha börjat organisera från dag ett.

Så här gick det istället. Efter nio månader hade vi AI-arbetsflöden överallt. Varje team hade sina egna. Varje individ hade sina favoritagenter. Men ingen, inklusive jag själv, hade en helhetsbild av vad som faktiskt fanns i organisationen. Det var kraftfullt men osynligt.

Så jag skapade en strukturerad inventering. Det var i det ögonblicket som transformationen slutade vara en samling framgångar och började bli ett operativsystem. Inom ClickUp får varje aktiv AI-agent och arbetsflöde en uppgift med anpassade fält som fångar upp allt som är viktigt:

Vilken uppgift har den? Specifikt. Inte ”hjälper till med marknadsföring”. Vilken exakt uppgift eller process hanterar denna agent?

Vilken effekt har det haft? Sparade timmar, sparade pengar, ökad produktivitet. Konkreta siffror, inte bara en känsla.

Vem äger det? Vem byggde det, vem underhåller det och vem ringer du när det går sönder?

Hur ofta körs det? Dagligen? Veckovis? På begäran? Kontinuerligt?

Var finns det? ClickUp Super Agent, Cursor, Retool, Replit, Hex, Claude Code, AirOps. Vi använder många verktyg. Systemkolumnen håller reda på dem alla.

Vilket team? Och, framför allt, vilken mognadsnivå?

📌 ClickUp-fördel: När du har hundratals arbetsflöden i olika team blir det ett problem i sig att hitta rätt. Med ClickUp Enterprise Search kan du söka i uppgifter, dokument, kommentarer och anslutna verktyg utan att behöva förlita dig på intern kunskap eller den som råkade skapa det först.

Idag innehåller listan 230 arbetsflöden. 169 är aktiva. 40 finns på roadmapen. 17 håller på att byggas och granskas. Fördelade på 13 funktionella team. Och eftersom det finns i ClickUp, med riktiga anpassade fält, vyer och filter, kan jag dela upp det precis som jag vill. Efter team, mognad, påverkan, system eller status. Det är kontrollpanelen för hela vår AI-verksamhet.

230 AI-arbetsflöden fördelade på 13 team: Konkreta resultat

Här lägger jag upp bevisen. Det här är verkliga arbetsflöden som körs i produktion idag, med verkliga effektmått hämtade direkt från biblioteket.

Vad som drev detta system i ClickUp

ClickUp Chat för att samla in och dela användningsfall offentligt ClickUp Tasks + Custom Fields för att katalogisera arbetsflöden, ägarskap, påverkan, system och mognad ClickUp Dashboards och Views för att övervaka biblioteket över alla team ClickUp Automations och Super Agents för att automatisera komplexa arbetsflöden i flera steg ClickUp Brain och Brain MAX för att analysera biblioteket, upptäcka luckor och utforma en roadmap

Fas 4: Vi använde AI för att betygsätta vår egen AI

Det är här det blir meta. Och ärligt talat, det var här det hela började kännas som ett riktigt system istället för en samling projekt.

När alla 230 arbetsflöden hade katalogiserats i ClickUp med strukturerade data riktade jag ClickUp Brain mot hela listan och bad den utvärdera organisationen. Vilka team har kommit längst? Vilka befinner sig fortfarande mestadels på nivån ”AI-assisterad”? Var finns de tvärfunktionella luckorna? Vad bör vi bygga härnäst?

Den största insikten var inte överraskande men viktig: de flesta team hade arbetat i silos. Anställda automatiserade sina egna uppgifter. Sedan kopplade de ihop dessa automatiseringar för uppgifter på teamnivå. Men arbetsflödena stannade vid teamgränsen. Driftsteamet var undantaget, eftersom de till sin natur arbetar tvärfunktionellt, så deras medarbetare spände naturligt över flera team.

Men alla andra? Isolerade.

Den insikten i sig var värd hela övningen, eftersom den visade mig exakt var nästa värdevåg finns: i utrymmet mellan teamen. Den tvärfunktionella sammanfogningen. Arbetsflödena som kopplar samman efterfrågan med händelser på fältet, med communityn och med innehållet. De byggs inte upp organiskt. De måste utformas.

För första gången har jag en verklig känsla av vad som finns inom min organisation ur ett AI-mognadsperspektiv. Och vad som kommer härnäst, och varför. Jag kan prioritera, avsätta resurser, bemanna och skapa en färdplan. Det är ett riktigt program nu.

⚠️ AI-mognad är det som skiljer verklig nytta från tomt prat

Några bra arbetsflöden kan se ut som framsteg. Ett riktigt system är något annat.

ClickUp AI Maturity Assessment hjälper dig att förstå var ditt team står idag och vad som behöver förändras innan AI börjar sprida sig i hela organisationen.

👉 Gör testet och se var ditt flywheel befinner sig.

👉 Gör testet

Fas 5: Roadmaps, coachningsplaner och nytt DNA

Mognadsbedömningen gav oss två insikter som förändrade hur vi hanterar teamet framöver.

Först: en riktig AI-roadmap. Baserat på de luckor som Brain identifierade har vi nu 40 arbetsflöden i kö med statusen ”Roadmap” i samma ClickUp-lista. Jag kan se vad som byggs, vem som ansvarar för det och motiveringen bakom det. Tvärfunktionellt samarbete prioriteras. Klyftan mellan efterfrågan och community får en dedikerad ansvarig.

Klyftan mellan PMM och fälthändelser åtgärdas. För första gången har vår AI-omvandling faktisk projektledning bakom sig. Prioritering. Resursfördelning. Ansvarsskyldighet. Du vet, det som förvandlar bra idéer till verkliga resultat.

För det andra: individuella coachningsplaner. Varje person i teamet, inklusive jag själv, får en plan för hur de ska fylla sina kunskapsluckor inom AI. Var är de starka? Var behöver de utvecklas? Vilka specifika arbetsflöden bör de ta itu med härnäst? Och de som har kommit längre blir mentorer för dem som fortfarande är i uppstartsfasen. Det är mänsklig kompetensutveckling som drivs av AI-bedömning.

Vi ändrade också vem vi anställer. Under hela denna resa har vi medvetet förstärkt teamet med personer som är AI-inriktade utvecklare. Inte bara entusiaster. Personer som förstår komplexa agentsystem, som tänker i arbetsflöden istället för uppgifter, som kan bygga något och sedan lära tre andra personer hur man utökar det. De är organisationens nya DNA, och de har varit kraftmultiplikatorer för alla omkring dem.

Det är så vi kommer att fortsätta att öka vår effektivitet och förbättra vårt förhållande mellan produktion och personalstyrka.

🚀 ClickUp-fördelen: När AI väl börjar spridas mellan teamen är det verkliga problemet inte åtkomst. Det är fragmentering. ClickUp Brain MAX hjälper till att lösa det genom att ge användarna ett enda AI-lager på skrivbordet för hela deras arbete, med integrerad sökning, flera modeller och inbyggd tal-till-text-funktion. Mindre verktygsjonglering. Mindre ”var var det nu igen?”.

Den komprimerade handboken

Om du läser detta och tänker ”det här måste vi göra”, här är en version som du kan skriva ut och sätta upp på din skärm.

Börja med ett uppdrag, inte en plattform. Tekniken spelar ingen roll om ditt team inte har för vana att vända sig till AI först. Offentlig kanal. Veckovisa inlägg. Låga krav. 6 veckor. Engagera dig personligen i varenda ett.

Avmystifiera, och låt det sedan spridas. Den största förändringen var inte något enskilt arbetsflöde. Det var ögonblicket då människor insåg att AI inte behöver vara revolutionerande för att vara värdefullt. Dela allt offentligt så att idéer kan återanvändas.

När bättre verktyg dyker upp, höj ribban. Super Agents gjorde komplex automatisering tillgänglig för personer utan teknisk bakgrund. Håll utkik efter dessa vändpunkter i din egen verktygslåda och använd dem för att driva teamet vidare.

Avliva dina favoritprojekt hela tiden. Några av våra sommarautomatiseringar lades ner inom några månader. Bra. Det betyder att vi förbättras snabbare än vi hinner fästa oss vid dem.

Katalogisera allt. Tidigare än du tror att du behöver. Om jag kunde göra om en sak skulle jag påbörja den strukturerade inventeringen redan dag ett. Biblioteket är inte dokumentation. Det är grunden för AI-driven utvärdering, roadmapping och coaching. Utan det flyger du i blindo.

Låt AI analysera sig själv. När dina arbetsflöden finns i ett strukturerat system kan du låta AI läsa igenom dem och ge dig en mognadsbedömning. Den kommer att hitta tvärfunktionella luckor och silomönster snabbare än någon mänsklig analys.

Anställ utvecklare. Du behöver ett antal personer som verkligen sätter AI i första rummet. De bygger inte bara för sin egen skull. De undervisar, de fungerar som mentorer, de höjer ribban för alla omkring sig.

Hantera det som en produkt. Roadmap. Backlog. Sprintprioriteringar. Synlighet. Ledningens uppmärksamhet. Om din AI-omvandling är ett sidoprojekt kommer den att förbli ett sidoprojekt.

🎥 Om du vill få en bredare bild av hur AI-omvandling ser ut när den kopplas till verkligt arbete är den här videon ett användbart komplement till handboken ovan.

Vad var det egentligen som fick detta att fungera?

Om man bryter ner hela omvandlingen till vad som faktiskt fick den att fungera, handlar det i grunden om några enkla mönster:

Vart detta leder

För nio månader sedan var AI något som vårt team använde när de kom ihåg det. Idag har vi 230 katalogiserade arbetsflöden, ett mognadsramverk i tre nivåer, en prioriterad färdplan, individuella coachningsplaner för varje teammedlem och ett system som växer varje vecka.

Vi gick från spridda experiment till en strukturerad design. Från isolerade agenter till tvärfunktionella system. Från manuell rapportering till automatiserad pipelineanalys. Och vi gjorde det med de verktyg vi redan hade, de medarbetare vi redan anställde och ett åtagande att behandla AI-mognad som ett verkligt program, inte en ambition.

Förhållandet mellan produktion och personalstyrka är det nya måttet på ett teams konkurrenskraft. De team som bygger verkliga system bakom detta, istället för att nöja sig med entusiasm, är de som kommer att vinna.

Vi är i ett tidigt skede. Och jag känner mig optimistisk inför framtiden.

Om ditt team vill göra samma sak ger ClickUp dig systemet för att bygga, spåra och skala upp det.

Vanliga frågor

Hur lång tid tog det för ClickUps marknadsföringsteam att bygga sitt AI-operativsystem?

ClickUps marknadsföringsavdelning byggde upp sitt strukturerade AI-operativsystem under ungefär nio månader, med utgångspunkt i ett enkelt veckovis användningsfall som sedan utvecklades till ett spårbart bibliotek med 230 arbetsflöden fördelade på 13 team.

Vilken är den viktigaste mätaren i en AI-omvandling?

För detta team var förhållandet mellan produktion och personalstyrka den viktigaste mätaren. Varje arbetsflöde och agent utvärderades utifrån om det ökade produktionen med samma team eller bibehöll produktionen med färre resurser.

Varför katalogiserade ClickUp alla AI-arbetsflöden i ett enda system?

En strukturerad inventering gjorde det möjligt att spåra påverkan, ansvar, mognad och luckor i hela organisationen. Utan den insynen förblev AI-implementeringen kraftfull men osynlig.

Vad var det som gjorde att AI-implementeringen verkligen slog igenom i hela teamet?

De viktigaste faktorerna var synligt engagemang från ledningen, en smidig veckovis rutin, offentlig delning av användningsfall samt verktyg som gjorde det möjligt för icke-tekniska användare att skapa användbara arbetsflöden i det system de redan använde.

Hur använde ClickUp AI för att förbättra sin egen AI-omvandling?

När arbetsflödena hade katalogiserats i ClickUp använde teamet ClickUp Brain för att utvärdera AI-mognaden i de olika teamen, identifiera luckor, prioritera möjligheter i utvecklingsplanen och utforma coachningsplaner för enskilda medarbetare.