Rollenbibliothek · aec-roles-v1 · marketing
AI Exposure Check
Content-Stratege/in
Illustrative Aufgaben-Exposition aus dem Offline-Stichprobenmodell — nicht eine Marktumfrage.
KI-Exposure 66% mittlere KI-Exposure · CHF 92562 illustrativer Zeitwert · 5 Aufgaben
Aufgaben
Exposure und Begründung
| Aufgabe | Exposure % | Begründung |
|---|---|---|
| Kampagnentexte in Varianten entwerfen | 83% | Hohe generative KI-Exposure: „Kampagnentexte in Varianten entwerfen“ ist weitgehend Mustererkennung, Entwurf oder strukturierte Datenarbeit, die Modelle mit menschlicher Prüfung unterstützen können. |
| Webinar-Transkripte wiederverwenden | 83% | Hohe generative KI-Exposure: „Webinar-Transkripte wiederverwenden“ ist weitgehend Mustererkennung, Entwurf oder strukturierte Datenarbeit, die Modelle mit menschlicher Prüfung unterstützen können. |
| E-Mail-Zielgruppen segmentieren | 61% | Mittlere Exposure: „E-Mail-Zielgruppen segmentieren“ mischt vorlagenfähige Schritte mit Kontexturteil; KI kann entwerfen oder triageieren, aber ein verantwortlicher Mensch soll entscheiden. |
| Agenturen zur Markenstimme briefen | 33% | Niedrige Exposure: „Agenturen zur Markenstimme briefen“ ist beziehungs-, sicherheits- oder urteilskritisch; behalten Sie einen menschlichen Owner und nutzen Sie KI nur als eng begrenzte Hilfe. |
| Wöchentliche Funnel-Kennzahlen berichten | 72% | Mittlere Exposure: „Wöchentliche Funnel-Kennzahlen berichten“ mischt vorlagenfähige Schritte mit Kontexturteil; KI kann entwerfen oder triageieren, aber ein verantwortlicher Mensch soll entscheiden. |
Beispielaktionen
- Generatives Entwerfen bei den zwei höchsten Exposure-Aufgaben mit menschlicher Prüfung pilotieren.
- Ähnliche Aufgaben mit geringer Urteilskraft in eine unterstützte Workflow-Warteschlange bündeln.
- Eine Audit-Stichprobenquote für KI-Ausgaben festlegen, bevor Kunden oder Regulatoren sie sehen.
Was diese Zahlen nicht sind
- Illustrative Rollenbibliothek aus dem Offline-AEC-Stichprobenmodell (aec-ai-v1), keine erhobene Berufszählung.
- Aufgabenpakete und Exposure-Werte sind deterministische Stichproben für Self-Serve-Triage — Faethm-ähnliche Ontologie-Breite, keine proprietären Pearson-Daten.
- CHF-Zeitwertschätzungen nutzen illustrative Schweizer Mid-Market-Sätze und Jahresstunden.