AI di Alur Kerja Pemasaran: Kecepatan Tanpa Konteks Bisa Perbanyak Kesalahan

Kepercayaan berlebihan pada kecepatan AI dalam alur kerja pemasaran bisa menjadi bumerang. Bukti itu muncul dalam lokakarya Brandweek 2026 yang digelar bersama Treasure AI, ketika Rahul Mulchandani, lead product manager AI products di perusahaan tersebut, membeberkan bagaimana dua laporan analitik yang sama-sama benar justru menghasilkan keputusan bisnis yang keliru.

Mulchandani bercerita tentang perusahaan penyewaan skuter yang ia dirikan. Seorang analis menandai pelanggan bernama Marco sebagai pengguna yang sudah tidak aktif karena catatan menunjukkan tidak ada perjalanan selama 21 hari. Analis lain menempatkan Marco di peringkat teratas karena ia beralih ke model langganan dan justru makin sering berkendara. Dua laporan itu akurat, tetapi ketika digabungkan tanpa konteks yang utuh, kesimpulannya menyesatkan. Mulchandani mengirim diskon win-back yang tidak mencerminkan pola penggunaan Marco yang sebenarnya.

Menurut Mulchandani, AI tidak akan serta-merta memperbaiki masalah seperti itu. Model yang lebih canggih tetap tidak dapat mengolah informasi yang tidak pernah diterimanya, dan prompt yang lebih panjang tidak akan memuat konteks yang tidak disadari hilang oleh marketer. "Jika kita menggunakan AI dengan alur kerja yang sama, kesalahan akan terjadi lebih cepat," ujarnya. "Kita memang belajar lebih cepat, tetapi jika alurnya tidak berubah, kita terus mengulangi kesalahan yang sama."

Dalam sesi tersebut, peserta mencoba pendekatan alternatif dengan satu set data ritel dummy. Mereka diminta mengidentifikasi segmen pelanggan, menelaah perbedaan signifikan di dalamnya, dan menyusun perlakuan email untuk kelompok yang berbeda. Tidak ada structured query language, tidak ada ekspor data, dan tidak ada tiket yang dikirim ke tim analitik. Peserta mengajukan pertanyaan langsung, meninjau respons agen, lalu menyempurnakan pekerjaan dari titik itu.

Kemampuan mengajukan pertanyaan dalam bahasa alami memangkas jarak antara pertanyaan pemasaran dan informasi yang dibutuhkan untuk menjawabnya. Setiap langkah mengambil dari konteks dasar yang sama, sehingga satu tahap pekerjaan dapat menginformasikan tahap berikutnya alih-alih diringkas menjadi brief baru dan diserahkan ke pihak lain. Pedoman merek dan rambu-rambu pun bisa ditempatkan di sana, memberi batas yang lebih jelas bagi AI seiring pekerjaan berkembang.

"AI seharusnya membawa pekerjaan di antara keputusan, tetapi manusia tetap harus memiliki keputusan itu," kata Mulchandani.

Mulchandani memaknai imbal hasil AI dari apa yang bisa dilakukan marketer dengan waktu yang dihemat. Dalam alur kerja yang terpecah-pecah, kapasitas itu bisa menguap menjadi versi tambahan, koreksi, tinjauan, dan kelelahan mengambil keputusan. Jika konteks terjaga, lebih banyak waktu dapat dialokasikan untuk pilihan yang menuntut penilaian, pengalaman, dan akuntabilitas.

Bagi analis, hal ini berarti menentukan perbedaan pelanggan mana yang layak mendapat perlakuan berbeda. Tim kreatif dapat lebih lama membentuk ide ketimbang memperbaiki keluaran yang lemah. Peninjau dapat menimbang trade-off alih-alih mengejar kesalahan yang sebenarnya bisa dicegah.

Di Indonesia, implikasi praktik ini menyentuh langsung lanskap pemasaran digital yang tumbuh cepat. Banyak perusahaan ritel, e-commerce, dan layanan berlangganan di dalam negeri sudah mengadopsi alat AI untuk segmentasi pelanggan dan personalisasi kampanye. Namun, data pelanggan sering tersebar di tim penjualan, CRM, dan analitik yang bekerja dengan sistem berbeda. Ketika konteks tidak menyatu, risiko keputusan keliru seperti kasus Marco bisa terulang di pasar domestik, terutama pada momen kampanye besar seperti Ramadan dan Harbolnas.

Kesenjangan keterampilan juga menjadi catatan. Survei industri menunjukkan adopsi AI generatif di kalangan profesional pemasaran Indonesia meningkat, tetapi pelatihan alur kerja berbasis konteks belum merata. Tanpa pemahaman itu, percepatan yang ditawarkan AI hanya memindahkan beban kerja dari analisis ke perbaikan, tanpa perbaikan kualitas keputusan.

Ke depan, pertanyaannya bukan lagi seberapa cepat AI dapat memproses data, melainkan seberapa baik organisasi menjaga benang merah konteks pelanggan dari satu tahap ke tahap berikutnya. Perusahaan yang mampu menyatukan konteks dan menempatkan manusia pada titik keputusan strategis berpotensi menuai hasil berbeda. Sementara yang hanya mengejar kecepatan tanpa membenahi alur kerja berisiko memperbanyak kesalahan dengan tempo yang lebih tinggi.