Bayangkan sebuah perusahaan coklat dengan resep yang rumit, berumur beberapa generasi. Mereka meminta sistem AI untuk mengidentifikasi bahan mana yang dapat mereka hilangkan untuk memangkas biaya. AI menyarankan satu hal. Mereka menghapusnya. Penjualan tetap stabil. Mereka bertanya lagi. AI menyarankan hal lain. Hal ini berlanjut melalui empat atau lima iterasi hingga mereka berhasil menciptakan versi produk yang paling murah. Margin fantastis, penjualan buruk. Ketika seseorang akhirnya mencicipinya, keputusan langsung muncul: “Ini bahkan bukan coklat lagi.”
Aly Blawat, direktur senior strategi pelanggan di Blain’s Farm & Fleet, berbagi kisah ini dalam webinar MarTech baru-baru ini untuk menggambarkan mengapa 82% tim pemasaran gagal dalam adopsi AI: otomatisasi tanpa penilaian manusia tidak akan gagal begitu saja. Ini menambah kegagalan lebih cepat dari sebelumnya. Dan kegagalan itu tidak ada hubungannya dengan teknologi itu sendiri.
Angka-angka menceritakan kisahnya. Dalam studi Forrester yang dilakukan oleh Optimove, hanya 18% pemasar yang menganggap diri mereka sebagai yang terdepan dalam penerapan AI, meskipun hampir 80% mengharapkan AI untuk meningkatkan penargetan, personalisasi, dan optimalisasi. Rusty Warner dari Forrester, VP dan analis utama, menempatkan hal ini dalam konteksnya: hanya sekitar 25% pemasar di seluruh dunia yang melakukan produksi dengan kasus penggunaan AI. Sepertiga lainnya sedang bereksperimen tetapi belum beralih ke produksi. Hal ini menyebabkan lebih dari 40% orang masih belajar tentang manfaat AI bagi mereka.
“Statistik khusus ini tidak terlalu mengejutkan saya,” kata Warner. “Kami menemukan bahwa banyak orang yang mampu menggunakan alat AI di tempat kerja mungkin bereksperimen dengan alat tersebut di rumah, namun di tempat kerja, mereka sangat menunggu vendor perangkat lunak mereka menyediakan alat yang dianggap aman untuk digunakan dan bertanggung jawab.”
Kehati-hatian ini tersebar luas. Tim TI memiliki kendali atas alat AI pihak ketiga. Bahkan pemasar yang paham teknologi dan bereksperimen di rumah sering kali tidak dapat mengakses alat tersebut di tempat kerja sampai vendor menanamkan AI yang bertanggung jawab, perlindungan data, dan kemampuan audit langsung ke dalam platform mereka.
Masalahnya bukan pada alat AI yang tersedia saat ini. Pekerjaan pemasarannya masih terstruktur sama seperti sebelum AI ada.
Individu vs. organisasi
Pemasar individu haus akan alat AI. Mereka segera melihat potensinya. Namun organisasi pada dasarnya dibangun untuk sesuatu yang berbeda: kontrol atas suara merek, pengoptimalan jangka pendek, dan proses manual di mana pekerjaan berpindah dari tim wawasan ke tim kreatif ke tim aktivasi, setiap serah terima menambahkan hari atau minggu ke waktu siklus.
Sebagian besar organisasi pemasaran masih beroperasi seperti jalur perakitan. Wawasan datang dari satu pintu, kreatif dari pintu lain, aktivasi dari pintu ketiga. Warner menyatakan hal ini dengan jelas: “Pemasaran masih berjalan seperti jalur perakitan. AI dan otomatisasi mematahkan model tersebut, sehingga memungkinkan pemasar melampaui posisi mereka untuk berbuat lebih banyak dan menjadi lebih gesit.”
Model jalur perakitan sangat baik dalam hal tata kelola dan buruk dalam hal kecepatan. Pada saat hasilnya kembali, mereka menginformasikan masa lalu lebih banyak daripada masa kini. Dan di dunia di mana perilaku pelanggan berubah setiap minggunya, kelambatan ini berakibat fatal.
Solusinya adalah “Pemasaran Tanpa Posisi,” sebuah model di mana seorang pemasar dapat mengakses data, menghasilkan materi iklan yang aman bagi merek, dan meluncurkan kampanye dengan pengoptimalan bawaan, semuanya tanpa mengajukan tiket atau menunggu serah terima. Bukan berarti menghilangkan kolaborasi. Hal ini berarti menjaga kolaborasi manusia untuk peluncuran besar, kampanye liburan, dan topik sensitif, sekaligus memungkinkan pemasar untuk melakukan hal-hal lain secara end-to-end dengan cepat dan aman.
Memulai dari hal kecil, membangun kepercayaan diri
Blain’s Farm & Fleet, jaringan ritel berusia 120 tahun, memulai perjalanan AI-nya dengan masalah spesifik: meluncurkan kampanye merek baru dan perlu menyesuaikan gaya secara konsisten di seluruh saluran. Mereka menerapkan Jasper, sebuah sistem tertutup di mana mereka dapat menyampaikan nada dan pesan merek mereka tanpa risiko.
“Kami mengajarkannya lebih banyak tentang kami,” kata Blawat. “Kami ingin tampil secara kohesif di seluruh ekosistem.”
Warner merekomendasikan pendekatan ini. “Mulailah dari yang kecil dan pilih sesuatu yang menurut Anda akan menjadi kemenangan cepat yang bagus untuk membangun kepercayaan diri,” katanya. “Audit data Anda, pastikan sudah dibersihkan. AI Anda hanya akan sebaik data yang Anda berikan.”
Polanya berulang: mulai dengan alat penyalinan loop tertutup, lalu tambahkan skrip untuk membersihkan data produk, lalu lapisi segmentasi. Setiap langkah membebaskan waktu, memperpendek siklus, dan membangun kepercayaan diri.
Dimana data bertemu dengan kecepatan
Pemasar tidak tenggelam dalam terlalu sedikit data. Mereka tenggelam dalam terlalu banyak data dengan akses yang terlalu sedikit. 20% organisasi pemasaran yang bergerak cepat memusatkan definisi tentang apa sebenarnya arti “pelanggan aktif”, “berisiko”, dan “peningkatan tambahan”. Dan mereka menempatkan sinyal-sinyal tersebut di tempat para pemasar bekerja, bukan di labirin BI yang terpisah.
“Ada potensi besar bagi AI, namun kesuksesan bergantung pada upaya menerima perubahan yang diperlukan,” kata Warner. “Dan perubahan itu sulit karena melibatkan manusia dan pola pikir mereka, bukan hanya teknologi.”
Kelambatan adopsi bukan soal kesiapan teknologi. Ini tentang kesiapan organisasi.
Menyeimbangkan otomatisasi dan keaslian
AI generatif pertama kali muncul dalam aplikasi berisiko rendah: dukungan kreatif, catatan rapat, pembersihan salinan. Keputusan yang diambil oleh pelanggan masih lebih lambat untuk diambil karena merek harus menanggung akibat dari kesalahan yang dilakukan. Jawabannya adalah dengan menerapkan AI dengan batasan dalam pengambilan keputusan dengan leverage tertinggi, membuktikan peningkatan tanpa hambatan, dan melakukan ekspansi secara metodis.
Blawat menekankan keseimbangan ini. “Kami membutuhkan sentuhan manusiawi pada banyak hal ini untuk memastikan kami tetap tampil asli dan autentik,” katanya. “Kami tetap setia pada siapa merek kami.”
Bagi Blain’s Farm & Fleet, hal itu berarti menjaga hubungan pribadi yang diharapkan pelanggan. AI menangani mekanisme penargetan dan pengaturan waktu. Namun manusia memastikan setiap pesan mencerminkan nilai dan menyuarakan kepercayaan pelanggan.
Masa depan pekerjaan pemasaran
AI beralih dari analisis ke eksekusi. Ketika model prediktif, AI generatif, dan mesin pengambilan keputusan menyatu, pemasar berhenti menggambarkan perjalanan hipotetis dan mulai membiarkan sistem menyusun jalur unik untuk setiap orang.
Perubahan apa? Lebih sedikit gambar kanvas, lebih banyak pengaturan hasil. Lebih sedikit teater pelaporan, lebih banyak peningkatan berdasarkan kelompok. Lebih sedikit pertemuan, iterasi lebih cepat.
Warner menunjuk pada masa depan yang lebih dekat dari apa yang disadari sebagian besar organisasi. “Bayangkan sebuah dunia di mana saya tidak datang ke situs perdagangan Anda dan menjelajah. Sebaliknya, saya cukup mengetikkan apa yang saya cari ke bot. Dan saya berharap merek Anda responsif terhadap hal itu.”
Perdagangan percakapan semacam itu akan mengharuskan semua orang di organisasi untuk menjadi ahli pengalaman pelanggan. “Tidak masalah saluran apa yang digunakan pelanggan,” jelas Warner. “Mereka sedang berbicara dengan merek Anda.”
Jalan ke depan
Tidak ada strategi AI tanpa model operasi yang dapat menggunakannya. Perbaikan ini memerlukan tiga perubahan mendasar: merestrukturisasi cara kerja pemasaran, mengukur peningkatan, bukan aktivitas, dan memungkinkan pemasar beralih dari ide ke eksekusi tanpa harus menyerahkan diri.
Jalan ke depan membutuhkan disiplin. Pilih satu kasus penggunaan yang berhubungan dengan pelanggan dengan keuntungan finansial yang jelas. Tentukan sinyal minimum, audiens, dan KPI yang diperlukan. Terapkan ketidaksepakatan secara default. Aktifkan akses langsung ke data, pembuatan materi iklan, dan aktivasi di satu tempat. Publikasikan peningkatan mingguan berdasarkan kelompok. Perluas hanya jika daya angkat terbukti.
Warner memperkirakan adopsi akan meningkat secara signifikan pada tahun 2026 karena semakin banyak vendor yang menanamkan kemampuan AI dengan pagar pembatas yang tepat. Untuk merek seperti Blain’s Farm & Fleet, masa depan tersebut sudah mulai terbentuk. Mereka memulai dengan copywriting, membuktikan nilainya dan sekarang berkembang. Kuncinya adalah menemukan masalah spesifik yang dapat dibantu oleh AI dan mengukur apakah AI benar-benar dapat membantu.
AI tidak akan memperbaiki sistem yang lambat. Ini akan memperkuatnya. Tim yang memodernisasi cara menyelesaikan pekerjaan dan meningkatkan bahasa pengambilan keputusan akan melihat janji tersebut diterjemahkan ke dalam kinerja.
Seperti yang diingatkan oleh kisah coklat Blawat, otomatisasi tanpa penilaian mengoptimalkan hasil yang salah. Sasarannya bukanlah produk termurah atau kampanye tercepat. Itu adalah salah satu yang melayani pelanggan sambil membangun merek. Hal ini mengharuskan manusia untuk mengarahkan AI ke ri
