Dari skrip hingga agen: Alat baru OpenAI membuka tahap otomatisasi berikutnya

Otomasi telah membentuk PPC selama beberapa dekade, dan lanskapnya terus berubah.

Saya telah melihat evolusi tersebut secara langsung, mulai dari membantu membuat Editor AdWords pertama hingga mengembangkan skrip Google Ads awal dan menulis tentang pelapisan otomatisasi.

Sekarang kita memasuki transisi besar lainnya.

Saat AI mengubah cara kita mencari dan mendapatkan jawaban, AI juga mengubah cara pembuatan otomatisasi itu sendiri.

Dan kali ini, momentumnya bukan datang dari platform iklan seperti Google – melainkan datang dari perusahaan AI seperti OpenAI.

Hingga saat ini, AI sebagian besar membantu tugas-tugas bahasa manusia seperti menulis teks iklan, ringkasan, atau laporan.

Namun LLM generasi terbaru juga semakin dapat menghasilkan bahasa komputer, termasuk perangkat lunak dan alur kerja yang menyederhanakan cara kita bekerja.

Pada DevDay OpenAI di San Francisco, perusahaan tersebut memperkenalkan AgentKit, sebuah cara baru untuk membangun AI yang dapat mengambil tindakan.

Ini menandai dimulainya fase di mana pola pikir otomatisasi yang mendukung pengoptimalan PPC dapat melampaui kampanye dan ke seluruh alur kerja.

Bayangkan jika AI dapat menangani kesibukan Anda sehari-hari

Bayangkan ini:

• Seorang klien mengirimkan CSV dengan hasil mingguan, dan bahkan sebelum Anda membuka email, file tersebut disimpan ke folder yang tepat dan ditambahkan ke dasbor Anda.
• Klien meminta rapat – AI memeriksa kalender Anda, menyusun agenda, dan menjadwalkannya.
• Anda mulai menulis teks iklan baru dengan AI, dan sistem secara otomatis menarik pedoman merek Anda dan memeriksa nada dan kepatuhannya.

Semua ini mungkin terjadi saat ini, dan Anda tidak memerlukan gelar teknik untuk mewujudkannya.

Jika Anda dapat menentukan bagaimana pekerjaan Anda dipecah menjadi tugas-tugas berbeda, Anda dapat membuat agen yang melakukan langkah-langkah tersebut untuk Anda.

Gali lebih dalam: 4 cara menghubungkan data iklan Anda ke AI generatif untuk PPC yang lebih cerdas

Apa sebenarnya agen itu

Agen AI adalah penolong cerdas yang dapat mengetahui apa yang perlu terjadi dan kemudian mengambil tindakan menggunakan alat yang terhubung.

Perangkat lunak secara historis dibangun berdasarkan langkah-langkah deterministik. Jika X, lakukan Y, jika tidak, lakukan Z. Hal ini dapat diprediksi, namun tidak fleksibel.

Dan hal ini mengharuskan manusia untuk menentukan setiap kemungkinan skenario yang harus dicakup, sehingga penulisan program yang bermanfaat akan memakan waktu dan sulit.

Namun sama seperti LLM yang fleksibel dalam menjawab pertanyaan Anda, LLM dapat menggunakan fleksibilitas tersebut untuk secara otomatis mengetahui langkah selanjutnya yang masuk akal untuk menyelesaikan tugas.

Daripada membalas dengan teks, agen dapat melakukan pertimbangan melalui langkah-langkah, memanggil API, dan melakukan tugas.

Saya telah menjelaskan versi awal ini sebelumnya:

• Anda meminta ide restoran kepada ChatGPT saat merencanakan perjalanan.
• Ini menunjukkan beberapa tempat.
• Kemudian menggunakan aplikasi seperti Resy untuk memesan reservasi.

Itulah yang dilakukan agen: ia dapat memahami niat Anda dan mengambil langkah nyata.

Konsep ini dibangun berdasarkan fitur OpenAI sebelumnya, seperti Tindakan GPT dan pemanggilan fungsi, yang memberi model akses terkontrol ke data luar.

Agen adalah evolusi berikutnya – mereka menggabungkan penalaran dengan eksekusi, artinya mereka dapat merencanakan dan bertindak dalam alur yang sama.

Sekarang, pikirkan hal itu dalam istilah PPC.

Agen dapat mengambil data kampanye, merangkum hasil, dan bahkan mereferensikan merek atau dokumen kebijakan sebelum membuat materi iklan yang sesuai.

Ini merupakan kemajuan besar dibandingkan “asisten penulisan AI” tradisional.

Gali lebih dalam: Agen AI di PPC: Apa yang perlu diketahui dan dibangun hari ini

Dari proyek pengkodean hingga pembuatan lima menit

Agen AI bukanlah ide baru.

Banyak pemasar, termasuk saya sendiri, telah bereksperimen dengan mereka selama lebih dari satu tahun, namun hal ini memerlukan banyak pekerjaan teknis.

Sekitar satu setengah tahun yang lalu, saya membangun sebuah agen berdasarkan dua buku yang saya tulis yang dapat menjawab pertanyaan sesuai nada bicara saya dan merujuk pada ide-ide saya.

Saya menggunakan LangChain, salah satu kerangka kerja pertama untuk menghubungkan model bahasa besar ke data dan alat. Itu berhasil, tapi tidak cepat.

Saya harus mempelajari database vektor, RAG, dan beberapa bagian bergerak lainnya agar dapat berfungsi – bukan sesuatu yang ingin ditangani oleh sebagian besar profesional PPC pada Senin pagi.

Sejak itu, beberapa perusahaan telah mempermudah pembuatan agen seperti ini, dan beberapa bahkan menampilkan mereka dengan tiruan digital seseorang, seperti HeyGen.

Namun ketika OpenAI memperkenalkan cara untuk membuat agen, saya memperhatikan – dan itulah yang mereka lakukan dengan AgentKit.

Ini menghadirkan antarmuka visual untuk agen pembangun langsung di platform chatbot yang paling banyak digunakan.

Pengembangan yang biasanya memakan waktu berjam-jam atau berhari-hari kini dapat dilakukan dalam hitungan menit, dan Anda tidak perlu tahu cara membuat kode.

AgentKit: ‘Zapier untuk AI’

AgentKit adalah perangkat baru OpenAI untuk membuat agen yang dapat terhubung ke alat dan mengambil tindakan melalui alat tersebut.

Ini adalah pembuat visual tempat Anda menautkan layanan seperti Gmail, Dropbox, atau Slack, dan menjelaskan apa yang harus dilakukan agen menggunakan alat yang sudah Anda gunakan setiap hari.

Jika Anda pernah menggunakan Zapier, n8n, Make, atau Rule Engine, konsepnya akan terasa familiar: Anda menghubungkan blok dalam urutan yang mewakili apa yang Anda inginkan terjadi.

Namun karena model AI yang fleksibel merupakan inti dari alur ini, AgentKit berbeda – model ini dapat menggunakan penalaran, bukan aturan yang kaku.

Jika kedengarannya menakutkan, Anda dapat menambahkan langkah persetujuan sederhana yang dilakukan manusia ke alur mana pun.

Daripada “Jika X terjadi, lakukan Y”, Anda dapat mengatakan, “Jika klien mengirimkan laporan kampanye, rangkum dan simpan ke folder yang tepat.”

AI mencari cara untuk melakukan hal tersebut dengan membuat permintaan yang masuk akal yang membantunya memahami apa yang Anda maksud dengan instruksi yang tidak jelas seperti “folder yang tepat”.

Untuk pemasar PPC, ini membuka pintu untuk mengotomatiskan pekerjaan seputar kampanye (laporan pemikiran, dokumentasi, dan persiapan kreatif), tanpa menunggu fitur platform atau pengembang.

---

Pahlawan tanpa tanda jasa: Model Context Protocol (MCP)

Pada dasarnya, sebagian besar kekuatan yang memungkinkan agen mengambil tindakan berasal dari Model Context Protocol, atau MCP.

Ini bukanlah sesuatu yang baru, namun merupakan bagian penting yang membuat semua ini berhasil.

MCP adalah konektor yang memungkinkan agen berkomunikasi dengan alat atau data Anda secara terstruktur.

Jika Anda menganggap API sebagai konektor web, MCP serupa, tetapi dibuat sebagai standar yang dapat digunakan oleh LLM mana pun.

Beberapa dibuat dengan OpenAI, seperti konektor untuk Dropbox atau Gmail.

Lainnya berasal dari pengembang pihak ketiga, seperti Box.

Dan Anda dapat membuatnya sendiri untuk menghubungkan data pribadi atau sistem internal.

Anda dapat menganggapnya seperti ini: MCP adalah pipa ledeng. AgentKit adalah kerannya.

Pipa menentukan data apa yang dapat mengalir ke mana. Faucet adalah cara Anda mengubahnya menjadi sesuatu yang dapat digunakan.

Tanpa MCP, seorang agen akan seperti pekerja magang yang brilian tanpa login ke sistem apa pun yang mereka perlukan.

Dengan mereka, agen dapat menggunakan data dan alat Anda dengan aman dengan izin yang jelas.

Gali lebih dalam: Bagaimana Model Context Protocol membentuk masa depan AI dan pemasaran penelusuran

MCP secara sederhana

Jika ini masih terdengar abstrak, bayangkan MCP sebagai menu yang berisi apa yang dapat dilakukan AI dalam aliran tertentu.

Misalnya, MCP Google Ads saat ini mencakup tindakan seperti:

• Cari entitas.
• Daftar pelanggan yang terhubung.

Itu saja untuk saat ini. Itu bisa membaca data, tapi belum bisa mengubah tawaran atau membuat iklan.

Keterbatasan tersebut merupakan ilustrasi yang baik bahwa MCP tidak membuka pintu bagi seluruh sistem agar LLM menjadi liar.

Sebaliknya, mereka menyediakan serangkaian kemampuan tertentu yang dibuat oleh pengembang MCP.

Ini adalah pagar pembatas yang penting. Dan bahkan dengan MCP yang menawarkan kemampuan yang lebih luas, Anda tetap mengontrol tindakan mana yang dapat diakses agen Anda saat Anda mengintegrasikannya ke dalam suatu alur.

Bahkan dalam tahap awal ini, ini merupakan pratinjau yang jelas tentang bagaimana AI pada akhirnya dapat berinteraksi dengan data Google Ads melalui antarmuka yang terdefinisi dengan baik dan aman.

Contoh: ‘asisten iklan yang aman bagi merek’

Inilah yang terlihat dalam praktiknya.

Bayangkan Anda menginginkan asisten AI yang menulis Google Ads sekaligus secara otomatis mengikuti suara merek dan penafian hukum Anda.

Di AgentKit, Anda dapat membuat agen dengan dua alat yang terhubung:

• Dropbox, tempat pedoman merek Anda berlaku.
• Penyimpanan vektor dengan dokumen kebijakan dan nada agensi Anda.

Anda kemudian dapat meminta agen untuk “menulis berita utama RSA baru untuk kampanye musim gugur kami menggunakan gaya dan penafian kami,” dan agen tersebut akan terhubung dengan data yang tepat untuk menyelesaikan tugas tersebut.

Di balik layar, ia membaca file, mengekstrak aturan, dan menghasilkan salinan iklan yang sesuai. Anda masih menyetujui versi final, tetapi pekerjaan persiapannya dilakukan secara otomatis.

Ini mungkin terdengar sederhana, terutama karena Anda sudah dapat melakukan ini dengan GPT khusus, namun ini menunjukkan bagaimana elemen penyusun ini dapat diperluas.

Misalnya, Anda dapat mengintegrasikan MCP untuk platform email Anda dan meminta agen mengirimkan permintaan persetujuan kepada klien untuk materi iklan yang dihasilkannya.

Menghubungkan sumber data di AgentKit

Berikut langkah-langkah membuat agen yang terhubung dengan dua sumber data yang disebutkan di atas.

Di Agent Builder, klik ikon + di sebelahnya Peralatan untuk memberi agen Anda kemampuan baru, seperti menghubungkannya ke MCP.

Pilih MCP yang ada, seperti yang ditampilkan di sini, atau sambungkan MCP khusus dengan mengklik + Server.

Anda juga dapat menambahkan kemampuan pencarian file dan memilih file untuk disertakan langsung dalam dialog pop-up.

Sekarang Anda dapat berinteraksi dengan agen untuk melihat bagaimana agen menggunakan kemampuan barunya untuk menghasilkan jawaban yang lebih baik dan, jika diaktifkan, bagaimana agen menggunakan alat lain untuk mengambil tindakan.

Gali lebih dalam: Cara menjadi lebih pintar dengan AI di PPC

Mengapa perubahan ini penting bagi PPC

Jika Anda sudah lama berkecimpung di PPC, Anda pernah melihat skrip ini sebelumnya.

Kami beralih dari pengoptimalan manual, ke aturan otomatis, ke skrip, hingga pelapisan otomatisasi – dan setiap gelombang mengubah keahlian yang diperlukan untuk tetap menjadi yang terdepan. Agen adalah gelombang berikutnya.

Daripada menulis skrip atau membuat alur kerja dengan API, kami akan segera menjelaskannya dalam bahasa Inggris sederhana dan membiarkan AI menghasilkan logikanya.

Hal ini memperkuat apa yang dapat dilakukan pemasar.

Keterampilan intinya tetap sama – strategi, pengukuran, dan penilaian – namun cara kita membangun otomatisasi akan menjadi jauh lebih cepat, lebih fleksibel, dan jauh lebih mudah diakses.

Apa yang diungkapkan oleh alat agen awal ini tentang apa yang akan terjadi

Alat yang ada saat ini untuk membangun agen AI masih dalam tahap awal.

Menyiapkan MCP memerlukan beberapa konfigurasi, dan konektor Google Ads terbatas pada pembacaan data.

Namun potensinya jelas: AI akan bergerak lebih dari sekadar menghasilkan teks hingga menjalankan alur kerja, memeriksa aturan, dan menyelesaikan pekerjaan.

Jika Anda ingin menjadi yang terdepan dalam perubahan ini, mulailah dari yang kecil.

Bereksperimenlah dengan otomatisasi sederhana yang menghubungkan email, file, atau laporan Anda.

Pelajari apa yang bisa dan tidak bisa dilakukan agen.

Sama seperti pemasar yang mengadopsi skrip lebih awal akan menjadi orang yang menetapkan standar di kemudian hari, mereka yang mempelajarinya sekarang akan menjadi orang yang menetapkan standar di kemudian hari.

Gali lebih dalam: PPC Agentik: Seperti apa pemasaran kinerja di tahun 2030