AI Mengubah Tim Marketing dari Dalam, tapi Produktivitas Masih Tertahan

Adopsi AI di Marketing Meningkat, Namun Struktur Kerja Ikut Bergeser

AI marketing teams kini menjadi sorotan karena teknologi ini tidak lagi sekadar membantu membuat konten, tetapi juga mengubah cara kerja tim pemasaran dari hulu ke hilir. Bayangkan sebuah tim marketing yang dulu menghabiskan berjam-jam untuk menyusun variasi iklan, memilah audiens, lalu mengecek performa kampanye satu per satu. Kini, sebagian pekerjaan itu sudah dipangkas oleh kecerdasan artifisial (AI). Pemerintah dan pelaku industri melihat AI bergerak lebih jauh ke jantung marketing, bukan lagi sekadar alat untuk menulis iklan atau membuat visual.

Di banyak perusahaan, AI marketing teams memanfaatkan AI untuk membaca perilaku audiens, menyusun segmentasi pelanggan, memprediksi kanal yang paling efisien, sampai membantu menentukan prioritas kampanye. Yang menjadi sorotan bukan hanya kecepatan teknologi masuk, melainkan fakta bahwa produktivitas tim marketing belum naik secepat adopsinya.

Sejumlah laporan industri memperlihatkan jarak itu masih lebar. Dalam survei McKinsey 2024, lebih dari separuh organisasi global mengaku telah memakai AI generatif setidaknya di satu fungsi bisnis, tetapi hanya sebagian kecil yang menyebut dampaknya sudah terasa pada laba dan produktivitas harian. Di marketing, polanya serupa: kerja manual memang berkurang, tetapi keputusan strategis tetap melewati banyak lapisan peninjauan, terutama ketika data pelanggan belum rapi dan aset kreatif tersebar di banyak kanal.

STATISTIK: Seberapa Jauh AI Masuk ke Fungsi Marketing

Data McKinsey Global Survey on AI 2024 menunjukkan arah yang tegas: 65 persen responden mengatakan organisasi mereka secara rutin memakai AI generatif, naik dari tahun sebelumnya. Namun, laporan yang sama menegaskan hanya sekitar 11 persen perusahaan yang sudah benar-benar mengintegrasikan AI ke alur kerja inti secara luas. Artinya, banyak organisasi baru berhenti pada tahap penggunaan, belum sampai menjadikan AI bagian permanen dari proses kerja.

Di fungsi marketing, perubahan itu paling terasa pada pembagian waktu. Tugas yang dulu menyedot jam kerja tim—menyusun variasi copy, menata audiens, dan membaca performa iklan—kini bisa dipangkas lebih cepat. Tetapi kecepatan itu tidak datang merata. Perusahaan besar cenderung lebih siap karena datanya tertata, sementara startup tahap awal dan pelaku usaha lokal masih bergulat dengan anggaran, data historis, dan talenta analitik yang terbatas.

Lalu, siapa yang paling cepat diuntungkan dari AI ini? Jawabannya ada pada kesiapan struktur kerja, bukan pada sekadar keberadaan tool. Karena itu, AI marketing teams di banyak tempat masih berperan sebagai alat bantu, bukan mesin pengambil keputusan.

Biaya Tersembunyi di Balik Efisiensi: Kontrol, Bias, dan Nasib Peran Junior

Di balik narasi efisiensi, masalah utama otomatisasi marketing justru terletak pada pusat kendali yang makin sempit. Ketika rekomendasi kreatif, penentuan target audiens, dan alokasi kanal dibiarkan mengalir dari satu dashboard atau satu vendor, ruang diskusi tim perlahan menyusut. Keputusan memang bergerak lebih cepat, tetapi juga semakin terkonsentrasi.

Model seperti ini membantu AI marketing teams menjalankan kampanye dengan mulus dalam jangka pendek. Namun, jika dibaca lebih jauh, risikonya tidak kecil: tim menjadi terlalu bergantung pada sistem yang tidak selalu transparan. Begitu satu model dijadikan rujukan utama, koreksi terhadap hasilnya kerap datang terlambat.

Risiko lain datang dari bias algoritmik. Jika data pelatihan hanya merekam perilaku segmen tertentu, model dapat mendorong target iklan yang tidak proporsional, memberi nilai lebih tinggi pada satu jenis konten, atau mengalihkan anggaran ke kanal yang sebenarnya hanya unggul di data masa lalu. Pada saat yang sama, pekerjaan dasar yang selama ini menjadi ladang belajar staf junior ikut menyempit.

Ada ironi yang sulit diabaikan di sini. Saat perusahaan mengejar efisiensi, justru jalur belajar yang melahirkan analis, planner, dan brand manager masa depan ikut terpotong. Ini relevan dengan peringatan To Keep Gen Z, Companies Need to Level Up, yang menekankan bahwa generasi pekerja muda tidak lagi puas dengan struktur kerja top-down dan cenderung mencari ruang untuk berkreasi, bukan sekadar menjalankan perintah.

DAMPAK NEGATIF: Ketika Keputusan Mengarah ke Pusat

Otomatisasi yang terlalu jauh dapat membuat AI marketing teams bekerja seperti satu tombol besar: cepat ditekan, cepat menghasilkan keluaran, tetapi sulit diaudit. Jika semua keputusan melewati satu model, kesalahan kecil pada data awal bisa merembet ke seluruh strategi kampanye.

Dampaknya paling jelas pada jenjang karier. Ketika tagging audiens, draft copy, dan monitoring performa digantikan mesin, kesempatan staf junior untuk belajar lewat pekerjaan rutin ikut menyusut. Perusahaan memang bisa lebih efisien pada kuartal ini, tetapi mereka juga berisiko kehilangan ruang kaderisasi yang selama ini membentuk tenaga pemasaran di level berikutnya.

TESTIMONIAL dan STUDI KASUS: Apa yang Terjadi di Lapangan

Dalam wawancara industri yang dirangkum dalam laporan McKinsey Global Survey on AI 2024, para pemimpin bisnis menekankan satu hal: AI paling efektif saat dipakai untuk mempercepat pekerjaan berulang, bukan menggantikan penilaian manusia. Salah satu penulis laporan itu menyebut nilai ekonomi AI baru muncul jika perusahaan mengubah proses kerja, bukan hanya menambahkan perangkat lunak baru. Di banyak tim marketing Indonesia, pandangan ini terasa akrab: efisiensi dicari, tetapi kontrol kualitas tetap harus berada di tangan manusia.

Di lapangan, perubahan workflow paling mudah dilihat pada brand konsumer dan startup digital yang mulai memakai AI untuk menyusun variasi materi iklan, membaca respons audiens, dan memprioritaskan eksperimen kampanye. Sebelum AI, AI marketing teams biasanya menunggu brief dari brand, lalu berpindah manual antara creative, media, dan data. Setelah AI masuk, sebagian analisis awal dan variasi konten bisa disiapkan lebih cepat, sementara manusia fokus pada peninjauan, penyesuaian strategi, dan keputusan anggaran.

TESTIMONIAL: Suara dari Praktisi, Konsultan, dan Pengambil Keputusan

Kutipan paling relevan justru datang dari perubahan cara kerja itu sendiri. Dalam To Keep Gen Z, Companies Need to Level Up, Rachel Botsman menulis bahwa “the old playbook for power and control won’t work to retain Gen Z talent.” Pernyataan ini penting bagi AI marketing teams, karena AI memperkecil pekerjaan administratif dan memperbesar tuntutan pada kreativitas, penilaian, dan otonomi.

Laporan McKinsey Global Survey on AI 2024 juga memperlihatkan pola yang sama: perusahaan yang berhasil mengintegrasikan AI ke alur kerja inti cenderung menata ulang peran, bukan sekadar menambah tools. Perusahaan yang hanya membeli model baru tanpa membuat aturan peninjauan, tata kelola data, dan batas kewenangan biasanya berhenti pada efisiensi kecil. Sebaliknya, AI marketing teams yang membagi peran manusia dan mesin secara tegas lebih cepat mengubah keluaran menjadi keputusan bisnis.

Peluang Positif: Model Tim yang Lebih Terintegrasi dan Siap Skala

Meski risikonya nyata, AI tetap membuka ruang yang strategis bagi AI marketing teams. Teknologi ini mempercepat eksperimen kampanye, membantu membaca pasar dengan lebih presisi, dan memangkas jarak dari ide ke eksekusi. Di organisasi yang datanya rapi, AI juga mendorong pembagian kerja baru: ada peran untuk AI operations, ada peninjauan prompt dan keluaran, serta ada pengawasan data internal agar model tidak bertumpu pada informasi yang keliru.

Struktur seperti ini membuat marketing tidak lagi bekerja sebagai silo yang terpisah antara creative, media, dan data. Tim bergerak lebih terhubung karena model AI memberi ringkasan cepat, sementara manusia memusatkan perhatian pada interpretasi. Efek ikutannya jelas: anggaran dapat diuji lebih cepat, eksperimen yang tidak efektif bisa dihentikan lebih dini, dan biaya revisi manual menurun.

STUDI KASUS: Praktik yang Menunjukkan Nilai Tambah Ekonomi

Salah satu pola implementasi yang paling sehat adalah ketika perusahaan menempatkan AI sebagai lapisan awal, bukan penentu akhir. Model dipakai untuk menyusun draft, memetakan audiens, dan memberi rekomendasi kanal, lalu hasilnya diperiksa tim manusia sebelum tayang. Pola ini menekan risiko salah sasaran sekaligus menjaga kualitas brand voice.

Agar berjalan baik, tiga syarat dasar harus ada: data pelanggan tertata, proses peninjauan manusia tetap wajib, dan pelatihan internal berlangsung terus-menerus. Jika ketiganya terpenuhi, AI marketing teams tidak hanya mempercepat produksi. Ia juga menciptakan nilai tambah ekonomi melalui keputusan yang lebih cepat, alokasi anggaran yang lebih presisi, dan tim marketing yang siap bekerja lintas fungsi. Di ekonomi digital Indonesia, ini penting karena pertumbuhan kini tidak lagi ditentukan oleh banyaknya konten, melainkan oleh kualitas keputusan yang diambil lebih cepat daripada pesaing.

AI Mengubah Tim Marketing dari Dalam, tapi Produktivitas Masih Tertahan - Asosiasi Digital Marketing