Jangan Salahkan AI untuk Masalah Kredibilitas PR

Sebuah artikel Unite.ai baru-baru ini memeriksa bagaimana AI telah mengubah penelitian PR – membuatnya lebih cepat untuk mengumpulkan data, menemukan tren, dan menghasilkan temuan yang siap untuk media, tetapi juga lebih sulit untuk menjamin akurasi dan kepercayaan. Pengamatan itu menangkap ketegangan nyata di industri, dan itu layak untuk dilihat lebih dalam. Masalahnya bukanlah AI itu sendiri; itu adalah bagaimana kecepatan dapat melampaui penilaian.

AI telah membuat PR lebih cepat. Tetapi seperti yang kita ketahui dari mengemudi, lebih cepat tidak selalu berarti lebih baik.

Teknologi ini telah mengompresi apa yang dulunya merupakan proses hati-hati, langkah demi langkah – merancang survei, membersihkan data, memvalidasi sumber – menjadi sesuatu yang dapat terjadi hampir secara instan. Kompresi itu menghemat waktu, tetapi juga menghilangkan jeda alami yang dulunya memberi kita ruang untuk memeriksa dan menantang apa yang kita temukan. Tanpa jeda itu, akurasi menjadi lebih mudah untuk diabaikan. Risiko nyata bukanlah bahwa AI akan merusak PR. Risiko itu adalah bahwa kita akan melakukannya sendiri dengan menganggap percepatan sebagai kemajuan.

Celah kredibilitas di PR bukanlah salah AI – setidaknya tidak langsung. Celah itu berasal dari bagaimana cepat AI memungkinkan kita untuk bergerak. Setiap kali kita menerbitkan tanpa verifikasi atau menganggap “lebih cepat” sebagai sinonim dari “lebih baik”, kita mengerosi kepercayaan yang membuat pekerjaan kita berarti. Kredibilitas adalah apa yang memberi pekerjaan kita sebagai profesional PR bobot – ketika kita mendapatkannya. Memelihara kredibilitas berarti melambatkan cukup untuk mempertanyakan apa yang kita terbitkan dan membuat verifikasi menjadi bagian dari proses, bukan sebagai pemikiran terakhir.

Melambatkan untuk Mempercepat

AI telah membuatnya mudah untuk berpindah dari sebuah ide ke dataset dalam waktu yang singkat. Apa yang dulunya membutuhkan hari sekarang membutuhkan jam — dan percepatan itu telah menjadi refleks industri. Tetapi kecepatan memberi kita volume, bukan validitas. Jurnalis tidak peduli seberapa cepat kita mengirimkan data; mereka peduli apakah data itu benar. Saya telah melihat alat AI menghasilkan ringkasan yang mengesankan di seluruh lusinan artikel, tetapi saya juga telah melihat mereka menciptakan statistik yang terdengar masuk akal tetapi tidak memiliki sumber yang nyata.

Studi memperkuat kebutuhan untuk berhati-hati. Sebuah studi JMIR menemukan bahwa model bahasa besar mengalami “halusinasi” – menghasilkan informasi palsu atau tidak diverifikasi – dalam sekitar 40 persen dari output GPT-3.5 dan 29 persen dari output GPT-4, bahkan pada tugas berbasis fakta. Demikian pula, audit NewsGuard menunjukkan bahwa sistem AI menyebarkan klaim palsu atau menyesatkan dalam sekitar sepertiga dari respons terkait berita. Kedua temuan itu menyoroti kebenaran sederhana: kecepatan memperbesar risiko ketika verifikasi tidak mengimbangi.

Itulah mengapa mengambil waktu ekstra untuk memverifikasi bukanlah keterlambatan; itu adalah investasi dalam kredibilitas. Sehari yang dihabiskan untuk mengkonfirmasi data, memperhalus konteks, atau menguji narasi sering mengungkapkan wawasan yang kita lewatkan. Itu dapat membuat perbedaan antara headline yang memudar dan cerita yang mengarah pada percakapan nyata. Melambatkan bukanlah tentang menolak teknologi. Itu tentang mempertahankan penilaian manusia yang mengubah informasi menjadi sesuatu yang dapat dipercaya oleh audiens.

Menjaga Manusia dalam Lingkaran

AI sangat baik dalam menghasilkan hasil. Tetapi itu tidak baik dalam mengetahui apakah hasil itu masuk akal. Itulah masalah inti. Model dapat menghasilkan respons survei, merangkum ribuan artikel, dan bahkan mensintesis wawasan yang terlihat kuat di atas kertas. Tetapi model AI tidak mengerti konteks, niat, atau konsekuensi. Seorang manusia dapat.

Ketidakcocokan itu dokumentasikan dengan baik dalam etika AI dan diskusi kehandalan. Fenomena “halusinasi” sering dilacak ke cara LLM belajar pola dari data pelatihan daripada dari prinsip-prinsip pertama, yang berarti mereka dapat dengan percaya diri menyatakan hal-hal yang tidak memiliki dasar. Di domain PR, risiko itu sangat akut: output antarmuka mungkin mencerminkan bias atau membingkai klaim dengan cara yang mendukung narasi daripada fakta.

Mudah untuk melihat bagaimana satu “fakta” yang salah dapat keluar dari kontrol. Bayangkan sebuah titik data yang dihasilkan AI membuat jalan ke dalam deck pitch; sebuah persentase yang terdengar benar dan mendukung cerita. Klien menyukainya. Seorang jurnalis mengutipnya. Lalu seseorang memeriksa sumber dan menyadari bahwa itu tidak pernah nyata. Tiba-tiba, apa yang dimaksudkan untuk memposisikan merek sebagai pemikir menjadi badai kepercayaan.

Jadi “menjaga manusia dalam lingkaran” tidak bisa hanya menjadi kalimat dalam slide PowerPoint – itu harus menjadi bagaimana pekerjaan itu sebenarnya dilakukan. Editor, analis, dan ahli domain perlu ada untuk mengajukan pertanyaan yang tidak nyaman yang membuat produk akhir dapat dipercaya. Mereka dapat menangkap bias, menandai kerangka yang lemah, dan memastikan apa yang kita keluarkan mencerminkan kenyataan. Dengan kata lain: AI dapat bergerak cepat, tetapi masih membutuhkan pengemudi yang tahu kapan harus menekan rem. Tanpa penilaian itu, kita tidak memperbaiki proses; kita hanya mengotomatiskan kesalahan.

Melatih untuk Penilaian

Ketika AI mengubah pekerjaan, cara kita melatih harus berubah bersamanya. Sebagian besar profesional komunikasi saat ini sudah melampaui titik belajar bagaimana menulis prompt yang lebih baik. Keterampilan yang kita semua butuhkan sekarang adalah penilaian – mengetahui kapan harus mempercayai output, kapan harus mempertanyakannya, dan kapan harus membuangnya sepenuhnya.

Ketika saya melatih profesional PR yang lebih muda, saya menekankan bahwa AI dapat menulis sepuluh versi pitch dalam beberapa detik. Tugas mereka bukanlah memilih yang paling mencolok; itu adalah menemukan versi yang sebenarnya terdengar seperti klien mereka, dan kemudian membuatnya lebih kuat. Itu mungkin berarti mengencangkan argumen, menggroundkannya dalam data nyata, atau menambahkan suara dan nada yang membuatnya kredibel. Sebuah model AI dapat menghasilkan draft salinan, tetapi penilaian kita mengubahnya menjadi komunikasi yang layak dibaca.

Perubahan ini sudah terjadi. Beberapa agensi beralih dari “rekayasa prompt” ke “editing kredibilitas”, membangun kebiasaan seputar memeriksa klaim, memvalidasi sumber, dan menyelaraskan pesan dengan suara merek. Latihan sekarang termasuk bertanya: Apakah saya akan mengatakan ini kepada seorang jurnalis? Apakah saya akan menempatkan nama saya di atasnya?

Pertanyaan sederhana itu membangun refleks yang melindungi klien dan reputasi. Dan itu adalah tujuan nyata dari AI di PR. Bukan salinan yang lebih cepat, tetapi penilaian yang lebih tajam. Melatih untuk penilaian meningkatkan standar berpikir dan memperkuat kepercayaan yang membuat kecepatan berkelanjutan.

Mengukur Kepercayaan, Bukan Waktu

Profesional PR biasanya mengukur kinerja melalui metrik seperti kecepatan pengiriman, volume cakupan, dan biaya per penempatan. Tetapi di industri yang didorong AI, metrik itu tidak menceritakan seluruh cerita. Output mudah diukur; kredibilitas tidak. Dan yet, itu adalah apa yang klien dan jurnalis timbangkan lebih berat daripada sebelumnya.

Perbedaan antara kuantitas dan kredibilitas muncul dalam data. Dalam satu studi pengukuran, analisis sentimen manusia mencapai 85 persen akurasi, dibandingkan dengan 59 persen untuk metode berbasis AI – sebuah celah yang mengukur peran analisis kritis. Ini bukan karena manusia bekerja lebih cepat, tetapi karena mereka menafsirkan konteks, dan itu adalah insting yang sama yang klien percayai ketika mereka menilai kredibilitas. Jika kita dapat mengukur perbedaan itu dalam akurasi, kita juga dapat mengukur nilai pengawasan manusia itu sendiri.