Tim Pemasaran Berbasis AI: Ketika Eksekusi Menghilang, Apa yang Tersisa untuk Pemasar?

Beberapa minggu yang lalu, saya mengadakan webinar yang disebut Tim Pemasaran Kinerja Masa Depan. Ini dimaksudkan untuk lebih diagnostik daripada visioner. Tiga praktisi bergabung denganku — Max Epifanov (TripleTen), Matt Shenton (Croud), dan Ivan Zamesin (AJTBD) — masing-masing beroperasi pada skala dan sudah menjalankan alur kerja AI-native di produksi.

Apa yang muncul adalah otopsi dari model saat ini — model yang AI secara diam-diam menggantikan. Karena jika Anda melihat lebih dekat apa yang terjadi di dalam tim pemasaran kinerja yang berkinerja tinggi hari ini, mereka larut karena redundansi. Bagian org hanya belum menyadari apa yang sudah dilakukan oleh agen AI.

Kami Telah Menyelesaikan Masalah yang Salah Selama Dekade

Selama sepuluh tahun terakhir, kami telah fokus pada mengoptimalkan metrik kinerja — khususnya, memperbaiki dasbor, mempercepat atribusi, dan memperhalus target. Namun, manfaat sebenarnya dari AI terletak pada mengurangi waktu pengambilan keputusan dan mempercepat iterasi. Di masa lalu, seorang pemasar akan menghabiskan berjam-jam untuk menatap dasbor hanya untuk membuat satu keputusan — apakah untuk meningkatkan anggaran atau tidak. AI, di sisi lain, memungkinkan Anda untuk membuat ratusan keputusan seperti itu setiap hari dan segera memverifikasi apa yang berhasil.

Kami juga terlalu fokus pada mengendalikan sistem otomatis. Dan ternyata bahwa kontrol berlebihan atas mereka secara aktif mengurangi efektivitasnya. Ini tidak jelas, karena orang secara intuitif percaya bahwa kontrol lebih banyak akan menghasilkan hasil yang lebih baik. Dalam kenyataan, intervensi sering mengganggu fungsi sistem pembelajaran. Sebuah paralel yang berguna di sini adalah aviasi: sistem autopilot mengurangi jumlah kecelakaan udara, tetapi hanya setelah pilot belajar untuk memahami kapan tidak untuk mengintervensi. Pemasaran memasuki fase yang sama.

Dan apa yang sangat menarik adalah bahwa pergeseran peran tidak terjadi sebagai transisi yang bertahap.

Di dalam tim dunia nyata, ini cenderung tiba-tiba: perusahaan yang mengimplementasikan AI sebagai alat produktivitas melihat keuntungan inkremental, sedangkan tim yang membangun struktur mereka di sekitar sistem AI beroperasi di liga yang secara fundamental berbeda.

Apa yang Berubah Ketika Agen Menjalankan?

Kenyaatan operasional hari ini adalah bahwa agen AI mengelola pemasaran kinerja di seluruh beberapa saluran secara bersamaan — Meta, TikTok, YouTube, dan Google. Agen ini terhubung ke data di seluruh funnel dan beroperasi berdasarkan logika pengambilan keputusan yang telah ditentukan sebelumnya. Agen ini mampu merencanakan dan bertindak untuk mencapai tujuan dengan keterlibatan manusia yang minimal.

Hari ini, seorang pemasar dapat membangun saluran pembangkitan lead yang sepenuhnya interaktif dalam waktu hanya tujuh hari, tanpa melibatkan pengembang. Lebih dari 70% tim pemasaran yang menggunakan AI generatif menghasilkan lebih banyak konten tanpa meningkatkan jumlah karyawan — sementara kecepatan rilis dan iterasi tumbuh secara eksponensial.

Poin kunci di sini adalah bahwa agen tidak hanya membantu — tetapi sebenarnya melakukan pekerjaan. Dan segera setelah eksekusi menjadi terus-menerus dan otomatis, tidak ada lagi ruang untuk pemasaran dalam arti tradisional.

Analisis kampanye harian di seluruh Meta, Google, YouTube, dan TikTok turun dari 3-4 jam menjadi 10-15 menit. Apa kreatif yang harus dibunuh, apa yang harus disimpan, apa yang harus ditingkatkan menggunakan data historis – semua aturan ini berjalan terus-menerus mengikuti logika pengambilan keputusan tim: jika biaya aktual per lead yang memenuhi syarat mengalahkan target, tingkatkan; jika kinerja kreatif memburuk di bawah ambang batas, jeda. Setiap tindakan datang dengan alasan di baliknya, sehingga tim dapat memverifikasi, mengkalibrasi, dan kemudian mempercayai. Dalam mode otomatis, agen menjalankan perubahan langsung di akun iklan; dalam mode semi-otomatis, manusia mengkonfirmasi. Ini sudah bagaimana tim yang menjalankan $500K+ per bulan dalam pengeluaran berbayar beroperasi.

Apa yang Masih Tersisa di Lapisan Manusia

Tapi apa yang harus dilakukan manusia? Jika eksekusi tugas diotomatisasi, optimasi terjadi terus-menerus,

dan logika pengambilan keputusan dapat diformalisasi, keunggulan manusia yang paling jelas menjadi kemampuan untuk membuat keputusan ketika data tidak lengkap, konteks ambigu, dan hasil tidak terduga. AI masih tidak dapat secara andal membedakan ide yang baik dari yang biasa-biasa saja atau menentukan strategi jangka panjang secara independen.

Untuk saat ini, pemasaran kinerja dapat dibagi menjadi empat lapisan:

• Eksekusi sepenuhnya diotomatisasi;
• Optimasi sebagian besar diotomatisasi, dengan beberapa keterbatasan;
• Pengambilan keputusan sebagian manusia;
• Strategi tetap sepenuhnya manusia untuk saat ini.

Satu cara yang berguna untuk mempikirkan kembali peran manusia adalah melalui tiga arketipe: dokter, pilot, dan guru. Dalam setiap kasus, manusia mendefinisikan atau memperbaiki proses yang berjalan secara otonom. Seorang dokter membuat diagnosis ketika sesuatu salah. Seorang pilot mengontrol sistem tanpa membuat penyesuaian berlebihan. Seorang guru mendefinisikan input, keterbatasan, dan struktur di mana sistem beroperasi.

Dari Tim ke Sistem

Ada satu bottleneck besar yang tidak dapat diatasi oleh kemampuan AI secara mandiri. Efektivitas sistem AI bergantung pada konteks di mana mereka beroperasi, namun di sebagian besar perusahaan modern, konteks organisasi yang terfragmentasi. Semua pengetahuan disimpan dalam ruang obrolan, dokumen, dan dasbor yang terpencar. Tim bekerja dalam isolasi satu sama lain, sehingga konteks secara konstan hilang dan harus dibangun dari awal.

Ini adalah masalah besar dalam arsitektur organisasi. AI berbasis agen dapat divisualisasikan sebagai ban berjalan — jika data tidak diberi label, dapat diakses, atau jelas didefinisikan, mesin akan terjebak. Perusahaan yang mendapatkan nilai nyata dari AI telah mengintegrasikan sistem data dan pengambilan keputusan.

Di dalam tim pemasaran kinerja yang beroperasi dalam kenyataan baru ini, ada lebih sedikit operator dan lebih banyak perancang sistem, umpan balik yang lebih ketat, dan eksekusi terus-menerus tanpa penundaan manusia. Tim menjadi lapisan manajemen yang mengawasi sistem otonom.

Untuk banyak tahun, pemasaran kinerja telah berkembang menjadi mengelola kompleksitas, dengan jumlah saluran, titik data, dan variabel yang terus meningkat. AI tidak mengurangi kompleksitas ini, tetapi menyerapnya. Aturan permainan telah berubah, dan pemenang akan menjadi siapa pun yang membangun sistem yang mengelola dirinya sendiri.