Mengapa orang terbaik Anda menolak AI? Biasanya karena mereka punya standar dan alatnya tidak memenuhinya. Perlakukan resistensi AI di agensi sebagai masalah orang dan Anda mendapat mandat, hari pelatihan, dan staf senior yang kelelahan mengerjakan ulang pekerjaan mesin pukul 7 malam. Perlakukan sebagai masalah standar dan para penolak itu menjadi orang yang membuat AI cukup baik untuk dikirim.
Taruhan kualitasnya jarang sepublik ini. Di Marketing Week bulan lalu, salah satu pendiri BBH, Sir John Hegarty, menyebut sebagian besar pemasaran saat ini “repetitif, klise, membosankan”. Ia berpendapat industri kini diisi oleh “pemikir otak kiri” yang memahami spreadsheet tetapi tidak memahami ide, dan mencatat bahwa “sekitar 95% peluncuran produk baru gagal”, angka yang menurutnya tidak berubah dalam 20 tahun meski data jauh lebih banyak. Tuangkan hasil AI yang biasa-biasa saja ke dalam sistem itu dan Anda mendapat lebih banyak hal yang sama, dengan lebih cepat.
Mengapa orang berpengalaman menolak alat AI?
Seorang pendiri agensi yang berbicara di sesi adopsi AI di Singapura minggu ini sangat terus terang tentang hal ini. Ia menghabiskan 18 bulan mencoba membuat agensinya yang berisi sekitar 20 orang menjadi AI-native dan mendorong adopsi dengan keras. Ketika ia melihat lebih dekat siapa yang menolak, ia menemukan mereka bukan orang gaptek. Mereka menolak hasil yang buruk: sistem menghasilkan pekerjaan yang buruk dan mereka dipaksa memakainya.
Mereka adalah orang-orang yang sudah lima atau enam tahun di bidangnya. Mereka tahu seperti apa hasil yang baik. Ketika draf AI tidak memenuhi harapan, mereka harus mengerjakan ulang sendiri, sehingga mereka kembali ke cara lama. Menurut ceritanya, resistensi AI sering kali hanya berarti alatnya tidak memenuhi standar tim. Perubahan perilaku gagal ketika kualitas gagal.
Itu reframing yang berguna bagi direktur agensi mana pun. Account director yang menolak mengirim laporan status buatan AI, atau strategist yang membangun ulang deck persona dari AI dari nol, tidak sedang mempersulit. Mereka sedang menjalankan kontrol kualitas Anda, tanpa dibayar dan tanpa ucapan terima kasih.
Apakah adopsi AI yang dipaksakan memperburuk burnout di agensi?
Bisa. Jika dilakukan dengan buruk, adopsi AI menggandakan pekerjaan: membuat draf dengan alat karena diperintah, lalu memperbaikinya dengan tangan karena klien tidak bisa menerimanya begitu saja. Tambahkan rasa bersalah karena “tidak cukup cepat mengadopsi” dan Anda punya resep untuk staf senior yang kelelahan.
Jika dilakukan dengan baik, hasilnya sebaliknya. Dalam tulisan Forbes Agency Council tentang bagaimana agensi tetap esensial, Matt Jayson dari Multiply menyebut penyiapan kampanye dan QA sebagai pekerjaan yang paling mudah diotomatisasi: “Untuk satu klien yang bertumbuh pesat, itu dengan mudah 20 jam seminggu pekerjaan yang tak terlihat.” Itulah pekerjaan melelahkan yang seharusnya dihilangkan AI, bersama timesheet, laporan status, pengubahan ukuran, pelacakan anggaran, dan audit pesaing.
Bedanya adalah apakah hasilnya memenuhi standar tanpa shift kedua berupa pengerjaan ulang. Jika tim Anda bekerja lebih lama sejak Anda meluncurkan AI, alat itu tidak menghemat waktu. Alat itu memindahkannya ke malam hari.
Mengapa kepercayaan pada AI bisa runtuh begitu cepat?
Trust Theory menawarkan penjelasan yang lugas. Kita memercayai seseorang atau suatu sistem ketika kita yakin ia kompeten, andal, dan bertindak demi kepentingan kita. Masing-masing diperoleh lewat pengalaman dan percakapan; tak satu pun bisa diumumkan. Alat yang menghasilkan tiga draf buruk berturut-turut kehilangan klaimnya atas kompetensi. Alat yang dipaksakan tanpa bertanya kepada tim kehilangan kesan bahwa ia berpihak pada mereka.
Itulah mengapa mandat berbalik merugikan. Dashboard penggunaan memberi tahu pemimpin siapa yang sudah log-in. Ia tidak bisa memberi tahu apakah orang memercayai hasilnya. Hanya percakapan yang bisa: duduk bersama strategist dan bertanya apa yang ia ubah, dan mengapa.
Klien menjalankan kalkulasi yang sama. Poin sang pendiri dari Singapura adalah bahwa Anda tidak boleh mengirim pekerjaan setengah matang kepada pelanggan, karena begitulah Anda kehilangan kepercayaan mereka. Para penolak Anda sedang melindungi hubungan dengan klien.
Siapa yang seharusnya menentukan seperti apa hasil yang “baik”?
Orang-orang yang sudah tahu. Solusi sang pendiri adalah memberi ahli bidang peran eksplisit sebagai approver: mereka menentukan seperti apa hasil yang baik, dan tidak ada yang dikirim tanpa persetujuan mereka. Semua orang mendapat manfaat dari AI, tetapi tidak semua orang perlu membangunnya. Para ahli yang menetapkan standarnya.
Membantu juga jika tanda-tanda resistensi yang sudah akrab dibaca sebagai sinyal tentang standar, bukan sikap.
| Seperti apa wujud resistensi | Biasanya artinya apa | Apa yang harus dilakukan |
|---|---|---|
| Orang diam-diam kembali ke template lama | Hasilnya tidak memenuhi standar kualitas mereka | Minta lihat hasil editan mereka; perbaiki sistemnya, bukan orangnya |
| Draf lebih lama diperbaiki daripada ditulis | AI menambah pekerjaan, bukan mengurangi | Ukur waktu mengedit; hentikan alur kerja sementara sampai tingkat penerimaan naik |
| Tak ada yang mau menyodorkan hasil AI di depan klien | Mereka tidak bisa melihat dari mana kesimpulan berasal | Wajibkan sumber yang dapat ditelusuri untuk setiap klaim AI |
| Senior memilih keluar sementara junior terlalu bergantung | Standarnya tidak pernah ditulis | Jadikan ahli sebagai approver yang menentukan seperti apa hasil yang baik |
| Lelucon tentang “si robot” di setiap all-hands | Alat diwajibkan tanpa percakapan | Libatkan tim dalam memilih dan menguji alat |
Tema-tema yang berulang dari panel Forbes mengarah ke hal yang sama: akuntabilitas, penilaian, dan kepemilikan atas pekerjaan yang tidak bisa dimintakan tanggung jawab kepada AI adalah yang membuat agensi tetap esensial.
Bagaimana mengubah para penolak AI menjadi approver?
- Temukan skeptis paling vokal Anda dan minta lihat hasil editan mereka. Selisih antara draf AI dan apa yang akhirnya mereka kirim adalah spesifikasi Anda untuk “baik”.
- Tuliskan standarnya. Tone, struktur, sumber, apa yang tidak boleh muncul. Jika hanya ada di kepala seorang senior, baik AI maupun karyawan baru tidak akan bisa memenuhinya.
- Jadikan para ahli approver, dengan wewenang nyata. Mereka menyetujui sebelum apa pun yang berbantuan AI sampai ke klien, dan mereka dapat menarik alur kerja yang tidak memenuhi standar.
- Ukur waktu mengedit, bukan log-in. Jika memperbaiki lebih lama daripada mengerjakan, berhentilah dan perbaiki alur kerjanya sebelum memperluasnya.
- Umpan balikkan koreksi. Ubah setiap editan approver menjadi prompt, template, dan contoh yang lebih baik, sehingga draf berikutnya lebih sedikit membutuhkan perbaikan.
- Mulai dari pekerjaan yang tak terlihat. Penyiapan, QA, pelaporan, dan pemantauan, di mana kesalahan murah dan waktu yang dihemat langsung terasa.
- Bicarakan secara terbuka. Setengah jam dua mingguan tentang apa yang berhasil dan apa yang tidak membangun lebih banyak kepercayaan daripada email peluncuran mana pun.
Apa yang membuat hasil AI cukup tepercaya untuk dikirim?
Bukti yang dapat diperiksa para ahli Anda. Seorang strategist senior akan menerima kesimpulan AI ketika ia bisa melihat dari mana asalnya dan menilainya sendiri. Ia akan menolak kesimpulan yang datang sebagai paragraf meyakinkan tanpa jejak.
Itulah mengapa di platform Defy setiap kesimpulan AI dapat ditelusuri kembali ke postingan nyata yang dipublikasikan di baliknya. Strategi direkayasa balik dari apa yang benar-benar dipublikasikan audiens dan pesaing, bukan dari survei, sehingga approver dapat membuka buktinya dan memutuskan sendiri.
Manusia, kata sang pendiri, bukanlah yang terbaik dalam menghadapi perubahan. Mereka adalah penghalang terbesar sekaligus pendukung terbesar transformasi AI. Mana yang akan menjadi orang-orang Anda bergantung pada apakah alat-alat itu menghormati standar mereka.
