Alat AI apa yang dibutuhkan sebuah agensi? Lebih sedikit daripada yang dikira banyak orang – tetapi lebih terhubung. Hambatannya jarang berupa alat yang kurang; yang kurang adalah integrasi. Data tersebar di lima sistem, setiap tim punya chatbot favoritnya sendiri, dan pada akhirnya seseorang menempelkan tangkapan layar ke dalam deck.
Sementara itu, grup agensi besar bertaruh pada koneksi, bukan keragaman. Menurut Digiday, Carat, agensi media milik Dentsu, sedang mengembangkan agen untuk perencanaan, pembelian, dan optimasi dalam upfronts bersama NBCUniversal, FreeWheel, dan perusahaan AI Newton. Tinuiti meluncurkan server MCP untuk solusi pengukuran Bliss Point miliknya, membuka lapisan pengukurannya bagi agen AI dan menyatukan data audiens, kreatif, media, dan pengukuran di bawah satu atap. Dan WPP Media menegaskan bahwa “tata kelola dan akuntabilitas manusia adalah inti dari pembelian media agentik”.
Mengapa lebih banyak alat AI sering memberi hasil lebih sedikit?
Karena setiap alat baru menciptakan pulau baru. Alat social listening tahu percakapannya tetapi tidak tahu data medianya. Chatbot menulis dengan brilian tetapi tidak tahu apa-apa tentang klien. Alat pelaporan punya angka tetapi tanpa konteks. Manusialah yang menghubungkan semuanya – lewat salin-tempel.
Lalu muncul biaya tersembunyi. Lisensi yang tumpang tindih. Onboarding untuk setiap dashboard. Shadow AI: akun pribadi tempat data klien mengalir tanpa ada yang menyetujuinya. Dan pengetahuan yang bergantung pada satu orang yang tahu prompt mana yang berhasil di alat mana.
Bagi agensi di Jerman, yang kliennya sangat memperhatikan perlindungan data dan kedaulatan data, penumpukan ini bukan sekadar tidak efisien. Ini risiko yang akan terbongkar di kuesioner pitch berikutnya.
Mengapa keseluruhan lebih dari sekadar jumlah alatnya
Teori sistem menawarkan penjelasan sederhana: sebuah sistem lebih dari jumlah bagian-bagiannya, karena kinerjanya lahir dari hubungan di antara bagian-bagian itu. Orkestra para solois brilian tanpa partitur bersama tidak terdengar seperti simfoni – melainkan seperti suara penyetelan alat.
Jika diterapkan pada tech stack agensi, artinya kualitas satu alat AI saja tidak banyak bicara tentang kinerja keseluruhan. Yang penting adalah apakah data, alat, dan manusia saling berbicara. Alat saja tidak bisa menggubah mahakarya; harmoni lahir dari keselarasan mereka.
Itulah sebabnya masalahnya biasanya bukan terletak pada teknologi, melainkan pada arsitektur. Orang membeli instrumennya dan lupa pada partiturnya.
Apa itu MCP – dan mengapa penting bagi agensi?
MCP adalah singkatan dari Model Context Protocol. Ini standar terbuka yang memungkinkan asisten AI seperti Claude mengakses sumber data dan alat eksternal. Bayangkan sebagai soket universal: alih-alih membangun integrasi atau dashboard tersendiri untuk setiap sumber data, asisten berbicara dengan semuanya lewat satu antarmuka.
Bagi agensi, ini mengubah logikanya. Selama ini integrasi berarti mengekspor data, memuatnya ke sebuah alat, lalu menyalin hasilnya keluar. Dengan MCP, data tetap di tempatnya, dan tim mengajukan pertanyaan di tempat mereka sudah bekerja. “Pesan apa saja yang dijalankan pesaing sejak awal Oktober?” menjadi pertanyaan di obrolan, bukan tiket untuk tim insight.
Begitulah cara kerja Defy MCP: tim menanyakan data pesaing, audiens, dan percakapan langsung di Claude – seperti bertanya kepada rekan kerja, tanpa dashboard baru yang harus dipelajari. Tinuiti yang membuka data pengukurannya bagi agen AI dengan cara serupa menunjukkan arah perkembangannya: data tak lagi terkunci di dalam dashboard, melainkan dibuat dapat ditanyai.
Penumpukan tool atau stack terintegrasi: perbandingannya
| Dimensi | Penumpukan tool | Stack terintegrasi dengan MCP |
|---|---|---|
| Akses data | Ekspor, salin-tempel, tangkapan layar | Asisten menanyakan sumber secara langsung |
| Kurva belajar | Satu dashboard per alat | Satu antarmuka, pertanyaan dalam bahasa alami |
| Ketertelusuran | Hasil tanpa asal-usul yang terlihat | Jawaban dapat dilacak kembali ke sumbernya |
| Tata kelola | Akun pribadi, persetujuan yang tidak jelas | Izin terpusat dan aturan persetujuan yang jelas |
| Pengetahuan tim | Hidup pada individu | Prompt dan alur kerja yang dapat dipakai ulang |
| Biaya | Lisensi yang tumpang tindih | Alat lebih sedikit, dipakai lebih mendalam |
Bagaimana mengintegrasikan alat AI dalam enam langkah?
- Lakukan inventarisasi. Siapa memakai alat AI apa, untuk apa, dengan data apa? Tanyakan secara eksplisit soal akun pribadi – tanpa menyalahkan, atau Anda tidak akan mendapat jawaban jujur.
- Pilih tiga penyita waktu. Kandidat yang umum adalah audit pesaing, laporan bulanan, dan riset pitch. Catat berapa lama masing-masing memakan waktu saat ini.
- Pilih satu antarmuka. Putuskan di mana tim Anda bekerja dengan AI. Setiap antarmuka tambahan memerlukan alasan yang kuat.
- Hubungkan data, jangan menyalinnya. Periksa sumber data mana yang dapat ditanyai langsung lewat MCP atau antarmuka lain. Apa pun yang hanya berfungsi lewat ekspor masuk ke daftar untuk nanti.
- Tetapkan aturan sebelum peluncuran. Putuskan keluaran mana yang diperiksa manusia sebelum sampai ke klien, siapa yang menyetujui pengeluaran, dan data klien mana yang boleh masuk ke sistem mana. Petugas perlindungan data Anda harus ada di meja itu.
- Uji coba, ukur, bersihkan. Uji selama enam minggu dengan satu klien, bandingkan dengan waktu dari langkah 2 – dan batalkan alat yang tidak dirindukan siapa pun.
Apa yang bisa dipelajari agensi independen dari holding company?
Yang mencolok dari pemberitaan Digiday bukan teknologinya, melainkan nadanya. Grup agensi menjual agen mereka dengan menonjolkan kontrol: menurut Digiday, WPP Media mensyaratkan kontrol eksplisit, ambang persetujuan, dan pengawasan manusia yang akuntabel untuk keputusan keuangan dan aktivasi. Di Dentsu, garis besarnya adalah bahwa segalanya tetap memerlukan pengawasan manusia.
Itu pelajaran bagi agensi independen. Klien ragu bukan karena teknologinya, melainkan karena takut kehilangan kendali. Jika Anda bisa menjelaskan siapa memeriksa keluaran mana, dari mana sebuah klaim berasal, dan di mana data disimpan, Anda memperoleh kepercayaan – berapa pun ukuran Anda.
Bedanya: holding company membangun stack mereka dengan anggaran pengembangan besar. Agensi independen harus menggabungkan dengan lebih cerdik. Platform yang menyatukan data, kueri, dan otomatisasi – seperti platform Defy – adalah salah satu cara mencapai tingkat yang sebanding tanpa tim data science internal.
Apa yang harus Anda tanyakan kepada setiap vendor AI?
- Dapatkah data Anda ditanyai lewat MCP atau antarmuka terbuka lain – atau hanya di dashboard milik Anda sendiri?
- Dapatkah saya melacak setiap klaim yang dibuat sistem hingga ke sumbernya?
- Di mana data disimpan, siapa yang memiliki akses, dan apa yang terjadi pada prompt kami?
- Alur kerja mana yang sebenarnya digantikan alat ini – dan alat yang sudah ada mana yang bisa saya batalkan karenanya?
Jika Anda tidak mendapat jawaban atas pertanyaan terakhir itu, Anda tidak sedang membeli alat – hanya instrumen lain tanpa partitur.
