Bagaimana Anda tahu apakah AI benar-benar menghemat waktu dan uang agensi Anda? Tentukan seperti apa keberhasilan sebelum Anda menyalakan apa pun. Ukur pekerjaan seperti adanya sekarang, tetapkan peningkatan yang membenarkan perubahan, uji alur kerja AI terhadap cara lama, lalu tinjau biaya penuhnya, termasuk jam yang dihabiskan untuk memeriksa dan memperbaiki hasilnya.
Biaya penuh itu makin sulit diabaikan. Dalam komentar tamu untuk Horizont, media dagang Jerman, dua eksekutif agensi Mutabor berpendapat bahwa dongeng AI gratis telah berakhir. Pekerjaan AI profesional, tulis mereka, mempercepat banyak proses secara luar biasa tetapi memakai daya komputasi yang besar. Mutabor kini akan menampilkan komputasi AI sebagai pos tersendiri dalam penawaran kepada klien, yang mereka sebut “M-Credit”.
Jika komputasi tidak gratis, waktu manusia di sekitarnya pun tidak. Seorang pendiri agensi di sesi adopsi AI di Singapura minggu ini membagikan kerangka kerja sederhana untuk menghitung keduanya, dan sebuah kisah laporan mingguan yang menunjukkan mengapa itu penting.
Mengapa ROI AI begitu sulit diukur di agensi?
Sebagian besar karena tak seorang pun mencatat titik awalnya. Agensi jarang mengukur waktu prosesnya sendiri. Tanyakan berapa lama laporan bulanan dikerjakan dan Anda akan mendengar “sehari, kira-kira”, “tergantung kliennya”, atau angkat bahu.
Lalu AI datang dengan penghematan yang tampak jelas. Draf muncul dalam hitungan menit. Yang tidak dihitung siapa pun adalah semua yang terjadi sesudahnya: memeriksa angka, menulis ulang komentar, memperbaiki grafik yang mengutip bulan yang salah, menjelaskan ulang konteks klien. Jam-jam itu tersebar di antara orang dan hari, sehingga tidak pernah muncul sebagai biaya.
Hasilnya adalah cerita yang ingin dipercaya semua orang tanpa bukti ke arah mana pun.
Apa arti “tentukan keberhasilan sebelum menerapkan”?
Kerangka kerja sang pendiri punya empat langkah, dan seperti terlihat pada diagram, langkah-langkah itu berjalan berurutan. Masing-masing disertai satu pertanyaan dari slide-nya.
| Langkah | Pertanyaannya | Apa yang diukur | Diterapkan pada laporan klien mingguan |
|---|---|---|---|
| 1. Baseline | Bagaimana kinerja pekerjaan saat ini? | Jam per siklus, orang yang terlibat, kesalahan, dan pengerjaan ulang | Catat waktu laporan saat ini dari awal hingga akhir selama beberapa minggu |
| 2. Target | Peningkatan apa yang membenarkannya? | Angka spesifik, disepakati di awal | Satu jam per laporan, dengan seseorang yang memeriksa |
| 3. Uji | Bandingkan dengan cara lama | Pekerjaan yang sama, kedua metode, standar kualitas yang sama | Jalankan alur kerja AI berdampingan dengan alur kerja manual pada laporan yang sebenarnya |
| 4. Tinjau | Apakah sepadan dengan biaya penuhnya? | Semua jam kerja, termasuk memeriksa dan memperbaiki, ditambah biaya alat dan komputasi | Hitung waktu mengedit, bukan hanya waktu menyusun draf |
Tak satu pun dari ini canggih. Justru itu intinya. Langkah-langkahnya begitu mendasar sehingga, dalam buru-buru mengadopsi, inilah yang pertama dilewati.
Apa yang terjadi ketika satu agensi mengotomatisasi laporan mingguannya?
Dalam contoh sang pendiri, sebuah agensi pemasaran ingin AI mengambil alih laporan mingguan. Targetnya jelas: turunkan menjadi satu jam, dengan manusia memeriksa hasilnya. Di atas kertas, alur kerja AI tampak lebih murah.
Lalu datanglah tinjauan. Memperbaiki halusinasi, angka-angka salah yang dinyatakan dengan penuh percaya diri, menambah sekitar empat jam lagi. Keuntungan bersih: nol.
Tanpa baseline dan target, agensi itu kemungkinan besar sudah menyatakan menang. Penyusunan drafnya lebih cepat. Alatnya mengesankan. Dibutuhkan tinjauan biaya penuh untuk menunjukkan bahwa waktu hanya berpindah dari menulis ke mengoreksi. Di banyak agensi, koreksi itu juga jatuh ke tangan orang yang lebih senior, karena hanya merekalah yang tahu seperti apa seharusnya angka-angkanya.
Apa itu AI drag, dan bagaimana mengenalinya?
AI drag adalah istilah sang pendiri untuk titik di mana Anda menghabiskan lebih banyak waktu mengedit hasil AI daripada waktu yang dibutuhkan untuk mengerjakannya dengan benar sejak awal. Ini pajak tersembunyi pada banyak pilot AI, dan jarang mengumumkan dirinya. Waspadai tanda-tanda ini:
- Waktu menyusun draf turun sementara waktu mengedit diam-diam naik.
- Orang senior ditarik untuk memeriksa hasil yang dulu rutin.
- Koreksi yang sama muncul minggu demi minggu.
- Orang kembali ke cara lama untuk klien yang “penting”.
- Tak ada yang bisa mengatakan apa yang dihemat alat, hanya apa yang dihasilkannya.
Jika Anda melihat dua atau lebih, berhentilah dan jalankan ulang langkah tinjauan. AI drag bukan alasan untuk meninggalkan AI. Itu tanda bahwa alur kerja, data, atau instruksinya perlu diperbaiki sebelum Anda memperluasnya.
Mengapa ini terus terjadi?
Ekonom menyebutnya kegagalan pasar ketika harga tidak mencerminkan biaya sebenarnya, sehingga sumber daya mengalir ke tempat yang salah. AI “gratis” adalah contoh buku teks di dalam agensi. Lisensi penggunanya murah, komputasinya tak terlihat, dan waktu pemeriksaan tidak ada di anggaran siapa pun. Ketika sesuatu tampak gratis, Anda memakainya terlalu banyak, di tempat yang tidak semestinya.
M-Credit milik Mutabor, seperti dijelaskan Horizont, adalah sinyal harga: ia membuat satu biaya tersembunyi terlihat oleh klien. Agensi membutuhkan disiplin yang sama secara internal. Masukkan waktu memeriksa dan memperbaiki ke dalam timesheet. Hitung komputasi. Maka efisiensi menjadi sesuatu yang dapat Anda lihat, dan insight di balik tulisan ini berlaku: efisiensi adalah ibu dari inovasi. Penghematan yang nyata membebaskan waktu yang nyata untuk pekerjaan yang lebih baik.
Bagaimana menjalankan baseline, target, uji, dan tinjau pada alur kerja pelaporan?
- Pilih satu laporan berkala. Mingguan atau bulanan, untuk satu klien, dalam format yang stabil.
- Catat waktunya selama sebulan. Setiap langkah dan setiap orang, termasuk mengejar data dan memperbaiki kesalahan. Itulah baseline Anda.
- Sepakati target sebelum membangun. Jam per laporan dan tingkat kesalahan yang dapat diterima, ditulis bersama account lead.
- Tunjuk seorang pemeriksa. Satu orang yang bertanggung jawab atas kualitas, yang mencatat berapa lama pemeriksaan berlangsung.
- Jalankan kedua cara secara paralel. Beberapa siklus, data yang sama, standar kualitas yang sama.
- Tinjau biaya penuhnya. Penyusunan draf, pemeriksaan, perbaikan, biaya alat, dan komputasi, dibandingkan dengan baseline.
- Putuskan: perluas, perbaiki, atau hentikan. Jika target tercapai, luncurkan lebih luas. Jika AI drag muncul, perbaiki inputnya. Jika keduanya tidak berhasil, hentikan dan pilih pekerjaan lain.
Apa yang perlu dianggarkan agensi setelah peluncuran?
Uji yang lolos bukanlah produk yang selesai. Saran penutup sang pendiri adalah membangun untuk perubahan, bukan untuk janji yang sudah selesai. Apa pun yang Anda bangun akan membutuhkan investasi berkelanjutan dan sumber daya khusus, karena model berubah, klien mengubah KPI mereka, dan platform mengubah data mereka.
Itu berkaitan langsung dengan soal membangun atau membeli. Bangun otomatisasi pelaporan Anda sendiri dan Anda memiliki pemeliharaannya selama ia berjalan. Defy Agents, misalnya, menjalankan alur kerja agentic untuk delivery yang berulang seperti pelaporan dan pemantauan, tanpa beban pemeliharaan jatuh ke tim Anda. SAMY, agensi influencer global, mengadopsinya untuk merampingkan pelaporan kinerja, mengurangi tiga hari kerja menjadi satu.
Rute mana pun yang Anda ambil, jalankan dulu keempat langkah itu. Anda dapat melihat bagaimana agen, pemantauan, dan akses data saling melengkapi di platform Defy, tetapi baseline-nya harus datang dari Anda.
