Artificial Intelligence (AI) kini telah menjadi bagian dari aktivitas sehari-hari di dunia digital marketing. Teknologi ini mampu membantu menyusun copy, membuat laporan marketing campaign, merangkum hasil riset, membangun audience segment, hingga mempercepat berbagai proses kerja dari awal sampai akhir.
Di balik peningkatan produktivitas tersebut, AI juga membawa sejumlah risiko yang tidak boleh diabaikan. Kemampuannya menghasilkan pekerjaan dalam hitungan detik memang menghemat waktu, tetapi bukan berarti semua hasilnya dapat langsung digunakan tanpa pemeriksaan.
Tantangan terbesar justru muncul karena kesalahan AI sering kali terlihat seperti pekerjaan yang sudah benar. Hasil yang disajikan umumnya rapi, meyakinkan, dan terdengar masuk akal. Inilah yang membuat kekeliruan tersebut sulit dikenali.
Misalnya, AI dapat menampilkan statistik yang sebenarnya tidak pernah ada, memberikan rekomendasi penargetan audiens yang bias, atau mengambil jalan pintas dalam pengolahan data. Jika luput dari proses pengecekan, kesalahan semacam ini dapat melewati alur kerja tanpa disadari dan berpotensi menimbulkan dampak yang cukup besar.
Lalu, apa saja kesalahan AI yang paling sering dilakukan di bidang digital marketing? Berikut lima kekeliruan yang umum terjadi beserta langkah yang dapat dilakukan untuk menghindarinya.
1. Menganggap Fakta dari AI Selalu Benar
Ilustrasi ChatGPT
Foto oleh Emiliano Vittoriosi di Unsplash
Salah satu kesalahan paling umum adalah langsung mempercayai informasi yang dihasilkan AI tanpa melakukan verifikasi terlebih dahulu.
Perlu dipahami, AI tidak mengambil informasi dari database tepercaya setiap kali menjawab pertanyaan. Sebaliknya, teknologi ini memprediksi susunan kata yang paling mungkin muncul berdasarkan pola yang dipelajari selama proses pelatihan. Ketika tidak memiliki informasi yang benar-benar akurat, AI tetap akan menghasilkan jawaban yang terdengar logis dan meyakinkan.
Fenomena ini dikenal sebagai hallucination. Dalam praktik digital marketing, kondisi tersebut cukup sering terjadi. Kesalahan dapat muncul pada analisis kompetitor, data ukuran pasar (market size), spesifikasi produk, hingga penyebutan sumber atau nama tokoh.
Lebih berbahaya lagi, hasil tersebut biasanya tampak seperti tulisan yang telah melalui riset mendalam. Sekilas tidak ada tanda yang menunjukkan bahwa informasi di dalamnya sebenarnya keliru.
Dampaknya pun bisa sangat serius jika konten AI dipublikasikan tanpa proses pengecekan. Salah satu contohnya dialami Air Canada. Maskapai tersebut dinyatakan bertanggung jawab secara hukum setelah chatbot layanan pelanggannya memberikan informasi yang salah mengenai kebijakan tarif belasungkawa (bereavement fare).
Chatbot tersebut dengan yakin menyatakan bahwa pelanggan dapat mengajukan tarif khusus secara retroaktif setelah perjalanan selesai. Padahal, informasi itu bertentangan dengan kebijakan resmi yang tercantum di situs Air Canada.
Upaya perusahaan untuk beralasan bahwa chatbot merupakan entitas terpisah dan bukan tanggung jawab mereka akhirnya ditolak oleh pengadilan. Tanggung jawab hukum tetap berada di pihak perusahaan.
Kasus tersebut memang melibatkan chatbot yang berinteraksi langsung dengan pelanggan. Namun, prinsip yang sama juga berlaku dalam aktivitas digital marketing.
Bayangkan sebuah toko online di Indonesia menggunakan AI untuk membuat deskripsi produk secara otomatis. Tanpa melalui proses pengecekan, AI menuliskan spesifikasi yang keliru, seperti kapasitas penyimpanan smartphone atau fitur sebuah perangkat elektronik.
Jika informasi tersebut dijadikan dasar promosi dan ternyata tidak sesuai dengan produk yang diterima pelanggan, reputasi bisnis dapat terdampak dan perusahaan tetap harus bertanggung jawab atas informasi yang dipublikasikan.
2. Menganggap AI Bebas dari Bias
Beberapa AI yang umum digunakan
Foto oleh Solen Feyissa di Unsplash
Hasil yang diberikan AI sering dianggap netral karena dibuat oleh mesin. Padahal, anggapan tersebut tidak sepenuhnya benar.
AI dilatih menggunakan kumpulan data dalam jumlah sangat besar yang berasal dari internet dan berbagai sumber lainnya. Karena data tersebut dibuat oleh manusia, berbagai pola pikir, stereotip, hingga bias yang ada di dalamnya ikut terbawa ke proses pelatihan.
Akibatnya, bias tersebut dapat muncul kembali dalam output AI. Dalam kondisi tertentu, kecenderungan itu bahkan bisa menjadi lebih kuat daripada yang ada pada data aslinya.
Di dunia digital marketing, masalah ini sering kali muncul tanpa disadari. Misalnya, AI dapat membuat copy iklan yang menggunakan bahasa yang tidak inklusif, menyusun audience targeting yang mengabaikan kelompok tertentu karena mengikuti pola dari data kampanye lama, atau menghasilkan gambar yang hanya menampilkan kelompok demografi tertentu sebagai representasi "default".
Risiko tersebut bukan sekadar teori. Penelitian yang dipublikasikan di jurnal Nature dan dipublikasikan oleh Stanford University menunjukkan bahwa bias AI memang nyata dan dapat memengaruhi hasil yang dihasilkan. Studi tersebut menemukan bahwa large language model (LLM) masih memiliki bias yang cukup kuat terhadap perempuan lanjut usia di lingkungan kerja.
Temuan tersebut menjadi pengingat bahwa AI tidak hanya membantu menghasilkan konten, tetapi juga berpotensi membawa kecenderungan yang dapat memengaruhi kualitas hasilnya.
Bagi marketer yang memanfaatkan AI untuk membuat copy, menentukan segmentasi audiens, atau menghasilkan visual, bias semacam ini dapat menghambat upaya membangun pemasaran yang lebih inklusif.
3. Terlalu Percaya pada Hasil AI
Ilustrasi AI
Foto oleh Solen Feyissa di Unsplash
Akurasi AI yang tinggi justru dapat menjadi jebakan. Semakin sering sebuah alat memberikan hasil yang benar, semakin besar kecenderungan pengguna untuk mempercayainya tanpa melakukan pemeriksaan ulang.
Fenomena ini dikenal sebagai automation bias, yaitu kondisi ketika seseorang terlalu mengandalkan sistem otomatis hingga mengurangi sikap kritis terhadap hasil yang diterimanya.
Masalahnya, kasus seperti ini tidak muncul secara tiba-tiba. Kebiasaan tersebut berkembang perlahan. Pada awalnya pengguna masih rutin mengecek hasil kerja AI, tetapi setelah berkali-kali memperoleh jawaban yang akurat, proses pengecekan mulai dianggap tidak lagi diperlukan.
Di sinilah letak risikonya. Satu kesalahan yang luput diperiksa dapat menimbulkan dampak yang jauh lebih besar dibanding puluhan jawaban yang benar. Kesalahan AI yang tidak segera terdeteksi pernah menimbulkan kerugian besar bagi perusahaan teknologi sekalipun.
Salah satu contohnya terjadi pada Google. Perusahaan induknya, Alphabet, kehilangan sekitar 100 miliar dolar AS nilai pasar (market value) hanya dalam satu hari setelah chatbot AI Bard menyampaikan informasi yang keliru dalam sebuah video promosi.
Dalam video tersebut, Bard mengklaim bahwa James Webb Space Telescope (JWST) merupakan teleskop pertama yang berhasil mengambil gambar planet di luar tata surya. Pernyataan tersebut ternyata tidak benar. Karena kesalahan itu muncul dalam materi promosi yang ditonton banyak orang, dampaknya pun menjadi jauh lebih besar sebelum akhirnya disadari.
Dalam aktivitas digital marketing, automation bias dapat muncul dalam berbagai bentuk. Misalnya, ringkasan performa campaign yang dibuat AI langsung dimasukkan ke laporan klien tanpa dibaca kembali, analisis kinerja dipresentasikan dalam rapat tanpa dicocokkan dengan data dari platform iklan, atau rekomendasi strategi diterima begitu saja hanya karena AI menyajikannya dengan bahasa yang terdengar sangat meyakinkan.
Hal yang perlu diingat, tingkat akurasi AI yang tinggi bukan berarti bebas dari kesalahan. Jika sebuah alat benar dalam 95 persen kasus, lima persen sisanya tetap dapat menimbulkan masalah apabila tidak pernah diperiksa.
4. AI Kehilangan Konteks dalam Proyek yang Panjang
Ilustrasi Claude AI
Foto oleh Planet Volumes di Unsplash
Semakin panjang sebuah percakapan dengan AI, semakin besar pula kemungkinan konteks awal mulai bergeser. Akibatnya, hasil yang diberikan tidak lagi sepenuhnya mengikuti instruksi yang telah ditetapkan sejak awal.
Hal ini terjadi karena AI bekerja berdasarkan konteks percakapan yang sedang berlangsung. Dalam tugas yang panjang atau memiliki banyak tahapan, AI dapat kehilangan sebagian instruksi, mengubah asumsi, atau bahkan menambahkan detail yang sebenarnya tidak pernah diminta.
Perubahan tersebut sering kali tidak langsung terlihat. Pengguna baru menyadarinya ketika hasil akhir ternyata tidak lagi sesuai dengan tujuan awal percakapan tersebut dibuat.
Kondisi serupa juga dapat terjadi saat pengguna memberikan prompt yang terlalu panjang atau berisi banyak tujuan sekaligus. Dalam situasi seperti ini, AI mungkin lebih memprioritaskan sebagian instruksi dibanding yang lain, atau menggabungkan beberapa perintah dengan cara yang tidak sesuai harapan.
Alhasil, jawaban yang dihasilkan memang tampak menjawab permintaan, tetapi belum tentu benar-benar memenuhi brief yang telah ditetapkan sejak awal.
5. Membagikan Data yang Seharusnya Tetap Bersifat Internal
Ilustrasi penggunaan AI
Foto oleh Swello di Unsplash
Tidak semua data aman untuk dimasukkan ke layanan AI publik. Sayangnya, masih banyak pengguna yang tanpa sadar memasukkan informasi internal perusahaan demi mendapatkan jawaban yang lebih akurat.
Padahal, setiap prompt yang dikirim ke layanan AI publik akan diproses oleh sistem. Ketika data pelanggan, performa marketing campaign, informasi klien, atau strategi bisnis dimasukkan ke dalamnya, informasi tersebut tidak lagi sepenuhnya berada di bawah kendali organisasi.
Di sinilah letak risikonya. Dalam kondisi tertentu, data tersebut dapat digunakan untuk meningkatkan model AI di masa mendatang atau diproses dengan cara yang tidak diperkirakan oleh pengguna.
Bahkan, penggunaan AI yang belum mendapat persetujuan perusahaan untuk menangani informasi sensitif juga dapat menimbulkan persoalan tata kelola dan kepatuhan terhadap regulasi perlindungan data, termasuk aturan seperti General Data Protection Regulation (GDPR).
Selain itu, tanggung jawab tetap berada pada pengguna dan organisasi. Jika AI menghasilkan analisis yang keliru terhadap data klien, lalu hasil tersebut dijadikan dasar pengambilan keputusan maka pihak yang menggunakan AI tetap bertanggung jawab atas konsekuensi yang muncul.
Cara Praktis Menghindari Kesalahan AI dalam Digital Marketing
Setelah memahami berbagai risiko penggunaan AI, ada beberapa langkah sederhana yang dapat diterapkan agar teknologi ini benar-benar menjadi alat bantu, bukan sumber masalah.
- Jangan langsung mempercayai hasil AI. Selalu verifikasi fakta, statistik, kutipan, dan referensi melalui sumber yang kredibel sebelum digunakan dalam konten, laporan, atau pengambilan keputusan.
- Tinjau kembali kualitas setiap output. Periksa apakah tulisan, gambar, maupun rekomendasi yang dihasilkan AI sudah sesuai dengan target audiens, karakter brand, dan tujuan kampanye.
- Waspadai potensi bias dalam hasil AI. Pastikan tidak ada bahasa yang bersifat eksklusif, segmentasi audiens yang tidak seimbang, atau visual yang memperkuat stereotip tertentu.
- Jangan bergantung pada satu AI saja. Untuk informasi atau analisis yang penting, bandingkan hasil dari beberapa AI dan cocokkan kembali dengan data dari dashboard analitik atau sumber resmi.
- Gunakan prompt yang jelas dan spesifik. Jika pekerjaan cukup kompleks, pecah menjadi beberapa tahap agar AI lebih mudah memahami setiap tujuan yang ingin dicapai.
- Ulangi konteks saat mengerjakan proyek yang panjang. Sertakan kembali informasi penting seperti target audiens, tone of voice, brand guideline, dan tujuan kampanye agar hasil AI tetap konsisten dengan brief awal.
- Lindungi data yang bersifat sensitif. Hindari memasukkan data pelanggan, informasi klien, dokumen internal, atau strategi bisnis ke layanan AI publik. Jika diperlukan, anonimkan data pribadi dan gunakan platform AI yang telah disetujui perusahaan.
- Libatkan manusia dalam pengambilan keputusan akhir. AI dapat mempercepat proses kerja, tetapi keputusan yang berdampak pada bisnis maupun pelanggan tetap memerlukan penilaian, konteks, dan tanggung jawab dari manusia.
