Paradoks bakat terjadi ketika AI mengubah cara agensi beroperasi

Suatu saat menangkap perubahan itu. Selama pertemuan tertutup, seorang eksekutif agensi melakukan eksperimen internal yang dimaksudkan untuk menguji bagaimana AI memperbarui perencanaan media. Temuannya sebenarnya bukan tentang kecepatan atau efisiensi. Hal ini mengungkap pertanyaan yang lebih mendalam tentang bagaimana nilai didistribusikan di dalam tim — dan betapa tidak stabilnya fondasi tersebut.

Agensi tersebut memiliki tiga tim yang membuat rencana media yang sama untuk klien. Satu tim terdiri dari spesialis AI yang tidak menangani klien tersebut, namun sangat terlatih dalam menggunakan alat milik agensi tersebut. Tim lain mengerjakan merek berbeda untuk klien yang sama. Mereka memahami kategori dan ekspektasi klien, namun hanya sedikit terpapar pada alat AI agensi tersebut, dan sebagian besar mengandalkan ChatGPT untuk mempercepat prosesnya. Tim ketiga membuat rencana tersebut tanpa menggunakan AI sama sekali.

Hasilnya cukup menarik: para spesialis AI, meskipun tidak memiliki konteks merek, menghasilkan rencana yang sangat mirip dengan apa yang biasanya diberikan oleh agensi tersebut melalui proses tradisionalnya. Tim jadul juga melakukannya. Pekerjaan yang paling lemah datang dari kelompok menengah – yaitu kelompok yang sudah familiar dengan klien namun belum sepenuhnya memahami bagaimana AI kini bisa masuk ke dalam alur kerja.

Ini terasa seperti gambaran kecil namun mengungkap paradoks bakat yang lebih luas di dalam tim iklan terprogram. AI tidak menghilangkan kebutuhan manusia. Hal ini menuntut tim untuk membuat komitmen yang jelas terhadap satu model operasi atau lainnya. Spesialis AI berhasil karena mereka memahami cara bekerja di dalam sistem baru. Tim tradisional berhasil karena mereka mengikuti logika yang mereka ketahui. Kelompok yang berada di tengah mengalami kesulitan bukan karena mereka kurang memiliki keterampilan perencanaan namun karena mereka mencoba menanamkan naluri lama ke dalam alat AI yang tidak sepenuhnya mereka pahami. Hal inilah yang menjadi perhatian lembaga-lembaga risiko – lapisan talenta yang terjebak di antara dua cara kerja, di mana adopsi sebagian menjadi lebih tidak stabil dibandingkan tidak ada adopsi sama sekali.

“Mereka [the execs in the middle team] meminta lebih banyak pelatihan tentang AI karena mereka mengatakan itu akan sangat membantu jika mereka mengetahui jenis tombol apa yang harus ditekan,” kata eksekutif agensi tersebut di balai kota.

Bukan hanya mereka saja yang bertanya.

Para pemimpin terprogram terus menyampaikan kekhawatiran yang sama sepanjang pertemuan puncak: generasi manajer berikutnya mungkin tidak akan pernah mengembangkan naluri yang muncul karena melakukan pekerjaan berat yang kini dilakukan AI untuk mereka.

“Kami telah menjadi sangat baik dalam mengotomatisasi banyak pekerjaan tingkat awal,” kata kepala program PMG, Doug Paladino. “Hal ini tidak berdampak pada lapangan kerja saat ini, namun saya khawatir seiring berjalannya waktu, jika kita benar-benar membutuhkan lebih sedikit karyawan tingkat pemula, maka tiga hingga lima tahun dari sekarang kita tidak akan memiliki orang-orang yang dibutuhkan untuk menjadi manajer di masa depan.”

Seperti kebanyakan rekannya, dia belum memiliki solusinya. Untuk saat ini, itu adalah sesuatu yang dia dan timnya sedang kerjakan secara aktif. Mereka memberikan talenta junior paparan awal terhadap tulang punggung diagnostik program – interpretasi sinyal, penalaran strategis, dan mekanisme platform – bukan melalui pekerjaan kasar tetapi dengan mengawasi dan menginterogasi data yang lebih kaya. Alih-alih belajar melalui QA manual dan pelaporan berulang, pedagang diberikan akses ke inti operasi: sinyal tingkat log, yang dikemas dalam antarmuka AI yang dapat mereka kueri secara intuitif.

“Kami telah memasukkan LLM ke dalam data tingkat log sehingga sekarang Anda cukup menanyakannya: ‘acara apa yang saya tayangkan’, dan mereka akan mendapatkan jawabannya kembali,” kata Paladino. “Ini benar-benar tentang memberikan kumpulan data yang paling berharga dan kompleks ke tangan orang-orang yang dapat melakukan banyak hal dengan data tersebut – operator kampanye kami sehari-hari – tanpa mereka memerlukan pelatihan lanjutan.”

Yang muncul adalah generasi junior yang berbeda — mereka diharapkan dapat berpikir lintas saluran, menafsirkan pola, mempertanyakan keluaran mesin, dan bergerak dengan nyaman dalam materi iklan, data, dan pasokan. Pekerjaannya bukan lagi eksekusi. AI menanganinya. Pekerjaan itu adalah penilaian.

“Peran agensi tersebut tidak akan hilang,” kata Matt Barash, chief komersial officer di Nova, sebuah platform teknologi kreatif yang bermitra dengan agensi secara global. “Wajan ini akan berkembang untuk memanfaatkan output AI yang lebih baik yang mendukung otomasi inti dan investasi platform infrastruktur di seluruh lembaga. Bakat akan tetap menjadi landasan untuk mengelola sistem operasi tersebut.”

Di biro iklan independen BarkleyOKRP, misalnya, tim semakin terlatih – perencana, pedagang, analis, bahkan kreatif – untuk memastikan mereka memahami tidak hanya jalur mereka sendiri tetapi juga bagaimana keputusan yang didorong oleh AI bergema di seluruh rencana media.

“Kami pada dasarnya menginginkan semua pihak yang tidak hanya melihat aktivasi, perencanaan media, strategi atau pencarian,” kata Reshma Karnik, kepala media officer badan tersebut. “Kami ingin memiliki proses berpikir holistik.”

Yang kembali ke permasalahan inti. Sulit untuk berpikir secara holistik tentang apa pun jika pengalaman yang pernah membangun perspektif tersebut semakin hilang.

Pada saat yang sama, pekerjaan yang tersisa lebih bersifat teknis dan saling berhubungan. Staf junior diharapkan dapat menafsirkan sinyal tingkat tayangan, memahami bagaimana pilihan pasokan memengaruhi atribusi, dan berpindah antar fungsi yang biasanya berada pada jalur yang berbeda. Dengan kata lain, landasan kompetensi semakin meningkat sementara cara-cara tradisional untuk membangun kompetensi semakin terkikis. Tangga tersebut masih ada tetapi anak tangga yang mengajarkan orang bagaimana cara menaikinya telah menghilang. Dan yang lebih parah lagi, semakin sedikit peran junior yang tersedia untuk dilatih. Agensi memerlukan talenta yang lebih luas dan lebih cakap sejak dini — seperti halnya fondasi yang digunakan untuk menghasilkan talenta tersebut dihimpit dari kedua belah pihak.

“Kekhawatiran saya bukan pada kurva pembelajaran, namun pada menyusutnya jumlah peran tingkat pemula,” kata salah satu pendiri dan CEO vendor teknologi periklanan C Wire, Rui de Freitas. “Sebelum merekrut, sebagian besar perusahaan akan mencoba untuk mengotomatisasi proses tersebut. Jadi agensi harus menemukan kembali cara para junior belajar: memberi mereka masalah nyata lebih awal dan membiarkan mereka mengawasi AI, bukan hanya berdiam diri di belakang alur kerja yang sudah ketinggalan zaman.”

Angka yang perlu diketahui

58%: Gabungan pangsa pasar global (tidak termasuk Tiongkok) yang diperkirakan akan diambil oleh Alphabet, Amazon, dan Meta pada tahun 2026.

61%: Persentase pembeli Gen Z yang menggunakan alat AI untuk membantu mereka melakukan pembelian tahun lalu.

41%: Persentase pendapatan iklan global TikTok yang dihasilkan oleh penggunanya di AS.

35%: Persentase jangkauan Reel menurun, mungkin karena adanya gesekan baru dalam algoritma Instagram.

Apa yang telah kami bahas

Agensi mendorong kurasi ke hulu, mendapatkan kembali kendali atas aliran penawaran terprogram

Agensi mengatakan kepada Digiday bahwa mereka berencana memperketat kurasi pada tahun 2026, mendapatkan kembali kendali atas arti sebenarnya dari istilah tersebut – dan bagaimana istilah tersebut digunakan dalam praktik.

Detail Grafis: Inilah perkiraan perekonomian kreator pada tahun 2026

Digiday menggunakan lima bagan untuk menjelaskan bagaimana industri ini diperkirakan akan berkembang tahun depan, dengan mempertimbangkan pendapatan, jenis pembuat konten yang akan diajak bekerja sama, dan platform mana yang akan menjadi kunci untuk konten tersebut.

‘Seorang pedagang tidak perlu meninggalkan platform kami’: PMG membangun platform pembelian CTV-nya sendiri

Agensi iklan independen ini telah membangun platform pembelian CTV miliknya sendiri yang disebut Alli Buyer Cloud, yang berada di dalam sistem operasi PMG yang lebih luas, Alli.

Mengapa tahun 2026 bisa menjadi tahun terbesar Snap – menurut salah satu eksekutif

Direktur senior pemasaran produk Snap, Abby Laursen, berbincang dengan Digiday tentang rencananya untuk periklanan otomatis tahun depan, dan bagaimana kemitraannya dengan Perplexity meletakkan dasar bagi mereka untuk menciptakan ekosistem agen cerdas bertenaga AI di platform.

Apa yang sedang kita baca

Disney Menandatangani Kesepakatan Blockbuster OpenAI untuk Membawa Lebih dari 200 Karakter ke Platform Video Sora, Investasikan $1 Miliar di Perusahaan AI

Disney telah menandatangani kontrak tiga tahun untuk menjadi mitra lisensi besar pertama pada aplikasi video AI OpenAI, Sora, menurut Variety.

Pinterest Menghemat 90% Model AI Melalui Sumber Terbuka, Kata Ready

Sementara perusahaan lain mengeluarkan banyak uang untuk menggunakan AI, Pinterest tampaknya telah menemukan pendekatan yang lebih hemat biaya. CEO platform tersebut, Bill Ready, mengatakan bahwa timnya telah menghemat 90% saat menggunakan AI bermerek dengan mengandalkan model sumber terbuka, menurut The Information.

Dimana eksperimen terbesar Meta di bidang tata kelola menjadi salah

Dewan Pengawas Meta dirancang untuk bertindak sebagai Mahkamah Agung versi platform itu sendiri — tetapi sebagian besar gagal memenuhi harapan, menurut Platformer.

Superstar AI baru di Meta sedang melawan perusahaan lainnya

TBD AI Lab pada platform ini telah menciptakan mentalitas kita lawan mereka terhadap para eksekutif lamanya, menurut The New York Times.