Pemasar tidak mempercayai wawasan AI karena mereka tidak dapat melihat dari mana suatu kesimpulan berasal, dan karena bertindak berdasarkan kesalahan yang pasti itu mahal. Dalam survei GWI terhadap lebih dari 450 pemasar di Inggris, Amerika Serikat, dan Singapura, yang diterbitkan pada bulan September 2026, 72% mengatakan bahwa organisasi mereka telah membuat keputusan signifikan mengenai wawasan yang dihasilkan AI yang kemudian terbukti salah, namun hanya 37% yang memverifikasi wawasan AI pada sebagian besar waktu. Cara mengatasinya adalah membuat setiap kesimpulan AI dapat ditelusuri ke sampelnya, bukti-buktinya, dan alasannya, sehingga seseorang dapat memeriksanya sebelum ada yang mengambil tindakan.
Poin penting
- Ketidakpercayaan ini memang wajar: sebagian besar tim pemasaran dalam survei GWI telah bertindak berdasarkan wawasan AI yang ternyata salah, dan pemeriksaan masih merupakan pengecualian.
- Kepercayaan berlebihan juga merupakan hal biasa: di KPMG dan Universitas Melbourne47-studi pedesaan,66% karyawan mengandalkan keluaran AI di tempat kerja tanpa mengevaluasinya.
- Penelitian tentang kepercayaan terhadap otomatisasi menunjukkan ketergantungan yang terkalibrasi, dan orang-orang menerima algoritma yang tidak sempurna ketika mereka dapat memeriksa dan menyesuaikannya.
- Wawasan AI dapat diverifikasi ketika ia menyatakan sampelnya, menghubungkan setiap klaim dengan bukti di baliknya, menyebutkan mekanismenya, dan memberi label pada kesimpulan model.
- Kami mengaudit salah satu wawasan AI SOMIN di bawah ini; pemeriksaan tersebut menangkap bukti yang tidak jelas dan perubahan audiens yang dapat menyesatkan laporan singkat.
Mengapa pemasar tidak mempercayai wawasan AI?
Ada tiga alasan yang muncul berulang kali: wawasan muncul sebagai kotak hitam, kesalahan disampaikan dengan keyakinan yang sama seperti fakta, dan kerugian akibat kesalahan panggilan ditanggung oleh pemasar, bukan alatnya.
Biayanya tidak lagi bersifat hipotetis. Dalam survei GWI, 37% pemasar mengatakan wawasan AI yang salah telah menyebabkan kerugian finansial, 35% menyebabkan keluhan pelanggan dan 32% menyebabkan kerusakan reputasi, dan 44% telah mengulangi pekerjaan karena keluaran yang tidak akurat. GWI menjual data survei untuk digunakan dalam alat AI, sehingga GWI mempunyai kepentingan dalam jawabannya, namun polanya sesuai dengan penelitian yang lebih luas.
KPMG dan Universitas Melbourne mensurvei 48,000 orang-orang di 47 negara untuk 2025 studi global mereka tentang kepercayaan terhadap AI. Lebih dari separuh (54%) mengatakan mereka ragu untuk mempercayai AI, dan 56% karyawan mengatakan mereka melakukan kesalahan di tempat kerja karenanya.
Psikologi menambahkan sesuatu yang berbeda. Dari lima penelitian, Berkeley Dietvorst, Joseph Simmons, dan Cade Massey menemukan bahwa orang-orang kehilangan kepercayaan terhadap suatu algoritma lebih cepat dibandingkan manusia setelah melihat keduanya melakukan kesalahan yang sama, bahkan ketika algoritma tersebut secara keseluruhan lebih akurat. Mereka menyebutnya keengganan algoritma. Satu kesalahan yang terlihat dalam wawasan AI dapat membuat seluruh alat tidak terlihat oleh tim.
Apakah ketidakpercayaan merupakan suatu masalah atau reaksi yang masuk akal?
Kedua-duanya, tergantung pada apa tujuannya. Tujuannya bukanlah lebih banyak kepercayaan tetapi jumlah yang tepat. Ulasan 2004John Lee dan Katrina See dalam Human Factors membingkai masalah sebagai ketergantungan yang tepat: otomatisasi menjadi salah ketika orang tidak dapat mengandalkannya dengan tepat, memercayainya lebih atau kurang dari kemampuannya.
Pemasaran menunjukkan kedua kegagalan sekaligus. Studi KPMG menemukan 66% karyawan mengandalkan keluaran AI di tempat kerja tanpa mengevaluasi atau memvalidasinya, sementara data GWI menunjukkan sebagian besar pemasar tidak memverifikasi wawasan AI secara rutin. Tim beralih antara mengambil grafik begitu saja dan membuang alat setelah satu keputusan buruk.
Peneliti yang sama juga menemukan jalan keluarnya. Dalam tindak lanjut 2018 di bidang Ilmu Manajemen, masyarakat lebih bersedia menggunakan algoritme peramalan yang tidak sempurna ketika mereka dapat mengubah keluarannya, meskipun sedikit, dan prakiraan mereka meningkat. Kepercayaan meningkat seiring dengan kendali. Untuk mendapatkan wawasan, pengendalian dimulai dengan melihat bukti dan mampu mengedit kesimpulan.
Apa yang diungkapkan oleh data SOMIN tentang ketidakpercayaan terhadap otomatisasi?
Mesin wawasan SOMIN memunculkan tema yang sama dari kategori penelitian audiens. Dalam studi 2026 bulan Juli terhadap 229 item berbayar dari GWI, Nielsen, Milieu, dan Euromonitor, tertanggal 8 April hingga 6 Juli 2026, studi ini mengelompokkan 51 ke dalam sebuah ketegangan bertajuk "Menavigasi Kompleksitas Wawasan Konsumen di Pasar Berbasis Digital": perusahaan berjuang untuk mendapatkan wawasan yang dapat ditindaklanjuti dari data yang melimpah, bersandar pada label generasi yang luas, dan khawatir bahwa AI ketidakakuratan merusak pemahaman mereka tentang pasar. Dari ketegangan itulah terbentuklah rantai ini:
- Persona: Ahli Strategi yang Berwawasan, seorang profesional analisis pasar dan strategi bisnis yang memprioritaskan pengetahuan dan keputusan berdasarkan data, yang dibangun dari item 63 dalam studi yang sama, 46 di antaranya adalah iklan GWI.
- Sudut: Ketidakpercayaan pada Otomasi, yang diajukan dalam model SOMIN berdasarkan teori kepercayaan: kepercayaan dibangun melalui konsistensi dan transparansi, dan AI yang digunakan tanpa komunikasi yang jelas mengikisnya. Dalam literatur penelitian, ini adalah bidang kepercayaan pada otomasi yang diulas oleh Lee dan See.
- Wawasan: "Kepercayaan ditumbuhkan dalam percakapan, bukan dalam data algoritma."
Pemasaran dari kategori tersebut menjual dengan ketakutan yang sama. Iklan GWI untuk Agen Spark, yang menghadirkan data survei GWI ke asisten AI, menjanjikan wawasan terverifikasi dari konsumen nyata, bukan konten yang diambil dari web. Pada saluran organik GWI, postingan 23 yang diberi tag dengan topik AI memiliki rata-rata interaksi 83, hampir tiga kali lipat rata-rata keseluruhan 29 GWI, antara 18 Oktober 2025 dan 17 Oktober 2026. Studi kami tentang bagaimana perusahaan riset audiens memasarkan data mereka memiliki gambaran yang lebih luas.
Saat SOMIN memasangkan wawasan tersebut dengan produknya sendiri, proposisinya bertumpu pada properti, bukan fitur: setiap kesimpulan AI dapat dibandingkan dengan postingan di belakangnya, dan tag konsep dilacak ke postingan spesifik yang membuktikan hal tersebut. Ini adalah standar yang berlaku di seluruh artikel ini, termasuk untuk SOMIN.
Apa yang membuat wawasan AI dapat diverifikasi?
Wawasan AI dapat diverifikasi ketika kolega yang skeptis dapat menelusurinya mulai dari kesimpulan hingga bukti dalam beberapa menit. Kerangka Kerja Manajemen Risiko NIST AI memberikan kata-kata yang berguna untuk bagian-bagiannya: transparansi menjawab apa yang terjadi, kemampuan menjelaskan menjawab bagaimana suatu hasil dicapai, dan kemampuan menafsirkan menjawab alasannya. NIST mencantumkan akuntabilitas dan transparansi, serta kemampuan menjelaskan dan menafsirkan, di antara karakteristik AI yang dapat dipercaya.
Untuk wawasan pemasaran, itu berarti empat lapisan yang terlihat:
- Sampel: sumber, merek, platform, rentang tanggal, dan ukuran.
- Buktinya: tertaut ke postingan, iklan, atau baris sebenarnya di balik setiap klaim, dengan hitungan.
- Alasan: mekanismenya, diberi nama, dengan sumber teorinya.
- Status: label sederhana yang memisahkan apa yang diamati dari apa yang disimpulkan oleh model.
Dalam Strategi SOMIN, setiap persona dan ketegangan terbuka ke pustaka konten yang difilter ke postingan atau iklan di belakangnya. Tautan itulah yang memungkinkan audit di bawah ini.
Bagaimana Anda mengaudit wawasan AI dalam praktiknya?
Kami menjalankan wawasan "Kepercayaan ditumbuhkan dalam tanah percakapan" melalui lapisan-lapisan tersebut pada bulan Oktober 2026.
| Pemeriksaan | Apa yang kami temukan | Penilaian |
|---|---|---|
| Contoh dinyatakan | 229 item berbayar dari perpustakaan iklan GWI, Nielsen, Milieu dan Euromonitor, 8 April hingga 6 Juli 2026 | Lulus |
| Bukti terkait | Ketegangan terbuka pada item 51 di belakangnya di perpustakaan konten | Lulus |
| Bukti tentang topik | Beberapa item merupakan iklan Nielsen yang merekrut anggota untuk Panel Komputer & Seluler, yang tidak menjelaskan apa pun tentang kepercayaan terhadap wawasan | Beberapa kebisingan: tinggalkan item di luar topik sebelum pengarahan |
| Konsentrasi | 31 dari 51 item berasal dari GWI | Pesan satu pengiklan mendominasi |
| Sudut cocok dengan bukti | Sudut pandang tersebut menggambarkan ketidakpercayaan konsumen terhadap merek yang menggunakan AI; buktinya adalah perusahaan riset menjual ke pemasar | Pergeseran audiens: tulis ulang sudut pandang untuk pembeli bisnis |
| Teori diperiksa | "Teori kepercayaan" adalah label yang luas; penelitian yang sudah ada adalah tentang kepercayaan pada otomatisasi dan keengganan algoritma | Kutip kembali penelitian utama |
Kesimpulannya: wawasan ini merupakan pembacaan yang adil tentang bagaimana kategori penelitian audiens menjual, yang sebagian besar dibangun berdasarkan iklan satu perusahaan, dan hipotesis tentang pembeli, bukan sikap terukur. Ini dapat digunakan setelah sudutnya ditulis ulang untuk pemasar dan item di luar topik dihapus. Tanpa audit, hal ini bisa dengan mudah menjadi temuan singkat tentang konsumen. Untuk mengetahui kesesuaian tegangan dan sudut, lihat apa yang dimaksud dengan tegangan konsumen.
Apa saja yang harus disertakan dalam daftar periksa wawasan AI?
Sepuluh cek mencakup sebagian besar. Jalankan lima yang pertama pada setiap wawasan dan sepuluh yang pertama sebelum keputusan yang menggerakkan anggaran.
- Nyatakan sampel dalam satu baris: sumber, merek, platform, tanggal dan jumlah item.
- Hubungkan setiap angka dengan buktinya, dan tunjukkan penyebutnya: 51 dari 229 menyatakan lebih dari sekadar "tema utama".
- Buka sampel bukti secara acak, sepuluh hingga dua puluh item, dan hitung item yang di luar topik.
- Periksa konsentrasi. Jika satu merek atau akun memberikan sebagian besar bukti, katakan demikian.
- Beri label pada apa yang dihasilkan model. Persona, ketegangan, dan wawasan yang dihasilkan oleh AI adalah hipotesis hingga diverifikasi.
- Periksa teori tersebut dengan sumber utama. Cantumkan nama-nama yang tidak dapat Anda temukan dalam literatur penelitian.
- Periksa penontonnya. Apakah buktinya berasal dari orang yang sama dengan yang dibicarakan dalam kesimpulan?
- Simpan buktinya saat analisis berjalan: ID postingan, tautan, dan tangkapan layar, karena postingan terhapus dan iklan berhenti berjalan.
- Periksa silang panggilan besar dengan sumber independen, seperti survei, data penjualan, atau tes kecil.
- Biarkan pemilik mengedit kesimpulan, dan mencatat siapa yang mengubahnya, siapa yang menandatanganinya, dan kapan.
Ini adalah kembaran tingkat wawasan dari pemeriksaan salinan dalam panduan kami untuk halusinasi AI dalam pemasaran. AI yang dapat dijelaskan untuk pemasaran juga merupakan pertanyaan penelitian bagi kami: Prof. Aleks Farseev dan tim SOMIN telah mempublikasikannya di ACM Multimedia dan The Web Conference, dan makalahnya tercantum di halaman penelitian SOMIN.
FAQ
Mengapa pemasar tidak mempercayai wawasan yang dihasilkan AI?
Hal ini terutama karena mereka tidak dapat melihat bukti dibalik sebuah kesimpulan dan telah dibakar oleh kesalahan yang pasti. Dalam survei 2026 GWI, 72% pemasar mengatakan organisasi mereka telah mengambil keputusan signifikan terkait wawasan AI yang kemudian terbukti salah.
Apa itu keengganan algoritma?
Ini adalah kecenderungan untuk kehilangan kepercayaan pada suatu algoritma lebih cepat dibandingkan pada manusia setelah melihatnya melakukan kesalahan, dijelaskan oleh Dietvorst, Simmons dan Massey dalam 2015. Penelitian mereka selanjutnya menemukan bahwa membiarkan orang menyesuaikan keluaran algoritma akan mengurangi efeknya.
Bagaimana cara memeriksa apakah wawasan AI akurat?
Mintalah sampelnya, buka pilihan acak dari postingan atau baris di belakangnya, hitung postingan di luar topik, dan periksa apakah buktinya berasal dari audiens yang dijelaskan oleh wawasan tersebut. Kemudian konfirmasikan keputusan besar terhadap sumber independen.
Apa perbedaan antara AI yang dapat dijelaskan dan dapat diverifikasi?
AI yang dapat dijelaskan memberi tahu Anda bagaimana suatu hasil dicapai. Wawasan yang dapat diverifikasi lebih jauh lagi: wawasan ini memungkinkan Anda memeriksa sendiri bukti-bukti dan mencapai pandangan Anda sendiri, sehingga Anda tidak hanya mengandalkan penjelasan saja.
Haruskah pemasar berhenti menggunakan AI untuk mendapatkan wawasan audiens?
Tidak. AI pandai mengelompokkan konten dalam jumlah besar dan mengajukan ketegangan dengan cepat. Perlakukan keluarannya sebagai hipotesis dengan catatan tertulis, dan mintalah seseorang bertanggung jawab untuk memeriksa dan menandatanganinya.
Sumber
- GWI: Pemasar mengatakan wawasan AI yang salah telah merugikan organisasi mereka (September 2026)
- KPMG dan Universitas Melbourne: Kepercayaan, sikap dan penggunaan kecerdasan buatan, sebuah studi global 2025 (ringkasan eksekutif)
- Dietvorst, Simmons dan Massey (2015), Keengganan terhadap algoritma: orang secara keliru menghindari algoritma setelah melihatnya melakukan kesalahan, Jurnal Psikologi Eksperimental: Umum 144(1)
- Dietvorst, Simmons dan Massey (2018), Mengatasi keengganan algoritma, Ilmu Manajemen 64(3)
- Lee dan See (2004), Kepercayaan pada otomatisasi: merancang untuk ketergantungan yang tepat, Faktor Manusia 46(1)
- Pusat Sumber Daya AI NIST: Risiko dan kepercayaan AI
