Beberapa minggu yang lalu, saya menjadi pembawa acara webinar berjudul Tim Pemasaran Kinerja Masa Depan, yang lebih bersifat diagnostik daripada visioner. Saya didampingi oleh tiga praktisi—Max Epifanov (TripleTen), Matt Shenton (Croud), dan Ivan Zamesin (AJTBD)—semua berpengalaman dalam mengelola alur kerja berbasis AI berskala besar dalam produksi. Diskusi tersebut mengungkapkan gambaran postmortem tentang model pemasaran kinerja saat ini, yang secara perlahan digantikan oleh AI. Tim-tim yang berkinerja tinggi mulai menjadi redundan karena agen AI mengambil alih tugas yang biasanya dilakukan oleh manusia, meskipun bagan organisasi belum mencerminkan perubahan ini. **Kita Telah Mengatasi Masalah yang Salah Selama Dekade Ini** Selama sepuluh tahun terakhir, para pemasar fokus pada mengoptimalkan metrik kinerja—meningkatkan dashboard, mempercepat atribusi, dan menyempurnakan targeting. Namun, nilai sebenarnya dari AI terletak pada memotong waktu pengambilan keputusan dan mempercepat siklus iterasi. Sebelumnya, pemasar menghabiskan jam-jam menganalisis dashboard untuk memutuskan perubahan anggaran. Kini, AI memungkinkan pengambilan ratusan keputusan tersebut setiap hari dan dengan cepat memverifikasi hasilnya. Para pemasar juga terlalu mengendalikan sistem otomatis, yang secara paradoks mengurangi efektivitas AI. Seperti pilot yang belajar kapan tidak perlu intervensi dengan sistem autopilot, para pemasar harus belajar mempercayai otonomi AI untuk hasil optimal. Pergeseran peran ini sering kali terjadi secara mendadak daripada bertahap: tim yang mengintegrasikan AI sebagai alat produktivitas mendapatkan manfaat secara bertahap, tetapi mereka yang merestrukturisasi berdasarkan AI beroperasi pada tingkat yang sama sekali berbeda. **Apa yang Terjadi Ketika Agen Melaksanakan Tugas?** Saat ini, agen AI menangani pemasaran kinerja di berbagai saluran secara bersamaan—Meta, TikTok, YouTube, Google—menggunakan data dari seluruh funnel dan logika pengambilan keputusan yang sudah ditentukan sebelumnya. Agen-agen ini merencanakan dan bertindak menuju tujuan dengan sedikit intervensi manusia. Para pemasar kini dapat membangun funnel lead generation yang penuh interaksi dalam waktu tujuh hari tanpa dukungan pengembang. Lebih dari 70% tim yang menggunakan generative AI meningkatkan produksi konten tanpa menambah staf, sementara kecepatan rilis dan siklus iterasi meningkat secara eksponensial. Yang penting, agen AI tidak sekadar membantu; mereka mengeksekusi tugas secara terus-menerus dan mandiri, membuat peran pemasaran tradisional menjadi usang. Waktu analisis kampanye berkurang dari 3–4 jam menjadi 10–15 menit, dengan AI menerapkan aturan seperti meningkatkan iklan ketika biaya per lead melebihi target, atau menjeda kreatif yang berkinerja buruk. Tindakan tersebut transparan, memungkinkan verifikasi manusia, kalibrasi, dan kepercayaan.

Dalam mode otomatis, AI secara langsung mengubah akun iklan; dalam mode semi-otomatis, manusia yang mengonfirmasi. Ini menjadi standar di tim yang mengelola pengeluaran iklan lebih dari $500. 000 per bulan. **Apa yang Masih Tetap di Lapisan Manusia** Lalu, apa yang tetap menjadi peran manusia?Dengan otomatisasi pelaksanaan tugas, optimisasi berkelanjutan, dan logika pengambilan keputusan yang formal, peran utama manusia adalah membuat keputusan ketika data tidak lengkap, konteks ambigu, dan hasilnya tidak pasti. AI belum mampu secara handal membedakan ide yang bagus dari yang mediokre atau merencanakan strategi jangka panjang secara mandiri. Pemasaran kinerja kini terdiri dari empat lapisan: - Pelaksanaan: sepenuhnya otomatis; - Optimisasi: sebagian otomatis, dengan batasan; - Pengambilan keputusan: sebagian manusia; - Strategi: sepenuhnya manusia pada tahap ini. Cara yang berguna untuk memandang peran manusia adalah menggunakan tiga arketipe: dokter, pilot, dan guru. Dokter mendiagnosis masalah, pilot mengawasi tanpa terlalu mengendalikan, dan guru menetapkan input, batasan, serta kerangka kerja bagi sistem otonom. **Dari Tim ke Sistem** Salah satu hambatan utama yang tidak bisa diselesaikan AI sendiri adalah konteks organisasi, yang tetap terfragmentasi di banyak perusahaan. Pengetahuan yang tersimpan di berbagai ruang obrolan, dokumen, dan dashboard, ditambah dengan tim yang bekerja secara silo, menyebabkan hilangnya konteks dan memaksa pembangunan kembali dari awal secara redundan. Hal ini menghambat efektivitas AI. AI berbasis agen berfungsi seperti conveyor belt; jika data tidak diberi label dengan jelas, dapat diakses, dan didefinisikan, sistem akan terhenti. Perusahaan yang berhasil memanfaatkan AI telah mengintegrasikan arsitektur data dan pengambilan keputusan. Dalam lanskap baru ini, tim pemasaran kinerja memiliki lebih sedikit operator dan lebih banyak desainer sistem, alur umpan balik yang lebih ketat, dan eksekusi berkelanjutan tanpa penundaan manusia. Tim-tim ini menjadi lapisan manajemen yang mengawasi sistem otonom. Secara historis, pemasaran kinerja berfokus pada pengelolaan meningkatnya kompleksitas dari saluran, data, dan variabel. AI tidak mengurangi kompleksitas ini—ia menyerapnya. Permainannya telah berubah, dan pemenang utama akan menjadi yang mampu membangun sistem yang bisa mengelola sendiri.