Selama bertahun-tahun, para vendor bersaing dalam hal skor acuan, kecepatan inferensi, dan kemampuan model saat perusahaan berusaha mencari tahu bagaimana AI bisa diintegrasikan dalam alur kerja sehari-hari. Namun, sekarang eksperimen telah berkembang menjadi penerapan nyata, dan apa yang dianggap penting pun berubah.
Akurasi dan hasil bisnis yang terukur sekarang menjadi lebih penting daripada sebelumnya, dengan pertanyaan seputar pengembalian investasi, akuntabilitas, dan tata kelola yang muncul di semua sektor. Ini terutama penting dalam e-commerce, di mana gambar yang dihasilkan AI harus sepenuhnya akurat. Pemasar tidak ragu lagi untuk menggunakan AI dalam memproduksi variasi iklan dan penyesuaian pasar yang halus, tetapi kualitas output harus konsisten tinggi untuk memastikan produk tercermin dengan akurat.
Bahkan perubahan kecil dalam warna, tekstur, atau dimensi dapat menimbulkan risiko reputasi besar, seperti penurunan kepercayaan pelanggan atau meningkatnya pengembalian produk. Kita sudah tahu bahwa strategi AI yang buruk mengurangi kepercayaan pelanggan, sementara konsistensi branding yang kurang juga melemahkan persepsi terhadap merek.
Polanya Penggunaan AI Mengubah Kebiasaan Membeli
Tantangan ini juga sejalan dengan perubahan model harga untuk langganan AI. Kebangkitan dimulai dengan model harga berbasis kursi dan konsumsi token, tetapi sekarang kita memasuki era baru di mana AI yang tidak terpakai tidak lagi dikenakan biaya.
Contohnya, Zendesk baru-baru ini mengumumkan bahwa mereka hanya akan mengenakan biaya kepada pelanggan saat mereka mendapatkan hasil yang terverifikasi. CEO Photoroom, Matt Rouif, percaya strategi harga ini bisa jadi hits besar untuk pelanggan AI saat mereka beralih dari adopsi yang berorientasi pada kapasitas menjadi adopsi yang berorientasi pada jaminan.
Untuk mengeksplorasi bagaimana sikap perusahaan terhadap harga dan output generatif AI berubah serta bagaimana organisasi mengukur keberhasilan, saya berbincang dengan Rouif.
- Bagaimana harapan pembeli perusahaan terhadap generatif AI berubah seiring dengan matangnya adopsi?
Seiring generatif AI bergerak dari eksperimen ke produksi, pembeli perusahaan semakin fokus pada kontrol, akuntabilitas, dan hasil bisnis yang terukur. Fase awal adopsi sebagian besar berfokus pada pembuktian bahwa AI bisa menghasilkan output yang kredibel, sedangkan fase saat ini lebih kepada apakah output tersebut dapat dipercaya dalam alur kerja komersial, di mana akurasi dan keandalan secara langsung mempengaruhi pengalaman pelanggan dan kinerja bisnis.
Para pemimpin perusahaan semakin banyak bertanya tentang tata kelola dibandingkan kapasitas model, menilai bagaimana output dievaluasi dan di mana akuntabilitas berada saat terjadi kesalahan.
Dalam e-commerce, ini sangat signifikan karena visual produk adalah bagian sentral dari keputusan pembelian. Jika gambar yang dihasilkan AI mengubah warna atau menghapus detail, masalah tersebut melampaui kualitas kreativitas dan menjadi soal ketepatan produk, dengan implikasi langsung terhadap kepercayaan konsumen, pengembalian, dan kinerja komersial.
Riset pasar kami mencerminkan harapan yang berubah ini, dengan 55% konsumen mengatakan bahwa gambar produk yang dihasilkan AI atau yang diedit dengan buruk menurunkan kepercayaan mereka terhadap marketplace online. Sementara itu, 77% berharap marketplace dapat menjamin bahwa daftar produk akurat dan dapat dipercaya.
Pemikiran yang sama juga mulai membentuk pengadaan perusahaan, di mana organisasi tidak hanya bertanya apakah AI bisa menghasilkan output, tetapi juga apakah output tersebut dapat memenuhi standar komersial yang disepakati dalam skala besar.
Perubahan yang lebih luas ini menjadikan jaminan sebagai pertimbangan pengadaan, dengan pembeli perusahaan semakin berharap vendor AI dapat mendefinisikan standar kualitas sejak awal dan menjamin output mereka di dalam alur kerja komersial yang nyata.
- Apa yang digunakan organisasi untuk mengukur apakah inisiatif AI memberikan nilai bisnis yang berarti?
Cara organisasi mengukur AI mengalami perubahan signifikan, dengan adopsi awal sering dinilai berdasarkan output yang terlihat dan kapasitas model yang dianggap, sedangkan saat ini diskusi lebih mendekati kinerja bisnis tradisional. Tim kepemimpinan kini lebih fokus pada apakah AI bisa membuat produksi lebih efisien, lebih hemat sumber daya, dan lebih berguna secara komersial. Pertanyaannya bukan lagi seberapa banyak AI bisa menghasilkan, tetapi seberapa banyak dari output tersebut yang benar-benar dapat digunakan dalam alur kerja perusahaan yang nyata.
Dalam e-commerce, perbedaan ini sangat penting karena produksi tidak berakhir saat gambar dihasilkan. Jika tim masih perlu melakukan peninjauan manual yang ekstensif, perbaikan, dan jaminan kualitas sebelum aset sampai ke pelanggan, maka kemacetan hanya bergeser ke hulu dan tidak hilang sama sekali.
Karena itu, pembeli perusahaan semakin menekankan pada kesiapan output daripada volume output, mengukur apakah aset yang dihasilkan AI cukup akurat untuk diterapkan dengan percaya diri alih-alih hanya dihasilkan secara besar-besaran.
Dengan cara yang sama, standar komersial semakin menjadi ukuran yang lebih bermakna mengenai kematangan AI dibandingkan hanya kualitas generasi, yang dikuatkan oleh analisis pembeli kami pada Maret 2026, yang mencerminkan 37% pembeli perusahaan menyebut visual yang tidak akurat sebagai titik nyeri utama mereka dalam produksi visual AI.
Analisis ini mencerminkan kebutuhan organisasi yang jelas untuk kerangka kerja yang menentukan apakah output layak sebelum menjadi tampak di mata pelanggan.
- Apa tantangan yang masih ada saat menerapkan konten yang dihasilkan AI dalam lingkungan komersial secara skala?
Tantangan terbesar adalah bahwa penerapan komersial memperlihatkan perbedaan antara menghasilkan konten dan mengaturnya. Sebuah gambar yang dihasilkan AI bisa terlihat meyakinkan secara terpisah, tetapi perdagangan perusahaan bergantung pada ribuan, bahkan jutaan, aset yang harus cukup akurat untuk mendukung keputusan pembelian.
Skala memperbesar ketidakcocokan kecil, dan ketidakcocokan itu dengan cepat menjadi risiko operasional dan komersial, bukan hanya soal kreativitas. Sebagai hasilnya, organisasi perusahaan semakin berinvestasi dalam validasi sebanyak dalam generasi.
Perubahan kecil pada warna, bentuk, atau kemasan produk dapat lolos dari tinjauan kreatif superfisial namun masih menyimpangkan produk itu sendiri.
Riset pasar kami mencerminkan pentingnya tantangan komersial ini, dengan 63% konsumen mengatakan bahwa variasi dalam gambar produk, branding, atau presentasi membuat penjual atau marketplace terlihat tidak dapat diandalkan, sementara 51% percaya bahwa daftar di marketplace sering terlihat dapat diterima tetapi tetap gagal memberikan keyakinan penuh tentang apa yang mereka beli.
Pada skala katalog, angka-angka tersebut merepresentasikan volume besar aset yang tampak baik pada tinjauan tetapi membawa risiko komersial yang nyata setelah sampai ke pelanggan.
Tantangan tak terpecahkan bagi perusahaan sekarang bukan hanya tentang memproduksi output AI yang lebih baik tetapi membangun sistem yang mampu menangkap dan memperbaiki kesalahan sebelum input tersebut terlihat oleh pelanggan.
- Bagaimana perusahaan seharusnya menyeimbangkan fleksibilitas kreatif dengan konsistensi, akurasi, dan keandalan dalam output yang dihasilkan AI?
Perusahaan seharusnya memandang kebenaran produk sebagai fondasi tetap, dengan fleksibilitas kreatif dibangun di sekelilingnya alih-alih menggantikannya. AI sangat baik dalam menyesuaikan konten untuk berbagai saluran, audiens, dan format, tetapi keputusan kreatif tersebut tidak boleh mengorbankan atribut fakta dari produk itu sendiri.
Cara praktis untuk menerapkan perbedaan ini adalah dengan mendefinisikan diawal atribut produk mana yang harus dikunci, seperti warna, dimensi, material, dan detail kunci, dan elemen mana yang ada dalam rentang kreatif.
Hal ini memberikan tim kerangka kerja yang jelas untuk mengevaluasi output alih-alih mengandalkan tinjauan subyektif pada saat persetujuan.
Riset kami menunjukkan bahwa konsumen sudah mulai membedakan hal ini sendiri, dengan hanya 33% konsumen di Inggris yang mengatakan mereka nyaman dengan gambar produk yang ditingkatkan AI jika diberi label dengan jelas, sedangkan 41% tidak setuju.
Hasil ini penting karena menunjukkan transparansi saja tidak cukup – pertanyaan yang lebih penting adalah apakah konsumen percaya gambar tersebut mewakili apa yang akan mereka terima. Bagi organisasi perusahaan, artinya kerangka tata kelola harus dibangun di sekitar akurasi faktual sebagai standar utama, dengan fleksibilitas kreatif beroperasi dalam batasan tersebut alih-alih berdampingan.
- Di mana alat AI khusus menambah nilai dibandingkan model AI yang lebih umum untuk alur kerja perusahaan?
Model umum telah secara dramatis memperluas apa yang bisa dihasilkan AI, tetapi penerapan perusahaan bergantung pada lebih dari sekadar kapasitas generasi.
Organisasi semakin membutuhkan sistem yang memahami konteks komersial di mana output tersebut akan digunakan dan dapat mendukung evaluasi kualitas, integrasi alur kerja, dan konsistensi dalam skala.
Nilai karenanya bergeser dari model itu sendiri ke sistem operasi yang dibangun di sekelilingnya. Sebuah model umum mungkin menghasilkan gambar produk yang menarik, tetapi tim perusahaan juga memerlukan jaminan bahwa produk tetap akurat, konsisten dalam skala katalog, dan bahwa kegagalan dapat diidentifikasi sebelum aset menjadi terlihat oleh pelanggan.
Nilai jangka panjang dari AI khusus karenanya tidak hanya berasal dari menghasilkan output yang menarik secara visual, tetapi lebih dari memecahkan masalah komersial yang bisa diulang. Dalam produksi visual, itu berarti membangun sistem yang mampu mengevaluasi ketepatan produk, mengurangi peninjauan manual, dan menciptakan proses validasi yang terstruktur yang dapat diandalkan oleh organisasi secara konsisten dalam skala.
- Apa bentuk akuntabilitas atau jaminan yang semakin dicari pelanggan perusahaan dari vendor AI?
Pembeli perusahaan semakin mencari vendor AI yang dapat beroperasi di dalam standar komersial yang jelas daripada hanya menawarkan model yang lebih mampu. Itu berarti menyepakati kriteria keberhasilan sebelum penerapan, mengevaluasi output secara transparan, dan menciptakan proses yang jelas untuk menangani pengecualian saat output tidak memenuhi harapan.
Seiring AI semakin tertanam dalam alur kerja operasional, jaminan menjadi sama pentingnya dengan kapabilitas. Output AI yang gagal selama eksperimen sebagian besar hanya merupakan ketidaknyamanan, sementara output yang gagal di dalam lingkungan komersial nyata dapat memengaruhi kepercayaan pelanggan, kinerja listing, dan pendapatan.
Riset pasar kami menguatkan mengapa ini menjadi diskusi di tingkat dewan, dengan 51% konsumen mengatakan mereka akan beralih ke marketplace lain sepenuhnya jika platform lain menawarkan gambar produk yang lebih jelas dan akurat, sementara 62% percaya marketplace seharusnya secara aktif membantu penjual meningkatkan kualitas daftar mereka.
Ekspektasi ini semakin meluas di luar marketplace ke penyedia teknologi yang mendukung mereka, dengan pembeli mulai mencari mekanisme akuntabilitas yang mirip dengan yang diharapkan dari penyedia perangkat lunak perusahaan lainnya.
- Memandang ke depan, apa yang Anda lihat sebagai pergeseran besar berikutnya dalam adopsi AI perusahaan dalam 12-24 bulan ke depan?
Dalam 12 hingga 24 bulan ke depan, diperkirakan adopsi AI perusahaan akan bergerak secara tegas dari adopsi yang berorientasi pada kapabilitas ke adopsi yang berorientasi pada jaminan.
Bisnis akan terus peduli dengan kualitas model, kecepatan, dan efisiensi, tetapi atribut-atribut tersebut akan semakin dianggap sebagai standar yang diharapkan daripada pembeda.
Organisasi yang menciptakan nilai terbesar akan menjadi mereka yang mampu menyematkan AI ke dalam alur kerja yang krusial bagi pendapatan dengan percaya diri, tata kelola, dan akuntabilitas yang terukur.
Dari sudut pandang praktis, ini berarti penekanan yang jauh lebih besar pada evaluasi, validasi, dan kepercayaan operasional. Pembeli perusahaan akan semakin bertanya tentang bagaimana output diverifikasi, bagaimana kegagalan ditangani, bagaimana tanggung jawab dibagi, dan bagaimana sistem AI terintegrasi ke dalam kerangka tata kelola yang ada.
Perdagangan kemungkinan akan menjadi salah satu industri pertama di mana transisi ini menjadi terlihat karena konsumen tetap berhati-hati terhadap AI dalam perjalanan pembelian. Riset kami menemukan bahwa hanya 24% konsumen yang sudah menggunakan atau bersedia menggunakan alat AI untuk membantu mereka berbelanja online, sementara 59% masih merasa tidak nyaman melakukannya.
Bab berikutnya dalam AI perusahaan karenanya akan ditentukan lebih sedikit oleh apa yang bisa dihasilkan model dan lebih oleh apakah organisasi dapat menerapkan output tersebut secara berulang, bertanggung jawab, dan dengan percaya diri.
