Yang Sebenarnya Dibutuhkan Agencies Dari AI Bukanlah Lebih Banyak Konten

Saya tahu saya sedang membangun hal yang salah ketika saya menangkap diri saya membayangkan seorang pemilik agency bersemangat mendengar "50 ide LinkedIn post dalam 10 detik."

Bukan karena ide konten tidak berguna. Jelas tidak.

Tapi kalau Anda pernah menghabiskan waktu nyata di sekitar agencies, Anda tahu itu bukan bagian paling menakutkan dari pekerjaan ini.

Bagian yang menakutkan adalah trust.

Account manager yang bertanya-tanya apakah sistem mungkin secara tidak sengaja mencampur Client A dan Client B.

Strategist yang berpikir, "Aman tidak kalau saya memakai ini untuk account yang kompetitif?"

Pemilik agency yang menanyakan pertanyaan yang jauh kurang seksi daripada apa pun yang ingin dijawab homepage AI:

Apa yang terjadi kalau benda ini membocorkan intelligence milik satu client ke pekerjaan client lain?

Pertanyaan itu jauh lebih penting daripada "berapa banyak caption yang bisa dihasilkannya?"

Saya rasa sebagian besar pasar software AI masih salah paham tentang agencies karena mereka salah paham tentang pekerjaan yang sebenarnya. Agencies tidak terutama kekurangan kata-kata. Mereka kekurangan kesederhanaan. Mereka hidup di dalam complexity:

• banyak client
• banyak brand
• banyak peran internal
• banyak lapisan approval
• banyak versi dari pertanyaan "siapa boleh melihat apa"

Jadi ketika vendor AI datang dan berkata, "Kabar baik, sekarang Anda bisa membuat lebih banyak konten lebih cepat," sebagian dari diri saya ingin bertanya: pernahkah Anda benar-benar duduk di dalam workflow agency?

Karena semakin saya membangun STRAŦUM, semakin jelas bahwa agencies tidak pertama-tama butuh lebih banyak konten.

Mereka butuh infrastruktur trust yang lebih baik.

Masalah Agency Bukan Volume. Masalahnya Risk

Menurut saya ini paling mudah dipahami kalau Anda pernah memegang tanggung jawab atas client work dengan stakes nyata.

Ketika Anda hanya menangani satu brand, hidup lebih sederhana. Catatan Anda ya catatan Anda. Pekerjaan positioning tetap berada di satu jalur. Kesalahan masih menyakitkan, tapi setidaknya lokal.

Agencies tidak hidup di situ.

Agencies sedang menjuggle:

• brand voice yang berbeda-beda
• category yang berbeda-beda
• rantai approval yang berbeda-beda
• definisi sukses yang berbeda-beda
• client yang bahkan mungkin saling bersaing

Artinya, biaya dari satu kesalahan bukan "kita membuat draft yang medioker."

Kadang biayanya adalah:

• kita mengirim hal yang salah ke client yang salah
• kita membocorkan context yang salah ke workspace yang salah
• kita membuat platform terasa tidak aman
• client sekarang mulai bertanya apa lagi yang berantakan di belakang layar

Dan begitu client mulai menanyakan pertanyaan terakhir itu, Anda sudah masuk ke wilayah yang mahal.

Karena itu saya skeptis ketika agency AI dijual hampir sepenuhnya lewat contoh output. Demo konten yang dihasilkan hanya membuktikan model bisa menghasilkan konten. Oke. Tapi bagi agencies, bukti yang lebih penting itu arsitektural.

Tunjukkan kepada saya:

• di mana data itu tinggal
• bagaimana client context diisolasi
• siapa yang bisa mengakses apa
• apakah approval sudah dibangun
• apakah pekerjaan satu client bisa mencemari client lain

Itulah product story yang sebenarnya dipedulikan agencies, meskipun jauh kurang menyenangkan untuk ditaruh dalam launch video.

Saya Rasa Latar Belakang Advertising Membuat Ini Lebih Cepat Terlihat

Mungkin karena saya datang dari advertising, saya tidak pernah benar-benar percaya pada cerita bahwa "konten adalah bottleneck" bagi agencies.

Jangan salah paham, agencies tentu memproduksi banyak konten. Dan ya, ada efficiency gains nyata di sana.

Tapi yang membuat pekerjaan agency sulit biasanya bukan ketiadaan first draft.

Melainkan lingkungan operasional di sekitar draft itu.

Siapa yang me-review? Ini untuk client yang mana? Context apa yang membentuk recommendation ini? Apakah ini dihasilkan dengan brand constraints yang benar? Apakah seseorang tidak sengaja memakai asumsi yang salah lagi? Siapa yang berhak meng-approve?

Kalau Anda in-house, sebagian dari itu tetap penting.

Kalau Anda agency, semuanya penting setiap hari.

Itulah kenapa saya mengambil keputusan yang terasa agak tidak masuk akal di awal umur STRAŦUM: saya mulai membangun multi-tenancy hampir seketika. Day 2, kira-kira. Kalau dipikir sekarang, itu entah disiplin atau agak gila, tergantung seberapa murah hati Anda.

Waktu itu saya baru punya satu agent yang bekerja. Membangun client isolation sedini itu terasa prematur.

Ternyata justru benar.

Karena begitu Anda melihat agencies dengan jelas, Anda sadar mereka bukan cuma "SME dengan lebih banyak users." Mereka punya operating model yang berbeda secara mendasar.

Hari Ketika Saya Sadar org_id Tidak Akan Menyelamatkan Saya

Versi pertama multi-tenancy saya adalah versi builder optimistis yang klasik.

Tambahkan org_id ke semuanya. Tulis policies. Percayai filters. Selesai.

Pendekatan ini bekerja untuk jumlah software yang lumayan mengejutkan. Ia juga memberi ilusi yang menenangkan bahwa Anda sudah menyelesaikan isolation, padahal yang sebenarnya baru Anda selesaikan adalah basic scoping.

Bagi STRAŦUM, itu tidak cukup.

Karena agencies bukan cuma punya satu lapisan organisasi. Mereka punya clients di bawah organisasi. Dan setiap client butuh context, outputs, history, dan safety boundaries sendiri.

Artinya saya mencoba memaksa dua data model yang berbeda ke dalam satu shortcut mental:

• SME: satu org, satu business context
• Agency: satu org, banyak client contexts di bawahnya

Anda bisa memalsukan ini untuk sementara di application logic. Banyak orang melakukannya. Tapi semakin saya memandangnya, semakin saya sadar saya sedang membangun sistem yang bisa terlihat benar sambil tetap secara struktural terlalu mudah percaya.

Itu kombinasi yang buruk.

Butuh rebuild untuk membuatnya benar. Routing terpisah. Schema logic terpisah. Lebih banyak guardrails di level database. Penanganan context yang lebih eksplisit. Lebih sedikit "pokoknya jangan lupa filter dengan benar di semua tempat."

Menyebalkan? Ya.

Layak? Juga ya.

Meskipun jujur — bahkan setelah rebuild itu, beberapa minggu kemudian saya menemukan celah lain di mana user yang di-assign ke client tertentu masih bisa melihat data dari client lain lewat query path yang berbeda. Arsitekturnya lebih baik, tapi belum sempurna. Saya masih belum sepenuhnya yakin bahwa semuanya sudah kedap air.

Karena trust dari agency seharusnya tidak bergantung pada developer yang masih ingat tiap cabang if/else pada pukul 11:30 PM.

AI Membuat Masalah Trust Lebih Buruk, Bukan Lebih Baik

Ini bagian yang menurut saya masih terlalu diremehkan oleh kategori ini.

AI bukan cuma lapisan UI lain di atas pekerjaan agency. Ia mengubah risk profile karena sekarang Anda punya sistem yang bisa mensintesis context, bukan sekadar menyimpannya.

Itu powerful.

Dan juga persis alasan mengapa batas yang buruk tidak bisa diterima.

Kalau sistem AI punya akses ke context yang salah, ia tidak cuma mengekspos raw data. Ia bisa me-remix-nya. Ia bisa diam-diam membiarkan insight milik Client A memengaruhi strategy Client B. Ia bisa mengubah kesalahan isolation menjadi output yang terlihat polished, dan jujur saja itu lebih buruk daripada bug yang terlihat jelas karena lebih sulit dideteksi.

Itulah kenapa alat AI general-purpose membuat saya gugup di lingkungan agency ketika orang mulai memakainya dengan santai di banyak account.

Anda bisa lolos dengan itu sebentar.

Lalu suatu hari seseorang merasa bahasa yang dipakai terdengar familiar.

Atau recommendation memasukkan competitor framework yang seharusnya tidak mungkin ada di workspace itu.

Atau client melihat sesuatu yang membuat mereka bertanya apakah sistem Anda benar-benar terkompartementalisasi.

Begitu keraguan itu masuk ke dalam relasi, Anda bukan sedang memperbaiki content workflow lagi.

Anda sedang memperbaiki keyakinan.

Selamat mencoba melakukan itu hanya dengan beberapa blog caption tambahan.

Yang Sebenarnya Dibutuhkan Agencies

Kalau saya kupas semua AI theater-nya, saya rasa agencies butuh beberapa hal yang tidak glamor jauh lebih mendesak:

1. Client-safe context isolation

Bukan cuma account switching.

Bukan cuma folders.

Bukan cuma copy "we take privacy seriously."

Tapi pemisahan yang nyata — di level database, bukan di level aplikasi. Maksud saya schema terpisah atau routing terpisah, bukan tabel bersama dengan kolom client_id dan doa semoga setiap query selalu filter dengan benar.

2. Role-aware permissions

Orang berbeda membutuhkan level akses berbeda:

• strategist
• account manager
• approver
• client stakeholder
• admin

Tanpa ini, alatnya mungkin terasa "collaborative" dalam demo tapi kacau dalam kenyataan.

3. Approval workflows

Agencies bukan solo creator yang melempar ide langsung ke dunia. Ada drafts, comments, reviews, approvals, revisions, dan politics. Banyak politics :P

Kalau sistem AI tidak menghormati itu, berarti ia tidak menghormati agency work.

4. Shared memory di dalam batas yang benar

Yang ini sangat penting.

Di dalam context client tertentu, sistem seharusnya memang menjadi lebih pintar dari waktu ke waktu. Di situlah AI berguna. Tapi ia harus compound di dalam pagar yang tepat, bukan meluber ke seluruh pekerjaan tanpa pandang bulu.

5. Strategic intelligence sebelum eksekusi

Sekali lagi, saya bukan anti-content. Saya hanya anti-content-first kalau itu dijadikan keseluruhan cerita.

Agencies butuh bantuan untuk memahami:

• apa yang seharusnya dikatakan client
• apa yang seharusnya ditekankan client
• apa yang sedang terjadi secara kompetitif
• di mana strategy lemah
• bagaimana menyelaraskan tim di sekitar recommendation

Itu jauh lebih berharga daripada menghasilkan satu tumpukan deliverables generik lagi.

Itulah Sebabnya STRAŦUM Menjadi Seperti Ini

Banyak keputusan produk di STRAŦUM jadi lebih masuk akal kalau dilihat lewat lensa ini.

Kenapa progressive learning?

Karena agencies sudah terlalu sering mengulang context.

Kenapa multi-tenant routing?

Karena client context tidak bisa sekadar menjadi saran sopan.

Kenapa approvals dan collaboration?

Karena agency work bukan satu orang yang ngobrol dengan bot di dalam ruang hampa.

Kenapa fokus pada intelligence over execution?

Karena agencies biasanya tidak dibayar lebih baik untuk menghasilkan lebih banyak noise. Mereka dibayar ketika mereka menciptakan confidence, direction, dan keputusan yang lebih baik untuk clients.

Itulah tipe produk AI yang ingin saya bangun untuk mereka.

Bukan yang berkata, "lihat seberapa cepat Anda bisa churn."

Melainkan yang berkata, "lihat seberapa aman dan tajam pekerjaan strategis Anda bisa menjadi."

Saya tidak bilang saya melakukan semua ini dengan benar. Saya hanya bilang masalah-masalah ini memaksa keputusan arsitektural spesifik yang kebanyakan alat AI general-purpose belum harus ambil — atau belum memilih untuk ambil.

Hal Yang Saya Harap Lebih Banyak Vendor AI Mau Akui

Agency buyers sering mengevaluasi dua produk sekaligus:

1. produk yang ada di demo
2. masalah masa depan yang mungkin diciptakan produk itu

Karena itulah output AI yang glossy saja tidak cukup meyakinkan.

Pembelinya bukan cuma bertanya, "Apakah ini bisa membantu kami?"

Mereka juga bertanya, "Apakah ini bisa menyakiti kami nanti?"

Dan kalau Anda tidak bisa menjawab pertanyaan kedua itu dengan baik, output cantik Anda sebagian besar hanya dekorasi.

Saya tidak berpikir agencies membutuhkan lebih banyak dekorasi.

Saya pikir mereka membutuhkan sistem yang bisa mereka percayai di depan clients.

Itu produk yang jauh lebih sulit dibangun.

Dan menurut saya, jauh lebih jujur juga.

Itu saja dari saya.

Saya sangat ingin mendengar dari orang agency tentang yang satu ini. Apakah AI tooling yang Anda lihat benar-benar mengurangi risk, atau lebih banyak cuma menambah jumlah konten yang bisa tim Anda hasilkan sementara operational headaches yang sebenarnya tetap berada persis di tempat semula?

Cheers, Chandler