Dari Client Brief ke Living Client Model
Ketika agency tidak lagi hanya menyimpan pengetahuan tentang client, tetapi membangun representasi client yang bisa ikut bekerja
Selama puluhan tahun, agency bekerja dengan artefak yang relatif statis.
Ada client brief. Brand book. Consumer research. Brand positioning. Previous campaign deck. Meeting notes. Persona. Competitive review. Kalau account director atau strategist sudah menangani client bertahun-tahun, ada satu aset lain yang jauh lebih berharga tetapi jarang terdokumentasi: pengetahuan di kepalanya.
Dia tahu client ini tidak suka bahasa tertentu. Dia tahu founder-nya sangat agresif soal pertumbuhan tetapi konservatif soal reputasi. Dia tahu sebuah ide yang terlihat bagus di atas kertas akan ditolak karena pernah dicoba tiga tahun lalu. Dia bahkan bisa melihat sebuah layout dan berkata:
“Bagus, tapi ini bukan mereka.”
Masalahnya, sebagian besar pengetahuan itu tidak pernah benar-benar menjadi sistem.
Ia tersebar di PDF, WhatsApp, email, Google Drive, kepala manusia, deck lama, dan ingatan tentang meeting.
Generative AI awalnya terlihat seperti solusi untuk mempercepat produksi dari semua material tersebut.
Masukkan brief.
Minta 20 headline.
Bikin storyboard.
Generate image.
Bikin 50 variasi social post.
Itu berguna.
Tetapi mungkin itu bukan perubahan terbesar yang AI bawa ke agency.
Perubahan yang lebih fundamental adalah kemungkinan untuk mengubah seluruh pengetahuan tentang client menjadi computational representation yang hidup.
Bukan lagi:
CLIENT-BRIEF-FINAL-V7.pdf
melainkan:
CLIENT MODEL
Sebuah representasi yang bisa ditanya, mengingat evidence, menunjukkan ketidakpastian, mengkritik proposal, menolak ide yang tidak koheren, dan berubah ketika client yang sebenarnya berubah.
1. Client Model Bukan Persona Chatbot
Perbedaan ini penting.
Bayangkan sebuah agency menangani Tata.
Agency memiliki berbagai informasi tentang dirinya: percakapan, profil, pekerjaan sebelumnya, filosofi yang pernah dia ungkapkan, produk yang pernah dia buat, preferensi, pola pengambilan keputusan, bahkan BaZi sebagai salah satu interpretive lens.
Cara paling dangkal menggunakan semua informasi tersebut adalah membuat system prompt:
Kamu adalah Tata. Berbicaralah seperti Tata.
Hasilnya adalah persona simulation.
Mungkin cara bicaranya mirip. Mungkin kata-katanya terasa personal.
Tetapi itu belum terlalu berguna.
Client model yang lebih serius justru mengatakan:
Berdasarkan evidence yang tersedia, buat model kerja tentang Tata. Pisahkan apa yang diketahui, apa yang merupakan interpretasi, apa yang masih tidak pasti, apa yang pernah berubah, dan apa yang bertentangan.
Strukturnya bisa seperti:
TATA CLIENT MODEL
│
├── Observed Facts
├── Stated Preferences
├── Previous Decisions
├── Existing Work
├── Behavioral Patterns
├── Language & Tone
├── Values
├── Constraints
├── Rejected Ideas
├── Contradictions
├── Interpretive Lenses
│ └── BaZi
├── Current Hypotheses
└── UncertaintyPerhatikan bahwa BaZi ada di sana.
Tetapi BaZi bukan Tata.
Ia adalah salah satu lensa interpretasi terhadap Tata.
Apa yang benar-benar dilakukan Tata, apa yang dikatakannya sendiri, apa yang pernah dipilihnya, dan apa yang pernah ditolaknya harus tetap dibedakan dari interpretasi.
Prinsipnya sederhana:
Evidence is evidence. Interpretation is interpretation.
Ini yang mencegah client model berubah menjadi mesin pembenaran yang sangat fasih.
2. Dari “Meniru Tata” Menjadi “Berpikir dengan Constraint Tata”
Dalam sebuah eksperimen, Tata-agent diberi pertanyaan:
Sebagai agent yang merupakan representasi Tata, apa yang bisa dianalisis tentang Tata berdasarkan data yang tersedia? Produk app macam apa yang bisa diusulkan Jali sebagai owner Exad kepada Tata?
Jawaban yang menarik bukan nama produknya.
Agent tersebut menemukan sebuah tension.
Ia melihat Tata sebagai seseorang yang memiliki sisi operasional yang sangat grounded tetapi sekaligus memiliki reflective practice yang kuat.
Agent kemudian mengidentifikasi tiga gap:
authorship visibility, container, dan permission.
Dari situ ia tidak langsung mengatakan:
“Bikin aplikasi AI spiritual.”
Sebaliknya, ia melihat karya yang sudah ada—Ruang Kecil dan konsep Cermin Tanya—lalu mengusulkan pengembangan sebuah reflective companion.
Yang lebih penting lagi adalah apa yang ditolaknya:
- tidak menjadi mesin ramalan;
- tidak membuat healing claim;
- tidak memakai streak;
- tidak memakai gamifikasi agresif;
- tidak buru-buru membuat paid tier.
Kenapa?
Karena solusi tersebut dianggap tidak koheren dengan model Tata yang tersedia.
Ini titik pentingnya.
Client model mulai berguna ketika ia tidak hanya bisa menghasilkan kemungkinan, tetapi juga membatasi solution space.
AI generatif biasanya bertanya:
Apa saja yang mungkin kita buat?
Client model menambahkan pertanyaan kedua:
Dari semua yang mungkin dibuat, mana yang masuk akal untuk client ini?
Constraint bukan musuh kreativitas.
Constraint justru mempersempit ruang kemungkinan menjadi ruang yang mempunyai identitas.
3. Kenapa Ini Menjadi Penting Sekarang?
Karena masalah produksi sedang berubah.
Dulu ide mahal.
Copy mahal.
Visual mahal.
Prototype mahal.
Membuat sepuluh alternatif membutuhkan waktu manusia.
Generative AI membuat biaya menghasilkan alternatif turun secara drastis.
Satu strategist dengan agent bisa meminta:
Buat 100 kemungkinan positioning.
Model bisa melakukannya.
Kemudian:
Buat 200 product concepts.
Bisa.
Buat 500 headline.
Bisa.
Masalah baru muncul:
lalu apa?
Kalau biaya generation mendekati nol, nilai berpindah dari kemampuan menghasilkan menjadi kemampuan memilih, membatasi, menilai, dan mempertahankan coherence.
Problem agency masa depan bukan kekurangan output.
Problemnya justru:
terlalu banyak output yang technically acceptable tetapi tidak mempunyai alasan kuat untuk ada.
Di sinilah client model menjadi penting.
ERA LAMA
Sedikit ide
↓
Produksi mahal
↓
Pilih beberapa
↓
ClientGenerative AI membalik kelangkaannya:
ERA GENERATIF
Hampir tak terbatas ide
↓
Hampir tak terbatas variasi
↓
Hampir tak terbatas content
↓
?????? tersebut adalah judgment system.
Dan client model dapat menjadi salah satu komponennya.
4. Client Brief Menyimpan Informasi. Client Model Mengoperasikan Informasi.
Sebuah PDF mengatakan:
Brand ingin terasa sophisticated tetapi approachable.
Selesai.
Ia tidak melakukan apa-apa sampai manusia membacanya.
Client model dapat menerima proposal:
Kita bikin campaign dengan creator yang sengaja memancing kontroversi.
Lalu mengujinya terhadap history:
MODEL CHECK
Brand ambition:
+ cultural relevance
Known behavior:
- high reputation sensitivity
Previous decision:
- rejected confrontational creator strategy
Current business condition:
+ needs rapid awareness
CONCLUSION:
Potentially useful but conflicts with established
reputational risk tolerance.
Confidence: 0.78
Need human/client validation:
Has risk appetite changed?Itu bukan oracle.
Justru bagian:
Has risk appetite changed?
adalah salah satu output paling penting.
Client model yang sehat harus mampu menemukan batas pengetahuannya sendiri.
5. Living Model, Bukan Digital Twin yang Membeku
Ada bahaya lain.
Setelah enam bulan, agency bisa terlalu percaya pada modelnya sendiri.
“Tata tidak akan suka ini.”
Padahal Tata sudah berubah.
Manusia bukan brand guideline.
Mereka kontradiktif, berubah pikiran, belajar, mengalami kejadian baru, dan terkadang sengaja melakukan sesuatu yang sama sekali berbeda dari sejarah mereka.
Karena itu client model seharusnya diperlakukan sebagai:
best current hypothesis about the client
bukan:
the client.
Kalau Tata asli mengatakan:
“Sekarang gua justru pengen bikin game.”
Tata-agent tidak berhak mengatakan:
“Tidak. Itu tidak sesuai dengan diri Anda.”
Yang benar:
NEW EVIDENCE
Tata wants to explore games.
Previous model:
low evidence for game interest.
Action:
UPDATE MODEL.
Question:
Is this a temporary experiment,
or evidence of a broader shift?Real human always outranks the model of the human.
Client model adalah peta.
Client adalah wilayahnya.
6. Dari Knowledge Base Menjadi Peserta dalam Proses Strategy
Begitu model tersebut tersedia, workflow agency bisa berubah.
Model tidak harus menunggu di akhir untuk melakukan approval simulation.
Ia bisa hadir sepanjang proses.
CLIENT MODEL
│
┌─────────────────┼─────────────────┐
↓ ↓ ↓
RESEARCH STRATEGY PRODUCT
│ │ │
└─────────────────┼─────────────────┘
↓
PROPOSAL
│
↓
CLIENT-MODEL
REVIEW
│
┌────────┴────────┐
↓ ↓
COHERENT CONFLICT
│ │
↓ ↓
CONTINUE INVESTIGATE WHYDan CONFLICT tidak berarti ide buruk.
Justru conflict kadang sangat berharga.
Misalnya client model mengatakan:
Ini bertentangan dengan seluruh pola keputusan lima tahun terakhir.
Strategist mungkin menjawab:
Betul. Justru itu thesis campaign ini.
Sekarang konflik tersebut disadari, bukan terjadi secara tidak sengaja.
Itulah fungsi model.
Bukan menjadi polisi kreativitas.
Tetapi membuat deviation menjadi intentional deviation.
7. Multi-Agent Baru Menjadi Masuk Akal Kalau Mereka Punya Kepentingan Berbeda
Di sinilah konsep ini bisa berkembang lebih jauh.
Kesalahan mudah dalam multi-agent system adalah membuat lima agent lalu berkata:
Diskusikan ide ini.
Mereka berdiskusi.
Setuju.
Memuji satu sama lain.
Membakar token.
Selesai.
Lebih berguna jika setiap agent mempunyai mandate yang benar-benar berbeda.
Contoh:
TATA MODEL
│
▼
TATA AGENT
Client Coherence
│
│
IDEA ────────────────► REVIEW
│ │
│ ▼
│ CRITIQUE
│ │
▼ │
EXAD PRODUCT AGENT ◄─────┘
│
├── desirability
├── feasibility
├── business model
└── distribution
│
▼
STRATEGY AGENT
│
▼
QA / SKEPTIC
│
▼
JALITata-agent mempunyai mandate:
Apakah ini coherent dengan Tata berdasarkan evidence?
Exad Product Agent:
Apakah ini produk yang layak dibangun?
Strategy Agent:
Kenapa dunia membutuhkan ini dan bagaimana ia diposisikan?
Skeptic:
Apa alasan seluruh thesis ini salah?
Jali:
Apakah kita benar-benar mengerjakannya?
Sekarang percakapan antar-agent mempunyai productive tension.
Contoh:
Exad Agent
Daily notification meningkatkan kemungkinan habitual usage.
Tata Agent
Daily obligation berpotensi bertentangan dengan prinsip ruang reflektif yang tidak menuntut kehadiran.
Exad Agent
Bagaimana dengan weekly prompt?
Tata Agent
Lebih dekat, tetapi cadence masih ditentukan sistem.
Product Agent
Bagaimana jika user yang meminta ruang ketika membutuhkannya?
Tata Agent
Itu lebih coherent dengan evidence saat ini.
Itulah multi-agent yang mempunyai alasan untuk ada.
Mereka tidak berbeda karena namanya berbeda.
Mereka berbeda karena mandate dan constraint-nya berbeda.
8. Cara Membuat Client Model
Tidak perlu langsung membuat platform rumit.
Versi pertama bahkan bisa berupa folder Markdown.
Langkah 1 — Kumpulkan Evidence
Masukkan material yang memang relevan:
/client-name
/00-raw
interviews/
meeting-notes/
emails/
previous-work/
briefs/
decisions/
/01-evidence
OBSERVED-FACTS.md
STATED-PREFERENCES.md
DECISION-HISTORY.md
REJECTED-IDEAS.md
/02-model
VALUES.md
CONSTRAINTS.md
BEHAVIOR-PATTERNS.md
CONTRADICTIONS.md
HYPOTHESES.md
UNCERTAINTIES.md
/03-surface
CURRENT-CLIENT-MODEL.md
PRODUCT-OPPORTUNITIES.md
PROPOSAL-REVIEWS.mdTidak semua data yang tersedia harus dimasukkan.
Context bukan gudang.
Load sesuai pekerjaan.
Jangan bawa gudang untuk beli rokok.
9. Langkah 2 — Pisahkan Tingkat Kebenaran
Ini mungkin aturan paling penting.
Setiap statement idealnya punya tipe.
FACT
Tata membuat Ruang Kecil 01.
STATED
Tata mengatakan dirinya “orang yang suka belajar.”
OBSERVED PATTERN
Beberapa keputusan menunjukkan kecenderungan menjadi early mover.
INTERPRETATION
Kombinasi operational grounding dan reflective practice tampak menjadi karakteristik penting.
METAPHYSICAL LENS
Interpretasi BaZi menunjukkan X.
HYPOTHESIS
Tata mungkin lebih nyaman dengan produk yang bersifat companion daripada authority.
UNKNOWN
Belum diketahui apakah Tata menginginkan praktik ini menjadi produk recurring.
Sekarang AI tidak diperbolehkan mencampur:
“mungkin” → “adalah”.
Itu perbedaan antara model dan fan fiction.
10. Langkah 3 — Simpan Contradiction, Jangan Dihapus
Misalnya:
Tata says:
"I don't want to make a big thing out of this."
Evidence:
Has repeatedly invested substantial effort into building it.
Possible interpretations:
A. genuinely prefers small scale
B. dislikes performative positioning
C. hesitant about authorship
D. context dependent
Status:
UNRESOLVEDIni jauh lebih berguna daripada memaksa AI memilih satu jawaban.
Manusia penuh contradiction.
Client model yang terlalu konsisten kemungkinan justru client model yang buruk.
11. Langkah 4 — Berikan Memory tentang Penolakan
Agency biasanya menyimpan apa yang jadi.
Padahal apa yang ditolak dan kenapa sering jauh lebih informatif.
Contoh:
REJECTED:
Daily streak system
Reason:
Feels coercive.
Rejected by:
Tata
Date:
2026-08-xx
Scope:
Ruang Kecil
Generalizable?
UNKNOWNJangan langsung mengubahnya menjadi:
Tata membenci gamification.
Itu generalisasi yang belum terbukti.
Tetapi kalau pola yang sama muncul lima kali, model boleh menaikkan confidence.
12. Langkah 5 — Paksa Model Menggunakan Confidence
Jangan biarkan semua output terdengar sama yakinnya.
Contoh:
CLAIM:
Tata prefers reflective products without
performance pressure.
Evidence:
- Ruang Kecil interaction design
- Cermin Tanya philosophy
- rejection of streak mechanics
Confidence:
HIGH
CLAIM:
Tata wants Telegram as primary interface.
Evidence:
- none direct
- inferred from low-friction requirement
Confidence:
LOW
Required:
ASK TATAKalimat terakhir sangat penting.
ASK TATA adalah fitur, bukan kegagalan AI.
13. Langkah 6 — Gunakan Client Model sebagai Critic, Bukan Hanya Generator
Prompt paling berguna mungkin bukan:
Berdasarkan client model, buat 20 ide.
Tetapi:
Berikut proposal yang dibuat Exad. Audit proposal ini terhadap client model. Untuk setiap kritik, tunjukkan evidence yang mendukung kritik tersebut. Pisahkan conflict yang kuat, conflict yang lemah, dan hal yang belum diketahui. Jangan mengatasnamakan client. Jika evidence tidak cukup, tandai ASK CLIENT.
Ini membuat client agent berfungsi sebagai constraint engine.
Contoh output:
PROPOSAL:
Ruang Kecil Daily AI Coach
CLIENT MODEL AUDIT
"Daily"
→ MEDIUM CONFLICT
Reason: recurring obligation may conflict with
low-pressure interaction pattern.
"AI Coach"
→ HIGH CONFLICT
Reason: "coach" implies directional authority;
existing philosophy emphasizes mirror-not-answer.
Personal reflection
→ STRONG FIT
Telegram
→ UNKNOWN
No direct evidence of channel preference.
Monetization
→ UNKNOWN
Insufficient evidence.
VERDICT:
Interesting product territory,
wrong framing.
ASK CLIENT:
Would Tata want Ruang Kecil to initiate contact,
or should the user always initiate?Itu jauh lebih bernilai daripada:
“Sebagai Tata, aku suka idenya!”
14. Langkah 7 — Update Model Setelah Bertemu Manusia
Setelah proposal dibawa ke Tata asli:
Agent predicted:
Tata would reject daily notification.
Actual:
Tata likes daily notification.
WHY?
Tata says:
"I don't mind daily as long as it doesn't demand a response."
UPDATE:
The constraint is not frequency.
The constraint may be:
OBLIGATION / PERFORMANCE PRESSURE.
Confidence:
medium → highSekarang model menjadi lebih baik.
Inilah alasan menyebutnya living client model.
Ia bukan cuma memory.
Ia mempunyai feedback loop.
MODEL
↓
PREDICTION
↓
REAL CLIENT
↓
DIFFERENCE
↓
LEARNING
↓
MODEL UPDATEBahkan kesalahan model menjadi data.
15. Jangan Mengotomatisasi Authority
Ada garis yang harus dijaga.
Client agent boleh:
- mengingat;
- mencari evidence;
- menunjukkan contradiction;
- mengaudit;
- membuat hypothesis;
- mensimulasikan kemungkinan respons;
- menemukan pertanyaan yang perlu diajukan.
Client agent tidak boleh dianggap mempunyai authority untuk memberikan consent atas nama manusia.
Jangan:
Tata-agent approve. Kita launch.
Tetapi:
Tata-agent menemukan tidak ada conflict besar dengan model saat ini. Sekarang validasi dengan Tata.
Karena tujuan sistem ini bukan menggantikan hubungan manusia.
Tujuannya justru membuat pertemuan dengan manusia lebih bernilai.
Agency tidak perlu menghabiskan meeting bertanya:
“Jadi tone kita apa ya?”
Meeting bisa dipakai untuk pertanyaan yang lebih tajam:
“Selama ini kami membaca bahwa masalahnya bukan frekuensi, tetapi rasa diwajibkan. Apakah pembacaan itu benar?”
Conversation naik kelas.
16. Kenapa Agency Membutuhkan Ini?
Karena AI sedang menghancurkan keunggulan kompetitif yang berbasis produksi generik.
Semua orang sebentar lagi bisa:
- menghasilkan copy;
- membuat visual;
- melakukan research awal;
- membuat prototype;
- menghasilkan variasi;
- membuat presentation;
- membuat video;
- membuat campaign concepts.
Kalau seluruh value agency adalah:
“Kami bisa menghasilkan materi.”
maka value itu mengalami tekanan besar.
Tetapi ada sesuatu yang jauh lebih sulit dikomoditisasi:
pemahaman accumulated tentang client dan kemampuan menggunakan pemahaman tersebut untuk mengambil keputusan.
Agency yang bekerja dengan client selama lima tahun seharusnya semakin pintar tentang client tersebut.
Ironisnya, dalam sistem tradisional, sebagian kecerdasan itu hilang ketika strategist resign.
Living client model membuat learning compound.
YEAR 1
Client data
↓
Model
YEAR 2
Model + decisions + outcomes
↓
Better model
YEAR 3
Better model + failures + contradictions
↓
Institutional intelligence
YEAR 5
Not merely "we know the brand."
We have a structured history of:
WHY the brand became what it is.Itu aset.
17. Dari Advertising Agency Menjadi Intelligence Organization
Mungkin agency masa depan tidak lagi paling tepat dipahami sebagai sekumpulan orang yang menghasilkan campaign.
Ia bisa menjadi sistem yang mempunyai:
world model
tentang perubahan budaya, teknologi, ekonomi, dan kompetisi.
client model
tentang siapa client, sejarah keputusan, constraint, ambition, dan contradiction.
consumer model
tentang manusia yang ingin dilayani.
product model
tentang apa yang mungkin dibangun.
distribution model
tentang bagaimana sesuatu menemukan audience.
Lalu agent bekerja di antara model-model tersebut.
WORLD MODEL
│
▼
CONSUMER MODEL ───► STRATEGY ◄─── CLIENT MODEL
│
▼
PRODUCT MODEL
│
▼
CREATIVE SYSTEM
│
▼
DISTRIBUTION
│
▼
WORLD
│
└────► feedbackSekarang campaign hanyalah salah satu possible output.
Output lain bisa berupa:
- produk;
- tool;
- service;
- content system;
- community;
- interface;
- research;
- software;
- experience.
Agency tidak lagi bertanya:
“Campaign apa yang harus kita bikin?”
Tetapi:
“Intervensi apa yang masuk akal berdasarkan dunia, client, dan manusia yang kita pahami?”
18. Lalu Apa Hubungannya dengan “Agency Metafisik”?
Di permukaan, eksperimen menggunakan BaZi untuk membangun agent representasi client terdengar seperti:
ad agency metafisik.
Dan itu memang terdengar sedikit goblok.
Bagus.
Kadang eksperimen yang cukup aneh justru membuka architecture yang tidak terlihat kalau kita mulai dari terminology enterprise.
BaZi ternyata bukan bagian teknis yang paling penting.
Ia hanyalah salah satu cara untuk mengatakan:
Kita membutuhkan model tentang manusia ini yang lebih kaya daripada demographic profile dan client brief.
Besok lensanya bisa berubah.
Psychographic.
Decision history.
Founder interviews.
Behavioral evidence.
Cultural context.
Personal writing.
Past products.
BaZi.
Atau kombinasi semuanya, selama provenance dan tingkat kepastiannya tidak dicampur.
Eksperimen metafisik tersebut kemudian mengarah ke pertanyaan yang jauh lebih serius:
Bagaimana kalau agency mempunyai computational representation dari setiap client yang ikut bekerja dalam proses strategy?
Itu bukan lagi gimmick metafisik.
Itu pertanyaan tentang institutional intelligence.
19. Minimum Viable Client Model
Tidak perlu bikin SaaS.
Tidak perlu vector database dulu.
Tidak perlu 30 agent.
Bikin satu client.
Satu folder.
CLIENT/
│
├── 00_RAW/
├── 01_EVIDENCE/
│ ├── FACTS.md
│ ├── STATED.md
│ ├── DECISIONS.md
│ └── REJECTIONS.md
│
├── 02_MODEL/
│ ├── CURRENT-MODEL.md
│ ├── CONSTRAINTS.md
│ ├── CONTRADICTIONS.md
│ └── UNCERTAINTIES.md
│
├── 03_WORK/
│ ├── OPPORTUNITIES.md
│ └── PROPOSALS.md
│
└── CHANGELOG.mdKemudian beri agent lima aturan:
- Jangan mengarang evidence.
- Pisahkan fakta dari interpretasi.
- Jangan berbicara seolah-olah menjadi client asli.
- Tunjukkan confidence dan uncertainty.
- Evidence baru boleh mengubah model lama.
Lalu setiap proposal baru harus melewati:
GENERATE
↓
CLIENT MODEL AUDIT
↓
SKEPTIC
↓
REVISE
↓
HUMANSudah.
Itu cukup untuk menguji thesis.
20. Ukuran Keberhasilannya Bukan “Apakah Agent Terdengar Seperti Client?”
Ini jebakan benchmark yang salah.
Jangan test:
“Apakah Tata-agent ngomong kayak Tata?”
Test:
Prediction
Apakah model mampu memprediksi concern yang kemudian benar-benar muncul dari Tata?
Rejection Quality
Apakah model mampu membuang ide yang secara teknis bagus tetapi jelas tidak cocok?
Question Quality
Apakah model menghasilkan pertanyaan yang membuat percakapan dengan Tata menjadi lebih tajam?
Evidence Discipline
Apakah setiap conclusion penting bisa ditelusuri kembali ke evidence?
Calibration
Apakah model mengatakan “tidak tahu” ketika memang tidak tahu?
Learning
Ketika prediksinya salah, apakah sistem memperbaiki modelnya?
Kalau enam hal itu membaik, client model mulai mempunyai nilai.
21. Era AI Membutuhkan Manager, Bukan Sekadar Prompt Engineer
Pada akhirnya konsep ini berhubungan dengan perubahan yang lebih besar.
Ketika model murah dan sangat capable tersedia, kemampuan menghasilkan pekerjaan menjadi semakin abundant.
Manusia naik satu tingkat abstraksi.
Dari:
mengerjakan.
Menjadi:
meminta AI mengerjakan.
Lalu:
mendesain organisasi AI yang tahu apa yang harus dikerjakan, informasi apa yang boleh digunakan, siapa yang memeriksa, kapan harus berhenti, dan kapan manusia harus mengambil keputusan.
Karena itu kompetensi penting mulai bergeser ke:
delegation — siapa mengerjakan apa;
SOP — bagaimana pekerjaan dilakukan;
QA — bagaimana hasil diperiksa;
escalation — kapan agent harus mengaku tidak cukup tahu;
scheduling — kapan pekerjaan dilakukan;
budgeting — berapa resource yang layak dihabiskan;
context management — informasi apa yang benar-benar diperlukan;
organizational design — bagaimana seluruh agent, model, manusia, dan authority disusun.
Living client model duduk tepat di tengah perubahan tersebut.
Ia memberi organisasi agent sesuatu yang selama ini hilang:
pemahaman accumulated tentang untuk siapa mereka bekerja.
22. Dari client brief.pdf ke Institutional Memory yang Bisa Berpikir
Generative AI membuat kita mudah terpesona oleh output.
Lebih banyak gambar.
Lebih banyak copy.
Lebih banyak video.
Lebih banyak ide.
Tetapi mungkin aset agency yang paling menarik di era AI bukan generator yang paling produktif.
Melainkan memory yang paling disiplin.
Agency yang selama lima tahun bekerja dengan seorang client seharusnya memiliki sesuatu yang tidak dimiliki agency yang baru bertemu client tersebut kemarin.
Bukan sekadar folder lima tahun.
Tetapi lima tahun learning.
Apa yang berhasil.
Apa yang gagal.
Apa yang pernah diyakini.
Apa yang berubah.
Apa yang selalu ditolak.
Di mana client kontradiktif.
Di mana agency salah membaca client.
Dan pertanyaan apa yang masih belum terjawab.
Client brief mendokumentasikan keadaan pada suatu titik waktu.
Living client model mendokumentasikan perjalanan pemahaman.
Dan ketika model itu bisa ikut membaca research, mengaudit proposal, menantang strategy, serta memperbarui dirinya berdasarkan evidence baru, ia berubah dari arsip menjadi bagian dari organisasi.
Bukan pengganti client.
Bukan digital clone.
Bukan oracle.
Tetapi computational representation yang selalu provisional tentang seseorang atau organisasi yang nyata.
Itulah distinction yang membuat konsep ini menarik.
Karena di era ketika semua orang mempunyai generator, competitive advantage mungkin justru datang dari sesuatu yang jauh lebih tua:
siapa yang paling memahami siapa.
Bedanya sekarang, pemahaman itu tidak harus mati di kepala seseorang.
Ia bisa menjadi sistem.