Ketika Data Pelanggan Lama Tak Lagi Cukup untuk AI Baru
Baca dalam 60 detik
- Banyak perusahaan memiliki data pelanggan melimpah, tetapi izin yang melekat tidak mencakup penggunaan untuk kecerdasan buatan.
- Tumpukan teknologi yang dibangun per departemen memperparah masalah, karena setiap sistem menyimpan versi persetujuan yang berbeda.
- Perusahaan yang mampu menata ulang izin justru dapat memanfaatkan data lebih luas dan mempercepat adopsi AI.

Perusahaan yang berlomba mengadopsi kecerdasan buatan (AI) sering terkejut ketika menyadari bahwa data pelanggan yang mereka miliki tidak serta-merta bisa dipakai untuk model baru. Persetujuan yang dikumpulkan bertahun-tahun lalu kerap hanya mencakup tujuan spesifik, sehingga ketika data yang sama dialihkan untuk keperluan AI, izin itu tak lagi sah. Inilah yang oleh sejumlah praktisi disebut sebagai krisis kesiapan data, bukan sekadar keterbatasan teknologi.
Adam Binks, CEO Syrenis—perusahaan perangkat lunak manajemen persetujuan—menggambarkan situasi ini dari pengalamannya mendampingi berbagai organisasi. Ia pernah menyaksikan sebuah proyek AI tertunda berbulan-bulan bukan karena ditemukan pelanggaran, melainkan karena tak ada yang bisa memastikan tidak ada pelanggaran. "Saya pernah duduk di ruangan di mana sebuah kampanye atau proyek AI mandek berbulan-bulan, bukan karena ada masalah, tetapi karena tidak ada yang bisa memastikan tidak ada masalah," ujarnya kepada Newsweek.
Kasus nyata datang dari sebuah peritel yang memiliki data kontak pelanggan bertahun-tahun dan membangun model penjangkauan berbasis AI. Sebelum peluncuran, perusahaan meninjau izin yang dikumpulkan untuk kampanye sebelumnya di beberapa pasar. Hasilnya, izin tersebut tidak mencakup penggunaan baru. "Tidak ada yang melakukan kesalahan—izinnya memang tidak cukup," kata Binks. Peritel itu kemudian kembali ke pelanggan dengan penjelasan sederhana tentang tujuan baru dan meluncurkan ulang dengan audiens lebih kecil. Menurut Binks, hasilnya justru lebih baik daripada daftar awal.
Masalah utama, menurut Binks, terletak pada cara perusahaan membangun sistem TI. "Isu terbesar di organisasi besar adalah mereka tidak merancang tumpukan teknologi mereka untuk pelanggan, melainkan untuk departemen, produk, dan masalah bisnis masing-masing," jelasnya. Akibatnya, data pelanggan tersebar di berbagai platform—pemasaran, layanan pelanggan, unit bisnis—ditambah sistem dari akuisisi dan pihak ketiga. Bahkan definisi preferensi bisa berbeda: "jangan hubungi" bisa berarti lain bagi pemasaran, layanan, dan komunikasi teregulasi.
Ketika pelanggan mengubah atau menarik izin, pembaruan harus menjangkau CRM, platform pemasaran, alat analitik, prosesor eksternal, dan sistem lain. "Alur kerja AI harus memeriksa status persetujuan terkini sebelum menggunakan data atau mengambil tindakan, bukan mengandalkan salinan catatan lama," tegas Binks. Komplikasi lain muncul untuk data yang sudah masuk ke model atau proses pelatihan sebelum izin dicabut. Perusahaan dituntut mampu melacak ke mana data mengalir dan apakah pilihan pelanggan yang baru telah diterapkan di semua sistem.
Binks mencontohkan sistem yang memprediksi pelanggan akan berhenti, lalu agen AI mengubah penawaran, memulai kontak, atau menyesuaikan layanan. Pada titik itu, batas jelas harus ditetapkan: tindakan apa yang boleh diambil, informasi apa yang boleh dipakai, dan kapan manusia harus meninjau keputusan. Tanggung jawab pengendalian ini tersebar di fungsi privasi, teknologi, dan pemasaran. "Yang sering gagal adalah ruang di antara fungsi-fungsi itu," ujarnya. "Privasi mengira teknologi sudah menerapkan aturan. Teknologi mengira pemasaran paham izin. Pemasaran mengira data yang diterima aman digunakan."
"Organisasi yang berhasil justru menggunakan lebih banyak data, bukan lebih sedikit, karena mereka dapat membuktikan apa yang boleh dilakukan dan berhenti berdebat internal." — Adam Binks, CEO Syrenis
Bagi Indonesia, persoalan ini kian relevan seiring berlakunya Undang-Undang Perlindungan Data Pribadi (UU PDP) yang mulai efektif penuh pada Oktober 2024. Perusahaan domestik yang mengumpulkan data pelanggan untuk program loyalitas, promosi, atau layanan digital kini harus memastikan izin yang diperoleh mencakup penggunaan AI. Tanpa penyesuaian, inisiatif AI bisa terhambat atau berisiko sanksi. Di sisi lain, lembaga keuangan dan e-commerce yang telah memiliki basis data besar berpeluang lebih cepat jika mampu menata ulang tata kelola persetujuan.
Kesadaran akan pentingnya tata kelola AI juga tercermin dari langkah SAP yang memperbarui kebijakan etika AI globalnya, dengan penilaian etika wajib dan pengawasan manusia. Sementara itu, HeadFirst Global mengonsolidasikan 11 bisnis di bawah Vertage untuk membantu perusahaan mendefinisikan pekerjaan berdasarkan hasil dan menentukan campuran talenta serta agen AI. Langkah-langkah ini menandakan bahwa persoalan izin data bukan sekadar kepatuhan, melainkan fondasi daya saing.
Ke depan, pertanyaannya bukan lagi apakah perusahaan memiliki data yang cukup, melainkan apakah mereka memiliki keberanian dan ketelitian untuk menata ulang izin yang sudah ada. Tanpa itu, investasi AI besar-besaran bisa berhenti di ruang rapat, bukan di pasar.



