Oleh: Astil Harli Roslan
Paper yang jadi landasan tulisan ini berjudul The GenAI Future of Consumer Research, ditulis oleh Ming-Hui Huang dari Department of Information Management, College of Management, National Taiwan University Taipei Taiwan, dan Roland T Rust dari Department of Marketing, Robert H Smith School of Business, University of Maryland College Park Amerika Serikat. Artikel ini terbit di Journal of Consumer Research dengan SJR 8.562.
Huang dan Rust menyusun satu lintasan perkembangan GenAI dalam konsumsi yang bergerak dari demokratisasi, lalu masuk jebakan rata rata, dan pada ujung tertentu berisiko model collapse. Lintasan ini terjadi seiring intensitas penggunaan GenAI makin tinggi, dan itu ikut menggeser tipe konsumen dari human consumers, menuju hybrid consumers, lalu ke GenAI consumers.
Demokratisasi yang dimaksud paper ini apa
Di paper ini, demokratisasi dijelaskan sebagai proses membuat sesuatu menjadi dapat diakses semua orang. Dalam konteks konsumsi dan riset konsumen, GenAI membuka akses ke peluang konsumsi yang sebelumnya tidak terjangkau, meski sebagian orang masih bisa menghadapi hambatan adopsi seperti kekhawatiran privasi, algorithm aversion, atau kendala teknologi. Secara konseptual, demokratisasi terjadi ketika GenAI memungkinkan lebih banyak dan lebih luas konsumen ikut berpartisipasi dalam konsumsi yang dulu sulit mereka masuki.
Dampaknya pada data, distribusi preferensi menjadi lebih bervariasi karena perilaku konsumen yang sebelumnya kurang terwakili ikut masuk ke data. Paper ini menggambarkan situasi itu sebagai penebalan bagian ekor distribusi, karena kelompok yang sebelumnya termarginalkan jadi lebih terwakili. Ini kabar baik untuk riset pemasaran karena suara yang dulu kecil bisa muncul ke permukaan.
Paper ini tidak berhenti pada kabar baik. Mereka menegaskan bahwa representasi yang lebih luas tidak otomatis mengurangi bias. Justru data tetap menangkap bias manusia dan dinamika sosial budaya di dunia nyata. Bahkan, ketika data jadi lebih representatif, data bisa makin memantulkan ketimpangan, stereotip, dan ketidakseimbangan yang memang ada di masyarakat. Inilah titik penting yang perlu dikaji, karena riset pemasaran sering memperlakukan data sebagai cermin netral, padahal cermin itu merekam realitas yang belum tentu ingin kita wariskan sebagai standar.
Jebakan rata rata saat mesin mendorong semua ke arus utama
Setelah demokratisasi, paper ini menandai risiko berikutnya yaitu average trap. Ini muncul dari mekanisme dominan GenAI, terutama model yang berbasis next token prediction, yang secara alami menghasilkan keluaran yang cenderung bergerak ke nilai paling umum dalam data. Akibatnya, keluaran menjadi generik, one size fits all, dan gagal menangkap nuansa yang sebenarnya penting dalam pemasaran.
Di sini saya melihat benang merah langsung ke erosi diferensiasi. Diferensiasi merek hidup dari detail, konteks, dan keberanian memilih keunikan. Tetapi average trap mendorong organisasi ke jawaban yang aman, rapi, dan mudah diterima banyak orang. Paper ini bahkan menegaskan bahwa jebakan rata rata membuat respons generik yang tidak membedakan satu merek dari merek lain. Kalau mesin mendorong semua ke arus utama, maka pekerjaan pemasar bukan hanya membuat konten lebih cepat, melainkan menjaga agar strategi dan insight tidak ikut menjadi rata rata.
Model collapse saat yang dipelajari bukan lagi manusia
Puncak risikonya adalah model collapse. Paper ini menjelaskan bahwa model collapse terjadi ketika model dilatih semata dari data konsumsi yang dihasilkan mesin, sehingga keluaran riset bisa menjadi tidak masuk akal dan kehilangan relevansi manusia. Dalam bahasa yang lebih mudah, saat konsumsi makin otomatis, data makin merepresentasikan perilaku mesin, lalu model mulai meramal tindakan mesin berikutnya, bukan preferensi manusia yang sesungguhnya.
Paper ini juga memberi gambaran rantai interaksi panjang dalam pemasaran, ketika perusahaan dan konsumen sama sama memakai agen GenAI, sehingga banyak bagian pertukaran menjadi machine to machine. Pada kondisi ini, riset konsumen berisiko bergeser menjadi riset perilaku mesin. Ini penting dikaji, karena banyak keputusan pemasaran hari ini memakai data perilaku. Kalau perilaku yang terekam makin didikte oleh agen, maka interpretasi kita tentang konsumen bisa melenceng tanpa sadar.
Model dan konsep kunci yang membuat paper ini layak dikaji:
Pertama, model lintasan tiga tahap demokratisasi, average trap, model collapse yang diikat oleh ide intensitas penggunaan GenAI. Ini membantu peneliti dan praktisi memetakan risiko bukan sebagai isu etika yang abstrak, tetapi sebagai dinamika yang tumbuh seiring kebiasaan pasar.
Kedua, tipologi konsumen dari human consumers, hybrid consumers, sampai GenAI consumers. Hybrid consumers diprediksi menjadi arus utama karena manusia dan GenAI berkolaborasi dalam keputusan konsumsi, dan data yang lahir adalah campuran perilaku manusia dan mesin. Tipologi ini penting karena menentukan jenis data yang kita kumpulkan dan seberapa manusiawi sinyal yang kita baca.
Ketiga, perbedaan antara bias yang datang dari data dan bias yang datang dari algoritme. Paper menekankan bahwa demokratisasi bisa membuat data lebih truthful dalam arti lebih mencerminkan realitas, tetapi bisa tidak socially desirable karena realitas itu sendiri mengandung diskriminasi dan stereotip. Ini area riset yang sangat strategis bagi pemasaran, karena keputusan segmentasi, targeting, dan personalisasi mudah tergelincir menjadi pembenaran otomatis atas ketimpangan.
Keempat, strategi penahan agar riset tidak jatuh ke jawaban rata rata.
Paper menawarkan fine tuning dengan data konsumsi yang spesifik serta response engineering, yaitu menempatkan GenAI sebagai penanya untuk mengekstrak pengetahuan spesifik dari pengguna atau peneliti, supaya keluaran menjadi unik dan kontekstual. Buat pemasaran, ini seperti pengingat bahwa diferensiasi tidak keluar dari mesin secara otomatis, tetapi dari masukan manusia yang membawa brand soul, konteks segmen, dan pengetahuan lapangan.
Kelima, agenda menjaga relevansi manusia. Paper menyarankan penggunaan data hybrid manusia dan mesin, menjaga human agency dalam rantai interaksi panjang, dan memakai theory of mind peneliti untuk menafsirkan perilaku model agar tetap selaras dengan konsumsi yang berpusat pada manusia.
Kenapa ini penting untuk riset pemasaran hari ini
Kalau saya ringkas, paper ini sedang mengingatkan satu hal yang sering luput. GenAI memang memperluas partisipasi dan membuat data seolah makin kaya, tetapi mekanisme model juga mendorong penyeragaman, dan pada titik tertentu bisa membuat riset menjadi self referential, berputar pada keluaran mesin sendiri. Inilah jalur cepat menuju erosi diferensiasi, bukan karena merek kehilangan niat untuk unik, tetapi karena ekosistem data dan alat berpikirnya mengarahkan semua orang ke pola yang mirip.
Arah kajian yang paling penting dari paper ini menurut saya ada tiga. Pertama, bagaimana menjaga ekor distribusi agar suara niche (segmen kecil yang spesifik dalam pasar) tetap hidup. Kedua, bagaimana menahan jebakan rata rata yang membuat strategi dan insight jadi seragam. Ketiga, bagaimana mencegah model collapse agar riset tetap berbicara tentang manusia, bukan hanya tentang kebiasaan mesin.
