UNM dan PT KAI Gelar Pelatihan Analisis Bisnis Berbasis AI untuk Strategi Pemasaran

Apa yang terjadi dalam pelatihan UNM dan PT KAI

UNM dan PT KAI gelar pelatihan analisis bisnis berbasis AI melalui kolaborasi Nusa Mandiri Excellent Center of Artificial Intelligence and Innovation atau NEX.AI Universitas Nusa Mandiri dengan PT Kreasi Alam Inspirasi. Pelatihan berlangsung pada Selasa, 13 Oktober, menurut NusamandiriNews, dengan fokus pada pemanfaatan AI untuk mengolah data bisnis menjadi bahan strategi pemasaran.

PT KAI dalam judul kegiatan merujuk pada PT Kreasi Alam Inspirasi, bukan PT Kereta Api Indonesia. Penegasan ini penting karena kesamaan singkatan dapat memunculkan asumsi keliru mengenai pihak yang terlibat maupun konteks industrinya. Fokus kegiatan berada pada kerja sama NEX.AI UNM dan PT Kreasi Alam Inspirasi.

Sebelum kegiatan berlangsung, NEX.AI UNM menyebut workshop terbuka untuk mahasiswa, pelajar, profesional, serta masyarakat umum. Menurut NusamandiriNews pada September 2026, pelatihan dirancang untuk membantu peserta mengolah data bisnis menjadi strategi pemasaran yang berdampak. Peserta perlu memahami proses dari data mentah, pembacaan pola, peninjauan hasil, hingga keputusan tindak lanjut.

Titik awal pembelajaran sebaiknya berupa masalah bisnis yang nyata. Tim dapat bertanya: keputusan pemasaran apa yang selama ini sulit dibuat karena informasi pelanggan tersebar? Jawabannya dapat mencakup prioritas prospek, pengelompokan keluhan, evaluasi respons kampanye, atau pencarian tema komunikasi pelanggan.

Dari data pemasaran ke keputusan yang dapat ditinjau

Analisis bisnis berbasis AI membantu tim membaca data dalam jumlah besar atau data tidak terstruktur yang sulit diperiksa satu per satu. Sumbernya dapat berupa respons formulir, ulasan pelanggan, pesan masuk, catatan layanan, survei, serta laporan kampanye. AI dapat membantu membuat ringkasan, memberi kategori awal, atau mengenali tema yang berulang. Hasil tersebut tetap perlu diverifikasi sebelum dipakai sebagai dasar tindakan.

RDSI FEB UGM menjelaskan bahwa keputusan bisnis tidak cukup mengandalkan intuisi ketika organisasi harus mengolah informasi menjadi strategi. Dalam workshop RDSI FEB UGM pada 30–31 Juli 2025, peserta mempraktikkan analisis sentimen pasar, segmentasi pelanggan, analisis pemposisian merek, serta prediksi perilaku konsumen memakai Python, machine learning, dan natural language processing atau NLP.

Sebagai ilustrasi (kasus rekaan), sebuah tim pemasaran menerima banyak pesan dari formulir kontak. Tim lebih dulu menyamarkan data sensitif, lalu menyusun kategori seperti pertanyaan harga, kebutuhan produk, keluhan layanan, atau permintaan demo. AI membuat klasifikasi awal. Staf kemudian memeriksa sebagian hasil untuk menemukan kategori yang keliru sebelum memakai ringkasan itu sebagai dasar materi follow-up atau kampanye.

Pertanyaan bisnis menentukan kualitas keluaran. Perintah seperti “buat insight pemasaran” terlalu luas sehingga hasilnya berpotensi umum. Pertanyaan yang lebih terbatas, seperti identifikasi keluhan yang sering muncul dalam pesan pelanggan pada periode tertentu, lebih mudah diperiksa terhadap data sumber. Batas pertanyaan juga membantu tim membedakan pola yang benar-benar muncul dari dugaan yang belum didukung data.

AI, otomasi, dan keputusan manusia memiliki peran berbeda

Otomasi menjalankan urutan kerja berdasarkan pemicu serta aturan yang telah ditetapkan. Contohnya, data formulir masuk dicatat ke CRM, kemudian sistem mengirim notifikasi kepada staf. AI dapat digunakan pada tahap pembacaan isi formulir, misalnya untuk mengelompokkan kebutuhan calon pelanggan sebelum catatan disimpan.

AI agent memiliki ruang kerja berbeda karena dapat menjalankan beberapa langkah dengan konteks serta penggunaan alat untuk mencapai tujuan tertentu. Namun, penerapannya tetap memerlukan batas tindakan, hak akses, dan aturan persetujuan. Dalam pemasaran, sistem tidak seharusnya bebas mengirim penawaran, mengubah data pelanggan, atau menetapkan keputusan bernilai tinggi tanpa peninjauan manusia.

Misalnya, alur lead hipotetis dapat dimulai ketika formulir diterima. AI membaca kebutuhan calon pelanggan, memberi kategori awal, lalu CRM menyimpan catatan tersebut. Sales menerima notifikasi untuk meninjau lead yang memerlukan respons. Penawaran akhir tetap dikirim setelah sales memeriksa kebutuhan pelanggan, data kontak, serta konteks percakapan.

Pembagian tanggung jawab perlu ditetapkan sejak awal. AI dapat diberi tugas membuat ringkasan dan rekomendasi kategori. Perubahan data pelanggan, pengiriman komunikasi massal, serta keputusan penawaran sebaiknya tetap melewati persetujuan manusia. Pengaturan akses juga perlu dibatasi agar anggota tim hanya melihat data yang relevan dengan tugasnya.

Mengapa pelatihan kampus dan industri perlu membahas workflow

Pelatihan analisis bisnis berbasis AI perlu membahas hubungan antara data, proses kerja, serta keputusan. Penguasaan fitur aplikasi belum cukup apabila peserta belum memahami data yang layak digunakan, pemilik proses, risiko kesalahan, dan tindakan setelah analisis selesai.

RDSI FEB UGM menyebut banyak perusahaan memiliki data melimpah, tetapi belum tentu mengetahui cara memanfaatkannya secara optimal. Materi workshopnya menekankan penerjemahan data mentah menjadi strategi bisnis. Pendekatan tersebut sejalan dengan pelatihan UNM dan PT Kreasi Alam Inspirasi yang mengarahkan pemanfaatan data bisnis untuk strategi pemasaran, menurut NusamandiriNews.

Andaikan sebuah bisnis menerima ulasan produk dari beberapa kanal. Tim tidak langsung meminta AI menetapkan harga atau promosi. Ulasan yang diizinkan untuk dianalisis dikumpulkan, identitas pribadi dihapus, lalu tim menentukan tema pemeriksaan seperti kualitas produk dan pengiriman. AI membuat ringkasan per tema. Tim layanan pelanggan kemudian memeriksa sejumlah ulasan asli sebelum menetapkan masalah yang perlu ditangani.

Proses ini membantu peserta memahami bahwa kesalahan hasil tidak selalu berasal dari model AI. Kategori awal mungkin terlalu kabur, data sumber tidak konsisten, atau instruksi belum menjawab pertanyaan bisnis yang tepat. Penelusuran sumber kesalahan perlu dilakukan sebelum workflow diperluas ke data atau proses lain.

Langkah praktis untuk tim yang ingin mulai

Tim dapat memulai dari satu keputusan berulang yang masih memakan waktu, tanpa membangun sistem besar. Ruang lingkup yang kecil memudahkan pemeriksaan hasil. Pilih satu sumber data, seperti pertanyaan pelanggan dari formulir atau ulasan dari satu kanal.

Mulailah dengan memetakan proses saat ini: asal data, pihak yang membacanya, keputusan yang dibuat, serta tindakan setelah keputusan diambil. Berikutnya, pastikan data memang berhak digunakan. Hapus atau samarkan informasi sensitif sebelum pengujian. Susun kategori awal, lalu tetapkan pihak yang akan meninjau keluaran AI.

Uji workflow pada data terbatas. Bandingkan hasil AI dengan penilaian staf pada contoh yang sama. Catat kategori yang sering keliru, instruksi yang membingungkan, serta tindakan yang tidak boleh dijalankan otomatis. Keberhasilan tidak ditentukan oleh banyaknya aplikasi terhubung, melainkan oleh kemudahan tim meninjau ringkasan dan konsistensi tindak lanjut.

Setelah uji awal selesai, dokumentasikan keputusan yang berubah karena hasil analisis. Pertanyaan berikutnya: bagian mana dari workflow pemasaran yang sudah cukup akurat untuk dipakai rutin, dan bagian mana yang masih memerlukan pemeriksaan manual?