Berapa Banyak Belanja Gaji Agensi Yang Patut Menjadi Bajet Kecerdasan Buatan?

Sejak penubuhannya, Michael Macfarlane Associates berhasrat meminjam satu idea daripada dunia teknologi. Dalam pembangunan perisian, telah lama diperhatikan bahawa graduan terbaharu sering menguasai bahasa pengaturcaraan terkini dengan lebih baik daripada rakan sekerja yang telah menghabiskan sepuluh tahun menggunakan bahasa yang semakin usang. Selain soal pengalaman, kefasihan menggunakan alat semasa boleh menjadikan pembangun yang lebih baharu lebih produktif.

Industri komunikasi hari ini berfungsi dengan cara yang sama. Mereka yang membesar bersama alat ini, dan menggunakannya secara semula jadi, mampu menggunakan kecerdasan buatan dengan kecekapan yang jauh melebihi mereka yang lewat mengenalinya. Pendekatan firma ini adalah menggabungkan kefasihan semula jadi tersebut dengan pengalaman yang mendalam, dan bukannya memilih salah satu daripadanya.

Pengalaman menentukan hala tuju. Pelaksanaan merealisasikannya.

Pengalaman masih lebih penting daripada segala yang lain. Mengetahui hala tuju strategik yang betul, tuas yang perlu digerakkan dan cara memetakan laluan ke arah sesuatu hasil kekal penting. Namun pelaksanaan kini lebih penting berbanding sebelumnya.

Agensi yang ingin terus bercakap tentang strategi tanpa henti dan menyerahkan dek slaid, yang kini boleh dihasilkan dalam masa sejam oleh pengguna kecerdasan buatan yang mahir, tidak lagi memadai. Agensi yang tidak mampu memperuntukkan tidak kurang daripada separuh daripada sumbernya kepada pelaksanaan tidak lagi selari dengan keperluan pelanggan pada hari ini.

Besar, butik dan golongan pertengahan yang terhimpit

Bentuk pasaran telah pun berubah.

Rangkaian yang sangat besar masih wujud, tetapi rangkaian ini juga sedang bergabung. Apabila Omnicom menyempurnakan pengambilalihan Interpublic, syarikat itu mengumumkan sekitar 4,000 pemberhentian pekerja, penamatan jenama agensi termasuk DDB, FCB dan MullenLowe, serta jumlah kakitangan gabungan yang dijangka menurun daripada sekitar 128,000 kepada sekitar 105,000 orang. Pelanggan mereka begitu besar, antarabangsa dan kompleks sehingga masih memerlukan nasihat bersepadu pada skala manusia yang sebenar, namun model tersebut sedang dibina semula dengan bilangan kakitangan yang lebih kecil.

Di segmen butik pula, dinamik yang berbeza berlaku. Firma pakar yang lebih kecil kini boleh menggunakan kecerdasan buatan untuk menggandakan kapasiti mereka lima, enam, malah mungkin sepuluh kali ganda, sama ada dalam mereka bentuk penyelesaian inovatif mahupun melaksanakannya, tanpa pejabat besar atau pasukan besar. Syaratnya, mereka mesti mempunyai profil bakat yang betul, walaupun lebih kecil.

Firma di peringkat pertengahan ialah firma yang telah meninggalkan pasaran. Mereka tidak memiliki skala dan prestij rangkaian global, dan tidak juga mempunyai ketangkasan untuk membentuk semula asas bakat mereka dengan cepat. Banyak yang masih beroperasi, tetapi umum mengetahui dalam industri bahawa sesetengahnya beroperasi dengan margin yang sangat tipis, menangguhkan kenaikan pangkat dan mengurangkan kakitangan secara berperingkat kerana tidak dapat menyesuaikan tenaga kerja mereka dengan kehendak pasaran kini.

Ekonominya telah berubah

Harga keupayaan kecerdasan buatan telah jatuh pada kadar yang jarang berlaku sebelum ini. AI Index 2025 oleh Stanford mendapati bahawa kos membuat pertanyaan kepada model pada tahap prestasi yang tetap menurun lebih daripada 280 kali ganda dalam tempoh lebih kurang 18 bulan, daripada sekitar 20 dolar bagi setiap sejuta token pada akhir 2022 kepada sekitar 7 sen pada akhir 2024.

Keupayaan yang lebih murah tidak bermakna bil yang lebih kecil bagi pengguna yang serius. Sebaliknya, ia membawa kepada penggunaan yang lebih ambisius. Laporan State of AI in PR 2026 oleh Muck Rack mendapati bahawa 75 peratus pengamal yang menggunakan kecerdasan buatan kini membayar untuknya, meningkat daripada 57 peratus setahun sebelumnya, dan 43 peratus membayar untuk lebih daripada satu perkhidmatan.

Menggunakan kecerdasan buatan sepenuhnya memerlukan jauh lebih banyak daripada peruntukan yang termasuk dalam langganan perusahaan biasa. Secara praktikal, seorang individu yang memberikan perkhidmatan yang baik kepada beberapa pelanggan boleh menggunakan kredit kecerdasan buatan bernilai beberapa ribu paun setiap bulan. Perbelanjaan itu mewujudkan kecekapan. Ia juga sepatutnya menggantikan sebahagian kos kakitangan, kerana bagi setiap paun yang dibelanjakan, ia boleh menghasilkan output yang jauh lebih banyak daripada pengambilan seorang pekerja tambahan.

Oleh itu, persoalan yang kini dihadapi oleh setiap agensi ialah berapa banyak belanja gajinya yang patut dialihkan kepada perbelanjaan kecerdasan buatan.

Mencari titik keseimbangan

Manusia tetap penting. Mereka diperlukan untuk menjana idea dan bersikap kreatif dalam cara teknologi digunakan. Mereka membawa pengalaman yang menghasilkan keputusan yang baik. Mereka juga menyediakan hubungan budaya yang diperlukan dalam kerja antarabangsa.

Cabarannya ialah mencari titik di mana bilangan kakitangan dikurangkan dan penggunaan kecerdasan buatan dimaksimumkan, tanpa memotong terlalu dalam sehingga firma kehilangan kreativiti, pertimbangan atau jangkauan budayanya. Belum ada jawapan yang muktamad, tetapi inilah persoalan yang patut ditanya oleh setiap agensi.

Bagi pelanggan, persoalan yang lebih berguna ialah untuk apa model penasihat mereka dibina: jam dan bilangan kakitangan, atau hasil. Baca cara Michael Macfarlane Associates mendekati hasil modal dan falsafahnya. Ini ialah artikel kedua dalam siri lima bahagian.