Peraih Medali Fields vs Tolok Ukur AI: Pelajaran bagi Pemasar

Para matematikawan biasanya tidak menulis surat terbuka tentang pemasaran. Namun argumen yang disampaikan sekelompok peraih Medali Fields pada September berlaku nyaris kata demi kata pada cara industri kita mengukur AI. Inti mereka: memecahkan soal adalah proksi, dan tujuan sebenarnya adalah pemahaman. Jika keduanya dicampuradukkan, Anda bisa merusak hal yang justru ingin Anda tingkatkan.

Apa yang terjadi

Menurut The Next Web, pada 11 September sebuah deklarasi berjudul A Severe Misalignment of AI in Mathematics diterbitkan di mathandai.org. Situs tersebut mencantumkan 25 penanda tangan, termasuk Terence Tao, Peter Scholze, Maryna Viazovska, Cédric Villani, Pierre Deligne, Manjul Bhargava, dan Martin Hairer. Deklarasi itu berargumen bahwa memecahkan soal adalah alat dan proksi, sedangkan tujuan utama matematika adalah pemahaman konseptual dan wawasan. Deklarasi itu memperingatkan bahwa memproduksi massal pernyataan benar atau salah dengan laju yang makin cepat "dapat menghancurkan lahan yang subur". TNW menggambarkannya sebagai pernyataan tentang tolok ukur; deklarasi itu tidak menyebut peristiwa tertentu.

Pada pekan yang sama, surat terbuka terpisah mengkritik "Mathathon" AI yang diselenggarakan mahasiswa di Caltech, menyebut formatnya "matematika sampah" dan berargumen bahwa kerja memverifikasi dan mengoreksi hasil AI "tidak dibayar, tidak diakui, dan tidak dihargai". TNW melaporkan bahwa OpenAI menarik kredit senilai US$1 juta dari acara tersebut pada 10 September, sementara Anthropic mempertahankan kontribusinya, dan bahwa penyelenggara menambahkan persyaratan tetapi tidak membatalkan acara.

Mengapa ini penting

Keluhan para matematikawan menyangkut jebakan yang sudah dikenal. Ketika sebuah soal yang sulit dan terkenal menjadi tolok ukur, lab mengoptimalkan diri untuk menghasilkan jawabannya. Jawaban dapat diukur. Pemahaman tidak. Seiring waktu, hal yang terukur menyingkirkan hal yang bernilai, dan orang lain yang harus memeriksa keluarannya.

AI pemasaran memiliki masalah yang persis sama. Kita mengukur alat berdasarkan hal yang mudah dihitung: jumlah aset yang dihasilkan, waktu yang dihemat, rasio klik-tayang, porsi jawaban AI yang menyebut merek. Angka-angka itu penting. Namun tujuan pemasaran bukanlah keluaran; tujuannya adalah memahami pelanggan cukup baik untuk melayani mereka, dan membangun merek yang dipercaya orang. Sistem yang membanjiri kanal dengan konten dan unggul dalam metrik proksi dapat diam-diam menggerus keduanya.

Poin tentang verifikasi yang tidak dibayar juga relevan. Konten yang dihasilkan murah untuk diproduksi dan mahal untuk diperiksa. Jika pemeriksaan tidak terlihat dalam metrik Anda, "peningkatan produktivitas" Anda sebagian adalah trik akuntansi.

Apa kata riset saya

Riset terbaru saya dibangun di sekitar pembedaan ini. Dalam makalah SIGIR 2026 kami, SOMIN: Agentic AI for Automating Professional Visibility and Countering Content Homogenization, masalah yang kami tangani persis bahwa konten tulisan AI cenderung menyatu: asisten milik semua orang menghasilkan unggahan yang sama-sama kompeten dan generik. Pendekatan kami adalah mengambil data konteks nyata sebelum menulis, agar keluarannya tetap khas. Volume tanpa kekhasan adalah versi pemasaran dari "sampah".

Soal pengukuran, saya berargumen di e27 bahwa setiap dasbor berwarna hijau, tetapi tidak ada yang bisa mengatakan apa yang berhasil. Metrik proksi yang semuanya naik tidak sama dengan mengetahui apa yang menyebabkan hasil. Dan dalam karya AI yang dapat dijelaskan kami, dari Against Opacity hingga MindFuse, tujuannya bukan sekadar prediksi yang lebih baik, melainkan penjelasan yang dapat dipelajari pemasar. Itulah padanan pemasaran dari "pemahaman konseptual" para matematikawan.

Apa yang dapat dipetik tim pemasaran dari hal ini

• Sebutkan tujuan di balik setiap metrik. Untuk setiap KPI AI, tulis satu kalimat tentang hasil nyata apa yang seharusnya diwakilinya, dan periksa secara berkala bahwa kaitan itu masih berlaku.
• Hitung biaya verifikasi. Lacak waktu manusia yang dihabiskan untuk meninjau dan mengoreksi keluaran AI dan masukkan ke dalam ROI Anda.
• Ukur kekhasan. Bandingkan konten berbantuan AI Anda dengan milik pesaing. Jika makin sulit dibedakan, Anda memenangkan proksi dan kehilangan merek.
• Utamakan penjelasan daripada skor. Alat yang memberi tahu Anda mengapa sesuatu berhasil membangun pengetahuan tim; alat yang hanya memberi tahu bahwa sesuatu berhasil membangun ketergantungan.
• Hargai manusianya. Jika orang-orang membersihkan keluaran AI, buat pekerjaan itu terlihat dan dihargai, bukan dianggap sudah semestinya.

Para matematikawan melindungi bidang mereka dari budaya tolok ukur yang mengira jawaban sama dengan pemahaman. Pemasaran sebaiknya melindungi diri dari kesalahan yang sama.

FAQ