Hampir 9 dari 10 organisasi kini secara rutin menggunakan AI, namun hanya 39% yang melihat dampaknya terhadap EBIT di tingkat perusahaan. Dapat dikatakan, adopsi AI memang sudah meluas, tetapi hasilnya belum merata.
Jika agensi pemasaran ingin menghindari terjebak dalam kesenjangan ini, mereka harus berhenti menggunakan Claude sebagai AI biasa yang berbasis browser. Agensi yang memperoleh hasil memaksimalkan Claude dengan memanfaatkan status tugas secara real-time, bukan sekadar potongan teks yang disalin. Itulah perbedaan antara mainan brainstorming dan alat yang berdampak pada margin keuntungan Anda.
Berikut adalah tujuh alur kerja yang menggambarkan cara agensi menggunakan Claude, beserta kendala yang dihadapi pada masing-masing alur kerja.
TL;DR: Biaya peninjauan draf yang dihasilkan AI bisa lebih mahal daripada pekerjaan manual yang digantikannya. Inilah yang disebut ‘biaya revisi,’ dan beban ini ditanggung oleh karyawan Anda yang paling mahal. Solusinya bukan dengan membuat prompt yang lebih baik; melainkan dengan memberikan model data yang dapat dijadikan acuan.
Artikel ini membahas tiga tingkat integrasi Claude (tab samping, asisten terhubung, agen otonom), tujuh alur kerja agensi spesifik, urutan implementasi lima langkah, kebijakan tata kelola AI yang perlu Anda siapkan sebelum menghubungkan data klien, serta lima kesalahan adopsi yang sering muncul setelah bulan pertama.
Mulailah dengan pelaporan internal, hubungkan ke sumber data tunggal yang dapat diandalkan, dan lacak jam kerja koordinasi, bukan tugas-tugas otomatis.
Apa Itu Claude, dan Mengapa Agen Pemasaran Menggunakannya?
Agensi pemasaran menggunakan Claude untuk menulis teks pemasaran, merangkum berkas klien yang sangat besar, dan mengotomatisasi operasi tim sehari-hari. Claude berfungsi sebagai asisten AI yang dapat Anda gunakan melalui browser web, ekstensi, atau integrasi perangkat lunak langsung.
Agensi-agensi berkinerja terbaik sebaiknya mulai memperlakukan Claude bukan sekadar sebagai chatbot biasa, melainkan sebagai anggota tim junior yang dapat diandalkan. Claude cenderung memberikan nilai tambah di tiga bidang utama:
- Mengingat konteks secara utuh: Memproses panduan merek, brief kampanye, dan percakapan panjang dengan klien tanpa kehilangan detail penting
- Drafts dalam bahasa alami: Menulis postingan blog yang bersifat percakapan, teks iklan, dan strategi kampanye
- Menjalankan alur kerja bertahap: Terhubung ke ruang kerja agensi Anda melalui Model Context Protocol (MCP). Claude mengubah data proyek menjadi draf pernyataan kerja dan pembaruan untuk klien
Di subreddit r/ArtificialIntelligence di Reddit, para pemasar yang mendiskusikan penggunaan Claude bagi manajer pemasaran sering kali menyoroti kemampuan penanganan dokumennya yang unggul. Berikut adalah apa yang dibagikan oleh seorang pengguna Reddit ketika ditanya apakah Claude layak digunakan oleh para pemasar:
Ya, khususnya untuk pekerjaan berformat panjang. Lebih baik daripada ChatGPT dalam mengikuti arahan tanpa melenceng. Mampu menangani dokumen besar dengan baik sehingga Anda dapat memasukkan strategi kampanye lengkap dan mendapatkan hasil yang berguna. Untuk teks pendek dan postingan media sosial cepat, keduanya berfungsi dengan baik. Namun, jika Anda berurusan dengan arahan yang panjang, pedoman merek, atau konten yang sarat riset, Claude unggul.
Ya, khususnya untuk pekerjaan berformat panjang. Lebih baik daripada ChatGPT dalam mengikuti arahan tanpa melenceng. Mampu menangani dokumen besar dengan baik sehingga Anda dapat memasukkan strategi kampanye lengkap dan mendapatkan hasil yang berguna. Untuk teks pendek dan postingan media sosial cepat, keduanya berfungsi dengan baik. Namun, jika Anda berurusan dengan arahan yang panjang, pedoman merek, atau konten yang sarat riset, Claude unggul.
Claude mempercepat tahap penyusunan draf: ia membaca brief dan menyusun draf awal. Apakah Claude juga mempercepat tahap pengambilan informasi sepenuhnya bergantung pada cara Anda mengonfigurasinya, yang akan dibahas lebih lanjut dalam artikel ini.
Model Operasional Agen Baru pada Tahun 2026
Artikel ini membahas bagaimana; panduan Model Operasional Agen ClickUp membahas mengapa sekarang.
Kami meneliti agensi-agensi yang mampu mempertahankan 25 sen per dolar sementara rata-rata industri hanya 13 sen. Hasilnya adalah laporan yang memaparkan lima pergeseran operasional, studi kasus nyata, dan kalkulator dua menit yang menunjukkan di mana waktu Anda terbuang percuma.
Jika Anda baru mulai menggunakan Claude, berikut ini adalah video bermanfaat tentang prompt Claude terbaik yang dapat digunakan.
Tiga Tingkat Penggunaan Claude di Sebuah Agensi
Ada tiga tingkatan penggunaan Claude di sebuah agensi: tab samping (salin-tempel ke jendela obrolan), asisten terintegrasi (Claude membaca ruang kerja Anda melalui MCP, di Chat, atau melalui Cowork), dan agen dalam alur kerja (Claude berjalan berdasarkan pemicu di dalam sistem Anda).
Inilah gambaran sebenarnya dari setiap tingkatan, serta alasan mengapa sebagian besar agensi terhenti di tingkat pertama.
| Tingkat | Keunggulan | Titik lemah | Cocok untuk |
|---|---|---|---|
| Tab samping | Tanpa pengaturan apa pun, langsung bisa digunakan hari ini | Tidak ada informasi mengenai akun, tenggat waktu, atau anggaran yang terlewatkan | Penyusunan draf dan brainstorming secara individu |
| Asisten terhubung | Draf dari status proyek aktif, bukan potongan teks yang disalin. Cowork memperluas fitur ini ke tugas multi-langkah yang menghasilkan berkas jadi | Masih menunggu manusia untuk bertanya | Pembaruan klien, SOW, dan perkiraan yang dibuat berdasarkan data nyata |
| Peran agen dalam alur kerja | Berjalan tanpa perlu ada yang mengingat untuk memicunya | Perlu ada pemilik yang ditunjuk, atau proyek tersebut akan perlahan-lahan gagal | Koordinasi berulang: perutean, penyusunan status, dan penanda penyimpangan ruang lingkup |
Tingkat 1: Tab samping
Tingkat pertama adalah Claude di tab browser. Claude hanya membaca apa pun yang diketik atau disisipkan seseorang ke dalam percakapan, dan tidak lebih dari itu.
Hal ini menempatkan tugas pengumpulan konteks pada seseorang. Sebelum Claude dapat menyusun draf pembaruan untuk klien, seseorang harus membuka alat proyek dan memeriksa status terkini. Kemudian, mereka mengumpulkan detail-detail tersebut dan menempelkannya ke dalam draf. Claude menangani penulisan dengan baik. Orang tersebut menangani pengumpulan data, yang merupakan bagian yang memakan sebagian besar waktu.
Apa yang berhasil dengan baik:
- Tanpa biaya penyiapan: Cukup satu kali login, dan tim Anda sudah bisa mulai menyusun draf hari ini, tanpa perlu integrasi atau konfigurasi administratif
- Ahli dalam hal bahasa: Brief yang panjang, pedoman merek, dan draf yang sarat dengan riset merupakan bidang keahlian utama Claude
Keterbatasan:
- Claude tidak dapat melihat pekerjaan Anda: Claude tidak mengetahui tenggat waktu atau cakupan akun. Claude dapat menulis, tetapi tidak dapat menyarankan perbaikan atau menandai ketidaksesuaian
- Nilai tersebut terperangkap pada satu orang: Setiap prompt AI Claude yang berguna tersimpan dalam riwayat seorang ahli strategi, dan tidak ada yang tersebar ke seluruh tim
Lewati bagian ini jika: Hasilnya harus mencerminkan hal-hal spesifik terkait akun: jam kerja yang tercatat, apa yang telah diselesaikan minggu lalu, atau siapa yang bertanggung jawab atas langkah selanjutnya. Anda akan menghabiskan lebih banyak waktu untuk mengumpulkan informasi daripada menulisnya sendiri.
Cocok untuk: Penyusunan draf, ringkasan, dan brainstorming secara individu, di mana masukan dapat dimasukkan ke dalam kotak obrolan, dan pembacanya adalah Anda sendiri.
Tingkat 2: Asisten yang terhubung
Pada level dua, Claude terintegrasi dengan platform kerja Anda melalui MCP, sebuah standar terbuka dari Anthropic yang memungkinkan model untuk membaca data dari dan beroperasi di dalam sistem eksternal.
Yang berubah adalah sumber konteksnya. Pada tingkat pertama, seseorang mengumpulkan status proyek secara manual dan menempelkannya. Dengan cara ini, kelengkapan hasilnya hanya sebatas pengumpulan manual tersebut. Pada tingkat kedua, Claude mengakses sumbernya secara langsung: status tugas, penanggung jawab, tanggal jatuh tempo, entri waktu, dan utas komentar. Langkah pengambilan data berpindah dari manusia ke model.
Apa yang berhasil dengan baik:
- Pelaporan tidak lagi sekadar rekonstruksi: Pembaruan status disusun berdasarkan informasi yang sudah ada di ruang kerja
- Perkiraan didasarkan pada data historis yang sebenarnya: Claude dapat merujuk pada waktu yang sebenarnya dibutuhkan untuk pekerjaan serupa di masa lalu, bukan berdasarkan ingatan seseorang tentang waktu yang dibutuhkan
- Pergeseran ruang lingkup terdeteksi saat biayanya masih terjangkau: Bandingkan permintaan yang masuk dengan kontrak yang telah ditandatangani, dan dapatkan gambaran mengenai potensi masalah yang mungkin ada
Keterbatasan:
- Masih dipicu oleh manusia: Seseorang harus berpikir untuk menanyakannya. Pekerjaan tersebut hanya akan diselesaikan pada hari-hari ketika manajer akun Anda ingat bahwa pekerjaan itu ada
- Kualitasnya bergantung pada kebersihan data Anda: Jika tugas-tugas tidak ditugaskan dan waktu tidak dicatat, Claude akan menyusun pembaruan status berdasarkan gambaran yang tidak lengkap tersebut
- Setiap konektor merupakan izin akses: Konektor dapat menimbulkan kerentanan. Batasi penggunaannya hanya pada apa yang benar-benar dibutuhkan oleh alur kerja, bukan seluruh Workspace
Lewati bagian ini jika: Pekerjaan Anda tersebar di lima alat yang tidak terhubung. Belum ada konteks real-time tunggal yang dapat dijadikan acuan bagi Claude, dan konsolidasi harus menjadi prioritas utama.
Cocok untuk: Agen yang tugas, dokumen, dan waktunya sudah terintegrasi dalam satu sistem, di mana kendala utamanya adalah mengubah data tersebut menjadi dokumen yang siap diserahkan kepada klien.
Peran Cowork
Chat memberikan balasan. Cowork mengembalikan berkas. Anthropic meluncurkannya pada Januari 2026 sebagai mode terpisah dalam aplikasi desktop Claude: Anda mengarahkannya ke sebuah folder atau sekumpulan alat yang terhubung, memberikan tujuan kepadanya, dan kembali untuk meninjau hasil kerja yang telah selesai.
Bagi sebuah agensi, perbedaan tersebut paling terasa pada pekerjaan yang terlalu besar untuk ditangani dengan satu perintah saja. Bayangkan pelaporan bulanan untuk delapan akun, sekumpulan ekspor iklan yang diubah menjadi delapan ringkasan siap klien, dan audit merek yang harus membaca empat puluh halaman sebelum dapat menyusun satu halaman laporan. Dalam obrolan, hal-hal tersebut menjadi serangkaian perintah yang harus dipandu oleh seseorang. Di Cowork, hal-hal tersebut menjadi satu instruksi dan antrian peninjauan.
Selain itu, ada juga plugin. Sebuah plugin menggabungkan berbagai fitur, konektor, dan perintah slash menjadi satu paket instalasi, sehingga format pelaporan, referensi gaya bahasa, dan koneksi data Anda dapat diterapkan secara serentak ke setiap pengguna.
Apa yang tidak diselesaikannya: Pemicunya. Cowork tetap berjalan saat seseorang membukanya dan mengajukan pertanyaan. Aplikasi ini juga berjalan di perangkat Anda, sehingga laptop harus tetap aktif selama proses berlangsung, dan menghabiskan kuota penggunaan lebih cepat daripada obrolan karena satu tugas dapat mencakup puluhan langkah. Admin perusahaan dapat membatasi dan melacak penggunaan tersebut; pada paket Team, Anda perlu mengetahui alur kerja mana yang mahal sebelum mengembangkannya.
Tingkat 3: Peran agen dalam alur kerja
Tingkat ketiga adalah Claude yang berjalan berdasarkan pemicu di dalam platform kerja Anda, bukan menunggu permintaan. Sebuah tugas yang berpindah ke tahap ‘tinjauan klien,’ atau permintaan baru yang masuk ke proyek dengan tarif tetap: masing-masing dapat memicu alur kerja secara otomatis.
Hal itu menghilangkan langkah manusia terakhir dari alur kerja. Pada level dua, seseorang masih harus mengingat bahwa hari Kamis adalah hari pembaruan status. Pada level tiga, agen AI untuk manajemen agensi tidak lagi sekadar demonstrasi dan mulai berperan aktif. Ruang kerja mengingatnya, dan tugas orang tersebut bergeser menjadi meninjau hasil yang dihasilkan agen serta menyetujui apa yang akan dipublikasikan.
Cowork vs. agen dalam alur kerja
Cowork adalah alat serah terima yang kuat, bukan otomatisasi. Anda tetap yang memulainya. Agen alur kerja akan memulai sendiri.
Panduan praktis: gunakan Cowork untuk pekerjaan yang berat, sesekali, dan memerlukan penilaian. Audit setengah tahunan, riset presentasi, dan proses pelaporan yang hanya muncul saat penutupan kuartal. Gunakan agen alur kerja untuk pekerjaan yang ringan, konstan, dan dapat diprediksi seperti pengumpulan status, pengalihan tugas, dan pemberitahuan penyimpangan ruang lingkup. Jika Anda salah mengartikannya, Anda akan mengotomatiskan pekerjaan yang sebenarnya membutuhkan penilaian manusia, atau Anda terus memicu secara manual sesuatu yang seharusnya sudah berjalan sendiri sejak bulan Maret.
Apa yang berhasil dengan baik:
- Koordinasi tidak lagi dapat ditingkatkan seiring bertambahnya jumlah karyawan: Pengaliran tugas, laporan berkala, dan penyusunan status berjalan sama baiknya baik untuk 30 klien maupun 10 klien
- Konsistensi sebagai standar: Setiap klien menerima format pembaruan yang sama dengan frekuensi yang sama, itulah cara agensi menstandarkan pelaporan untuk klien
- Waktu tim kembali difokuskan pada strategi: Lebih sedikit tugas rutin, lebih banyak pekerjaan yang benar-benar dibayar dengan tarif premium oleh klien
Keterbatasan:
- Otomatisasi yang tidak diawasi akan bermasalah: Alur kerja yang tidak pernah ditinjau akan terus berjalan lama setelah prosesnya berubah, sehingga menimbulkan kesalahan. Tandai satu nama per agen dan tanggal tinjauan triwulanan
- Anda hanya dapat mengotomatisasi proses yang telah didokumentasikan: Agen memerlukan pemicu dan hasil yang dapat diprediksi. Jika langkahnya berbeda setiap kali, proses tersebut belum siap untuk diotomatisasi.
Lewati bagian ini jika: Anda belum menjalankan level dua cukup lama untuk mempercayai data dasarnya. Mengotomatisasi di atas ruang kerja yang berantakan hanya akan memperparah kekacauan tersebut.
Cocok untuk: Pekerjaan koordinasi dengan volume tinggi dan tingkat penilaian rendah yang berulang sesuai jadwal atau pemicu yang jelas, serta memerlukan persetujuan manusia sebelum hasil kerja dikirimkan ke klien.
Sebagian besar agensi sebaiknya menerapkan ketiganya
Kesalahannya adalah menganggap tingkatan-tingkatan tersebut sebagai tangga yang harus dilalui, bukan sebagai tumpukan. Sebuah agensi yang menjalankan tingkat tiga pada laporan rutin tetap harus memiliki seorang ahli strategi yang sedang menyusun draf di tab samping pada pukul 9 pagi. Pertanyaannya bukanlah di tingkat mana Anda berada, melainkan apakah setiap jenis pekerjaan ditempatkan pada tingkat yang tepat.
Tugas selanjutnya: Bagi pekerjaan agensi Anda dalam seminggu menjadi dua kategori: pekerjaan yang membutuhkan penilaian, dan pekerjaan yang bergantung pada pemicu dan hasil yang dapat diprediksi. Kategori pertama adalah prioritas utama dan tetap ditangani oleh manusia. Kategori kedua adalah peta jalan untuk tingkat dua dan tingkat tiga.
Biaya revisi: Biaya tersembunyi dari draf yang dibuat berdasarkan tebakan
AI memindahkan jam kerja ke tingkat yang lebih tinggi dalam hierarki agensi, bukan menghilangkannya. Dulu, seorang staf junior yang menulis ringkasan, dan seorang pemimpin tim yang meninjaunya. Kini, Claude dapat menyusunnya dalam satu menit, dan proses peninjauan tetap berlangsung—hanya saja, draf yang sudah rapi membutuhkan waktu lebih lama untuk diperiksa dibandingkan draf kasar. Peninjau tidak dapat membedakan bagian mana yang sudah diketahui model dan bagian mana yang diisi oleh model, sehingga mereka harus memverifikasi semuanya.
Studi global Optimizely secara langsung mengukur biayanya. Dari lebih dari 2.000 pemimpin pemasaran, 76% kini menghabiskan tiga jam atau lebih setiap minggu untuk mengedit, memverifikasi fakta, atau mengoreksi hasil yang dihasilkan AI. Hanya 4% yang menyatakan bahwa AI menghemat waktu di setiap tahap alur kerja mereka. Optimizely menyebutnya sebagai ‘biaya revisi’: untuk setiap jam yang dihemat oleh otomatisasi dalam produksi, sebagian dari waktu tersebut dihabiskan untuk pekerjaan peninjauan yang sebelumnya tidak ada sebelum alat tersebut digunakan.
Dinamika ini tidak hanya terjadi di bidang pemasaran. Penelitian Workday menemukan bahwa sekitar 40% penghematan waktu yang dihasilkan oleh AI terbuang untuk pekerjaan ulang, artinya dari setiap 10 jam yang dihemat, hampir setengahnya terbuang untuk memperbaiki hasil keluaran.
Di sebuah agensi, jam kerja tersebut dibebankan kepada direktur kreatif atau pemimpin akun, yang membuat hasil kerja yang sama menjadi lebih mahal daripada jika ditulis oleh staf junior. Hampir tidak ada yang menyadari hal ini terjadi, karena orang yang menyusun draf hanya merasakan keuntungannya dalam hal kecepatan. Waktu yang dihabiskan untuk koreksi muncul dalam catatan waktu orang lain, sehingga keuntungan dan biayanya tidak pernah tercatat dalam lembar waktu yang sama.
Dalam konteks agensi, penyebabnya adalah konteks: hasil kerja apa yang telah diserahkan, apa yang sudah diketahui klien, dan berapa jam sisa dalam kontrak retainer. Model yang tidak memiliki gambaran tentang akun tersebut mengisi celah-celah tersebut secara otomatis, dan penyesuaian yang dihasilkan itulah yang harus dibenahi oleh pemimpin tim selama dua jam.
Artikel ini juga menjelaskan mengapa agensi yang mengintegrasikan Claude ke dalam alur kerja mereka melaporkan penghematan waktu, sementara agensi yang menjalankannya di tab terpisah masih memperdebatkan apakah hal itu membantu: kedua kelompok tersebut sebenarnya jujur mengenai konfigurasi masing-masing. Pantau durasi tinjauan per hasil kerja. Angka inilah satu-satunya yang menunjukkan apakah alat tersebut sudah mengembalikan investasinya.
7 Cara Agen Pemasaran Sebenarnya Menggunakan Claude
Agensi dapat memaksimalkan manfaat Claude dalam tiga tugas: mengubah catatan penemuan menjadi ruang lingkup proyek, menyusun pembaruan status klien berdasarkan data proyek real-time, serta mendeteksi permintaan di luar ruang lingkup sebelum diproses.
Empat alur kerja lainnya di bawah ini memperluas pola yang sama ke bidang konten, pelaporan, dan persiapan panggilan. Masing-masing menyebutkan fitur Claude yang menjadi andalannya. Proyek menyimpan materi referensi, Artifacts menyediakan kanvas kerja, Skills menjalankan proses Anda, dan MCP menghubungkan model tersebut ke ruang kerja aktif Anda.
1. Ubah catatan klien yang berantakan menjadi ruang lingkup proyek yang jelas
Berikan transkrip panggilan awal, riwayat email klien, dan tiga SOW terakhir yang telah ditandatangani kepada Claude; semuanya dimuat ke dalam Proyek Claude agar materi referensi tetap tersedia di seluruh percakapan. Claude akan membaca semua dokumen tersebut dan menghasilkan hasil kerja, tahapan, serta draf jadwal dalam format templat Anda sendiri, bukan yang generik. Nilainya bukan terletak pada kecepatan penulisan; melainkan bahwa tidak ada satu pun hal dari panggilan tersebut yang terlewatkan. Kalimat yang pernah disebutkan klien sekali pada menit ke-40 biasanya tetap tercatat; sedangkan dalam catatan manusia, hal itu biasanya tidak terjadi.
Agensi media Brainlabs menerapkan hal ini secara besar-besaran. Penyusunan brief kreatif merupakan salah satu alur kerja berulang yang dialihkan ke Claude oleh para ahli strategi, perencana, dan pemimpin kreatif, dengan Cowork yang telah dimuat sebelumnya dengan panduan gaya perusahaan dan gaya penulisan masing-masing individu, sehingga draf yang dihasilkan sudah “sekitar 80% selesai” daripada harus dimulai dari nol. Para ahli strategi menghabiskan waktu mereka untuk penilaian, penetapan prioritas, dan strategi klien.
Di mana kendalanya: Claude tidak memiliki catatan mengenai berapa lama waktu yang sebenarnya dibutuhkan tim Anda untuk pekerjaan serupa, sehingga ia menghasilkan angka-angka yang masuk akal tanpa dasar yang jelas. Seorang manajer akun menentukan harga berdasarkan ruang lingkup pekerjaan sebelum menjadi penawaran resmi.
2. Membuat pembaruan status klien secara otomatis dari tugas yang sedang berjalan
MCP memungkinkan Anda membuat pembaruan untuk klien tanpa perlu beralih konteks. Claude memeriksa tugas yang telah diselesaikan, hambatan yang masih ada, dan jam kerja yang tercatat untuk menyusun draf email kemajuan yang rapi. Seorang manajer akun menghabiskan dua menit untuk memeriksa nada tulisan dan meninjau detail sensitif, lalu menekan tombol kirim. Hal ini mengubah tugas rutin yang memakan waktu di hari Jumat menjadi langkah peninjauan yang cepat.
Plurali Studio adalah agensi SEO beranggotakan 2–3 orang di Barcelona yang mengelola 8–10 akun klien dari satu ruang kerja. Sebelum mengintegrasikan AI ke data proyek mereka, setiap pagi berarti membuka satu ruang klien pada satu waktu, membaca daftar tugas, mencatat perubahan yang terjadi, lalu beralih ke klien berikutnya. Dua puluh hingga tiga puluh menit terbuang sebelum hasil kerja pertama mulai dikerjakan.
Kini, AI menganalisis berbagai ruang klien dan menyajikan ringkasan harian agensi dalam satu laporan terpadu. Rapat harian tersebut berlangsung kurang dari dua menit. Ketika tenggat waktu berubah di tengah sprint, pemimpin akun dapat meminta ringkasan status untuk semua klien yang terdampak dan memutuskan proyek mana yang perlu diprioritaskan.
Bagi tim sekecil ini, menghemat waktu tersebut sangatlah penting. Tiga orang yang mengelola sepuluh akun tidak memiliki ruang untuk pekerjaan yang tidak menghasilkan hasil apa pun.
Di mana letak masalahnya: Ringkasan hanya akan sejujur ruang kerja yang mendasarinya. Jika setengah tim mencatat waktu kerja pada Jumat sore, ringkasan hari Senin hanyalah fiksi.
3. Identifikasi pekerjaan yang belum ditagih sebelum laba terpengaruh
Ini adalah alur kerja yang memiliki angka dolar paling jelas. Survei “State of Agency Pricing” yang dilakukan Ignition terhadap 273 agensi menemukan bahwa 87% di antaranya mengalami kerugian setidaknya $1.000 per bulan akibat pekerjaan di luar lingkup yang tidak ditagih, dan hanya 1% yang menagih klien untuk seluruhnya. Ini bukan sekadar masalah beberapa agensi yang dikelola dengan buruk. Ini adalah norma operasional.
Masukkan daftar hasil kerja dan pengecualian yang tercantum dalam SOW yang telah ditandatangani sebagai “Pengetahuan Proyek”, lalu arahkan MCP ke permintaan tugas yang masuk pada akun tersebut. Claude membandingkan setiap permintaan baru dengan apa yang sebenarnya dibeli oleh klien dan menandai ketidaksesuaiannya: putaran revisi kedua pada hasil kerja yang seharusnya hanya satu putaran, atau halaman arahan yang tidak pernah termasuk dalam kontrak retainer.
Pengaturannya tidak terlalu rumit. Seorang praktisi mendokumentasikan proses pembuatan sistem deteksi ruang lingkup yang berfungsi di Claude dan Zapier dalam waktu kurang dari dua jam, yang membandingkan setiap permintaan yang masuk dengan ketentuan kontrak sebelum ada yang menyetujuinya. Dalam skala pekerja lepas, itu adalah proyek akhir pekan; dalam skala agensi, logika yang sama diterapkan pada penerimaan tugas Anda, bukan pada kotak masuk email.
Intinya adalah waktu. Perluasan ruang lingkup (scope creep) relatif mudah ditangani pada hari pertama kemunculannya, tetapi akan menjadi mahal jika ditangani pada bulan ketiga, setelah tim Anda sudah menyelesaikan pekerjaan tersebut.
Keterbatasannya: Claude memberikan peringatan, tetapi tidak mengambil keputusan. Banyak pekerjaan di luar cakupan yang layak dipertimbangkan untuk perpanjangan kontrak, dan itu merupakan penilaian subjektif. Claude juga tidak dapat mendeteksi permintaan yang disampaikan secara lisan selama panggilan telepon, sehingga tingkat peringatan hanya sebagus disiplin Anda dalam mencatat permintaan.
4. Ubah satu konten menjadi kampanye media sosial yang lengkap
Tempelkan postingan blog yang sudah selesai, referensi gaya bahasa merek klien yang dibuat berdasarkan teks yang telah disetujui, serta aturan saluran Anda ke dalam Claude. Buka Artifacts sebagai kanvas yang ditampilkan berdampingan. Minta lima postingan LinkedIn, urutan tiga email untuk memelihara hubungan dengan pelanggan, dan dua varian iklan. Artifacts memastikan setiap draf tetap dapat diedit di samping sumbernya, sehingga Anda dapat memperkuat daya tarik tanpa perlu membuat ulang seluruh rangkaian. Inilah pemanfaatan ulang konten dalam arti yang paling harfiah. Satu aset, satu proses, cakupan yang setara dengan satu kampanye.
Efek pengganda yang sama juga terlihat dalam pekerjaan produksi terkait. RSL/A, sebuah agensi beranggotakan dua orang, mencatat hal ini secara tepat. Urutan email pemeliharaan pelanggan yang terdiri dari lima email berkurang waktunya dari empat jam menjadi 45 menit. Produksi blog berkurang waktunya dari satu hari penuh menjadi dua atau tiga jam, dan mereka berhasil memproduksi dua belas posting dalam dua hari dengan gambar khusus, skema, dan tautan silang pada masing-masing posting. Dengan jumlah karyawan yang sama, hasil bulanan meningkat sekitar tiga kali lipat.
Di mana letak kendalanya: Seperti yang diamati oleh RSL/A, tanpa berkas CLAUDE.md dan panduan penulisan yang terperinci, konten tersebut terdengar seperti hasil buatan AI. Investasi awal memang nyata dan diperlukan. Solusinya adalah menyediakan referensi gaya bahasa terpisah untuk setiap klien, bukan sekadar paragraf yang menjelaskan nada bicara mereka. Lebih lanjut mengenai hal ini akan dibahas di bagian kesalahan di bawah ini.
5. Mengidentifikasi tren cepat dari spreadsheet data klien
Masukkan data CSV kinerja iklan, ekspor lalu lintas, dan angka periode sebelumnya untuk perbandingan ke Claude. Sebuah Proyek Claude akan mengelompokkan semuanya; Cowork dapat mengelola seluruh folder ekspor jika Anda mengimpor beberapa akun sekaligus.
Ajukan pertanyaan langsung, dan Anda akan mendapatkan narasi tertulis untuk presentasi, bukan sekadar tangkapan layar dengan keterangan. Perubahan dari bulan ke bulan, saluran mana yang menjadi andalan pada kuartal tersebut, dan pos mana yang nilainya berlipat ganda.
RSL/A menjalankan proses ini melalui MCP alih-alih mengunggah data. Claude mengakses CRM secara langsung, menganalisis tingkat keterlibatan, dan menyusun ringkasan. Waktu yang dibutuhkan untuk pembaruan mingguan kepada klien berkurang dari 30 menit menelusuri dasbor menjadi lima menit.
Brainlabs melaporkan pergeseran yang sama; menyusun laporan klien merupakan salah satu tugas rutin yang sepenuhnya dihilangkan dari beban kerja para ahli strategi. Pola yang terlihat dalam kedua kasus tersebut adalah tidak ada yang lebih cepat dalam membaca dasbor. Langkah dasbor tersebut telah dihilangkan.
Kelemahannya: Claude terkadang membalikkan arah, menyebut penurunan sebagai peningkatan. Ia juga akan menjelaskan mengapa suatu angka berubah padahal yang dapat dilihatnya hanyalah bahwa angka tersebut memang berubah. Mintalah seorang ahli strategi untuk memverifikasi arah setiap tren, dan pastikan analisis sebab-akibat tetap dilakukan oleh manusia.
6. Bangun perpustakaan keterampilan untuk pekerjaan agensi yang dapat diulang
Masukkan format-format yang dapat diulang dari agensi Anda ke dalam Claude Skills. Garis besar QBR, daftar periksa audit teknis, aturan kata kunci negatif, dan struktur rekap mingguan. Masing-masing menjadi sebuah Skill: paket instruksi yang dapat dimuat oleh anggota tim kapan saja diperlukan, sehingga Claude sudah memahami proses Anda sebelum ada yang mengetik satu kata pun.
Market Correct, sebuah agensi kecil yang menjalankan sekitar 30 Claude Skills dengan selusin di antaranya digunakan setiap hari, menjelaskan perbedaan antara prompt dan skill dengan baik: “Prompt adalah permintaan. Skill adalah deskripsi pekerjaan. Yang pertama hanya berlaku untuk satu percakapan. Yang kedua berlaku untuk ribuan percakapan.” Audit akun Google Ads mereka berkurang dari setengah hari menjadi satu jam setelah kerangka kerja tersebut diimplementasikan dalam sebuah skill, bukan lagi bergantung pada ingatan operator.
Brainlabs memperkenalkan Cowork kepada sekitar 1.000 karyawan dan meminta stafnya untuk membuat sekitar 400 keterampilan dalam empat minggu. Keterampilan tersebut dipadukan dengan MCP: keterampilan menentukan format, MCP menyediakan data real-time, dan dengan satu klik, draf yang siap diserahkan kepada klien pun dihasilkan.
Di mana masalahnya: Perpustakaan yang tidak memiliki pemilik akan membusuk seperti otomatisasi yang tidak memiliki pemilik. Tiga puluh keterampilan yang tidak pernah dibuka lebih buruk daripada tiga keterampilan yang dijalankan setiap hari. Mulailah dengan apa yang Anda lakukan setiap minggu, dan tentukan seorang pemilik untuk setiap keterampilan.
7. Rangkum riwayat akun sebelum panggilan penting dengan klien
Masukkan email klien terbaru, tiket tugas yang masih terbuka, dan catatan rapat ke dalam Claude. Dengan MCP yang terhubung, Claude secara otomatis mengumpulkan informasi terkait tugas dan waktu, dan Anda hanya perlu memasukkan data yang berada di luar ruang kerja. Hasilnya adalah ringkasan satu halaman: prioritas saat ini, keputusan yang masih tertunda, hambatan, dan hal-hal lain yang masih ditunggu oleh klien. Seorang ahli strategi senior dapat langsung memahami perkembangan akun yang ditangani dua kali sebulan, tanpa perlu menghabiskan satu jam pun untuk menelusuri kembali riwayat.
Di mana masalahnya: Bias kesegaran (recency bias) dapat muncul di sini. Keputusan yang dibuat lima bulan lalu dan masih berlaku untuk akun tersebut bisa saja tidak tercantum sama sekali dalam ringkasan. Tentukan rentang tanggal secara eksplisit dan minta agar keputusan yang masih terbuka ditampilkan sebagai bagian terpisah, atau Anda akan mendapatkan ringkasan minggu lalu alih-alih riwayat lengkap.
Ingin mengetahui semua cara memanfaatkan AI untuk menghasilkan ROI pemasaran yang nyata? Tonton video ini.
Ingin melangkah lebih jauh dari Claude Chat dan Cowork? Lihat bagaimana Anda dapat memanfaatkan Claude Code untuk pemasaran.
Cara Menerapkan Claude di Seluruh Agensi Anda
Mengetahui alur kerja mana yang harus dijalankan adalah bagian yang mudah. Menyusun urutannya agar tim Anda tidak harus memeriksa ketujuh alur kerja tersebut secara manual adalah bagian yang sering salah dilakukan oleh agensi. Menerapkan Claude memerlukan lima langkah: pilih satu alur kerja berisiko rendah, hubungkan dengan data proyek Anda, tentukan di mana campur tangan manusia diperlukan, tetapkan pemilik dan tanggal peninjauan untuk setiap alur kerja, lalu ukur jam koordinasi daripada jumlah tugas yang diotomatisasi.
Urutan lebih penting daripada kecepatan. Agen yang mengaktifkan semua fitur sekaligus pada akhirnya harus memeriksa semuanya secara manual, yang biayanya lebih mahal daripada proses manual sebelumnya.
1. Mulailah dengan pelaporan internal
Pilihlah satu alur kerja yang dijalankan setiap minggu dan tidak menjangkau siapa pun di luar agensi. Misalnya, ringkasan status internal. Tim Anda akan menghemat waktu sejak hari pertama, dan draf yang buruk hanya akan mengharuskan Anda melakukan koreksi, bukan merusak hubungan dengan klien.
Nilai alur kerja kandidat Anda berdasarkan tiga hal berikut:
- Frekuensi: Berapa kali dalam seminggu seseorang melakukan ini secara manual?
- Dampak luas: Siapa yang akan melihat hasilnya jika hasilnya salah?
- Beban penilaian: Apakah tugas tersebut memiliki satu jawaban yang benar, ataukah bergantung pada penilaian situasi?
Mulailah dengan alur kerja yang paling sering dilakukan, memiliki jangkauan dampak paling sempit, dan paling sedikit memerlukan penilaian manusia dalam daftar ini.
Kiat Pro: Minta satu orang untuk tetap menjalankan versi manual secara paralel selama dua minggu. Dengan membandingkan hasil keduanya, Anda dapat mengetahui di bagian mana versi AI mengabaikan detail sebelum ada yang bergantung padanya.
2. Hubungkan Claude ke sistem yang menyimpan pekerjaan Anda
Hubungkan Claude ke data proyek Anda melalui MCP agar sistem tersebut dapat membaca status tugas, penanggung jawab, tanggal, dan jam kerja yang tercatat secara langsung. Sebelum Anda melakukan hal ini, setiap hasil laporan bergantung pada apa yang diingat oleh seseorang untuk dimasukkan, dan kualitas laporan Anda mencerminkan seberapa terburu-burunya orang tersebut.
Siapkan tiga hal berikut sebelum Anda menghubungkan apa pun:
- Satu tempat untuk data proyek: Tugas, waktu, dan dokumen klien berada dalam platform yang sama, karena Claude tidak dapat menggabungkan data dari empat alat yang terpisah
- Status dan kolom yang konsisten: Nama status dan kolom wajib yang sama di seluruh proyek klien, sehingga sebuah kueri memiliki arti yang sama di mana pun
- Batasan akses: Aturan eksplisit mengenai klien, folder, dan data keuangan mana saja yang dapat diakses oleh koneksi tersebut
Tips Pro: Periksa dulu entri waktu Anda. Laporan yang dibuat berdasarkan jam kerja yang dicatat setengah-setengah terlihat meyakinkan, tetapi akan terkesan salah bagi siapa pun yang memahami akun tersebut, yang dapat merusak kepercayaan lebih cepat daripada laporan yang hilang.
3. Tentukan di mana proses persetujuan oleh manusia dilakukan
Catat apa saja hasil kerja yang harus disetujui oleh seseorang sebelum dikirimkan keluar dari agensi, dan lakukan hal ini sebelum Anda mengaktifkan sistem apa pun. Setiap model bahasa besar (LLM) akan menyebutkan tanggal yang salah dengan keyakinan yang sama seperti saat menyebutkan tanggal yang benar. Jadi, perlakukan model tersebut sebagai alat bantu penulisan, bukan sebagai sumber kebenaran mutlak.
Kategorikan hasil kerja Anda ke dalam tiga tingkatan:
- Kirim langsung: Ringkasan dan draf internal yang hanya dibaca oleh tim Anda
- Periksa lalu kirim: Pembaruan klien, ringkasan, dan segala hal yang mencantumkan angka atau tanggal
- Manusia yang memutuskan, Claude hanya menyusun draf: Penetapan harga, negosiasi ruang lingkup pekerjaan, arahan kreatif, dan percakapan yang sulit dengan klien
4. Tetapkan penanggung jawab dan tanggal peninjauan untuk setiap alur kerja
Beri nama pada setiap alur kerja otomatis dan tambahkan jadwal tinjauan berkala ke kalender. Otomatisasi dapat gagal tanpa pemberitahuan: proses berubah, pemicu terus aktif, dan hasilnya tetap terlihat masuk akal sehingga tidak ada yang menyadarinya selama satu kuartal.
Catat empat hal per alur kerja:
- Pemilik: Satu orang, bukan tim, yang bertanggung jawab atas apakah sistem tersebut masih berfungsi
- Pemicu dan hasil yang diharapkan: Apa yang memicunya dan apa yang seharusnya dihasilkan, masing-masing dalam satu baris
- Frekuensi tinjauan: Tanggal tetap, biasanya setiap kuartal
- Kondisi penghentian: Sinyal yang menandakan bahwa fitur ini harus dimatikan, misalnya ketika klien mengubah format pelaporannya
5. Ukur jam koordinasi, bukan tugas yang diotomatisasi
Lacak jam kerja yang dihabiskan tim Anda untuk menulis email status, menagih entri waktu, memformat pembaruan klien, dan mendistribusikan pekerjaan antar anggota tim. Angka tersebut adalah biaya aktual yang ingin Anda kurangi, dan dasbor yang hanya menghitung tugas-tugas otomatis tidak memberikan informasi apa pun mengenai apakah biaya tersebut telah berkurang.
Tentukan tolok ukur ketiga hal ini sebelum memulai, lalu periksa setiap kuartal:
- Jam koordinasi yang tidak dapat ditagih per klien: Anggaplah ini sebagai tanda yang paling jelas, karena jam tersebut seharusnya berkurang sementara jam yang dapat ditagih tetap stabil
- Jumlah klien per manajer akun: Bagilah jumlah akun aktif dengan jumlah staf yang berinteraksi langsung dengan klien. Angka ini tetap stabil saat koordinasi disesuaikan dengan jumlah karyawan, tetapi meningkat saat pekerjaan perakitan dialihkan ke sistem
- Waktu dari permintaan hingga draf siap klien: Berapa lama waktu yang dibutuhkan agar pembaruan atau SOW sampai ke tahap peninjauan. Penurunan waktu dari hitungan hari menjadi jam berarti langkah pengambilan data kini tidak lagi dilakukan oleh manusia
- Biaya per hasil kerja yang siap diserahkan kepada klien: Pengeluaran bulanan untuk AI dan API dibagi dengan jumlah hasil kerja yang selesai. Angka tunggal yang menunjukkan apakah jam kerja koordinasi menjadi lebih murah atau hanya berpindah tempat
Kiat Pro: Ambil data dasar dari waktu yang tercatat sebelum Anda menghubungkan apa pun. Tanpa angka awal, Anda tidak dapat membedakan penghematan yang sesungguhnya dari sekadar perasaan memiliki alat baru.
Aspek lain: berapa biaya yang diperlukan untuk menjalankan alur kerja yang terintegrasi
Jam koordinasi adalah angka yang ingin Anda kurangi. Pengeluaran token adalah angka yang secara diam-diam menggantikannya, dan hampir tidak ada agensi yang menetapkan patokannya sebelum mengaktifkan sistem tersebut.
MCP klasik memuat setiap definisi alat dari setiap server yang terhubung ke dalam konteks pada setiap permintaan, terlepas dari apakah model tersebut pernah memanggil alat-alat tersebut atau tidak. Satu server GitHub yang menyediakan 93 alat menghabiskan sekitar 55.000 token sebelum tugas dimulai, dengan kisaran 550 hingga 1.400 token per alat. Hubungkan tiga server, dan Anda dapat menghabiskan 143.000 token dari jendela 200.000 token untuk skema yang tidak pernah digunakan.
Anthropic telah menerbitkan panduan sendiri mengenai masalah ini, merekomendasikan agar agen menulis kode untuk memanggil alat-alat tersebut daripada memanggil masing-masing alat secara langsung: “Panggilan langsung ke alat menghabiskan konteks untuk setiap definisi dan hasil. Agen dapat berskala lebih baik dengan menulis kode untuk memanggil alat-alat tersebut.” Bagi sebuah agensi, hal ini berdampak sama seperti biaya revisi. Keduanya merupakan biaya nyata yang muncul setelah fase uji coba, tercatat di pos anggaran pihak lain, dan tidak muncul di dasbor yang menghitung tugas-tugas otomatis.
Tiga hal yang perlu dilakukan terkait hal ini:
- Hubungkan berdasarkan alur kerja, bukan berdasarkan tim. Agen pembaruan klien memerlukan tugas, waktu, dan komentar. Ia tidak memerlukan CRM, repositori, dan kalender Anda dimuat ke dalam setiap permintaan
- Biaya dasar per hasil kerja yang siap diserahkan kepada klien. Bagi pengeluaran bulanan untuk AI dengan jumlah pembaruan, SOW, dan laporan yang telah diselesaikan, lalu lacak angka tersebut bersamaan dengan notulen rapat tinjauan. Dua agensi dengan penghematan waktu yang sama dapat memiliki margin yang sangat berbeda
- Tetapkan batas anggaran sebelum Anda memperluas skala, bukan setelahnya. Ketahui alur kerja mana yang mahal saat masih dijalankan pada tiga akun, bukan tiga puluh akun
Tips Pro: Jalankan satu alur kerja selama dua minggu dan periksa data penggunaan aktual sebelum menambahkan konektor kedua. Biaya bergantung pada apa yang terhubung, bukan pada apa yang Anda minta, sehingga server kedua seringkali lebih mahal daripada alur kerja pertama.
Hal-hal yang Harus Tercakup dalam Kebijakan Penggunaan Claude oleh Agen
Kebijakan penggunaan Claude di sebuah agensi harus menjawab tiga pertanyaan utama terlebih dahulu: data klien mana yang boleh dimasukkan ke dalam model, siapa yang menyetujui koneksi baru, dan siapa yang menandatangani hasil yang ditujukan kepada klien. Tujuh pertanyaan lainnya mengikuti dari ketiga pertanyaan tersebut. Berikut adalah daftar periksa lengkapnya.
- Klasifikasi data klien: Batasan yang jelas antara apa yang boleh dimasukkan ke dalam prompt dan apa yang tidak boleh
- Peninjauan kontrak: Periksa kembali Perjanjian Layanan Utama (MSA) yang sudah ada untuk memastikan klausul kerahasiaan dan subprosesor, karena beberapa di antaranya sudah membatasi pengiriman materi klien ke layanan pihak ketiga tanpa pemberitahuan terlebih dahulu
- Kebijakan pengungkapan: Satu keputusan, yang diterapkan secara konsisten, mengenai apakah klien diberitahu bahwa AI membantu proses pengiriman, dan apakah hal tersebut tercantum dalam SOW atau hanya diungkapkan jika ditanyakan
- Pengaturan penyimpanan data dan pelatihan: Konfirmasi mengenai paket langganan yang Anda gunakan dan apakah masukan Anda digunakan untuk pelatihan model, yang didokumentasikan sehingga siapa pun dapat menjawab pertanyaan klien tanpa perlu menebak-nebak
- Proses persetujuan alat: Seorang penanggung jawab yang ditunjuk untuk menyetujui alat AI dan integrasi baru, sehingga tim-tim individu tidak lagi menghubungkan ruang kerja klien secara sembarangan
- Persetujuan hasil berdasarkan tingkatan: Hasil mana yang dapat diterbitkan tanpa tinjauan, mana yang memerlukan tinjauan, dan mana yang harus ditulis oleh manusia, yang dipetakan berdasarkan peran, bukan individu
- Penanganan kesalahan: Langkah-langkah yang harus diambil ketika terjadi masalah dan hal tersebut sampai ke klien, termasuk siapa yang memberitahu mereka dan bagaimana Anda mencatatnya, telah disepakati sebelum hal tersebut terjadi
- Penentuan cakupan akses: Ruang kerja, folder, dan bidang keuangan mana saja yang dapat dibaca oleh model yang terhubung, yang perlu ditinjau setiap kali Anda menambahkan klien atau mengubah struktur agensi Anda
- Pemilik kebijakan dan tanggal peninjauan: Satu nama dan frekuensi yang tetap, karena istilah alat dan kemampuan model berubah lebih cepat daripada dokumentasi kebijakan agensi
- Pemeriksaan konektor: Seorang penanggung jawab yang ditunjuk untuk setiap server MCP yang dihubungkan oleh agensi, serta aturan bahwa server pihak ketiga diperlakukan seperti akses API produksi, bukan sekadar pemasangan plugin. Deskripsi alat yang terinfeksi berupa teks biasa, bukan kode, dan benchmark MCPTox menemukan tingkat keberhasilan 72,8% dalam mengarahkan model melalui vektor tersebut. Konektor pihak pertama dari vendor yang sudah Anda miliki kontraknya memiliki profil risiko yang berbeda dibandingkan dengan yang berasal dari repositori GitHub
Cara Menggunakan Claude pada Pekerjaan Aktif Agensi Anda di ClickUp
Konteks yang tersebar, seperti tugas di Asana, dokumen dalam ekosistem Google, dan obrolan di Slack, hanya akan menyebabkan konteks yang berantakan.
Hal ini juga membuat pekerja harus beralih antar platform hingga 1.200 kali sehari. Sebagai gantinya, berikan Claude gambaran lengkap mengenai pekerjaan klien Anda dengan menyimpan tugas, dokumen, waktu, dan percakapan klien dalam satu ClickUp Workspace, lalu menghubungkan model tersebut ke dalamnya. Anda dapat mengarahkan Claude ke Workspace tersebut dari luar, atau menggunakannya di dalam ClickUp dengan konteks Workspace yang sudah terintegrasi.
Apa yang efektif untuk alur kerja AI di agensi secara khusus:
- Ambil data klien secara real-time dari Claude Desktop atau Claude Code. Terhubung ke Server MCP ClickUp, yang mengkonsolidasikan informasi ke dalam satu prompt. Claude membaca dan bertindak di seluruh tugas, dokumen, komentar, dan entri waktu: memeriksa status untuk pembaruan, membuat tugas dari panggilan penemuan, mencatat waktu, atau mengubah utas komentar menjadi item tindakan. Tersedia di semua paket, diautentikasi melalui OAuth, dan tidak memiliki alat penghapusan, sehingga tidak dapat menghapus apa pun dari Workspace Anda
- Jalankan Claude dengan Workspace Anda yang sudah terhubung. Pilih Claude sebagai model Anda di ClickUp Brain, yang menghilangkan langkah menempelkan teks sepenuhnya karena konteksnya berasal langsung dari pekerjaan klien Anda yang sedang berjalan. Beralih ke GPT atau Gemini di tengah percakapan tanpa perlu menjelaskan ulang akun tersebut, dan cukup berlangganan satu paket saja alih-alih membayar per model per pengguna
- Serahkan koordinasi rutin kepada rekan tim AI. Manfaatkan konteks Workspace secara menyeluruh dan jalankan pekerjaan bertahap sepanjang waktu dengan ClickUp Super Agents. Mereka menyusun ringkasan mingguan klien, menandai akun yang tertinggal, melakukan riset sebelum presentasi, dan menjawab pertanyaan klien di ClickUp Chat. Konfigurasikan instruksi, pemicu, keterampilan, pengetahuan, dan memori mereka, serta kendalikan alat dan data mana yang dapat diakses masing-masing agen serta siapa yang dapat memicunya
- Ajukan pertanyaan di seluruh alat yang digunakan agensi Anda. Dapatkan jawaban lengkap dengan sumber rujukan dari tugas, dokumen, obrolan, dan aplikasi terintegrasi seperti HubSpot, Google Drive, dan Gmail, serta dari web, melalui Enterprise Search. Berguna untuk briefing sebelum panggilan, di mana riwayat akun tersebar di lima tempat
- Diktekan alih-alih mengetik. Gunakan fitur Talk to Text di Brain MAX, yang berfungsi di kotak teks mana pun pada aplikasi desktop: memasukkan catatan panggilan ke dalam tugas segera setelah pertemuan dengan klien, atau menyusun draf pembaruan sambil berjalan di sela-sela panggilan
- Ukur apakah jam koordinasi benar-benar berkurang. Lacak waktu secara langsung dan saring Dasbor ClickUp berdasarkan klien, yang memisahkan pekerjaan persiapan dari pekerjaan pengiriman dari kuartal ke kuartal
Keterbatasan:
- Volume panggilan dan beban konteks keduanya meningkat seiring dengan jumlah koneksi yang Anda buat, sehingga agensi yang melakukan kueri terhadap 30 akun setiap hari sebaiknya mempertimbangkan add-on Everything AI dan menyesuaikan setiap koneksi dengan alur kerja yang membutuhkannya
- Sebuah tim beranggotakan enam orang yang menangani lima proyek mendapatkan manfaat terbesar dari Claude melalui tab browser dan dokumen bersama, karena beban koordinasi yang diatasi oleh sistem ini meningkat seiring dengan bertambahnya jumlah klien
Lewati bagian ini jika: Agensi Anda menangani sejumlah kecil klien, dan koordinasi dilakukan melalui percakapan, bukan melalui proses terstruktur.
Cocok untuk: Agensi yang sudah melampaui tahap di mana satu orang dapat mengingat semua akun secara detail, dan yang ingin agar Claude membaca data proyek secara real-time, bukan hanya data yang diingat dan disalin oleh seseorang.
5 Kesalahan yang Menghambat Penerapan AI di Agen
Kesalahan paling umum dalam penggunaan Claude di agensi bukanlah masalah teknis: penetapan harga dengan cara lama, mengabaikan masukan klien, menghilangkan sesi pelatihan, menggunakan AI pada momen-momen yang membutuhkan kepercayaan, dan melupakan bahwa klien juga memiliki alat yang sama. Setiap kesalahan ini muncul berbulan-bulan setelah adopsi AI, ketika alat-alat tersebut sudah berfungsi dengan baik namun ada hal lain yang mulai bermasalah.
Penagihan per jam untuk pekerjaan yang kini hanya memakan waktu beberapa menit
Tim Anda dapat menyusun ringkasan mingguan untuk klien dalam 10 menit—yang sebelumnya memakan waktu 90 menit—dan waktu penyusunan faktur berkurang dari 1,5 jam menjadi 0,2 jam. Atau yang lebih parah lagi, seorang manajer akun tetap mencatat waktu lama karena klien mengharapkan angka tersebut. Sistem penetapan harga berbasis waktu mengubah setiap peningkatan efisiensi menjadi pemotongan gaji.
Perbaikan: Sesuaikan harga sebelum Anda memperluas penggunaan alat-alat tersebut. Beralihlah ke sistem penetapan harga berbasis hasil kerja atau berbasis hasil akhir. Nilai sebuah pembaruan untuk klien terletak pada seberapa banyak hal itu mengurangi kebingungan klien, bukan pada biaya yang Anda keluarkan untuk membuatnya.
Menyatukan gaya penulisan setiap klien ke dalam satu suara yang sama
Setelah enam bulan, postingan blog klien fintech Anda dan rangkaian email klien DTC Anda seolah-olah ditulis oleh penulis yang sama. Claude secara default menggunakan gaya penulisan menengah yang kompeten. Ketika setiap akun menggunakan prompt yang sama dengan konteks internal yang sama, hasilnya menjadi serupa tanpa ada yang menyadarinya hingga klien menunjukkannya.
Perbaikan: Buat referensi suara merek terpisah untuk setiap klien berdasarkan teks yang telah disetujui, bukan sekadar satu paragraf yang menggambarkan nada suaranya. Sebelum mengirim, tanyakan: apakah teks ini bisa saja ditulis untuk akun lain dalam daftar klien kami? Jika ya, berarti suaranya sudah melenceng.
Menghilangkan pekerjaan yang dulu digunakan oleh anggota tim junior untuk belajar
Seorang karyawan tingkat menengah menandai bahwa draf tersebut ‘terasa janggal’ tetapi tidak dapat menjelaskan apa yang salah atau menulis ulang paragraf tersebut. Penilaian semacam itu biasanya diperoleh dari pengalaman menulis draf pertama yang buruk dan kemudian diperbaiki. Ketika Claude menulis draf pertama, siklus pembelajaran tersebut menghilang, dan peran pun bergeser ke tahap peninjauan sebelum ada yang memiliki pengalaman cukup untuk meninjau dengan baik.
Solusi: Sengaja berikan kesempatan berlatih kepada staf junior di bagian lain. Minta mereka menyusun dasar pemikiran strategi sebelum melihat versi Claude, atau mengelola satu akun kecil secara menyeluruh tanpa bantuan AI dalam penyusunan draf. Meninjau hasil kerja AI adalah keterampilan yang dibangun berdasarkan penilaian, bukan cara untuk mengembangkannya.
Menggunakan AI pada momen-momen yang menentukan hubungan
Seorang klien mulai mengalihkan pembicaraan mengenai ruang lingkup proyek melalui telepon alih-alih menanggapi email Anda yang telah disusun dengan cermat. Hal ini karena penjelasan mengenai tenggat waktu yang terlewat atau negosiasi perpanjangan kontrak adalah pesan yang dibaca klien kata demi kata. Pesan yang rapi namun sedikit generik pada momen-momen tersebut terkesan mengelak.
Solusi: Sebutkan secara eksplisit momen-momen yang membutuhkan kepercayaan: sengketa cakupan, keterlambatan tenggat waktu, presentasi perpanjangan kontrak, dan evaluasi pasca-proyek. Tandai pesan-pesan tersebut sebagai ditulis oleh manusia secara default. Sebuah email yang ditulis dengan bahasa yang sederhana oleh pemimpin akun lebih efektif dalam mempertahankan klien daripada email yang terstruktur rapi dari model.
Dengan asumsi klien Anda juga tidak menggunakan Claude
Pemasar internal klien Anda bertanya mengapa analisis persaingan berharga $2.000, padahal mereka dapat menghasilkan laporan serupa dalam 15 menit menggunakan langganan yang sama dengan yang Anda gunakan. Pekerjaan produksi yang telah Anda otomatisasi kini terlihat sangat murah, dan klien pun menyadarinya.
Solusi: Alihkan fokus penjualan Anda ke hal-hal yang tidak dapat dibeli melalui perintah AI. Misalnya, penilaian dalam menentukan saluran mana yang harus dihentikan, atau koordinasi antar lima vendor yang enggan berkomunikasi satu sama lain. Kemudian sampaikan hal itu dalam presentasi Anda, karena ungkapan ‘kami juga menggunakan AI’ hanyalah hal yang sudah menjadi standar, bukan pembeda.
Tempatkan Claude di Tempat yang Memungkinkan Ia Melihat Pekerjaan
Yang membedakan agensi yang menghasilkan uang dari AI dengan agensi yang justru harus mengeluarkan biaya untuk AI bukanlah modelnya. Yang membedakan adalah apakah model tersebut mampu memahami akun klien.
Polanya dapat diprediksi. Bulan pertama terasa luar biasa. Draf-draf selesai dalam hitungan detik, tim bekerja lebih cepat, dan semua orang yakin. Pada bulan ketiga, seorang direktur kreatif menghabiskan beberapa sore setiap minggu untuk memeriksa pekerjaan yang seharusnya sudah selesai tetapi belum, dan tidak ada yang mengaitkan biaya tersebut dengan alat yang menciptakannya.
Agensi yang berhasil menerapkan hal ini bukanlah karena mereka lebih mahir dalam memberikan perintah. Mereka memindahkan Claude dari tab samping ke dalam data proyek mereka, sehingga sistem tersebut dapat bekerja berdasarkan konteks. Selanjutnya, mereka tetap melibatkan manusia dalam setiap keputusan yang memerlukan penilaian dan melacak jam koordinasi, alih-alih mengotomatiskan tugas-tugas tersebut.
Jika agensi Anda sudah melewati tahap di mana satu orang masih mengingat semua akun di kepalanya, ClickUp memberikan Claude tempat untuk merujuk. Tugas, dokumen, waktu, dan percakapan dengan klien tersimpan dalam satu Workspace, sehingga Anda dapat menghubungkan Claude melalui MCP atau menjalankannya langsung di dalam Brain dengan konteks tersebut sudah terintegrasi. Agen menangani koordinasi rutin, dan Dashboard menunjukkan apakah jam kerja non-tagihan per klien benar-benar menurun dari kuartal ke kuartal.
Mulailah secara gratis dengan ClickUp.
Pertanyaan yang Sering Diajukan tentang Claude untuk Agen Pemasaran
Apa itu Claude Code, dan apakah agensi pemasaran membutuhkannya?
Claude Code adalah alat baris perintah dan agen dari Anthropic untuk membangun otomatisasi skala kecil. Agen-agen menggunakannya untuk membuat agen tautan internal, pelacak penyebutan merek, dan skrip pembaruan konten tanpa perlu memiliki pengembang di tim. Sebagian besar agen tidak membutuhkannya sejak hari pertama. Mulailah dengan menggunakan Claude dalam obrolan dan terhubung ke ruang kerja Anda; gunakan Claude Code ketika ada tugas teknis yang berulang yang membenarkan pengaturannya.
Berapa biaya Claude untuk tim agensi?
Anthropic menawarkan paket gratis dengan batasan penggunaan, paket Pro per individu, dan paket Tim yang dihitung per pengguna per bulan, ditambah harga API yang ditagih berdasarkan penggunaan. Paket Tim Standar berharga sekitar $20 per pengguna per bulan (pembayaran tahunan), dengan minimal lima pengguna. Sebagian besar agensi segera beralih ke paket Tim berbayar karena batasan paket gratis sudah tercapai selama hari kerja biasa. Sisihkan anggaran terpisah jika Anda menjalankan Claude melalui API untuk agen atau alur kerja yang terhubung, karena penggunaan API ditagih per token, bukan per kursi.
Apa perbedaan antara Claude dan ClickUp Brain?
Claude adalah rangkaian model serbaguna dari Anthropic yang dapat Anda hubungkan ke data Anda. ClickUp Brain adalah lapisan AI yang terintegrasi langsung ke dalam ruang kerja ClickUp, sehingga sudah memiliki konteks lengkap mengenai tugas, dokumen, dan waktu Anda tanpa perlu koneksi terpisah. Banyak agensi menggunakan keduanya: Brain untuk penyusunan draf dan ringkasan di dalam ruang kerja, serta Claude melalui MCP ketika mereka ingin model-model Anthropic memproses data langsung yang sama tersebut.
Apakah Claude lebih baik daripada ChatGPT untuk pekerjaan pemasaran?
Baik ChatGPT maupun Claude sama-sama mampu menangani pekerjaan pemasaran, dan jawaban jujurnya adalah bahwa penempatan lebih penting daripada modelnya. Claude sering dipuji karena kemampuannya menangani dokumen panjang dan tulisan yang bernuansa, sementara ChatGPT memiliki ekosistem plugin dan integrasi yang lebih luas. Bagi agensi, keputusan yang lebih penting adalah apakah model yang Anda pilih terhubung ke ruang kerja aktif Anda, karena model yang terhubung dari merek mana pun lebih unggul daripada model yang tidak terhubung dan hanya berada di tab samping.
Apa itu agensi pemasaran berbasis AI?
Sebuah agensi pemasaran berbasis AI mengintegrasikan AI ke dalam cara mereka melaksanakan pekerjaan, bukan sekadar apa yang mereka jual. Dalam praktiknya, hal ini berarti menggunakan model seperti Claude untuk produksi dan analisis, mengoperasikan agen untuk koordinasi dan pelaporan, serta mempertahankan pakar manusia untuk strategi, penilaian kreatif, dan hubungan dengan klien. Labelnya kurang penting dibandingkan model operasional yang mendasarinya.
Akankah AI menggantikan agensi pemasaran?
AI menggantikan pekerjaan produksi dan koordinasi yang dulu ditagih oleh agensi, bukan penilaian dan pengaturan strategis yang sebenarnya menjadi alasan klien bersedia membayar lebih. Agensi yang menyesuaikan harga berdasarkan penilaian ahli dan memanfaatkan AI untuk menangani pekerjaan rutin berhasil meningkatkan margin keuntungan. Sebaliknya, agensi yang menganggap AI sebagai cara untuk menghasilkan lebih banyak output komoditas yang serupa lah yang benar-benar terancam.