Masa Depan Riset: Ketika Lebih Banyak Intelligence Belum Tentu Cukup
Masa Depan Riset 2027
Future Research Intelligence bukan tentang memiliki lebih banyak jawaban. Tantangannya adalah menentukan intelligence mana yang benar-benar layak dipercaya, diberi konteks, dan dijadikan dasar keputusan.
Ini bukan cerita tentang riset yang digantikan AI. Ini tentang apa yang terjadi ketika AI menjadi bagian dari lingkungan riset — dan ketika volume evidence tumbuh lebih cepat daripada kemampuan organisasi untuk menafsirkannya.
Bagi eksekutif, tekanannya nyata. Board mengharapkan adopsi AI. Tim bereksperimen. Vendor menjanjikan insight yang lebih cepat. Tetapi ketika keputusan salah, accountability tetap berada pada leadership.
Bagi peneliti berpengalaman, masalah dasarnya sebenarnya familiar. Setiap temuan tetap bergantung pada apa yang diukur, siapa yang masuk dalam sampel, bagaimana evidence dihasilkan, apakah sinyalnya valid, dan seberapa jauh kesimpulan dapat digeneralisasikan.
AI mengubah kecepatan dan skala riset. AI tidak menghapus disiplin riset.
Masa Depan Riset: Ketika Lebih Banyak Intelligence Belum Tentu Cukup
AI sudah mampu membaca ribuan review, menganalisis transkrip, membandingkan kompetitor, menemukan pola, membangun hipotesis, mensimulasikan audience dan mendukung adaptive conversation pada skala yang beberapa tahun lalu sulit dibayangkan.
Manfaat paling jelas adalah speed.
Risiko yang kurang terlihat adalah confidence.
Ketika jawaban datang lebih cepat, apakah kita tetap mengujinya dengan disiplin yang sama?
Konsumen berubah lebih cepat daripada cara kita menelitinya
Selama bertahun-tahun, marketer mengenal Awareness → Consideration → Preference → Purchase. Lalu datang search, social media, influencer, rating, review dan marketplace. Sekarang ada satu pihak baru dalam proses keputusan: AI.
BCG melaporkan pada 2026 bahwa 31% konsumen sudah menggunakan AI di salah satu bagian purchase journey, dan mencapai 50% di developing markets. BCG juga menemukan AI memperkenalkan konsumen kepada brand yang sebelumnya mungkin tidak mereka pertimbangkan dalam sekitar 63% AI-assisted purchase journeys.
Selama ini kita bertanya: Apakah brand kita top of mind? Pertanyaan berikutnya mungkin: Apakah kita bahkan masuk ke shortlist yang dibentuk AI?
Konsumen mungkin mengenal dan mempercayai brand Anda. Tetapi jika intelligence yang membantunya membandingkan pilihan tidak merekomendasikan Anda, consideration bisa berubah sebelum konsumen masuk website atau berbicara dengan sales.
Bagi researcher, objek risetnya ikut berubah. Kita tidak lagi hanya mengamati apa yang manusia pikirkan, katakan dan lakukan. Kita juga perlu memahami sistem yang memengaruhi apa yang mereka lihat dan pertimbangkan.
Bagaimana jika konsumen berhenti melakukan riset sendiri?
Riset Accenture 2026 menemukan bahwa 74% konsumen yang disurvei bersedia lebih mempercayai personal AI agent daripada sahabat mereka sendiri untuk melakukan pembelian atas nama mereka.
Agent dapat membandingkan, menyaring brand, mengecek spesifikasi, membaca review, menilai value, merekomendasikan dan kelak mungkin bertransaksi — bahkan sebelum konsumen membuka channel milik brand.
Kita menghabiskan puluhan tahun memahami konsumen. Apakah sekarang kita juga perlu memahami intelligence yang memengaruhi mereka?
Bagaimana jika sebagian responden ternyata bukan manusia?
Synthetic respondents mulai bergerak dari eksperimen menuju aplikasi nyata. BCG melaporkan sebuah fine-tuned synthetic panel mampu memprediksi pilihan konsumen aktual dengan akurasi 92% dalam satu studi conjoint kategori minuman. Ipsos juga melaporkan bahwa dalam 260 validasi product testing, kombinasi human-plus-synthetic menghasilkan keputusan bisnis yang sama dengan independent all-human samples dalam 92% kasus.
Researcher berpengalaman akan langsung melihat caveat-nya: akurasi pada satu use case tidak membuktikan universal validity.
Synthetic sample dapat berguna untuk screening, pressure-testing hypotheses atau mempercepat iteration. Tetapi itu tidak otomatis menyelesaikan sampling bias, construct validity, external validity atau persoalan perilaku yang benar-benar baru.
Pertanyaannya bukan apakah synthetic respondents itu nyata. Pertanyaannya: apakah mereka fit untuk keputusan yang sedang dibuat?
Manusia memang merepotkan — dan mungkin justru itu nilainya
Manusia ragu. Kontradiktif. Berubah pikiran. Mengatakan satu hal lalu membeli yang lain. Sering kali mereka sendiri tidak sepenuhnya tahu mengapa mereka memilih sesuatu.
Dalam riset, hal seperti ini bukan sekadar noise yang perlu dibersihkan. Bisa jadi itu tanda bahwa construct yang kita ukur belum lengkap, konteks lebih penting dari perkiraan, atau ada faktor keputusan yang tidak pernah masuk ke questionnaire.
Coba satu kata Indonesia: “Lumayan.”
Sistem sentiment analysis mungkin membacanya sebagai positive. Tetapi apa maknanya? Cukup bagus? Biasa saja? Tidak jelek? Saya tidak enak mengkritik? Saya tidak akan beli?
Atau: “Nanti saya pikirkan.” Secara literal mudah diterjemahkan. Tetapi secara konteks bisa berarti mungkin, belum sekarang, saya tidak setuju, saya tidak ingin menyinggung Anda — atau sederhana saja: tidak.
Bahasa dapat diklasifikasikan. Makna tetap bergantung pada konteks.
Ini bukan masalah yang hanya berlaku di Indonesia. Setiap pasar memiliki cultural shorthand, status dynamics, politeness conventions, category language dan social cues yang dapat mengubah arti sebuah respons yang terlihat sederhana.
Researcher terbaik tidak akan meninggalkan fundamental
Masuknya AI tidak membuat prinsip riset klasik menjadi kurang relevan. Justru prinsip tersebut semakin penting.
Validity: Apakah kita benar-benar mengukur apa yang kita pikir sedang kita ukur?
Sampling: Siapa yang terwakili — dan siapa yang hilang?
Bias: Apa dalam desain, data atau model yang membentuk hasil?
Triangulation: Apakah temuan konsisten ketika dilihat dari evidence yang berbeda?
Generalizability: Seberapa jauh kesimpulan dapat diperluas secara bertanggung jawab?
Causality: Apakah kita hanya melihat hubungan, atau memahami apa yang benar-benar mendorongnya?
Decision relevance: Apakah evidence cukup kuat untuk konsekuensi keputusan tersebut?
Semakin AI masuk ke dalam riset, semakin penting disiplin riset dasar — bukan sebaliknya.
Lebih banyak intelligence bisa menghasilkan lebih sedikit kepastian
Perusahaan sudah dikelilingi transaction data, search behaviour, social conversations, review, call centre, NPS, CRM, brand tracking, employee feedback, competitive intelligence dan digital analytics.
AI membuat lebih banyak sinyal dapat dianalisis. Itu keunggulan besar. Tetapi signal abundance juga dapat menciptakan lebih banyak correlation, plausible explanations, dan risiko menyamakan pattern recognition dengan understanding.
Kantar, dalam pelaporannya dari ESOMAR Congress 2026, mencatat gap antara keyakinan dan kesiapan organisasi: tujuh dari sepuluh C-suite leaders merasa siap menghadapi human-plus-AI future, tetapi hanya 42% mengatakan peran sudah jelas dan 48% mengatakan struktur serta proses sudah selaras.
McKinsey melihat gap serupa di marketing: sekitar 90% CMO sedang bereksperimen dengan AI, tetapi kurang dari 10% telah menskalakan AI atau menangkap value lintas marketing workflow.
Kemampuan AI meningkat cepat. Kemampuan mengambil keputusan belum tentu mengejarnya.
Masalah eksekutif bukan lagi adopsi. Masalahnya accountability.
Eksekutif tidak membutuhkan argumen lain bahwa AI penting. Sebagian besar sudah tahu.
Realitas emosionalnya lebih rumit: terlalu lambat berarti berisiko tertinggal; terlalu cepat berarti berisiko menskalakan asumsi yang lemah.
Board tidak akan bertanya apakah modelnya mengesankan. Board akan bertanya mengapa bisnis mengambil keputusan tersebut.
Semakin cepat intelligence bergerak, semakin penting mengetahui di mana confidence harus berhenti.
Ketika intelligence berlimpah, apa yang menjadi langka?
Bukan informasi. Bukan analisis. Mungkin bahkan bukan insight.
Judgment.
Sinyal mana yang benar-benar penting?
Hasil mana yang perlu divalidasi?
Kapan correlation menyesatkan?
Kapan ucapan konsumen bertentangan dengan perilakunya?
Kapan data masa lalu masih berguna — dan kapan justru menutupi sesuatu yang baru?
Kapan evidence sudah cukup kuat untuk mengambil keputusan?
Ini bukan argumen menentang AI. Justru sebaliknya. AI mungkin menjadi salah satu lompatan terbesar dalam dunia insights. Tetapi ketika AI yang semakin canggih tersedia bagi semua orang, sekadar memiliki AI bukan lagi competitive advantage.
Mungkin selama ini kita menanyakan hal yang salah
Riset sering memberi tahu manajemen: awareness naik, preference turun, trust melemah, NPS membaik, consideration berubah, sentiment positif. Semua berguna — tetapi jarang cukup.
Leadership langsung bertanya: Mengapa? Seberapa penting? Apa penyebabnya? Sementara atau struktural? Apa yang akan terjadi? Apa yang harus kita lakukan?
Temuan belum menjadi keputusan.
Dashboard dapat mengatakan brand consideration turun empat poin. Riset harus membantu menjelaskan mengapa. Riset yang lebih baik harus berani mempertanyakan apakah ukuran tersebut benar-benar menjelaskan masalah. Intelligence yang lebih baik akhirnya harus membawa kita pada pertanyaan: Apa yang benar-benar akan kita lakukan secara berbeda setelah mengetahui hal ini?
Lima pertanyaan yang layak dibawa ke ruang direksi
Apakah kita mengukur apa yang dikatakan konsumen — atau memahami bagaimana mereka benar-benar mengambil keputusan?
Jika AI semakin memengaruhi pilihan konsumen, apakah kita tahu bagaimana AI memahami brand kita?
Di mana synthetic respondents mempercepat learning — dan di mana mereka justru meningkatkan decision risk?
Jika human evidence dan machine evidence berbeda, mana yang harus kita percaya — dan bukti apa yang akan mengubah tingkat confidence kita?
Apakah fungsi insights menghasilkan lebih banyak informasi, atau membantu organisasi mengambil keputusan yang lebih baik?
Sudut pandang Bedrock Asia
Di Bedrock Asia, kami melihat AI sebagai bagian dari research environment — bukan sebagai pengganti research thinking.
Pertanyaan yang berguna bukan Human Intelligence versus Artificial Intelligence. Bukan juga sekadar Human Intelligence plus Artificial Intelligence.
Pertanyaan yang lebih penting adalah apakah semua intelligence itu meningkatkan kualitas keputusan.
Sebuah brand financial services menunjukkan trust yang melemah.
AI dapat menemukan ribuan sinyal. Tetapi apakah masalahnya komunikasi, customer experience, fraud anxiety, category distrust, tekanan kompetitor, atau sesuatu yang lebih mendasar? Diagnosis berbeda. Keputusan berbeda.
Sebuah proposition baru mendapatkan positive sentiment yang kuat.
Apakah hasil tersebut mengukur stated appeal, genuine preference atau likely behaviour ketika konsumen menghadapi real economic trade-offs? Positive sentiment adalah evidence. Belum menjadi keputusan.
Sebuah rumah sakit memiliki awareness tinggi.
Apakah pasien memilihnya ketika treatment menjadi urgent? Apakah keluarga merekomendasikannya? Apakah AI yang membantu mencari rumah sakit juga memasukkannya ke shortlist?
Sebuah synthetic panel memprediksi perilaku dengan akurasi tinggi.
Apa yang belum pernah dilihat model? Perilaku mana yang benar-benar baru? Di mana real sample paling mungkin memberi hasil berbeda?
AI dapat memberikan jawaban yang sangat meyakinkan. Riset tetap harus menentukan seberapa besar confidence yang pantas diberikan kepada jawaban tersebut.
Karena itu, kami melihat masa depan riset bukan ditentukan oleh siapa yang memiliki intelligence paling banyak, tetapi siapa yang dapat menggabungkan evidence, context, research discipline dan judgment tanpa mencampuradukkan fungsi masing-masing.
Ketika dunia dipenuhi jawaban, keunggulan mungkin bukan mengetahui lebih banyak. Tetapi mengetahui apa yang benar-benar penting — dan seberapa yakin kita seharusnya.
Pertanyaan yang Sering Ditanyakan
Bagaimana AI akan mengubah market research pada 2027?
AI akan semakin tertanam di seluruh riset, mulai dari analisis data dan wawancara, pembentukan hipotesis, qualitative research, scenario modelling hingga synthetic respondents. Isu strategisnya bukan adopsi saja, tetapi bagaimana tim menetapkan validity, confidence dan decision relevance terhadap evidence yang dihasilkan AI.
Apakah AI akan menggantikan market researcher?
AI akan mengotomatisasi dan mempercepat banyak aktivitas riset. Human researcher tetap penting pada problem framing, construct validity, cultural interpretation, contradiction, causal reasoning dan decision judgment. Peran researcher kemungkinan bergeser ke problem definition, validation dan interpretation yang lebih kuat.
Apa itu synthetic consumers?
Synthetic consumers adalah representasi berbasis model yang dirancang untuk mensimulasikan bagaimana kelompok konsumen mungkin merespons atau berperilaku. Mereka dapat berguna untuk use case tertentu, tetapi performa pada satu konteks tidak boleh diasumsikan berlaku universal tanpa validasi.
Mengapa human judgment tetap penting dalam AI-powered research?
AI dapat menemukan pola dan menghasilkan penjelasan yang masuk akal dalam skala besar. Human judgment menentukan apakah evidence valid, apakah ada alternative explanations, apakah konteks mengubah interpretasi, dan apakah confidence sudah cukup untuk keputusan yang sedang diambil.
Bagaimana AI mengubah consumer decision journey?
Konsumen semakin menggunakan AI untuk menemukan, membandingkan dan mengevaluasi brand. Perusahaan karena itu perlu memahami bukan hanya bagaimana konsumen melihat brand, tetapi juga bagaimana AI membaca, merangking dan merekomendasikannya.
Bedrock Asia Intelligence
Human understanding. Artificial intelligence. Better judgment.
Masa depan riset bukan sekadar lebih banyak intelligence. Tetapi keputusan yang lebih baik dengan tingkat confidence yang tepat.
Sumber yang dirujuk: BCG (2026); Accenture (2026); Ipsos; Kantar / ESOMAR Congress 2026; McKinsey; Siegel+Gale.
