Menjual AI kepada Pembeli yang Skeptis

Oleh Brian Tr · Diperbarui 6 Oktober 2026

Menjual AI kepada pembeli yang skeptis berarti menerima bahwa keraguan itu wajar dan menjawabnya dengan bukti, bukan antusiasme. Sebagian besar pembeli B2B tidak memusuhi AI. Mereka sudah mendengar klaim besar, melihat sebagian di antaranya gagal, dan belajar bahwa jawaban yang fasih tidak sama dengan jawaban yang benar. Vendor yang menganggap hal itu sebagai masalah sikap yang cukup dilewati dengan bicara akan kalah dari vendor yang menganggapnya sebagai sekumpulan pertanyaan spesifik yang harus dijawab.

Halaman ini memecah "skeptisisme" menjadi jenis-jenis keberatan yang berbeda, menunjukkan jenis bukti yang menjawab masing-masing, dan menjelaskan bagaimana pendekatan penjualan bergeser sebagai akibatnya. Untuk mekanisme demo dan set evaluasi, lihat mengapa demo lebih penting untuk produk AI. Untuk pesan pemasaran, lihat positioning produk AI.

Mengapa Pembeli Skeptis

Skeptisisme terhadap AI tersebar luas dan terukur, dan berjalan berdampingan dengan penggunaan yang masif. Studi global 2025 tentang kepercayaan pada AI oleh KPMG dan University of Melbourne, yang mencakup lebih dari 48.000 orang di 47 negara, menemukan bahwa 46 persen bersedia memercayai sistem AI, sementara 66 persen menggunakan AI secara teratur. Orang memakainya, tetapi tetap menahan kepercayaan.

Studi yang sama menemukan bahwa 70 persen percaya regulasi diperlukan. Survei Pew Research terhadap orang dewasa AS, yang dilaksanakan pada Agustus 2024, menemukan bahwa 51 persen lebih khawatir daripada antusias terhadap meningkatnya penggunaan AI dalam kehidupan sehari-hari, dan 59 persen memiliki sedikit atau tidak ada keyakinan bahwa perusahaan AS akan mengembangkan dan menggunakan AI secara bertanggung jawab.

Itu adalah angka publik umum, bukan data pengadaan, jadi jangan membacanya sebagai pandangan persis pembeli Anda. Yang ditunjukkannya adalah titik awal: pembeli dalam rapat juga seseorang yang membentuk opini ini di tempat lain.

Jenis-Jenis Keberatan

"Kami belum yakin soal AI" membungkus beberapa kekhawatiran yang terpisah. Masing-masing membutuhkan jawaban berbeda. Kesalahannya adalah membalas semuanya dengan demo yang sama.

Akurasi dan halusinasi. "Bagaimana kalau salah?" Pembeli takut pada kesalahan yang disampaikan dengan percaya diri dan fasih, yang tidak ada orang menangkapnya. Studi KPMG memberi landasan pada ketakutan itu: 66 persen pekerja yang disurvei mengatakan mereka mengandalkan keluaran AI tanpa memeriksa akurasinya, dan 56 persen mengatakan pernah membuat kesalahan di tempat kerja karena AI. Pembeli tidak perlu membaca itu untuk merasakan risikonya.

Klaim berlebihan, atau "AI washing". "Apakah ini benar-benar AI, dan benarkah bisa melakukan itu?" Regulator mulai bertindak soal ini, seperti dibahas di bawah.

Data dan privasi. "Ke mana data kami pergi, dan apakah dipakai melatih model Anda?" Ini sering menentukan apakah kesepakatan bisa berlanjut sama sekali, karena langsung menyentuh tinjauan hukum dan keamanan.

Pilot terdahulu yang gagal. "Kami pernah mencoba hal serupa dan tidak ke mana-mana." Pembeli tidak sekadar meragukan teknologinya, melainkan kemampuan vendor menghasilkan hasil dalam alur kerja yang nyata.

Orang dan perubahan. "Apakah tim kami akan memakainya, dan apakah ini mengancam pekerjaan mereka?" Economic buyer mungkin setuju, sementara orang-orang yang harus mengadopsinya cemas atau menolak.

Keberlangsungan vendor. "Apakah Anda masih ada dua tahun lagi?" Startup AI masih muda dan kategorinya bergerak cepat. Pembeli khawatir terjebak pada produk yang ditutup, diakuisisi, atau dibangun ulang.

Regulator Menjadikan Klaim Berlebihan sebagai Risiko Hukum

Kecurigaan pembeli terhadap klaim AI yang digelembungkan bukan sekadar suasana hati. Dua regulator AS telah mengambil tindakan penegakan terkait hal ini.

Pada Maret 2024, SEC mengumumkan tuntutan yang diselesaikan terhadap dua penasihat investasi, Delphia (USA) Inc. dan Global Predictions Inc., karena membuat pernyataan palsu dan menyesatkan tentang penggunaan AI mereka. SEC mendenda mereka $225.000 dan $175.000, total $400.000. Ketua SEC Gary Gensler mengatakan penasihat investasi tidak boleh menyesatkan publik dengan menyatakan memakai model AI padahal tidak. Inilah asal "AI washing" sebagai istilah penegakan hukum.

Pada September 2024, FTC mengumumkan Operation AI Comply, penindakan terhadap klaim AI yang menipu, yang menyebut DoNotPay, Ascend Ecom, Ecommerce Empire Builders, Rytr, dan FBA Machine. Siaran persnya menyatakan bahwa tidak ada pengecualian AI dari hukum yang berlaku.

Bagi founder, pelajarannya praktis. Setiap klaim kapabilitas dalam deck penjualan, situs web, atau email adalah sesuatu yang mungkin dibaca cermat oleh penasihat hukum pembeli, dan harus bisa Anda dukung dengan hasil uji. Jika Anda tidak bisa menunjukkan bahwa produk melakukan sesuatu, jangan katakan produk melakukannya.

Bukti Apa yang Menjawab Keberatan yang Mana

Klaim tidak menggerakkan seorang skeptis, tetapi artefak yang spesifik bisa. Tabel berikut memetakan setiap keberatan ke bukti yang cenderung menjawabnya. Kolom kanan menjelaskan kategori bukti, bukan janji hasil.

Batasan yang Jujur Membangun Lebih Banyak Kepercayaan daripada Keyakinan

Naluri saat menghadapi skeptisisme adalah terdengar lebih yakin. Itu biasanya berbalik merugikan, karena kepastian adalah persis yang tidak dipercaya pembeli.

Nyatakan batasannya lebih dulu. Katakan apa yang dikerjakan produk dengan baik, apa yang kurang baik ditanganinya, dan bagaimana Anda tahu. "Akurasinya sebesar ini pada jenis masukan ini, kesulitan pada jenis itu, dan yang itu diserahkan kepada manusia" memberi pembeli sesuatu untuk diperiksa. "Sangat akurat" memberi mereka sesuatu untuk diragukan.

Jelaskan kontrolnya, bukan hanya kegagalannya. Batasan yang disertai pengaman (keluaran berkeyakinan rendah diarahkan ke tinjauan, jejak audit, cara mudah untuk menimpa) adalah risiko yang bisa dikelola pembeli. Batasan tanpa pengaman adalah alasan untuk menunggu.

Gunakan kosakata yang dipakai tim risiko pembeli sendiri. NIST AI Risk Management Framework mencantumkan karakteristik AI yang tepercaya: valid dan andal, aman, terjamin dan tangguh, akuntabel dan transparan, dapat dijelaskan dan diinterpretasikan, ditingkatkan privasinya, serta adil dengan bias berbahaya yang dikelola. Kerangka itu juga menyatakan bahwa menciptakan AI yang tepercaya memerlukan penyeimbangan karakteristik-karakteristik ini berdasarkan konteks penggunaan sistem. Ini kerangka sukarela, bukan sertifikasi, jadi jangan mengklaim "kepatuhan NIST". Namun menyusun jawaban Anda atas kuesioner keamanan atau risiko di bawah judul-judul tersebut menunjukkan bahwa Anda tahu apa yang diperiksa pembeli yang cermat.

Pengawasan Manusia sebagai Fitur Produk

Bagi sebagian besar pembeli yang skeptis, pertanyaannya bukan apakah AI dapat menggantikan suatu langkah, melainkan apakah seseorang tetap bertanggung jawab atasnya. Merancang dan menjual produk dengan pengawasan yang terlihat mengubah percakapan.

• Tunjukkan di mana manusia memutuskan. Alur draf-lalu-setujui, ambang keyakinan, dan jalur eskalasi membuat peran manusia konkret.
• Simpan jejak audit. Pembeli di lingkungan yang diatur atau berhadapan dengan pelanggan perlu melihat apa yang dilakukan sistem dan mengapa, setelah kejadian.
• Biarkan pembeli menentukan tingkat otonomi. Memulai dalam mode saran dan beralih ke otomatisasi seiring kepercayaan tumbuh membuat pembeli yang berhati-hati lebih cepat berkata ya.
• Sebutkan siapa yang bertanggung jawab. "Peninjau yang menyetujui" adalah jawaban yang lebih jelas daripada "AI yang menanganinya."

Ini juga menjawab keberatan soal orang dan perubahan. Alat yang dibingkai sebagai dukungan bagi penilaian tim menemui lebih sedikit penolakan daripada yang dibingkai sebagai pengganti, dan biasanya lebih akurat pula menggambarkannya demikian, karena sebagian besar penerapan tetap melibatkan manusia dalam prosesnya.

Referensi dan Bukti dari Rekan Sejawat

Orang skeptis lebih memercayai rekan sejawat daripada vendor. Panggilan referensi dengan pelanggan yang perannya, ukurannya, dan alur kerjanya serupa adalah salah satu aset terkuat yang bisa Anda tawarkan, karena pembeli mendapat jawaban dari seseorang yang tidak punya kepentingan dalam penjualan.

Beberapa praktik membuat referensi bekerja lebih keras:

• Cocokkan referensi dengan keberatannya. Pembeli yang khawatir soal data sebaiknya berbicara dengan pelanggan yang telah melewati tinjauan keamanan. Pembeli yang pernah kecewa dengan pilot sebaiknya berbicara dengan pelanggan yang berhasil dari pilot ke produksi.
• Siapkan referensi untuk memberi jawaban jujur. Jika referensi hanya memuji, terdengar seperti naskah. Referensi yang mengatakan "butuh tiga minggu penyetelan, lalu berhasil" lebih kredibel.
• Jangan mengarang bukti. Kutip hanya hasil yang dapat Anda buktikan, beserta metode di baliknya, sesuai dengan tindakan penegakan di atas.

Perusahaan tahap awal yang belum punya banyak referensi dapat menawarkan bentuk bukti yang lebih kecil: design partner yang bersedia bicara, metode evaluasi yang dipublikasikan, atau pilot yang disusun agar pembeli melihat buktinya sebelum berkomitmen. Cara melibatkan para pembeli itu dalam proses keputusan dibahas di komite pembelian AI.

Komitmen Kontrak Menutup Celahnya

Sebagian keraguan tidak bisa dihilangkan dengan bukti, karena menyangkut masa depan. Ketentuan kontrak dapat menanggung risiko sisa itu. Pembeli tidak bisa memverifikasi kinerja esok hari, tetapi mereka bisa meminta Anda berkomitmen tentangnya.

Ketentuan yang sering muncul bersama pembeli yang skeptis meliputi:

• Penanganan data: tanpa pelatihan pada data pelanggan tanpa izin, retensi yang ditentukan, penghapusan saat berakhir
• Komitmen kinerja atau layanan yang terkait dengan kriteria terukur dari pilot
• Jalur keluar: hak mengekspor data dan mengakhiri kontrak jika kriteria yang disepakati tidak terpenuhi
• Pemberitahuan atas perubahan material pada model atau sub-pemroses
• Dokumentasi keamanan dan hak audit yang sepadan dengan data yang terlibat

Anda tidak perlu menyetujui semuanya. Anda perlu tahu komitmen mana yang jujur dapat Anda penuhi, menawarkannya, dan menolak sisanya dengan lugas. Komitmen yang tidak dapat Anda penuhi lebih buruk daripada tidak ada. Cara menyusun jalur dari uji yang berhasil menuju ketentuan ini dibahas di dari pilot AI menjadi kontrak, dan penyusunan kasus keuangan yang menyertainya dibahas di business case ROI produk AI.

Bagaimana Pendekatan Penjualan Berubah

Menjual kepada orang skeptis bukan funnel yang berbeda, tetapi menggeser penekanan di setiap titik.

1. Diagnosis keberatan sebelum menjawabnya. Tanyakan kekhawatiran mana yang mendorong keraguan. Pertanyaan dalam tabel di atas adalah daftar awal. Disiplin klasik dalam penanganan keberatan berlaku: dengarkan, klarifikasi, lalu jawab dengan bukti.
2. Dahulukan bukti, bukan klaim. Buka dengan hasil uji, kasus kegagalan, atau referensi, bukan daftar fitur.
3. Katakan apa yang tidak Anda lakukan. Menyebut batasan sejak awal memindahkan Anda dari "vendor" menjadi "seseorang yang sudah memikirkan hal ini."
4. Libatkan pemilik risiko sejak awal. Tim hukum, keamanan, dan orang-orang yang akan memakai produk sering menentukan apakah sebuah kesepakatan bertahan. Jangan menunggu mereka muncul terlambat. Lihat penjualan berbasis champion untuk membekali advokat internal agar membawa argumen Anda.
5. Ajarkan bila membantu. Pembeli yang belum tahu seperti apa yang baik mungkin terbantu oleh sudut pandang yang jelas tentang cara mengevaluasi AI. Challenger Sale membahas cara mengambil sikap itu tanpa terkesan memaksa.

Pemeriksaan Cepat Sebelum Panggilan Berikutnya

• Dapatkah kami mendukung setiap klaim kapabilitas dengan pengujian atau pelanggan?
• Apakah kami tahu tingkat kesalahan terukur kami, dan bagaimana kami mengukurnya?
• Dapatkah kami menjelaskan, dengan bahasa sederhana, ke mana data pembeli pergi?
• Di mana manusia meninjau atau menimpa keluaran?
• Referensi mana yang cocok dengan kekhawatiran spesifik pembeli ini?
• Komitmen kontrak apa yang benar-benar dapat kami penuhi?

Fakta Utama

• Kepercayaan tertinggal dari penggunaan: studi KPMG dan University of Melbourne 2025 terhadap 48.000+ orang di 47 negara menemukan 46 persen bersedia memercayai sistem AI, 66 persen memakai AI secara teratur, dan 70 persen mengatakan regulasi diperlukan.
• Keluaran tanpa pemeriksaan itu umum: studi yang sama menemukan 66 persen pekerja mengandalkan keluaran AI tanpa memeriksanya, dan 56 persen melaporkan membuat kesalahan di tempat kerja akibat AI.
• Kehati-hatian publik AS: survei Pew Research yang dilaksanakan pada Agustus 2024 menemukan 51 persen lebih khawatir daripada antusias terhadap AI dalam kehidupan sehari-hari dan 59 persen memiliki sedikit atau tidak ada keyakinan pada perusahaan AS untuk menggunakan AI secara bertanggung jawab.
• AI washing ditindak: pada Maret 2024 SEC mendenda Delphia ($225.000) dan Global Predictions ($175.000) karena pernyataan palsu tentang penggunaan AI.
• Tidak ada pengecualian AI: Operation AI Comply dari FTC pada September 2024 menyebut lima perusahaan dan menyatakan tidak ada pengecualian AI dari hukum yang ada.
• Kosakata bersama tersedia: NIST AI RMF 1.0 mencantumkan tujuh karakteristik AI yang tepercaya, dari valid dan andal hingga adil dengan bias berbahaya yang dikelola.

Bacaan Terkait

• Kepercayaan dan evaluasi sebagai aset penjualan
• Tinjauan keamanan AI dijelaskan
• Mengapa demo lebih penting untuk produk AI
• Positioning produk AI
• Dari pilot AI menjadi kontrak
• Komite pembelian AI
• Kerangka penanganan keberatan