PR di 2026: pekerjaannya berubah, bukan tujuannya

Mayoritas tim PR sudah memakai AI — yang berubah adalah bagian yang disentuhnya

Memasuki 2026, AI generatif berhenti menjadi bahan debat di dalam tim PR dan menjadi sekadar alat di meja kerja.

Survei Muck Rack atas para profesional public relations menemukan sekitar 76% kini memakai AI generatif dalam pekerjaannya, angka yang relatif stabil dari tahun ke tahun. Adopsi, dengan kata lain, bukan lagi inti ceritanya.

Yang lebih layak diperhatikan justru lebih sempit: AI tidak mendarat merata di seluruh pekerjaan. Ia datang lebih dulu ke bagian PR yang memang selalu mekanis, dan membiarkan bagian yang selalu berupa pertimbangan tetap di tempatnya. Bentuk hari kerja berubah sebelum tujuannya berubah.

Maka lebih akurat menyebut AI mengubah praktik PR ketimbang tujuannya. Tujuannya — meraih perhatian yang kredibel untuk sebuah brand — tetap utuh. Praktiknya yang sedang ditata ulang di sekitarnya.

Separuh pekerjaan yang mekanis memadat lebih dulu

Drafting, list-building, monitoring, reporting — lapisan repetitif PR adalah tempat penghematan waktu muncul.

Draf pertama sebuah press release, pitch yang disesuaikan, media list, ringkasan liputan mingguan: tugas-tugas ini selalu mengisi kalender PR tanpa benar-benar menjadi pekerjaan intinya. Tugas-tugas itu pula yang dikerjakan model generatif secara lumayan pada percobaan pertama, dan karena itulah mereka memadat paling cepat.

Survei Muck Rack yang sama memberi catatan penting agar hal ini tidak dibaca berlebihan. Sekitar 98% praktisi menyatakan selalu atau sering menyunting hasil model, meski porsi output yang dinilai butuh suntingan berat sudah turun di bawah separuh. Model membuat draf; praktisi yang tetap memutuskan. Keseimbangan itu — draf pertama yang cepat, keputusan akhir di tangan manusia — menjadi default yang dianut diam-diam oleh sebagian besar tim.

Efeknya cenderung kurang dramatis dibanding judul berita soal penggantian tenaga kerja. Kerja rutin menipis; tenggat tidak bergeser. Yang dilaporkan tim bukan jumlah orang yang berkurang, melainkan lebih banyak waktu dalam seminggu yang terbebas untuk bagian PR yang tidak bisa dikerjakan model.

Kini ada pembaca kedua di antara liputan dan pembeli

PR selalu mengoptimalkan untuk pembaca manusia. Di 2026, sebuah mesin membaca liputan lebih dulu dan menjawab pertanyaan atas nama pembeli.

Ketika calon pembeli bertanya ke engine AI tentang sebuah kategori, engine menyusun jawaban dari sumber yang dibacanya, menyebut beberapa brand, lalu berlanjut. Jawaban itu makin sering tiba sebelum klik apa pun. AI Overviews Google adalah contoh paling jelas: pelacakan BrightEdge menempatkannya pada sekitar 48% pencarian di awal 2026, naik dari sekitar 31% setahun sebelumnya, meski estimasinya bervariasi menurut metode dan kategori.

Bagi PR, konsekuensinya bersifat operasional, bukan filosofis. Liputan yang diraih sebuah tim kini dibaca dua kali — sekali oleh orang yang kebetulan menemukan artikelnya, dan sekali oleh engine yang akan memparafrasekannya menjadi jawaban. Pembaca kedua inilah yang lebih dulu ditemui sebagian besar pembeli.

Hal itu tidak mengubah untuk apa PR yang baik melakukan pitching. Yang berubah adalah apa yang harus dipantau tim setelah cerita tayang.

Scorecard mendapat satu baris yang dulu tidak ada

Impresi dan reach menggambarkan dunia ketika orang membaca artikel secara langsung. Keduanya tidak lagi menangkap di mana sebagian besar pengaruh kini terjadi.

Selama berpuluh tahun PR bersandar pada proksi — impresi, reach, ad-value equivalent — yang mewakili perhatian yang tak bisa diukur langsung. Angka-angka itu masih menggambarkan separuh pekerjaan yang berurusan dengan pembaca manusia. Yang terlewat adalah apakah engine, setelah membaca liputan, benar-benar menyebut brand tersebut di dalam jawabannya.

Maka satu baris baru ditambahkan, bukan menggantikan yang lama: pengukuran di tingkat citation. Sederhananya, seberapa sering engine AI menyebut sebuah brand saat pembeli bertanya tentang kategori, di engine mana, dan dibandingkan kompetitor mana. Unit praktisnya adalah satu set prompt pembeli yang tetap — sering kali beberapa lusin — dijalankan lintas engine pada irama berkala, agar angkanya bisa bergerak dari waktu ke waktu, bukan sekadar potret sesaat.

Hal ini masih muda dan layak dihedge. Tool yang melaporkannya tergolong baru, engine berbeda pendapat soal apa yang dikutip, dan definisi “share” belum terstandar. Tetapi arahnya konsisten: laporan yang dibaca seorang PR lead mulai memuat satu kolom untuk jawaban, bukan hanya untuk klipingnya.

Monitoring menumbuhkan satu permukaan baru untuk dipantau

Media monitoring klasik melacak di mana sebuah brand muncul di pers. Permukaan baru adalah di mana ia muncul di dalam jawaban yang disuapi pers itu.

AI mengubah monitoring ke dua arah sekaligus. Ia mengotomasi versi lamanya — platform kini memindai sumber secara terus-menerus dan mengelompokkan liputan ke dalam tema lebih cepat daripada manusia — dan ia memperkenalkan satu permukaan yang tidak pernah dirancang untuk dibaca tool itu: jawaban AI itu sendiri.

Celah ini penting karena monitoring warisan bisa memberi tahu sebuah tim bahwa ia diliput tanpa memberi tahu apakah liputan itu sedang dikutip. Keduanya bukan lagi hal yang sama. Sebuah cerita bisa tayang luas namun tetap tidak muncul di jawaban engine; sumber yang lebih sunyi justru bisa menjadi yang dikutip engine.

Instrumen yang menutup celah itu sederhana secara konsep: jalankan prompt set milik brand lintas engine utama pada irama mingguan, lalu catat apakah ia disebut. Disiplinnya terletak pada konsistensi, sebab engine cenderung bergeser — kumpulan sumber yang diandalkannya berubah dari bulan ke bulan, sehingga satu pembacaan cepat menjadi usang.

Apa yang ini minta dikerjakan tim PR secara berbeda

Lebih sedikit soal taktik baru, lebih banyak soal ke mana perhatian diarahkan setelah kerja rutin diotomasi.

Sebagian besar penyesuaian operasionalnya sederhana dan konkret. Semuanya mengalir dari dua fakta di atas: kerja mekanis kini murah, dan ada pembaca kedua yang harus diperhitungkan.

• Biarkan model mengambil draf pertama dan pemindaian. Copy draf awal, list-building, digest monitoring — otomasi semua itu, dan rebut kembali jam-jam untuk pertimbangan dan relasi.
• Pertahankan keputusan di tangan manusia. Klaim mana yang benar, jurnalis mana yang layak dipercaya, cerita mana yang layak dituturkan — data survei menunjukkan nyaris setiap praktisi tetap menyunting output, dan naluri itu adalah intinya, bukan kebiasaan transisi.
• Definisikan satu prompt set. Tuliskan beberapa lusin pertanyaan yang benar-benar diketik pembeli di kategori tersebut ke sebuah engine. Tanpa daftar itu, tidak ada acuan bagi metrik baru untuk diukur.
• Tambahkan lapis citation ke laporan. Berdampingan dengan liputan, lacak apakah engine menyebut brand, di engine mana, dan di mana justru kompetitor yang disebut.
• Perlakukan distribusi sebagai awal jejak, bukan hasilnya. Wire blast nyaris tak terhitung di jawaban AI — Meltwater menempatkan press release pada sekitar 0,2% citation, melawan 37,6% untuk earned dan news media — jadi sebuah release berguna terutama untuk liputan asli yang bisa dipicunya.

Tidak satu pun dari ini menuntut divisi baru. Inilah kerajinan yang sama, dijalankan dengan kerja rutin yang dilucuti dan satu pembaca tambahan dalam pikiran. (Apakah pembaca kedua itu membuat earned media lebih berharga dari sebelumnya adalah argumen tersendiri — dibahas di sini.)

Pertanyaan yang sering diajukan