Gue agak khawatir setiap kali dengar perusahaan bilang, “Kita sudah pakai AI.”
Biasanya maksudnya sederhana: tim marketing sudah pakai chatbot buat bikin caption, tim sales pakai AI buat nulis follow-up email, tim HR pakai AI buat ringkas CV, atau founder pakai AI buat bikin draft proposal tengah malam.
Itu valid. Nggak salah. Tapi kalau itu dianggap transformasi AI, masalahnya mulai kelihatan.
Karena gelombang berikutnya bukan lagi AI yang cuma menjawab pertanyaan. Gelombang berikutnya adalah AI agents: sistem yang bisa merencanakan langkah, membaca konteks, memakai tools, mengeksekusi workflow, dan dalam beberapa kasus mengambil tindakan dengan level otonomi tertentu.
Dengan kata lain, kita sedang bergerak dari chatbot ke agentic AI.
Dan jujur aja, banyak bisnis Indonesia belum siap mental.
Chatbot Bikin Kita Merasa Sudah Paham AI
Chatbot itu nyaman karena posisinya jelas. Kita tanya, dia jawab. Kita kasih prompt, dia kasih output. Kalau jawabannya jelek, ya tinggal disalahin prompt-nya. Kalau jawabannya bagus, kita merasa produktif.
Relasi manusia dan mesin masih terasa aman karena manusia tetap di kursi utama. AI terlihat seperti asisten yang menunggu instruksi.
Masalahnya, agentic AI menggeser relasi itu.
Dalam sistem agentic, AI tidak cuma merespons. Ia bisa memecah tugas menjadi beberapa langkah, memilih tools yang dibutuhkan, mengambil data dari sistem tertentu, membuat keputusan antara opsi A atau B, lalu menjalankan aksi. Di level tertentu, AI bisa menjadi operator workflow, bukan cuma generator teks.
McKinsey menyebut agentic AI sebagai salah satu area yang mulai masuk ke agenda perusahaan, tapi nilai besarnya baru muncul kalau agent tersebut selaras dengan logic bisnis, data flow, dan proses penciptaan value perusahaan. Bukan sekadar dipasang sebagai fitur keren di atas workflow lama. Riset McKinsey tentang agentic AI menekankan bahwa agent yang efektif harus tertanam dalam proses bisnis yang berdampak tinggi.
Nah, di sini problem-nya.
Banyak perusahaan belum beres di workflow manual, tapi sudah buru-buru ingin AI yang jalan otomatis.
Agentic AI Bukan Chatbot yang Lebih Pintar
Kesalahan paling mahal adalah menganggap agentic AI sebagai chatbot versi premium.
Chatbot membantu lo berpikir atau menulis. Agentic AI bisa mulai membantu menjalankan pekerjaan. Bedanya jauh.
Bayangin sistem yang bukan cuma bilang “ini lead prioritas”, tapi juga mengurutkan lead, menyiapkan email, memasukkan catatan ke CRM, memberi alert ke sales, membuat follow-up schedule, lalu memperbarui status pipeline. Atau sistem yang bukan cuma merangkum komplain pelanggan, tapi mengelompokkan akar masalah, memberi rekomendasi eskalasi, dan memicu ticket ke tim operasional.
Ini bukan lagi mainan productivity. Ini sudah masuk ke operating system perusahaan.
Makanya topik AI agents harus dibaca bukan sebagai tren Silicon Valley, tapi sebagai sinyal bahwa cara kerja perusahaan akan berubah. Kalau chatbot mengubah cara orang menulis, agentic AI bisa mengubah cara organisasi bergerak.
Banyak Bisnis Mau Otomatisasi, Tapi Tidak Mau Disiplin
Ini bagian yang sering bikin gue skeptis.
Semua orang mau otomatisasi. Semua orang mau efisiensi. Semua orang mau “AI bantu kerja tim biar lebih cepat”. Tapi begitu dibahas soal data hygiene, akses sistem, audit log, approval flow, dan governance, suasananya langsung turun.
Padahal agentic AI butuh disiplin organisasi.
AI agent yang masuk ke workflow bisnis harus tahu batasnya. Data apa yang boleh dibaca? Sistem mana yang boleh disentuh? Aksi apa yang boleh dilakukan sendiri? Aksi apa yang harus menunggu approval manusia? Kalau agent salah jalan, siapa yang bisa menghentikan? Kalau output-nya salah tapi sudah terlanjur masuk ke sistem, siapa yang audit?
IBM menekankan bahwa agentic AI membawa tantangan operasional, risk, dan governance baru, terutama karena transparansi penuh pada sistem agentic sulit dicapai, sementara enterprise tetap butuh level transparansi tertentu untuk deployment yang aman. Penjelasan IBM tentang agentic AI menarik karena tidak menjual mimpi otonomi penuh, tapi menaruh governance sebagai kebutuhan arsitektural.
Ini yang banyak bisnis belum siap mental: AI yang bisa bertindak tidak boleh diperlakukan seperti intern yang dilepas tanpa SOP.
Masalah Indonesia Bukan Kurang Tools, Tapi Kurang Operating Discipline
Di Indonesia, adopsi teknologi sering lompat ke permukaan. Tools dulu, sistem belakangan. Subscription dulu, workflow belakangan. Demo dulu, governance belakangan.
Ini berbahaya buat agentic AI.
Kalau data customer masih berantakan, agent akan membaca data berantakan. Kalau SOP sales tidak konsisten, agent akan mengotomatisasi inkonsistensi. Kalau approval internal abu-abu, agent akan masuk ke area abu-abu itu dengan percaya diri. Kalau knowledge perusahaan cuma hidup di kepala orang senior, agent akan kekurangan konteks yang paling penting.
Agentic AI tidak memperbaiki organisasi yang kacau secara otomatis. Ia bisa mempercepat organisasi yang rapi. Tapi ia juga bisa mempercepat kekacauan yang sudah ada.
Makanya sebelum bicara agentic AI, bisnis perlu membaca ulang fondasi data governance systems. Data yang tidak jelas asal-usulnya, tidak jelas pemiliknya, dan tidak jelas kualitasnya akan menjadi bahan bakar yang buruk untuk sistem yang makin otonom.
Human-in-the-Loop Akan Jadi Isu Serius
Waktu AI cuma dipakai buat bikin draft artikel, human review masih terasa sederhana. Baca, edit, publish. Selesai.
Tapi saat AI agent mulai menyentuh workflow bisnis, human-in-the-loop jadi lebih kompleks.
Manusia harus ditempatkan di titik yang benar. Jangan semua hal harus approval manusia, karena nanti agent kehilangan nilai efisiensinya. Tapi jangan juga semua hal dilepas otomatis, karena risiko bisnisnya bisa naik diam-diam.
Di sinilah desain human-AI interaction jadi penting. Bukan sebagai teori akademik, tapi sebagai desain kerja harian: kapan manusia membaca, kapan manusia menyetujui, kapan manusia hanya menerima notifikasi, dan kapan sistem harus berhenti total.
NIST melalui AI Risk Management Framework memberi kerangka penting bahwa organisasi perlu mengelola risiko AI sejak desain, penggunaan, evaluasi, sampai monitoring. Buat agentic AI, ini makin relevan karena risiko tidak hanya muncul dari jawaban yang salah, tapi juga dari tindakan yang salah.
Pilot Agentic AI Akan Ramai, Tapi Banyak yang Cuma Gimik
Deloitte memprediksi 25% perusahaan yang memakai GenAI akan menjalankan pilot atau proof of concept agentic AI pada 2025, dan naik menjadi 50% pada 2027. Laporan Deloitte tentang agentic AI menunjukkan arah pasar yang jelas: enterprise mulai bergerak dari eksperimen GenAI ke sistem yang lebih otonom.
Tapi pilot tidak sama dengan kesiapan.
Banyak pilot AI terlihat keren karena ruang lingkupnya kecil, datanya dipilih, risikonya dikurasi, dan demonya dibuat mulus. Begitu masuk ke operasional nyata, baru kelihatan masalahnya: data tidak konsisten, user tidak disiplin, approval lambat, compliance bingung, dan tim internal tidak tahu siapa yang harus bertanggung jawab kalau agent salah.
Makanya pertanyaan paling jujur bukan “perusahaan lo sudah pilot agentic AI belum?”
Pertanyaannya: “kalau agent ini salah, organisasi lo tahu cara menghentikan, mengevaluasi, dan memperbaikinya nggak?”
Agentic AI Akan Mengubah Struktur Kerja, Bukan Cuma Output
Chatbot mengubah output. Agentic AI mengubah alur kerja.
Itu bedanya.
Ketika AI cuma membantu menulis, struktur organisasi tidak terlalu berubah. Tapi ketika AI mulai mengatur prioritas, menjalankan tugas lintas aplikasi, membaca data operasional, dan memicu aksi, struktur kerja mulai bergeser.
Beberapa pekerjaan akan menjadi lebih ringan. Beberapa role akan naik kelas karena harus mengawasi sistem. Beberapa pekerjaan repetitif akan mengecil. Beberapa posisi baru akan muncul, terutama yang berhubungan dengan AI operations, data governance, workflow design, dan risk monitoring.
Ini sebabnya AI policy regulation tidak bisa cuma dibahas oleh regulator dan lawyer. Bisnis juga harus paham, karena begitu AI masuk ke keputusan dan aksi, ia masuk ke wilayah tanggung jawab.
Yang Belum Siap Mental Akan Sibuk Cari Tools Baru
Perusahaan yang belum siap mental biasanya punya pola yang sama: begitu ada tren baru, langsung cari tools baru. Bukan membenahi cara kerja.
Padahal agentic AI tidak bisa dibeli seperti beli software biasa.
Lo bisa beli platform. Lo bisa langganan API. Lo bisa pakai product yang katanya agentic. Tapi kalau organisasi lo tidak tahu proses mana yang layak diautomasi, data mana yang bisa dipercaya, dan batas tindakan AI harus sampai mana, hasilnya cuma layer baru di atas kekacauan lama.
Agentic AI membutuhkan kedewasaan berpikir. Ia memaksa bisnis menjawab pertanyaan yang selama ini sering dihindari: siapa pemilik keputusan, siapa pemilik data, siapa pemilik risiko, dan siapa yang bertanggung jawab ketika sistem bekerja terlalu cepat.
Kesimpulan: Dari Chatbot ke Agentic AI, Naiknya Bukan Level Tools, Tapi Level Tanggung Jawab
Chatbot membuat AI terasa ringan. Agentic AI membuat AI terasa serius.
Dan itu bagus, asal bisnis tidak pura-pura siap.
Agentic AI bisa membantu perusahaan bergerak lebih cepat, membaca sinyal lebih rapi, dan menjalankan workflow dengan beban manusia yang lebih ringan. Tapi semua itu hanya bernilai kalau fondasinya jelas: data, workflow, governance, approval, monitoring, dan tanggung jawab.
Kalau tidak, agentic AI cuma akan menjadi versi lebih cepat dari masalah yang sama.
Banyak bisnis Indonesia bukan belum siap teknologi. Mereka belum siap mental untuk menerima bahwa AI bukan lagi sekadar asisten yang menjawab.
AI mulai masuk ke ruang kerja sebagai aktor operasional.
Dan saat mesin mulai ikut bekerja, perusahaan harus berhenti bertanya “tools apa yang paling canggih?”
Pertanyaan yang lebih penting sekarang adalah: “organisasi lo cukup dewasa nggak untuk memberi mesin sebagian pekerjaan, tanpa kehilangan kendali?”