AI agent mulai menjadi salah satu topik yang semakin banyak dibicarakan oleh business owner dan tim digital.
Dalam pembahasan yang lebih luas, saya melihat AI agent bukan sebagai teknologi yang berdiri sendiri, tetapi sebagai bagian dari growth system yang menghubungkan data, intelligence, automation, dan human decision-making. Konsep tersebut saya bahas dalam Membangun Growth System dengan AI: Menghubungkan AI Agent, Data, dan Automation.
Perbedaannya dengan penggunaan AI biasa cukup penting.
Selama ini, banyak bisnis menggunakan AI sebagai assistant. Kita memberikan prompt, AI memberikan jawaban, lalu manusia melanjutkan pekerjaan berikutnya.
AI agent membawa konsep tersebut lebih jauh.
Sebuah agent dapat diberikan tujuan, context, akses ke tools, data, dan aturan tertentu sehingga dapat menjalankan beberapa langkah untuk menyelesaikan sebuah task.
Menurut saya, perubahan yang paling menarik bukan sekadar kemampuan AI menghasilkan text, image, atau code.
Perubahan yang lebih besar adalah ketika AI mulai menjadi bagian dari cara sebuah bisnis bekerja.
Misalnya, sebuah business owner tidak lagi hanya menggunakan AI untuk bertanya:
"Buatkan saya ide konten untuk minggu depan."
Tetapi dapat membangun workflow seperti:
"Cari topik yang relevan dengan target audience, evaluasi peluangnya, cek konten yang sudah pernah dibuat, buat content brief, kemudian siapkan draft untuk direview."
Di dalam workflow tersebut, AI bukan hanya menghasilkan satu output.
Ia membantu menjalankan serangkaian proses.
Pertanyaannya kemudian menjadi:
"Bagian mana dari bisnis yang sebaiknya dibantu oleh AI agent?"
Bukan:
"AI agent apa yang sedang populer?"
AI Agent Sebenarnya Apa?
Secara sederhana, saya melihat AI agent sebagai sistem yang menggunakan model AI untuk membantu mencapai sebuah tujuan dengan melakukan beberapa langkah dan menggunakan tools yang tersedia.
Agent biasanya memiliki beberapa komponen penting:
Goal
Tujuan yang ingin dicapai.
Context
Informasi yang dibutuhkan agar agent memahami situasi.
Model
Model AI yang digunakan untuk reasoning atau menghasilkan keputusan.
Tools
Kemampuan untuk melakukan tindakan di luar model, seperti search, membaca database, memanggil API, mengirim email, atau membuat data baru.
Instructions
Aturan mengenai bagaimana agent harus bekerja.
Workflow
Urutan proses yang harus dilakukan untuk mencapai tujuan.
Human oversight
Batasan mengenai kapan manusia harus melakukan review atau mengambil keputusan.
Karena itu, AI agent bukan sekadar chatbot yang dapat menjawab pertanyaan.
Chatbot mungkin hanya melakukan:
User → Prompt → Response
Sedangkan agent dapat melakukan:
Goal → Understand → Search → Analyze → Use tools → Take action → Evaluate → Continue
Konsep agentic system juga dijelaskan oleh berbagai penyedia teknologi. OpenAI, misalnya, menjelaskan agent sebagai sistem yang dapat menjalankan task dengan menggunakan tools dan menentukan langkah yang diperlukan untuk mencapai tujuan tertentu. OpenAI: Agents
Namun, tingkat autonomy sebuah agent dapat berbeda-beda.
Tidak semua agent harus diberikan kebebasan untuk mengambil keputusan sendiri.
Menurut saya, justru semakin besar dampak sebuah tindakan, semakin penting batasan dan human oversight.
AI Agent Bukan Pengganti Semua Pekerjaan
Salah satu kesalahpahaman yang sering muncul adalah membayangkan AI agent sebagai "digital employee" yang dapat menggantikan seluruh pekerjaan manusia.
Menurut saya, pendekatan seperti ini terlalu sederhana.
Bisnis terdiri dari banyak jenis pekerjaan.
Ada pekerjaan yang:
- repetitive
- structured
- rule-based
- data-heavy
- time-consuming
- measurable
Ada juga pekerjaan yang:
- membutuhkan judgment
- membutuhkan empathy
- memiliki risiko tinggi
- berhubungan dengan relationship
- membutuhkan pemahaman konteks bisnis
- memiliki konsekuensi besar jika salah
Jenis pertama biasanya lebih mudah mendapatkan manfaat dari automation dan AI agent.
Jenis kedua membutuhkan human involvement yang lebih besar.
Jadi, pertanyaan yang lebih tepat bukan:
"Apakah AI bisa mengerjakan pekerjaan ini?"
Tetapi:
"Bagian mana dari pekerjaan ini yang sebaiknya dilakukan oleh AI, dan bagian mana yang tetap membutuhkan manusia?"
Menurut saya, pembagian tersebut jauh lebih realistis.
Di Mana AI Agent Bisa Digunakan dalam Bisnis?
AI agent tidak hanya relevan untuk marketing.
Hampir setiap fungsi bisnis memiliki workflow yang dapat dianalisis.
Namun, tingkat manfaatnya akan berbeda untuk setiap organisasi.
Marketing
Marketing memiliki banyak aktivitas yang dapat dibantu oleh AI agent. Untuk pembahasan yang lebih spesifik mengenai penerapan AI agent dalam marketing, lihat AI Agent untuk Marketing: Apa yang Bisa Diotomatisasi dan Apa yang Tetap Membutuhkan Manusia?.
Contohnya:
- content research
- competitor research
- content brief
- content repurposing
- SEO research
- campaign analysis
- performance reporting
- lead qualification
- audience research
- social media monitoring
Misalnya sebuah marketing agent mendapatkan tujuan:
"Cari lima topik yang relevan untuk target audience minggu ini."
Agent dapat melakukan beberapa langkah:
Search → Collect → Filter → Analyze → Rank → Recommend
Manusia kemudian melakukan review terhadap hasil tersebut.
Dengan pendekatan ini, marketer tidak perlu menghabiskan seluruh waktunya untuk mengumpulkan informasi mentah.
Sales
Sales juga memiliki banyak workflow yang potensial untuk dibantu AI.
Misalnya ketika lead masuk melalui website.
Workflow-nya dapat menjadi:
Lead masuk → Baca data → Identifikasi kebutuhan → Klasifikasi → Enrich data → Prioritaskan → Berikan recommendation
AI agent dapat membantu membaca informasi yang diberikan oleh prospect dan mengubahnya menjadi summary yang lebih mudah dipahami salesperson.
Contohnya:
Company: 500 employees
Need: HR system
Current problem: manual HR administration
Timeline: 3 months
Priority: High
Salesperson tidak perlu membaca seluruh percakapan dari awal untuk memahami konteks.
Namun, saya tidak akan langsung memberikan agent hak untuk menghubungi semua lead atau membuat commitment kepada customer tanpa review.
Sales adalah area yang sangat berkaitan dengan relationship dan business judgment.
Customer Service
Customer service adalah area lain yang cukup menarik.
AI agent dapat membantu:
- memahami pertanyaan customer
- mencari informasi dari knowledge base
- mengklasifikasikan ticket
- memberikan response awal
- menentukan priority
- meneruskan kasus tertentu kepada human agent
- membuat summary percakapan
Misalnya customer bertanya mengenai status sebuah layanan.
Agent dapat mencari informasi dari sistem yang relevan dan memberikan response.
Namun jika customer mengajukan complaint yang kompleks atau membutuhkan keputusan khusus, agent dapat melakukan escalation kepada manusia.
Dengan model seperti ini, AI tidak harus menggantikan customer service team.
AI dapat menjadi first layer yang membantu team menangani volume pekerjaan yang lebih besar.
Finance dan Administration
Banyak pekerjaan administratif memiliki karakteristik yang cukup cocok untuk automation.
Misalnya:
- mengumpulkan data
- membuat summary
- memeriksa kelengkapan dokumen
- mengklasifikasikan transaksi
- membuat reminder
- membuat report
- melakukan reconciliation awal
Tetapi area finance juga memiliki risiko tinggi.
Karena itu, automation dan AI agent sebaiknya tidak langsung diberikan kewenangan penuh untuk melakukan transaksi atau mengambil keputusan finansial tanpa kontrol.
AI dapat membantu proses.
Manusia tetap bertanggung jawab terhadap keputusan penting.
Human Resources
HR juga memiliki banyak workflow yang dapat dibantu.
Misalnya:
- candidate screening awal
- interview scheduling
- employee FAQ
- onboarding checklist
- training recommendation
- HR reporting
- employee document processing
AI agent dapat membantu mengurangi pekerjaan administratif sehingga HR dapat lebih fokus pada aktivitas yang membutuhkan human interaction.
Tetapi keputusan yang menyangkut employee, recruitment, compensation, atau disciplinary action membutuhkan perhatian ekstra.
AI tidak seharusnya menjadi satu-satunya dasar untuk keputusan yang memiliki dampak besar terhadap seseorang.
Business Intelligence dan Reporting
Menurut saya, reporting adalah salah satu area yang menarik untuk memulai.
Banyak bisnis sudah memiliki data.
Masalahnya bukan selalu kekurangan data.
Masalahnya adalah terlalu banyak data dan terlalu sedikit waktu untuk membacanya.
Sebuah reporting agent dapat membantu workflow seperti:
Collect data → Validate → Analyze → Compare → Detect anomaly → Summarize → Recommend
Misalnya setiap Senin pagi business owner menerima:
Website traffic naik 18% dibanding minggu sebelumnya.
Organic traffic menyumbang sebagian besar kenaikan.
Namun conversion rate turun dari 2.8% menjadi 2.1%.
Landing page A memiliki traffic tinggi tetapi conversion lebih rendah dibanding landing page B.
Informasi tersebut jauh lebih berguna daripada hanya melihat dashboard yang penuh dengan angka.
Tidak Semua Workflow Membutuhkan AI Agent
Ini bagian yang menurut saya sangat penting.
Ketika sebuah bisnis mendengar tentang AI agent, ada kecenderungan untuk menggunakan AI agent untuk semuanya.
Padahal, banyak masalah dapat diselesaikan dengan automation biasa.
Misalnya:
Jika customer mengisi form, kirim email.
Tidak membutuhkan AI agent.
Automation sederhana sudah cukup.
Atau:
Setiap hari pukul 08.00, ambil data dari API lalu masukkan ke database.
Ini juga mungkin tidak membutuhkan AI.
Automation berbasis rule justru lebih predictable.
AI agent mulai menarik ketika workflow memiliki kondisi yang lebih dinamis.
Misalnya:
Baca informasi dari beberapa sumber, pahami konteksnya, tentukan informasi mana yang relevan, kemudian pilih tindakan berdasarkan hasil analisis.
Di sini AI mulai memberikan nilai tambah.
Karena itu, saya menggunakan prinsip sederhana:
Jangan menggunakan AI agent hanya karena bisa. Gunakan AI agent ketika reasoning atau fleksibilitas memang dibutuhkan.
Anthropic juga menekankan pentingnya memulai dari solusi yang paling sederhana dan hanya menambahkan kompleksitas agent ketika pendekatan yang lebih sederhana tidak lagi cukup. Anthropic: Building Effective Agents
Automation, AI Assistant, dan AI Agent
Ketiga istilah ini sering tercampur.
Menurut saya, cara paling mudah untuk membedakannya adalah berdasarkan tingkat autonomy.
Automation
Mengikuti aturan yang sudah ditentukan.
Contoh:
Jika form masuk → kirim email.
Input dan output relatif predictable.
AI Assistant
Membantu manusia ketika diminta.
Contoh:
"Buatkan summary dari meeting ini."
Manusia memberikan instruksi.
AI memberikan output.
AI Agent
Diberikan tujuan dan dapat menjalankan beberapa langkah untuk mencapai tujuan tersebut.
Contoh:
"Analisis performa marketing minggu ini dan temukan tiga hal yang perlu diperhatikan."
Agent dapat mengambil data, menganalisis perubahan, membandingkan periode sebelumnya, menemukan anomaly, lalu menghasilkan recommendation.
Perbedaannya bukan sekadar seberapa "pintar" AI tersebut.
Untuk melihat perbedaan antara automation, AI assistant, dan AI agent dari sisi workflow dan tingkat autonomy, lihat juga AI Agent vs Automation vs AI Assistant: Apa Bedanya dan Kapan Bisnis Membutuhkan Masing-Masing?.
Perbedaannya adalah bagaimana sistem tersebut bekerja di dalam workflow.
Mulai dari Workflow, Bukan dari Technology
Menurut saya, ini adalah prinsip paling penting ketika bisnis ingin mulai menggunakan AI agent.
Jangan memulai dengan:
"Kita mau pakai model AI apa?"
Mulailah dengan:
"Workflow apa yang paling banyak menghabiskan waktu?"
Misalnya sebuah tim menghabiskan lima jam setiap minggu untuk membuat marketing report.
Petakan prosesnya terlebih dahulu.
Data collection
↓
Data cleaning
↓
Analysis
↓
Summary
↓
Recommendation
↓
Report
Setelah dipetakan, kita dapat menentukan:
- bagian mana yang dapat diotomatisasi
- bagian mana yang dapat dibantu AI
- bagian mana yang membutuhkan human review
- data apa yang dibutuhkan
- tools apa yang harus dihubungkan
Barulah kita memilih technology.
Pendekatan ini membuat technology mengikuti business problem.
Bukan business problem dipaksakan mengikuti technology.
Bagaimana Menentukan Workflow yang Cocok?
Saya biasanya akan melihat beberapa faktor.
1. Repetitive
Apakah pekerjaan tersebut dilakukan berulang kali?
Semakin sering workflow dilakukan, semakin besar potensi penghematan waktu.
2. Clear input
Apakah kita mengetahui data yang masuk?
Jika input tidak jelas, agent akan lebih sulit bekerja secara konsisten.
3. Clear output
Apakah kita tahu seperti apa hasil yang diinginkan?
Workflow dengan output yang jelas lebih mudah diukur.
4. Measurable
Apakah kita dapat mengetahui apakah sistem bekerja dengan baik?
Misalnya:
- waktu pengerjaan
- error rate
- conversion
- response time
- cost
- productivity
5. Acceptable risk
Apa yang terjadi jika AI melakukan kesalahan?
Jika kesalahan hanya menghasilkan draft yang perlu direvisi, risikonya relatif kecil.
Jika kesalahan dapat menyebabkan kerugian finansial atau masalah legal, human oversight menjadi jauh lebih penting.
6. Sufficient data
Apakah bisnis memiliki data dan knowledge yang diperlukan?
AI agent tidak dapat bekerja secara optimal jika informasi yang dibutuhkan tidak tersedia atau tidak terstruktur.
AI Agent Membutuhkan Context
Salah satu kesalahan ketika membangun AI agent adalah hanya memikirkan model.
Misalnya:
"Kita sudah punya LLM, berarti agent sudah siap."
Belum tentu.
Sebuah agent membutuhkan context.
Context tersebut dapat berasal dari:
- database
- CRM
- website
- knowledge base
- product documentation
- SOP
- brand guideline
- customer data
- analytics
- historical data
Misalnya sebuah marketing agent diminta membuat recommendation.
Jika agent tidak mengetahui:
- siapa target audience
- positioning brand
- produk
- pricing
- campaign sebelumnya
- tone of voice
maka output-nya mungkin terlihat bagus, tetapi belum tentu relevan dengan bisnis.
Karena itu, saya melihat context dan knowledge sebagai bagian penting dari AI system.
AI Agent Membutuhkan Tools
LLM sendiri memiliki keterbatasan.
Ia dapat menghasilkan reasoning dan output, tetapi untuk melakukan pekerjaan nyata, agent sering membutuhkan tools.
Contohnya:
Search
Untuk mencari informasi.
CRM
Untuk membaca dan memperbarui data customer.
Analytics
Untuk mengambil data performa.
Untuk mengirim atau memproses komunikasi.
Database
Untuk menyimpan dan mengambil informasi.
CMS
Untuk mengelola content.
Advertising platform
Untuk membaca atau membantu mengelola campaign.
Internal API
Untuk berinteraksi dengan sistem bisnis.
Dengan tools tersebut, agent dapat bergerak dari:
"Saya bisa memberikan jawaban."
menjadi:
"Saya bisa membantu melakukan pekerjaan."
Google Cloud juga menjelaskan tools, data, orchestration, grounding, model, dan runtime sebagai bagian penting dari sistem agentic AI. Google Cloud: Core Concepts of AI Agents
Human-in-the-Loop Tetap Penting
Menurut saya, bisnis sebaiknya tidak mengejar autonomy maksimal.
Yang lebih penting adalah appropriate autonomy.
Misalnya:
Low risk
AI membuat draft LinkedIn post.
Human review.
Publish.
Medium risk
AI mengklasifikasikan lead.
Sales review.
Sales melakukan follow-up.
High risk
AI membuat recommendation yang berhubungan dengan transaksi besar.
Human approval wajib dilakukan.
Dengan model seperti ini, AI tetap dapat bekerja cepat tanpa membuat bisnis kehilangan kontrol.
Saya lebih menyukai sistem:
AI executes within boundaries. Human owns the decision.
Daripada:
AI decides everything.
Bagaimana Memulai AI Agent di Bisnis?
Saya akan menyarankan pendekatan bertahap.
Step 1: Pilih satu workflow
Jangan langsung mengotomatisasi seluruh bisnis.
Pilih satu proses yang repetitive dan cukup mudah diukur.
Contohnya:
Weekly marketing reporting.
Step 2: Petakan workflow
Tuliskan semua langkah yang dilakukan manusia.
Contoh:
Collect data
↓
Clean data
↓
Analyze
↓
Write summary
↓
Create report
Step 3: Tandai bagian yang repetitive
Tidak semua langkah perlu menggunakan AI.
Misalnya:
Collect data
→ automation
Clean data
→ automation
Analyze
→ AI
Write summary
→ AI
Final recommendation
→ human review
Step 4: Tentukan tools
Cari tahu sistem apa yang perlu diakses agent.
Misalnya:
- Google Analytics
- CRM
- spreadsheet
- database
- internal API
Step 5: Tentukan batasan
Tentukan apa yang boleh dan tidak boleh dilakukan agent.
Misalnya:
Agent boleh membaca data.
Agent boleh membuat report.
Agent tidak boleh mengubah budget advertising tanpa approval.
Step 6: Ukur hasil
Bandingkan kondisi sebelum dan sesudah.
Misalnya:
Before
5 hours/week
After
1 hour/week
Jika hasilnya nyata, workflow berikutnya dapat mulai dioptimalkan.
Jangan Membuat "AI Employee" Terlebih Dahulu
Ada banyak konsep AI employee yang terdengar menarik.
Satu agent untuk marketing.
Satu agent untuk sales.
Satu agent untuk finance.
Satu agent untuk HR.
Satu agent untuk customer service.
Namun, menurut saya pendekatan seperti ini terlalu cepat jika fondasi bisnis belum siap.
Saya lebih memilih membangun:
AI Agent → Workflow → Measurement
daripada:
AI Agent → Agent → Agent → Agent
Tanpa mengetahui masalah apa yang sebenarnya sedang diselesaikan.
Bisnis tidak membutuhkan jumlah agent yang banyak.
Bisnis membutuhkan workflow yang bekerja lebih baik.
Dari AI Agent Menuju Business Growth System
Di sinilah saya melihat AI agent menjadi lebih menarik.
AI agent seharusnya tidak berdiri sendiri.
Ia dapat menjadi salah satu layer dalam sebuah growth system.
Misalnya:
Traffic
↓
Website
↓
Lead
↓
CRM
↓
AI Agent
↓
Analysis
↓
Recommendation
↓
Human Decision
↓
Sales / Marketing Action
↓
Measurement
↓
Optimization
Dalam sistem seperti ini, AI agent bukan tujuan akhir.
Ia menjadi intelligence layer yang membantu bisnis memahami data dan menjalankan proses.
Inilah alasan saya lebih tertarik pada konsep AI-powered growth system dibanding sekadar membangun chatbot atau AI assistant.
Teknologi menjadi bagian dari sistem pertumbuhan bisnis.
Apa yang Harus Dipersiapkan Business Owner?
Sebelum membangun AI agent, menurut saya ada beberapa pertanyaan yang perlu dijawab.
1. Masalah apa yang ingin diselesaikan?
Jangan mulai dari technology.
2. Workflow mana yang paling banyak menghabiskan waktu?
Cari pekerjaan yang repetitive.
3. Data apa yang dibutuhkan?
Pastikan agent memiliki access ke information yang relevan.
4. Tools apa yang digunakan?
Tentukan sistem yang perlu diintegrasikan.
5. Apa yang boleh dilakukan AI?
Tetapkan boundaries.
6. Kapan manusia harus mengambil alih?
Tentukan escalation point.
7. Bagaimana keberhasilannya diukur?
Tentukan metric sebelum sistem dibuat.
Jika tujuh pertanyaan tersebut belum jelas, mungkin bisnis belum membutuhkan agent yang kompleks.
Apakah Semua Business Owner Membutuhkan AI Agent?
Tidak.
Dan menurut saya, mengatakan hal tersebut justru penting.
Jika sebuah bisnis masih memiliki masalah seperti:
- positioning belum jelas
- proses bisnis belum terdokumentasi
- data tersebar
- SOP belum ada
- website belum memberikan informasi yang cukup
- workflow masih berubah-ubah
- KPI belum jelas
maka membangun AI agent yang kompleks mungkin bukan prioritas pertama.
AI agent bekerja lebih baik ketika fondasinya sudah cukup baik.
Karena itu, saya melihat AI sebagai multiplier.
Jika proses bisnis sudah baik, AI dapat membantu membuatnya lebih cepat dan scalable.
Jika proses bisnis masih berantakan, AI bisa saja hanya membuat kekacauan tersebut berjalan lebih cepat.
AI Bukan Tujuan Akhir
Menurut saya, diskusi tentang AI agent sering terlalu fokus pada technology.
Model apa yang digunakan?
Framework apa?
API apa?
Berapa banyak agent?
Apakah menggunakan multi-agent?
Semua pertanyaan tersebut memang penting.
Tetapi business owner seharusnya memulai dari pertanyaan yang lebih sederhana:
"Pekerjaan apa yang seharusnya tidak lagi dilakukan secara manual?"
Dari sana kita dapat melihat workflow.
Dari workflow kita dapat melihat automation.
Dari automation kita dapat melihat bagian yang membutuhkan intelligence.
Dari sana barulah AI agent menjadi relevan.
Urutannya menurut saya adalah:
Business Problem → Workflow → Data → Automation → AI Agent → Measurement → Optimization
Bukan:
AI Technology → Cari masalah yang cocok.
Penutup
AI agent membuka peluang yang cukup besar untuk mengubah cara bisnis bekerja.
Namun, nilai sebuah agent bukan ditentukan oleh seberapa canggih model yang digunakan.
Nilainya ditentukan oleh:
- masalah yang dapat diselesaikan
- waktu yang dapat dihemat
- kualitas keputusan yang dapat ditingkatkan
- pekerjaan repetitive yang dapat dikurangi
- data yang dapat dimanfaatkan
- dan business outcome yang dapat dihasilkan
Karena itu, saya tidak melihat AI agent sebagai pengganti manusia.
Saya melihatnya sebagai bagian dari business system yang membantu manusia bekerja dengan lebih cepat, lebih terstruktur, dan lebih scalable.
Bagi business owner yang ingin mulai, saya tidak menyarankan langsung membangun sistem AI yang kompleks.
Mulailah dari satu workflow.
Pahami prosesnya.
Identifikasi pekerjaan yang repetitive.
Tentukan data dan tools yang dibutuhkan.
Tetapkan batasan.
Berikan ruang bagi manusia untuk melakukan review.
Kemudian ukur hasilnya.
Jika berhasil, baru perluas ke workflow berikutnya.
Pendekatan bertahap seperti ini juga menjadi dasar pembahasan Cara Membangun AI Agent untuk Bisnis: Dari Workflow hingga Eksekusi, terutama bagaimana workflow dipetakan sebelum menentukan technology dan execution model.
Pada akhirnya, pertanyaan yang menurut saya paling penting bukan:
"AI agent apa yang harus saya buat?"
Tetapi:
"Bagaimana saya bisa membuat bisnis saya bekerja lebih baik dengan bantuan AI?"
Karena AI agent hanyalah technology.
Yang sebenarnya kita bangun adalah sistem pertumbuhan bisnis yang bekerja lebih intelligent.