Dalam diskusi seputar AI yang memiliki sifat agentic, sering kali muncul pertanyaan: “Berapa banyak agen yang seharusnya kita jalankan?” Pertanyaan ini seolah menjadi ukuran kemajuan yang sering dipresentasikan dalam slide, dibandingkan dengan kompetitor, atau dilaporkan kepada manajemen. Namun, sejujurnya, ini adalah pertanyaan yang keliru.
Selama lebih dari 200 workshop bersama perusahaan di Eropa dan Timur Tengah, tim saya menemukan bahwa organisasi yang mendapatkan nilai nyata dari alat-alat AI bukanlah yang memiliki jumlah agen terbanyak, tetapi yang tidak pernah merumuskan masalah dengan cara itu. Mereka mulai dengan mengidentifikasi masalah bisnis atau titik friksi, lalu bekerja mundur dari situ, sedangkan banyak yang lain memulai dari teknologi dan mencari tempat untuk menerapkannya.
Ada empat pertanyaan yang sering saya dengar dan berpotensi mengarahkan perusahaan baik ke dalam kebingungan. Berikut ini adalah pertanyaan-pertanyaan tersebut dan apa yang seharusnya ditanyakan sebagai gantinya.
Jangan tanya berapa banyak agen, tapi tanyakan hasil apa yang ingin diperbaiki.
Sebagian besar dari dua tahun terakhir dalam bisnis AI telah berfokus pada membantu orang bekerja lebih cepat. Copilots yang menjawab pertanyaan, asisten yang merangkum rapat yang baru saja dihadiri, dan alat yang membantu mengatasi kebuntuan di hadapan layar. Semua ini memang berguna dan sebaiknya digunakan.
Tetapi, kecepatan tidak sama dengan nilai, dan angka agen pun bukan patokan yang setara. Tidak ada perusahaan yang menciptakan nilai dengan hanya mengumpulkan agen. Nilai terlihat dalam hasil bisnis nyata seperti mengurangi kesalahan gaji, penjadwalan shift yang lebih cepat, biaya pengadaan yang lebih rendah, dan pengumpulan kas yang lebih cepat.
Inilah bedanya antara agen dan aplikasi agentic. Seorang agen membantu menyelesaikan satu tugas. Sementara, aplikasi agentic mengoordinasikan tim agen spesialis untuk mencapai hasil bisnis. Jika Anda tidak bisa menyebutkan KPI yang dipengaruhi oleh seorang agen, maka Anda tidak punya kasus penggunaan nyata, hanya sekadar demo.
Jangan tanya apakah AI bisa merekomendasikan, tanyakan apakah ia bisa menyelesaikan pekerjaan.
Kebingungan yang sering muncul adalah antara memberikan saran dan eksekusi. Banyak sistem kini bisa mendeteksi situasi, mengenali pola, dan memberi tahu langkah selanjutnya. Itu merupakan kemajuan, tetapi sering kali semua pekerjaan tetap di tempatnya. Contohnya, dalam pengadaan, seorang asisten bisa menunjukkan bahwa kategori produk perlu ditinjau ulang dan merekomendasikan untuk mengadakan acara. Namun, seseorang masih harus membuat acara tersebut, mengejar respons, menentukan kriteria, dan menjalankan keseluruhan prosesnya.
Sebuah aplikasi agentic dapat menjalankan semua langkah tersebut, di bawah kebijakan yang berlaku, dengan pengawasan manusia jika diperlukan, serta mencatat apa yang dilakukan dan alasannya.
Jangan tanya model mana yang teratas, tanyakan apakah ia memahami bisnis Anda.
Peringkat benchmark sering kali mendominasi pembicaraan tentang AI, tetapi itu jauh lebih sedikit pengaruhnya dalam bisnis daripada yang sering diasumsikan para pemimpin. Kemampuan model mentah jarang menjadi batasan. Model frontier seharusnya memahami pengadaan sebagai disiplin, tetapi ia tidak tahu daftar pemasok Anda, matriks delegasi wewenang, kewajiban kontrak, atau posisi inventaris saat ini.
Konsep konteks perusahaan menjadi pembeda. Data dan konteks bisnis yang terpercaya, termasuk kebijakan, persetujuan, dan riwayat transaksi yang tersedia di sistem inti Anda, memungkinkan aplikasi agentic memahami konteks dengan lebih baik dan bertindak di dalam kontrol yang telah ditetapkan.
Jangan minta satu sistem yang bisa melakukan segalanya, tanyakan bagaimana spesialis berkoordinasi.
Organisasi adalah ekosistem spesialis: keuangan, SDM, rantai pasokan, layanan, dan penjualan – masing-masing memiliki keahlian dan tujuan sendiri. Dalam hal AI, yang dibutuhkan bukan satu agen super, melainkan tim agen terkoordinasi yang memahami domain mereka dan berkolaborasi untuk mencapai tujuan bersama.
Sistem hasil
Apa yang menghubungkan semua pertanyaan tersebut adalah perubahan pemikiran tentang apa sebenarnya perangkat lunak perusahaan. Dalam beberapa dekade terakhir, aplikasi hanya merekam apa yang terjadi. Kini kita memasuki era sistem hasil: perangkat lunak yang membaca kondisi bisnis, menganalisisnya, dan bergerak untuk menjaga pekerjaan tetap berjalan sesuai tujuan yang ditetapkan.
Perubahan ini memerlukan pertanyaan yang berbeda dari pemimpin: bukan berapa banyak agen, tetapi hasil apa yang ingin dicapai. Bukan bisa memberi saran, tetapi mampu mengeksekusi. Bukan seberapa pintar modelnya, tetapi seberapa baik ia memahami kita. Bukan satu otak, tetapi satu tim.
Dengan pertanyaan yang tepat, keputusan terkait teknologi menjadi lebih mudah. Jika salah, Anda akan memiliki kumpulan agen, alat, dan model yang mengesankan, tetapi sulit untuk dihubungkan ke angka yang berarti.
