Perkembangan kecerdasan buatan kini bergeser dari chatbot pasif menuju AI agent otonom yang mampu menjalankan tugas operasional bisnis secara bertahap dan mandiri.
Lanskap kecerdasan buatan (artificial intelligence/AI) mengalami pergeseran signifikan dari model percakapan responsif seperti chatbot menuju sistem agen otonom atau AI agent. Teknologi ini dirancang untuk mengeksekusi rangkaian pekerjaan operasional bertahap secara mandiri, menghubungkan alur kerja internal, serta membantu pengambilan keputusan di tingkat korporasi.
Lembaga riset pasar International Data Corporation (IDC) memproyeksikan keberadaan sekitar 1,3 miliar AI agent di seluruh dunia pada 2028. Pada 2030, sebanyak 45 persen perusahaan diperkirakan akan mengorkestrasi sistem agen otonom tersebut dalam skala operasional yang besar.
Meski adopsinya meningkat pesat, integrasi AI agent ke dalam ekosistem bisnis menghadapi sejumlah rintangan mendasar. Banyak inisiatif terhambat karena agen cerdas dibangun menggunakan perangkat terpisah, bekerja dalam silo data (data silo), serta menyisakan celah keamanan informasi.
Director Business Development & Innovation PT Multipolar Technology Tbk, Halim Hartono Perdana, menegaskan bahwa kepemilikan banyak agen cerdas tidak otomatis menciptakan nilai bisnis tanpa integrasi yang solid.
"Yang lebih penting adalah memastikan agent-agent tersebut memahami konteks bisnis, terhubung dengan data dan alur kerja (workflow) yang tepat, serta menghasilkan output yang benar-benar mendukung tujuan bisnis. Di sinilah transformasi AI mulai bergeser dari sekadar penggunaan teknologi menjadi perubahan cara perusahaan bekerja," ujar Halim dalam seminar kerja sama dengan Microsoft Indonesia di Jakarta.
Halim menguraikan tiga tantangan utama yang dihadapi pelaku usaha saat memperluas pemanfaatan AI agent. Pertama, konteks bisnis. Agen otonom memerlukan akses dan pemahaman menyeluruh terhadap dokumen, percakapan, dan alur kerja agar tindakannya relevan dengan kebutuhan perusahaan.
Kedua, aspek keamanan dan tata kelola (security and governance). Penambahan jumlah agen menuntut pengawasan (visibility), kendali operasional, perlindungan (safeguards), serta kerangka tata kelola yang konsisten guna memitigasi celah risiko.
Ketiga, proses pengiriman ke lingkungan produksi (delivery). Kendati AI mempercepat penulisan kode pemrograman, implementasi ke sistem operasional tetap membutuhkan proses uji kelayakan, peninjauan, pengujian keamanan, dan validasi kepatuhan yang ketat.
Di sisi lain, kebutuhan komputasi agen otonom mendorong perkembangan infrastruktur pemrosesan perangkat keras. Sistem agen mandiri, seperti Hermes Agent rancangan Nous Research, membutuhkan performa tinggi untuk mengeksekusi instruksi beruntun dan terintegrasi langsung dengan perangkat lunak kerja. Pendekatan pemrosesan lokal kian dipertimbangkan pelaku industri guna meminimalkan ketergantungan pada komputasi awan, menekan biaya operasional berbasis token, sekaligus mencegah risiko kebocoran data sensitif bisnis.
Transformasi menuju sistem otonom ini menuntut perusahaan untuk tidak sekadar mengejar adopsi alat baru, melainkan memperkuat pertanggungjawaban, kepatuhan data, dan pengawasan manusia terhadap setiap tindakan yang diambil oleh sistem kecerdasan buatan.
Sumber foto utama: Olenka
