Tanya vendor apa produknya, dan belakangan ini jawabannya sering "ini agentic." Tanya apa artinya, dan jawabannya menyebar ke mana-mana: chatbot yang mengingat konteks, alur kerja dengan cabang if-else, model yang bisa memanggil API. Kata itu dipaksa memikul beban yang tidak pernah dirancang untuknya.
Kelonggaran itu ada harganya. Tim menyetujui pilot agentic AI dengan keyakinan kata itu berarti sesuatu yang spesifik, lalu baru sadar artinya apa pun yang dibutuhkan halaman marketing vendor pada kuartal itu. Uang mengalir mengejar labelnya alih-alih kapasitasnya.
Jadi mulai dari apa yang sebenarnya digambarkan istilah ini, tanpa bungkus pitch-nya.
Definisi satu kalimat
Agentic AI adalah AI yang mengejar sebuah tujuan lewat pekerjaan multi-langkah (merencanakan, memanggil tools, memeriksa hasilnya sendiri, dan memutuskan langkah berikutnya), bukan menghasilkan satu respons untuk satu prompt lalu berhenti.
Itu saja bedanya. Bukan soal kepribadian, bukan otonomi dalam arti dramatis, bukan "AI yang berpikir sendiri." Cuma: sistemnya berputar dan bertindak, atau menjawab lalu berhenti?
Agentic AI vs generative AI vs otomasi klasik
Ketiganya sering tertukar karena sama-sama terlihat seperti "AI membantu pekerjaan." Padahal masing-masing menyelesaikan masalah yang berbeda.
| Yang dilakukan | Yang tidak bisa dilakukan | |
|---|---|---|
| Generative AI | Menghasilkan satu output per prompt — teks, ringkasan, draf | Tidak memverifikasi outputnya sendiri atau bertindak ke sistem sesudahnya |
| Otomasi klasik / RPA | Menjalankan urutan langkah tetap persis seperti yang diskripkan | Tidak bisa menangani kasus yang tidak diantisipasi skripnya |
| Agentic AI | Merencanakan jalur menuju tujuan, memanggil tools, mengevaluasi hasil, menyesuaikan | Tidak aman dijalankan tanpa tata kelola — lihat di bawah |
RPA bersifat deterministik: input sama, langkah sama, setiap kali, dan justru itu sebabnya ia rusak begitu ada kasus nyata di luar skrip. Generative AI fleksibel tapi tanpa status: ia tidak punya ingatan apakah jawabannya tadi berhasil atau tidak. Agentic AI berada di antara keduanya: fleksibel seperti generasi, tapi dengan putaran yang membuatnya bisa memeriksa hasil kerjanya sendiri dan mencoba lagi.
Ujiannya sederhana: beri masing-masing satu tugas dengan satu kejutan kecil di dalamnya. RPA berhenti atau salah langkah diam-diam, karena kejutan itu tidak ada di skrip. Generative AI tetap menulis jawaban yang terdengar meyakinkan, karena ia tidak punya cara tahu kejutan itu penting. Agen adalah yang menyadari hasilnya terasa janggal, memeriksa ulang, lalu memperbaiki arah atau menandainya untuk manusia. Putaran menyadari-lalu-menyesuaikan itulah inti dari semuanya.
Empat komponen yang dibutuhkan setiap agen
Lepaskan semua istilah pemasarannya, dan setiap agen yang benar-benar jalan punya empat bagian yang sama.
| Bagian | Apa itu | Kenapa penting |
|---|---|---|
| Tujuan | Objektif yang terbatas: rekonsiliasi laporan distributor bulan ini, susun ringkasan pengecualian minggu ini, selesaikan tiket ini | Tujuan samar seperti "jadilah membantu" menghasilkan agen yang mengembara ke mana-mana |
| Tools | Sistem yang benar-benar bisa dipanggil agen: query database, pencarian di CRM, API yang mengirim pesan | Agen dengan tujuan tapi tanpa tools hanyalah chatbot dengan langkah tambahan |
| Memori | Apa yang sudah dicoba agen, apa yang berhasil, dan apa keadaan saat ini | Tanpanya, agen mengulang langkah gagal yang sama dalam putaran, cara paling umum demo agentic diam-diam gagal saat masuk produksi |
| Pengawasan | Titik di mana manusia bisa melihat apa yang akan dilakukan agen, menyetujuinya, atau menghentikannya | Pemeriksaan itu terjadi sebelum tindakan berkonsekuensi nyata, bukan sesudahnya |
Cara keempat bagian ini dirangkai punya pola-pola bernama tersendiri. Salah satu yang banyak dikutip adalah ReAct, dipaparkan dalam makalah riset "ReAct: Synergizing Reasoning and Acting in Language Models," di mana agen menyelang-nyelingkan satu langkah pelajuran pendek dengan satu langkah tindakan: ia memikirkan apa yang harus dilakukan, melakukannya, membaca hasilnya, lalu berlajur lagi dengan hasil itu di tangan. Putaran lajur-tindak-amati itulah yang membuat agen bisa mengoreksi arah di tengah tugas alih-alih terpaku pada rencana yang disusunnya sebelum ada hasil apa pun kembali.
Hilangkan salah satu dari empat bagian ini, dan yang tersisa adalah sesuatu yang lebih lemah yang memakai nama itu. Sistem dengan tujuan dan tools tapi tanpa pengawasan adalah skrip tanpa pemantauan yang kebetulan memakai language model. Sistem dengan tools dan memori tapi tanpa tujuan yang jelas mahal dan tidak tentu arah.
Seperti apa "agensi" seharusnya di dalam perusahaan?
Di dalam perusahaan, versi agentic AI yang aman adalah agensi yang terbatas (scoped agency) alih-alih otonomi tanpa batas. Tiga syarat membuatnya terbatas, dan masing-masing memetakan ke cara perusahaan sudah menata orang-orangnya.
Yang pertama adalah tanggung jawab yang jelas. Agen sebaiknya melaporkan angka satu departemen, dengan batas sejelas deskripsi pekerjaan, alih-alih samar-samar "menangani operasional." Kejelasan itulah alasan memberi agen struktur seperti struktur organisasi sejak awal begitu membantu. Yang kedua adalah akses data yang terkontrol: agen melihat apa yang memang sudah boleh dilihat orang yang diwakilinya, tidak lebih luas, tidak melewati izin yang sudah ada. Ini disiplin yang sama yang berlaku untuk sistem AI apa pun yang menyentuh data perusahaan, dan sudah ada jauh sebelum agen, bukan aturan khusus yang dibuat untuk mereka. Yang ketiga adalah pengawasan manusia atas tindakan. Agen bebas membaca dan melapor; ia sebaiknya bertindak hanya dengan persetujuan. Agen yang menandai invoice jatuh tempo langsung berguna sejak hari ia dinyalakan, sementara agen yang membayarnya tanpa manusia di dalam alurnya masuk kategori risiko yang sama sekali berbeda.
Agensi terbatas adalah satu-satunya versi agentic AI yang bertahan begitu bersentuhan dengan perusahaan sungguhan.
Apa yang tidak boleh berarti "agensi"?
Agen tanpa tata kelola gagal dengan cara yang bisa ditebak, dan kegagalannya jarang terlihat dramatis sampai menumpuk.
- Tanpa cakupan. Agen yang diberi mandat luas seperti "bantu bagian keuangan" tidak punya cara tahu apa yang di luar batas, sehingga akhirnya menjangkau data atau tindakan yang tidak pernah dimaksudkan untuk terbuka.
- Tanpa batas izin. Agen yang meng-query sistem dengan akses tinggi "biar lebih berguna" diam-diam berubah jadi kebocoran data terbesar di perusahaan, lebih buruk daripada kalau manusia yang melakukannya karena terjadi secepat mesin dan tanpa pikir dua kali. Ini justru pertanyaan yang layak ditanyakan ke vendor sebelum meneken apa pun.
- Tanpa jejak audit. Kalau tidak ada yang bisa menjawab "apa yang dilakukan agen dan kenapa," agen tidak bisa dipercaya untuk hal apa pun yang konsekuensial, sebagus apa pun jawaban individualnya.
- Tanpa gerbang persetujuan untuk tindakan yang tidak bisa dibatalkan. Mengirim pesan, memindahkan uang, mengubah catatan: tindakan yang tidak bisa dibatalkan diam-diam butuh manusia di ujung tombolnya, setiap kali, bukan hanya saat pilot.
Semua ini bukan argumen menentang agentic AI. Ini argumen menentang agentic AI yang tata kelolanya dilewati, sebuah pilihan yang dibuat tim alih-alih sifat bawaan teknologinya.
Apakah agentic AI cuma otomasi dengan nama baru?
Tidak persis, dan bedanya penting untuk apa yang seharusnya Anda harapkan darinya. Otomasi mengeksekusi; agen memutuskan, di dalam batas yang Anda tetapkan. Pertanyaan terkait yang berbeda adalah apa yang membedakan agen dari antarmuka yang sudah ada di pasar, yaitu chatbot dan copilot, karena "agentic" dipakai cukup longgar ke ketiganya sehingga perbandingannya layak dibahas tersendiri.
Di mana posisi Lajur
Agen Lajur dibangun terbatas sejak dari desainnya: agen tingkat departemen yang disusun seperti struktur organisasi, masing-masing dengan akses terkontrol yang mengikuti izin yang memang sudah dimiliki orang di peran itu, dan persetujuan manusia untuk tindakan yang berkonsekuensi nyata.
Kalau Anda ingin melihat bentuk agensi terbatas ini di dunia nyata, bukan hanya di definisi, demo interaktifnya berjalan di atas perusahaan tiruan yang realistis. Kalau Anda belum yakin data dan izin akses perusahaan Anda cukup rapi untuk mendukung agen dengan aman, BARI akan menjawab dengan jujur di posisi mana Anda berada.
Pertanyaan yang sering diajukan
- Apakah agentic AI cuma rebrand dari otomasi atau RPA?
- Tidak. RPA menjalankan urutan langkah tetap persis seperti yang diskripkan dan rusak begitu ada hal yang tidak diantisipasi. Agentic AI merencanakan jalur menuju tujuan, memanggil tools, mengevaluasi hasilnya sendiri, dan menyesuaikan. Pengambilan keputusannya terjadi saat berjalan, bukan cuma saat dirancang.
- Apakah agentic AI berarti AI bertindak tanpa persetujuan manusia?
- Seharusnya tidak, di dalam perusahaan. Pola yang aman adalah agensi terbatas: agen bebas membaca dan melapor di dalam batasnya, tapi tindakan berkonsekuensi nyata (mengirim pesan, mengubah catatan, memindahkan uang) melalui persetujuan manusia, bukan melewatinya.
- Apa beda agentic AI, copilot, dan chatbot?
- Chatbot menjawab dalam percakapan lalu berhenti. Copilot membantu di dalam satu tool yang sudah dipakai seseorang. Agen punya cakupan tanggung jawab, akses tools, dan kemampuan mengerjakan pekerjaan multi-langkah atas inisiatifnya sendiri. Batasnya lebih kabur di materi pemasaran daripada di praktiknya.
- Apa yang biasanya salah dari agentic AI di perusahaan?
- Kegagalan yang umum adalah kegagalan tata kelola, bukan kegagalan pelajuran: agen diberi mandat terlalu luas, akses data melebihi apa yang memang boleh dilihat orang yang diwakilinya, tidak ada jejak audit atas tindakannya, atau tidak ada gerbang persetujuan sebelum tindakan yang tidak bisa dibatalkan.