Jakarta | Menurut Syifa Fadiyah, VP of Communications HashMicro, perusahaan sebaiknya memahami terlebih dahulu bagaimana kinerja bisnisnya sebelum mempertimbangkan penerapan teknologi baru. Pemahaman ini mencakup proses yang berjalan, hasil yang telah dicapai, hambatan yang kerap muncul, serta faktor yang memengaruhi produktivitas dan biaya. Tanpa gambaran kondisi awal yang jelas, perusahaan akan kesulitan menilai apakah sebuah solusi benar-benar menjawab kebutuhan atau hanya terlihat menarik karena sedang berkembang.
Langkah pertama, karena itu, bukan memilih atau langsung menggunakan AI. Perusahaan perlu mengenali kebutuhan bisnis dan merumuskan masalah secara spesifik. Misalnya, apakah keterlambatan pemrosesan pesanan terjadi akibat alur persetujuan yang panjang, data yang tersebar, atau keterbatasan kapasitas tim? Penyebab yang berbeda membutuhkan pendekatan yang berbeda pula. Dengan menelusuri proses dan mengukur kinerja sebelumnya, perusahaan dapat menentukan prioritas berdasarkan dampak, bukan sekadar mengikuti tren teknologi.
Penetapan kondisi awal juga membantu perusahaan menyusun ukuran keberhasilan yang realistis. Jika masalahnya adalah waktu penyelesaian tugas, perusahaan dapat membandingkan durasi sebelum dan sesudah perubahan. Jika tujuannya meningkatkan akurasi, tingkat kesalahan dapat menjadi tolok ukur. Ukuran yang terdefinisi membuat evaluasi lebih objektif dan membantu menentukan apakah investasi teknologi memberikan manfaat yang sepadan. Selain itu, perusahaan dapat mengenali risiko, kebutuhan integrasi, kesiapan data, serta perubahan cara kerja yang mungkin diperlukan.
Setelah kebutuhan tersebut dipahami, barulah agentic AI dapat dinilai sebagai salah satu opsi. Agentic AI merupakan sistem otonom yang dapat merencanakan langkah, mengambil keputusan, dan menjalankan tugas untuk mencapai tujuan tertentu tanpa memerlukan arahan manusia pada setiap langkah. Kemampuan ini berbeda dari otomatisasi sederhana yang hanya mengikuti aturan tetap atau merespons instruksi satu per satu. Namun, sifat otonom tidak berarti teknologi ini cocok untuk semua proses. Ruang lingkup tugas, batas kewenangan, kualitas data, dan mekanisme pengawasan tetap perlu ditentukan.
Dengan berangkat dari masalah bisnis, perusahaan dapat memilih solusi secara lebih terarah, termasuk menentukan apakah agentic AI memang diperlukan. Pendekatan ini menjaga teknologi tetap menjadi sarana untuk memperbaiki kinerja, bukan tujuan tersendiri. Hasilnya, keputusan adopsi lebih berpeluang selaras dengan prioritas organisasi dan dapat dievaluasi melalui perubahan yang nyata.
Penerapan agentic AI sebaiknya tidak dimulai dengan menyusun prompt atau memberikan perintah agar teknologi langsung menjalankan pekerjaan. Langkah pertama adalah memahami persoalan bisnis yang hendak diselesaikan. Perusahaan perlu mengidentifikasi bagian proses yang menghadapi hambatan, kebutuhan yang belum terpenuhi, atau pekerjaan berulang yang menyita waktu tim. Dengan titik berangkat tersebut, pembahasan AI menjadi lebih terarah dan tidak sekadar mengikuti tren. Teknologi dipertimbangkan sebagai salah satu cara untuk menjawab kebutuhan yang nyata, bukan sebagai tujuan tersendiri. Pendekatan ini juga membantu perusahaan membedakan masalah yang memang dapat ditangani melalui otomasi atau dukungan AI dari persoalan yang membutuhkan perubahan proses, kebijakan, maupun keputusan manusia.
Setelah masalah dirumuskan, perusahaan perlu menetapkan use case yang spesifik. Rumusan itu dapat menjelaskan siapa yang akan menggunakan sistem, proses apa yang akan didukung, informasi apa yang dibutuhkan, serta batas tindakan yang boleh dilakukan oleh agen AI. Kejelasan tersebut membantu tim menilai apakah sebuah kasus penggunaan layak diterapkan dan bagaimana keberhasilannya akan diukur. Cakupan awal yang terdefinisi juga mengurangi risiko memberi sistem kewenangan terlalu luas sebelum perusahaan memahami kinerjanya. Dalam tahap ini, penting untuk memperhatikan keterlibatan karyawan, kualitas data, kebutuhan pengawasan, dan kemungkinan pengecualian. Dengan demikian, rancangan penerapan dapat disesuaikan dengan kenyataan operasional, bukan hanya dengan kemampuan yang ditawarkan teknologi.
Tujuan yang ingin dicapai ketika agentic AI bekerja bersama tim juga perlu dinyatakan secara konkret. Sasaran dapat berkaitan dengan waktu penyelesaian, konsistensi hasil, kapasitas layanan, atau berkurangnya beban tugas rutin, sepanjang relevan dengan masalah yang telah dipilih. Menurut penekanan Syifa, kejelasan masalah dan sasaran merupakan dasar penerapan AI; tanpa keduanya, perusahaan akan kesulitan menentukan apakah sistem memberi manfaat atau sekadar menghasilkan aktivitas baru. Sasaran yang terukur membantu tim memantau hasil, mengenali kekurangan, dan memutuskan apakah solusi perlu diperbaiki, diperluas, atau dihentikan. Dengan urutan ini, prompt dan instruksi teknis disusun setelah arah bisnis dipahami, sehingga peran AI selaras dengan kebutuhan perusahaan dan kerja tim.
Dalam penerapan agentic AI, perusahaan perlu menetapkan tolok ukur yang membantu menilai apakah sistem benar-benar menghasilkan manfaat sesuai tujuan bisnis. Ukuran tersebut menjadi dasar untuk membandingkan hasil yang diharapkan dengan pekerjaan yang dilakukan AI, bukan sekadar melihat bahwa sebuah tugas telah selesai. Tanpa tolok ukur yang jelas, keberhasilan mudah dinilai secara subjektif dan masalah dapat luput dari perhatian. Karena itu, sejak awal perusahaan perlu menjelaskan hasil yang dianggap memadai, konteks tugas, serta cara meninjau keluaran sistem. Kerangka penilaian ini sebaiknya terkait langsung dengan masalah bisnis yang hendak diselesaikan, sehingga evaluasi tetap relevan bagi pengambil keputusan dan tim operasional.
Pengawasan juga perlu mencakup tugas yang dijalankan sistem, bukan hanya hasil akhirnya. Perusahaan perlu memahami apa yang dilakukan AI, bagaimana tugas berlangsung, dan apakah langkah-langkahnya tetap sesuai dengan tujuan yang ditetapkan. Tinjauan terhadap proses dapat membantu menemukan penyimpangan atau kesulitan yang tidak terlihat dari keluaran akhir saja. Pemantauan ini bukan berarti setiap pekerjaan harus ditangani secara manual, melainkan memastikan tersedia cara untuk memeriksa kinerja dan menindaklanjuti temuan. Dengan demikian, perusahaan dapat mengetahui kapan sistem bekerja sesuai harapan dan kapan hasil atau prosesnya perlu dievaluasi kembali.
Penilaian kinerja harus mempertimbangkan pula apakah AI memahami skenario bisnis nyata yang dihadapinya. Sistem yang tampak berhasil dalam kondisi tertentu belum tentu mampu menangani variasi konteks yang muncul dalam pekerjaan sehari-hari. Karena itu, evaluasi perlu melihat kesesuaian pemahaman dan tindakannya dengan situasi bisnis yang sebenarnya, serta memastikan sistem tidak melanggar batasan yang berlaku. Jika ditemukan ketidaksesuaian, perusahaan perlu meninjau kembali hasil maupun proses yang menghasilkannya sebelum memperluas penggunaan AI. Tolok ukur dan pengawasan yang berkelanjutan membantu organisasi membuat keputusan berdasarkan bukti, mengoreksi masalah, dan menjaga penerapan agentic AI tetap selaras dengan kebutuhan bisnis.
Perusahaan yang mulai mengadopsi agentic AI sebaiknya tidak langsung menyerahkan proses penting atau keputusan berdampak besar kepada agen. Langkah awal yang lebih terukur adalah memilih tugas berisiko rendah, memiliki batasan yang jelas, dan hasil yang dapat diperiksa. Contohnya dapat berupa mengelompokkan permintaan pelanggan, merangkum dokumen internal, atau menyiapkan draf laporan untuk ditinjau karyawan. Dengan cakupan kerja yang sempit, organisasi dapat mengamati cara agen bekerja tanpa mempertaruhkan keselamatan, kepatuhan, maupun kepercayaan pelanggan.
Syifa menyampaikan anjuran tersebut dalam acara Road to Awards 2026 “Best AI Ecosystem” pada Jumat, 30 Oktober 2026, di Jakarta. Menurut pendekatan yang dipaparkan, penerapan AI otonom perlu diperlakukan sebagai proses bertahap, bukan perubahan sekaligus. Perusahaan perlu memastikan bahwa tugas yang dipilih telah didefinisikan dengan baik: tujuan, sumber data yang boleh digunakan, batas kewenangan, kondisi ketika agen harus berhenti, serta pihak yang menerima eskalasi harus ditentukan sejak awal. Kejelasan ini membantu tim menilai apakah hasilnya sesuai harapan dan apakah tindakan agen tetap berada dalam kendali.
Setelah agen menunjukkan kinerja yang konsisten, tanggung jawabnya dapat diperluas secara bertahap. Perluasan dapat mencakup lebih banyak variasi kasus, akses ke sistem tambahan, atau kemampuan menyelesaikan tahapan kerja berikutnya.
Baca juga: Harga Emas dan Risiko yang Perlu Dipahami Sebelum Membeli | Sebelum Masuk Bursa Berjangka Komoditi, Trader Perlu Memahami Produk dan Legalitas Pialang | Polri Tetapkan 20 Korporasi Tersangka Karhutla, Usulkan Pencabutan Izin 23 Perusahaan
