Mengapa Agentic AI Harus Menjadi Bagian dari Strategi Manajemen Operasional Anda

Agentic AI tidak akan hadir sebagai sistem yang dikodifikasi dan vertikal. Ini akan muncul sebagai ribuan pekerja digital kecil yang berspesialisasi dan beroperasi di seluruh perusahaan. Di ritel, kesehatan, dan layanan makanan, agen-agen ini akan mengkoordinasikan pengiriman, menyesuaikan suhu, mengatur jadwal staf, menandai risiko kepatuhan, dan mengatur kembali persediaan secara real-time. Tim korporat akan menetapkan tujuan dan batasan, sementara operasional garis depan akan melihat agen-agen yang secara diam-diam menangani keputusan rutin dan eskalasi. Tim manusia akan dibebaskan dari beban administratif mereka untuk fokus pada penilaian, strategi, dan pengecualian sementara agen-agen mengelola aliran eksekusi sehari-hari.

Dari Otomatisasi ke Koordinasi Otonom

Selama dekade terakhir, otomatisasi perusahaan telah fokus pada menghilangkan pekerjaan berulang. Sistem IoT memantau kondisi kritis pada peralatan jarak jauh. Perangkat lunak alur kerja mengarahkan resep, persetujuan, dan konfirmasi. Otomatisasi robotik mempercepat proses manufaktur. Alat-alat ini mengurangi gesekan, tetapi mereka bergantung pada instruksi Standar Operasional Prosedur (SOP) yang sangat spesifik yang ditulis oleh manusia.

Agentic AI melampaui proses perencanaan rantai pasokan tradisional dan mengubah arsitektur kerja itu sendiri. Dalam skenario konvensional, peramalan permintaan, penjadwalan produksi, pengadaan, dan logistik dikelola oleh tim yang berbeda. Masing-masing dioptimalkan untuk tujuan mereka sendiri. Target pendapatan, margin, tingkat layanan, dan biaya bersaing dalam pertemuan mingguan. Manusia bertindak sebagai lapisan negosiasi di seluruh fungsi, peringatan Human-in-the-Loop (HITL).

Dengan agentic AI, agen-agen digital mewakili setiap tujuan. Satu agen fokus pada generasi permintaan. Yang lain mengelola keterbatasan pasokan. Yang ketiga mengoptimalkan ukuran batch produksi. Yang keempat memposisikan persediaan di seluruh jaringan multi-echelon. Sebagai gantinya menunggu pertemuan S&OP bulanan, agen-agen ini bernegosiasi terus-menerus di antara mereka sendiri secara real-time—menyeimbangkan trade-off di seluruh pendapatan, margin, kapasitas, pajak, kepatuhan, dan logistik.

Di bidang kesehatan, koordinasi tersebut mungkin berarti menyeimbangkan tingkat staf, kepatuhan regulasi, persyaratan rantai dingin, dan throughput pasien. Di layanan makanan, itu mungkin melibatkan menyesuaikan promosi berdasarkan persediaan yang tersedia sambil mencegah kehabisan stok. Di ritel, itu bisa berarti menggeser persediaan di seluruh wilayah untuk melindungi margin sambil mempertimbangkan biaya transportasi dan permintaan musiman.

Dampak Administratif

Perencanaan korporat, analisis pengadaan, pemodelan transportasi, keputusan harga, dan bahkan struktur pajak melibatkan tujuan yang terstruktur dan ruang keputusan yang terbatas. Lingkungan ini optimal untuk agen-agen. Pertimbangkan tim pengadaan korporat yang ditugaskan untuk mengoptimalkan pemilihan supplier di seluruh biaya, kualitas, waktu tunggu, dan persyaratan regulasi. Saat ini, analis secara manual menggabungkan spreadsheet dan rencana skenario. Sistem agentic terus-menerus mengevaluasi trade-off, menandai risiko yang muncul, dan menegosiasikan kembali alokasi berdasarkan input waktu nyata.

Bahkan koordinasi perjalanan untuk pertemuan perusahaan-wide adalah tujuan agentic yang valid jika dirumuskan dengan benar. “Koordinasikan dan beli tiket pesawat, mobil, bus, dan hotel pada berbagai tanggal berdasarkan anggaran dan kalender individu” bukanlah tugas; itu adalah tujuan dengan batasan. Batasan anggaran, kepatuhan kebijakan, preferensi pelancong, dan eksposur risiko menjadi batasan. Agen menentukan tugas yang diperlukan seperti mencari tarif, memesan itinerary, dan menyesuaikan untuk pembatalan sambil tetap dalam batasan yang ditentukan.

Pemimpin perusahaan harus menolak godaan untuk mengassign agen-agen dengan tujuan yang samar seperti “tingkatkan pendapatan sebesar 10% pada kuartal ini.” Tingkat abstraksi tersebut kekurangan batasan yang dapat diambil tindakan. Sebagai gantinya, tetapkan tujuan yang operasional, spesifik, dan berbasis pada hasil:

• Optimalkan posisi persediaan multi-echelon untuk meningkatkan tingkat layanan sebesar dua poin persentase sambil menjaga margin untuk kelas barang cepat bergerak A
• Kurangi limbah produk kadaluarsa dengan mengkoordinasikan pembentukan permintaan dan pengisian kembali dengan persediaan produk keluarga X yang ada
• Seimbangkan jadwal kerja regional untuk memenuhi target kepatuhan dan biaya.

Perbedaan kunci adalah antara tugas dan tujuan. Tugas adalah aksi diskrit. Tujuan mendefinisikan hasil di bawah batasan. Agentic AI beroperasi pada tingkat tujuan. Ukuran tujuan harus ambisius enough untuk memerlukan koordinasi di seluruh fungsi tetapi cukup sempit untuk diukur dan diaudit.

Pemerintahan di Era Otonom

Ketika agen-agen diberdayakan untuk menentukan tugas mereka sendiri, pemerintahan menjadi sentral.

Batasan akan menyerupai hibrida dari manual kebijakan dan kontrak hukum. Mereka akan mengkodekan kepatuhan regulasi, standar etika, batasan anggaran, dan ambang batas eskalasi. Mereka akan mendefinisikan apa yang diizinkan untuk dioptimalkan oleh agen dan di mana persetujuan manusia diperlukan.

Pertanyaan akuntabilitas akan muncul dengan cepat. Jika agen membuat keputusan yang melanggar regulasi atau menciptakan risiko keuangan, tanggung jawab tidak akan berada pada algoritma. Ini akan berada pada organisasi atau departemen yang mengirimkan agen.

Model kepemilikan harus eksplisit. Jejak audit harus mendokumentasikan jalur penalaran. Kemampuan menjelaskan akan menjadi penting tidak karena eksekutif menuntutnya, tetapi karena regulator akan.

Kami sudah melihat sistem AI menulis sebagian besar kode mereka sendiri, dengan manusia beralih ke peran asuransi kualitas daripada menulis garis kode sebenarnya. Perubahan itu akan dipercepat dalam operasional. Karyawan yang sebelumnya mengeksekusi tugas perencanaan rutin akan semakin mengawasi agen-agen, memvalidasi output, memperbarui batasan, dan mengelola pengecualian. Pemimpin perusahaan harus mengidentifikasi siklus keputusan operasional berulang yang ada dan mengubahnya menjadi tujuan yang jelas, berbasis pada hasil, dengan pedoman berikut:

• Artikulasikan tujuan dan trade-off di seluruh fungsi ketika mengassignnya kepada agen-agen.
• Tetapkan batasan formal yang mengkodekan batasan regulasi, keuangan, dan etika.
• Assign sponsor manusia yang bertanggung jawab untuk beroperasi sebagai lapisan Human-in-the-Loop untuk agen-agen yang diterapkan.
• Bangun kemampuan pemantauan dan audit untuk melacak kinerja dan logika keputusan.
• Mulai dengan domain yang terkandung, berdampak tinggi, dan ekspansi ketika pemerintahan matang.

Agentic AI mewakili evolusi struktural dalam manajemen operasional. Ini memindahkan optimasi dari negosiasi manusia periodik ke koordinasi mesin yang berkelanjutan. Ini meluas di luar garis depan ke dalam domain perencanaan korporat dan administratif, meningkatkan peran manusia dari eksekusi ke pengawasan dan penilaian. Perusahaan yang memperlakukan agen-agen sebagai kolaborator strategis daripada alat otomatisasi inkremental akan membangun operasional yang lebih tangguh, adaptif. Agentic AI melampaui koordinasi otomatisasi. Itu meluas di luar garis depan ke dalam perencanaan korporat dan domain administratif, meningkatkan peran manusia dari eksekusi ke pengawasan dan penilaian. Perusahaan yang memperlakukan agen-agen sebagai kolaborator strategis daripada alat otomatisasi inkremental akan membangun operasional yang lebih tangguh, adaptif.