Agen AI Anda Hanya Sebaik Sistem Pengarsipan Anda

Pada 30 Desember 2025, layanan pos Denmark mengirimkan surat terakhir dalam sejarah 401 tahunnya. 1.500 kotak pos yang tersisa diangkat dari jalan selama tahun itu. Sementara itu, pada Juli 2026 kabinet federal Jerman menyetujui GeDIG, undang‑undang data kesehatan dan inovasi digital, yang akan menghapus faks dari kantor dokter pada musim gugur 2029 dan mewajibkan rujukan elektronik.

Jadi, bagaimana mungkin satu negara dapat menerapkan perubahan tersebut sementara negara lain masih mengurangi ketergantungannya pada mesin faks dalam abad ini? Dengan mempertimbangkan penggunaan AI dalam bisnis di masing‑masing negara, 42% perusahaan Denmark menggunakan setidaknya satu teknologi AI pada 2025, persentase tertinggi di Eropa. Jerman berada pada 26%, di atas rata‑rata UE namun enam belas poin di belakang Denmark.

Bagi saya, kontras ini mendorong kita untuk meninjau kembali keyakinan kita tentang adopsi AI. Khususnya keyakinan bahwa pilihan model adalah titik awal adopsi AI, mengabaikan kondisi sistem di sekitar model. Kedua negara memiliki akses ke model dan penyedia cloud yang sama, tetapi perbedaannya terletak pada apakah proses bisnis dan publik sudah menghasilkan catatan digital yang dapat diandalkan. Karena agen AI tidak berinteraksi langsung dengan realitas, melainkan dengan versi realitas yang tersedia dalam sistem, hal ini secara alami menimbulkan beberapa kendala.

Kendala Pertama: Informasi Tidak Pernah Didigitalkan

Seorang agen tidak dapat mengambil dokumen yang tidak pernah masuk ke dalam sistem. Bentuk aliran informasi organisasi menentukan apa yang dapat dipersepsikan agen sebagai tugas.

Pada tingkat negara, data Eurostat menunjukkan bahwa adopsi AI bisnis berkorelasi dengan digitalisasi proses administratif. Namun mekanisme kuncinya adalah bahwa negara‑negara di mana warga sudah menerima dokumen resmi secara digital memiliki lebih sedikit interaksi di luar sistem yang harus direkonsiliasi oleh perusahaan, sehingga mengurangi jumlah pekerjaan interpretasi yang diperlukan sebelum AI dapat digunakan secara aman dalam operasi.

Pada tingkat perusahaan, sebuah studi IZA 2026 pada 1.907 perusahaan Denmark menemukan bahwa peningkatan satu deviasi standar dalam digitalisasi terkait dengan probabilitas 8 hingga 10 poin persentase lebih tinggi untuk mengadopsi sistem AI inti. Hal ini menunjukkan bahwa adopsi AI bergantung pada apakah operasi internal perusahaan sudah terorganisir secara terstruktur digital, dapat dibaca mesin. Jika proses terfragmentasi, terdapat sedikit informasi stabil bagi sistem atau agen AI untuk bertindak.

Ini juga dapat membantu menjelaskan mengapa digitalisasi yang digerakkan kebijakan tidak otomatis menghasilkan kesiapan AI. e-invoicing B2B wajib menciptakan saluran digital penuh, namun adopsi AI secara keseluruhan tetap di bawah rata‑rata UE. Mendigitalkan satu langkah tidak menghilangkan sistem analog di sekitarnya.

Kendala Kedua: Informasi Hanya Ada di Kepala Seseorang

Manusia menjalankan operasi, yang berarti sebagian besar waktu mereka mengetahui detail yang tidak diketahui AI. Seorang administrator keuangan mengetahui bahwa penyewa membayar tunai, tetapi pembayaran tersebut tidak pernah dimasukkan ke dalam sistem akuntansi. Akibatnya, catatan bank dan sistem tidak cocok. Administrator memahami alasannya, sementara AI hanya melihat data yang tidak konsisten. Seorang manajer properti mengingat bahwa pemilik meminta untuk tidak dihubungi selama dua minggu. Sebuah tim mengetahui solusi alternatif untuk satu gedung atau klien, tetapi tidak ada yang mendokumentasikannya.

ClarEval menguji tugas dengan tujuan yang hilang, premis yang hilang, dan terminologi yang ambigu. Kinerja model turun dari sekitar 89% setelah klarifikasi menjadi kira‑kira 9% ketika ambiguitas tidak terselesaikan. Sementara itu, Ambig-SWE menemukan bahwa memungkinkan model untuk menanyakan kepada pengguna yang memiliki informasi yang hilang dapat memulihkan hingga 74% dari penurunan kinerja. Ini menunjukkan bahwa insinyur harus membangun sistem yang mampu meminta klarifikasi sejak awal.

Kendala Ketiga: Informasi Ada tetapi Tidak Dapat Ditransfer

Beberapa data tersedia di dalam perusahaan namun tetap tidak dapat mencapai model karena aturan privasi, kontrol keamanan, kontrak, atau kebijakan internal.

A studi berdasarkan tujuh tahun data cloud menemukan bahwa GDPR—undang‑undang privasi data inti UE—mengurangi penyimpanan data sebesar 26% dan pemrosesan sebesar 15% di antara perusahaan UE dibandingkan dengan perusahaan AS yang sebanding. Dengan kata lain, regulasi privasi membuat perusahaan menjadi kurang intensif data dengan membatasi jumlah informasi yang dapat mereka simpan dan proses untuk analitik dan AI. adopsi AI Generatif hampir setara, yaitu 37% perusahaan UE dan 36% perusahaan AS. Namun kesenjangan dalam kedalaman adopsi AI sangat besar, dengan 81% perusahaan AS menggunakan AI dalam setidaknya dua proses internal, dibandingkan 55% di UE. Salah satu alasan yang mungkin adalah bahwa informasi yang sudah ada di dalam organisasi seringkali lebih sulit untuk digunakan kembali bagi AI di Eropa. Percakapan dukungan pelanggan, misalnya, sering berisi data pribadi yang dikumpulkan untuk menyelesaikan masalah pelanggan. Di bawah prinsip pembatasan tujuan GDPR (Pasal 5(1)(b)), data ini tidak dapat sekadar dipakai kembali untuk pelatihan AI tanpa dasar hukum yang sah. Perusahaan AS umumnya menghadapi lebih sedikit pembatasan federal yang setara dalam menggunakan kembali data semacam itu.

Cara Membangun Sistem yang Tepat

Pengambilan hanya berfungsi ketika jawaban ada dalam sistem. Agen harus bertanya ketika informasi tidak ada, tidak pernah menebak, dan mengubah panggilan atau keputusan informal menjadi catatan terstruktur. Perusahaan juga harus menghapus alur kerja kertas paralel karena jika sebuah tugas dapat terjadi di luar sistem, sebagian konteks akan tetap tidak terlihat.

Setiap perusahaan harus menyadari kesenjangan mereka sendiri. Ukur apakah fakta yang diperlukan untuk bertindak dengan benar berada dalam sistem atau tidak. Uji alur kerja dengan dan tanpa bidang tinjauan privasi yang dikecualikan. Terakhir, untuk alur kerja yang dapat diselesaikan secara kertas, itulah agen yang harus dibangun terakhir.

Agen dapat meningkatkan output manusia, tetapi mereka tidak memperbaiki apa yang hilang.