Konteks: Membangun Fondasi Data yang Tepercaya untuk AI Agentik

Konteks adalah kunci dalam cara kita berkomunikasi. Pernyataan yang dilepaskan dari konteks dapat terkesan memiliki makna yang justru bertolak belakang dengan maksud sebenarnya. Jika bertemu seseorang di luar konteks, kita mungkin kesulitan mengenalinya. Konteks adalah perekat yang menyatukan hubungan antarmanusia dan membantu kita menemukan makna dalam interaksi sosial.

Hal yang sama berlaku bagi agen AI. Konteks memungkinkan agen menghilangkan ambiguitas—misalnya, membedakan Apple (perusahaan teknologi), Apple (label rekaman), dan apple (buah).

Pembedaan makna ini sangat penting karena AI di perusahaan mengambil keputusan dan bertindak dengan sangat cepat: menandai transaksi, menyetujui kredit, dan memicu peringatan. Jika agen tidak memahami entitas yang terlibat dalam alur kerja mereka, agen akan tetap bertindak, tetapi bisa dipastikan mereka akan melakukan kesalahan.

Mengingat sejumlah perkiraan menunjukkan bahwa perusahaan besar pada umumnya akan menggunakan hingga 1.600 agen pada akhir tahun ini, kesalahan-kesalahan ini akan segera meningkat skalanya.

Kompleksitas Penyelesaian Identitas Digital

AI agentik memang memicu banyak antusiasme, tetapi hingga agen benar-benar dapat memahami entitas dalam kumpulan data mereka, kita berisiko membangun sesuatu di atas landasan yang rapuh.

Masalah ini tidak mudah diatasi. Sebagai contoh, seorang pelanggan bisa tercatat dengan nama yang berbeda-beda di berbagai basis data perusahaan (J. Bloggs, Jane Bloggs, Bloggs, dan sebagainya). Demikian pula, satu entitas perusahaan bisa dicatat secara terpisah di sejumlah anak perusahaannya. Bagaimana agen dapat mengetahui bahwa entitas-entitas yang tampaknya berbeda ini sebenarnya terkait dengan satu profil yang sama?

Saat ini, sering kali agen tidak mampu melakukannya. Ini disebabkan oleh cara agen dibuat. Pada dasarnya, agen adalah sistem yang menerima masukan dan menghasilkan keluaran. Namun, berapa banyak data yang sebenarnya perlu kita berikan kepada agen? Penelitian menunjukkan bahwa jendela konteks yang terlalu panjang menyebabkan agen berhalusinasi. Sebaliknya, jika data yang diberikan terlalu sedikit, agen akan mengambil keputusan dengan yakin dan bertindak berdasarkan informasi yang tidak akurat. Perusahaan perlu menjaga keseimbangan dengan memberikan konteks sebanyak yang dibutuhkan sistem—tidak lebih dan tidak kurang.

Integrasi Data adalah Kunci

Volume data hanyalah sebagian dari tantangan. Perusahaan juga perlu memperhatikan kualitas dan integrasi data. Konteks yang buruk berasal dari data yang tidak terhubung dengan baik. Halusinasi dapat terjadi ketika data yang dibutuhkan agen untuk mengambil keputusan tersebar di berbagai basis data, aplikasi, dan unit bisnis yang terpisah-pisah. Sekitar 80–90% konteks bisnis tersimpan dalam berkas yang terpisah-pisah dan tidak terstruktur di berbagai sistem yang tidak saling terhubung. Tanpa akses ke informasi ini, keluaran AI akan didasarkan pada asumsi yang tidak lengkap.

Terlepas dari semua masalah ini, penerapan agen AI terus berlangsung dengan pesat. Jika para pemimpin bisnis tidak dapat memercayai agen mereka untuk mengambil keputusan secara akurat dan bertindak dengan benar, mereka harus berinvestasi dalam pengawasan manusia yang lebih besar daripada yang seharusnya diperlukan. Alih-alih mendapatkan agen otonom yang sangat efisien seperti yang mereka harapkan, perusahaan justru akan memiliki perangkat yang tidak dapat dipercaya dan harus terus diawasi. Alternatifnya adalah meningkatkan risiko bisnis serta beban kerja tim kepatuhan dan hukum.

Membangun Fondasi Data Kontekstual

Lalu, apa yang perlu dilakukan? Kuncinya adalah membekali agen dengan fondasi data yang akurat dan terverifikasi. Fondasi ini menyatukan data yang terfragmentasi dari sumber internal maupun eksternal dan menerapkan tata kelola yang konsisten pada data terstruktur maupun tidak terstruktur. Selanjutnya, fondasi ini menambahkan konteks agar data yang diberikan kepada AI mencerminkan hubungan di dunia nyata, bukan sekadar catatan yang berdiri sendiri. Dengan demikian, agen dapat menghubungkan seseorang dengan nama aliasnya, atau anak perusahaan dengan perusahaan induknya.

Dengan adanya fondasi kontekstual, operasi yang didukung AI menjadi akurat, dapat dijelaskan, dan mampu mendukung pengambilan keputusan yang meyakinkan. Perusahaan dapat memercayai agen mereka alih-alih harus terus mengawasinya, sehingga dapat menikmati sepenuhnya manfaat otomatisasi agentik tanpa memerlukan pengawasan berlebihan.

Dari sisi teknis, konteks diwujudkan melalui dua kemampuan. Yang pertama adalah resolusi entitas. Kemampuan ini menghubungkan catatan yang merujuk pada entitas yang sama ketika rujukan tersebut tersebar di berbagai sistem dan jenis data. Catatan-catatan itu diselaraskan menjadi satu tampilan yang andal mengenai orang, organisasi, dan aset. Duplikasi dan ambiguitas yang kerap menurunkan kualitas data serta menyebabkan keluaran AI keliru pun dapat diatasi.

Kemampuan kedua adalah graf pengetahuan. Graf ini menambahkan konteks dengan memodelkan hubungan ant entitas: bagaimana pelanggan terhubung dengan akun, bagaimana transaksi berkaitan dengan perilaku, dan bagaimana risiko menyebar di berbagai jaringan. Jika dipadukan dengan resolusi entitas, graf pengetahuan membangun gambaran data yang akurat sebagaimana adanya di dunia nyata, sehingga menyediakan fondasi yang dibutuhkan agen AI untuk beroperasi dengan sukses dalam skala besar.

Manfaat yang Melampaui AI Agentik

Tentu saja, agen AI bukan satu-satunya pihak di perusahaan yang menggunakan data. Fondasi data kontekstual memastikan bahwa staf operasional, tim kepatuhan, analis bisnis, tim SDM, dan semua pengguna data lainnya juga mendapatkan gambaran yang terpadu dan akurat tentang kondisi yang ada.

Hal ini pada akhirnya dapat meningkatkan pengalaman pelanggan. Misalnya, jika sebuah bisnis menyimpan beberapa profil untuk pelanggan yang sama, pelanggan tersebut bisa dihubungi berkali-kali oleh tim yang berbeda. Pengalaman seperti ini tentu dapat membuat pelanggan merasa frustrasi. Data yang diperkaya dengan konteks meningkatkan pengalaman pelanggan karena memungkinkan organisasi memahami pelanggan secara lebih menyeluruh dan memastikan mereka berinteraksi dengan pelanggan secara tepat. Pada akhirnya, pendekatan yang lebih berpusat pada manusia ini dapat menghemat waktu dan biaya bisnis.

Menjaga AI Tetap Andal

Gartner memperkirakan bahwa 40% aplikasi perusahaan akan dilengkapi agen AI khusus tugas tahun ini, naik dari kurang dari 5% pada 2025. Era AI agentik telah tiba.

Namun, tidak semua pihak yang berinvestasi dalam teknologi ini akan merasakan manfaat penuh alur kerja AI agentik secara setara. Organisasi yang mempersiapkan diri dengan memastikan adanya fondasi data terpadu yang kaya konteks akan dapat memercayai hasil AI dan meningkatkan skala dengan cepat. Organisasi lainnya akan membuang waktu dan tenaga untuk terus mengawasi sistem baru mereka. Karena itu, keberhasilan bergantung pada penanaman lapisan konteks yang terus berkembang ke dalam tumpukan teknologi agentik sejak hari pertama.