Munculnya Agentic AI: Pendekatan Tiga Langkah Strategis untuk Otomatisasi Cerdas

Seperti banyak orang, saya menyukai saran yang baik. Namun, terkadang saya memerlukan bantuan untuk menyelesaikan sesuatu.

Revisi berikutnya dari AI — agentic AI — akan membawa kita dari saran ke penyelesaian tugas. Ini akan memungkinkan bisnis yang memanfaatkannya untuk melompat maju secara transformatif.

Tapi, melompat ke mana? Dan bagaimana transformasinya?

Agentic AI dapat mengurangi biaya dukungan pelanggan sebesar 25-50% sambil meningkatkan kualitas dan kepuasan pelanggan karena dapat melampaui eksekusi tugas sederhana. Ini juga dapat menyelesaikan alur kerja dan interaksi pelanggan yang kompleks secara otonom. Ketika diterapkan pada dukungan pelanggan, misalnya, agen tidak hanya merespons pertanyaan tetapi juga menyelesaikan pertanyaan dari awal hingga akhir, mengurangi intervensi manusia dan meningkatkan efisiensi.

Seperti teknologi baru lainnya, mengadopsi agentic AI menimbulkan tantangan. Perusahaan harus memiliki alur kerja yang terdokumentasi dengan baik dan dipahami secara mendalam serta memiliki basis pengetahuan yang kuat yang dapat diakses oleh agentic AI. Dan sama seperti generative AI, keamanan dan privasi data memerlukan perusahaan untuk memahami model bahasa besar (LLM) yang mereka gunakan dan bagaimana informasi disimpan dan diproses.

Namun, strategi adopsi yang tepat untuk otomatisasi cerdas dapat memastikan keberhasilan. Untuk memperoleh manfaat maksimal, perusahaan harus melakukan tiga hal:

• Mulai dari tempat yang tepat
• Seimbangkan agentic AI dengan keahlian manusia
• Mengakses jaringan keahlian agentic

Meskipun masih dalam tahap awal, berikut adalah apa yang kita pelajari saat bekerja dengan klien dari berbagai industri untuk mengintegrasikan agentic AI ke dalam alur kerja dan operasi mereka.

Jangan Mulai Kecil — Mulai dengan Cerdas

Mungkin tidak intuitif, tempat terbaik untuk memulai adalah dengan kasus penggunaan volume tertinggi. Apakah itu berisiko? Tidak jika dilakukan dengan benar. Faktanya, memulai dengan kasus penggunaan volume rendah mungkin tampak mengurangi risiko, tetapi sebenarnya meningkatkan risiko tidak melihat dampak yang cukup untuk membenarkan investasi.

Memulai dengan kasus penggunaan volume tinggi menawarkan potensi pengembalian investasi (ROI) terbesar, memungkinkan perusahaan untuk dengan cepat menyadari dampak signifikan, memaksimalkan keuntungan efisiensi, dan menunjukkan nilai jelas menggunakan agen AI.

Bagaimana Anda mengurangi risiko memulai terlalu besar? Dengan menerapkan agen secara awal dengan hanya 1% dari volume kasus penggunaan terbesar. Pendekatan ini memungkinkan Anda untuk mengidentifikasi dan memperbaiki masalah potensial sambil mempersiapkan untuk otomatisasi yang lebih luas.

Untuk perusahaan ritel, ini mungkin berarti mengotomatisasi alur kerja “di mana pesanan saya?” atau pemrosesan pengembalian. Selain memantau pengiriman di seluruh jaringan pengiriman perusahaan, agen AI dapat memverifikasi identitas pelanggan, memeriksa status waktu nyata, dan memperbarui pelanggan — bahkan menawarkan opsi jika pesanan tertunda secara tidak terduga.

Untuk pengembalian, agen dapat memeriksa kebijakan pengembalian perusahaan, mengumpulkan informasi pelanggan tentang pengembalian, menyarankan langkah selanjutnya, dan menyelesaikan tugas terkait, seperti mencetak label pengembalian, menjadwalkan pengambilan, mengeluarkan pengembalian, dll. Agen pengembalian juga dapat memantau pola penyalahgunaan dan, jika diperlukan, menyesuaikan keputusan dan langkah selanjutnya.

Setelah perusahaan menerapkan agen AI pada sampel bagian dari alur kerja volume tinggi, mereka harus memantau aktivitas alur kerja untuk mengidentifikasi di mana mereka mungkin perlu penyesuaian. Ketika agen berfungsi dengan lancar, perusahaan dapat memperluas penggunaannya dalam jumlah yang telah ditentukan hingga akhirnya menangani seluruh volume alur kerja.

Tentu saja, tidak semua tugas dan alur kerja dapat diotomatisasi sepenuhnya dengan agentic AI. Faktanya, menjaga keahlian manusia tetap terhubung dengan operasi agen AI akan menghasilkan hasil terbaik.

Seimbangkan AI dengan Keahlian Manusia

Ketika perusahaan memeriksa alur kerja dan prosesnya untuk kandidat otomatisasi, mereka akan menemukan contoh yang paling sesuai untuk pengawasan manusia atau tindakan langsung. Agentic AI adalah inovasi luar biasa dan sangat mampu, tetapi memiliki keterbatasan.

Tiga keterbatasan khusus:

Agen AI, seperti LLM yang mendukungnya, tidak memiliki kecerdasan umum saat ini. Mereka berfungsi paling baik dalam area yang sempit dan terdefinisi dengan baik. Jadi, sementara manusia mungkin belajar melakukan tugas tertentu dan mengabstraksi dari pengetahuan itu prinsip-prinsip yang kemudian diterapkan pada tugas yang berbeda dan tidak terkait, AI saat ini tidak dapat.

Kemudian, ada alur kerja dengan matriks keputusan yang sangat kompleks yang memerlukan pengalaman dan penilaian berbasis pengalaman yang signifikan. Misalnya, perusahaan ritel mungkin memerlukan konten untuk kampanye pemasaran sederhana. Agen dapat menangani itu — dan melaksanakan kampanye.

Namun, ingin mengunjungi kembali ekspresi dan janji merek di seluruh pasar? Agen tidak akan mampu menanganinya. Ini akan memerlukan wawasan tentang tren pasar, persepsi merek, perbedaan budaya di seluruh pasar, dan wawasan tentang bagaimana merek membangkitkan emosi.

Akhirnya, alur kerja yang bergantung pada komunikasi manusia yang “kotor” dan nuansa emosional yang memerlukan elemen manusia yang khas seperti empati sebaiknya tetap berada di tangan manusia. Pikirkan tentang masalah layanan pelanggan yang melibatkan pelanggan yang marah atau interaksi kesehatan di mana keadaan emosional atau mental pasien mungkin berisiko.

Namun, saya tidak menggambarkan proses pengambilan keputusan biner: berikan ini kepada agen AI; semuanya lainnya pergi ke manusia. Dalam prakteknya, model hibrida bekerja paling baik.

Sementara perlu ada garis yang jelas antara peran AI dan manusia, bahkan ketika tugas perlu ditangani oleh ahli manusia, AI harus tetap ada untuk memperluas kemampuan mereka dan memanfaatkan keahlian mereka.

Umumnya, perusahaan harus menggunakan agentic AI untuk tugas transaksional dan berulang, serta memanfaatkan keahlian manusia untuk interaksi dengan taruhan tinggi, skenario yang kompleks secara emosional, dan situasi yang memerlukan penilaian yang halus. Klaim garansi sebesar $50 mungkin sepenuhnya diotomatisasi, sedangkan klaim sebesar $5.000 kemungkinan akan mendapat manfaat dari kecerdasan emosional manusia dan penanganan yang sensitif terhadap merek.

Mengakses Jaringan Agentic

Mungkin yang paling penting, jangan mencoba memasuki agentic AI sendirian. Bangun jaringan mitra ahli. Platform agentic AI yang muncul dapat menyediakan teknologi di seluruh kanal digital dan suara. Integrator sistem dan penasihat yang memahami lingkungan operasional pelanggan dapat melatih model agentic untuk kebutuhan pelanggan tertentu dan kemudian mengintegrasikannya ke dalam operasi perusahaan.

Mengintegrasikan model ini ke dalam sistem perusahaan memerlukan keahlian yang mendalam dalam alur kerja yang kompleks dan tantangan industri khusus. Ini juga memerlukan pemahaman yang rumit tentang titik keputusan alur kerja dan di mana interaksi manusia paling diperlukan — atau bermanfaat, sehingga agentic AI menjadi berkah bagi pekerja dan produktivitas tim.

Agentic AI menawarkan bisnis cara yang kuat untuk meningkatkan efisiensi, meningkatkan pengalaman pelanggan, dan menggerakkan inovasi. Namun, kesuksesan tidak tentang terburu-buru. Ini tentang membuat pilihan yang cerdas dan terinformasi: Memulai dari tempat yang tepat, menerapkan model hibrida manusia/AI, dan mengakses jaringan yang tepat.

Karena dunia AI berubah sangat cepat, Anda tidak bisa membiarkannya sendirian.