Di Mana untuk Memulai dengan Agentic AI: Kerangka Kerja untuk Pemimpin Bisnis

Selama dekade terakhir, dua perjalanan paralel telah muncul dan membentuk transformasi perusahaan secara bersamaan: perjalanan proses dan perjalanan data.

Perjalanan proses, atau bagaimana pekerjaan dilakukan, berkembang dari Lean Sigma Six untuk mencakup otomatisasi proses robotik (RPA) dan alur kerja digital, semua dalam upaya mencapai efisiensi, struktur, dan skala. Di sisi lain, perjalanan data, atau bagaimana keputusan dibuat, berkembang dari intelijen bisnis tradisional ke intelijen prediktif yang ditenagai oleh mesin pembelajaran dan sekarang, generative AI (gen AI). Kedua jalur ini sangat kuat, tetapi terobosan sebenarnya terjadi ketika keduanya bersatu. Selamat datang, agentic AI.

Agentic AI adalah titik infleksi di mana agen tidak hanya memahami data tetapi juga tahu cara bertindak dalam sistem dan alur kerja untuk otomatisasi data yang lebih besar. Penelitian menunjukkan bahwa 96% pemimpin IT perusahaan berencana untuk meningkatkan penggunaan agen dalam 12 bulan ke depan. Namun, ketika organisasi mencoba untuk memperluas inisiatif agentic AI, mereka sering kesulitan menentukan di mana dan bagaimana memulai.

Untuk pemimpin teknis yang ingin memanfaatkan agentic AI, mereka harus memikirkan tentang alur kerja agentic sebagai fusi keputusan dan eksekusi, menyematkan kecerdasan analitis langsung ke dalam alur kerja untuk efisiensi yang lebih besar. Hanya ketika lapisan kecerdasan perusahaan yang luas itu tercapai, agen otonom akan dapat menutup loop antara mengetahui dan melakukan.

Mendefinisikan agentic AI: apa yang dimaksud dengan menjadi perusahaan agentic

Banyak organisasi memulai perjalanan agentic AI sebelum mereka memahami apa agentic AI itu. Bayangkan perusahaan agentic seperti bandara internasional yang sibuk. Pesawat-pesawat itu adalah agen AI masing-masing yang diberi tugas. Mereka tahu tujuan mereka dan bertindak secara mandiri, lepas landas dan terbang ke tujuan yang dimaksud – semua sementara bandara tetap berfungsi. Tetapi itu adalah tujuan yang lebih tinggi dari bandara daripada gerakan individu pesawat yang membuatnya agentic. Pengawas lalu lintas udara adalah konduktor yang membuat operasi bandara berjalan lancar – memilih pesawat mana yang diterjunkan kapan dan di mana, mengarahkan kontrol tanah untuk perawatan dan pengisian bahan bakar, dan mengoordinasikan semuanya dengan cara yang paling efektif untuk seluruh sistem. Setiap pesawat ada di sana, tetapi koordinasi semua lepas landas dan pendaratan yang membuat bandara sukses dalam hal keamanan dan efisiensi.

Perusahaan agentic bukanlah yang menerapkan agen refleks sederhana, atau bot dasar yang ditingkatkan untuk melakukan tugas. Melainkan, perusahaan agentic mengoordinasikan jaringan agen cerdas yang dirancang untuk menangani tugas kompleks, multi-langkah secara mandiri. Mereka jauh melampaui aturan yang telah ditetapkan sebelumnya ke titik di mana agen dapat membuat keputusan yang selaras dengan tujuan strategis, dan beradaptasi dan meningkat seiring waktu, membawa pembelajaran perusahaan ke tingkat berikutnya.

Ini juga yang membedakan agentic AI dari gen AI. Gen AI merespons prompt, sedangkan agentic AI mengambil tindakan otonom untuk mencapai tujuan, belajar dan beradaptasi seiring jalannya. Sistem multi-agen ini terhubung dengan berbagai aplikasi perusahaan, dan beroperasi dengan penglihatan strategis untuk membantu mengarahkan pengambilan keputusan, mengotomatisasi proses, dan menghasilkan nilai di seluruh organisasi.

Penting untuk diingat bahwa ini adalah sebuah perjalanan. Setiap agen akan memiliki kematangan dan kompleksitas yang dapat ditangani. Menjadi perusahaan agentic memerlukan desain holistik, koordinasi, dan evolusi terus-menerus dari ekosistem agen, dengan tujuan yang jelas, umpan balik cerdas, dan ahli manusia yang tertanam di mana dan bagaimana itu masuk akal untuk hasil target.

Mengidentifikasi kasus penggunaan agentic AI: mengapa mengemudi nilai itu penting

Terlalu sering, kasus penggunaan agentic AI gagal karena pemilihan kasus penggunaan yang buruk. Faktanya, Gartner memprediksi lebih dari 40% proyek agentic AI akan dibatalkan pada akhir 2027. Ini tidak akan karena teknologi gagal, tetapi karena perusahaan tidak memilih kasus penggunaan yang tepat untuk menerapkan agen.

Untuk menghindari nasib seperti itu, organisasi perlu mengidentifikasi di mana agentic AI dapat memiliki dampak terbesar dengan menilai baik kenaikan nilai dan kecepatan untuk mencapai hasil.

Di sisi nilai, perusahaan harus pertama-tama bertanya domain mana yang memiliki poin nyeri pelanggan terbesar – internal dan eksternal – dan pada gilirannya, memiliki janji terbesar untuk dampak. Kemudian, mereka harus mempertimbangkan apa yang proses dan permintaan terlihat seperti. Petunjuk? Agentic AI memberikan manfaat yang lebih nyata untuk area yang memiliki proses kompleks, alur kerja besar, dan kebutuhan akan pengambilan keputusan strategis dan dinamis. Ini tidak boleh diremehkan bahwa agentic AI harus diterapkan di area yang memiliki potensi pertumbuhan tinggi, mempertimbangkan skalabilitas dan adaptabilitasnya terhadap perubahan permintaan dan volume seiring waktu.

Sama pentingnya adalah menilai kecepatan untuk mencapai nilai, yang dapat dilakukan dengan memeriksa data untuk ketersediaan, kualitas, dan tata kelola. Singkatnya, data yang lebih baik menghasilkan kinerja AI yang lebih baik. Tidak peduli di mana agentic AI diaktifkan, menyediakan pengaman keselamatan itu sangat penting, terutama ketika data sensitif terlibat. Untuk melakukannya secara efektif, perusahaan harus mempertimbangkan potensi hambatan regulasi yang dapat mempengaruhi timeline adopsi. Ini bukanlah area untuk memotong sudut. Memulai dengan human-in-the-loop sistem membantu memastikan implementasi yang bertanggung jawab dan etis, yang nantinya dapat memberi perusahaan lebih percaya diri dalam otonomi agen AI.

Membangun tumpukan teknologi agentic AI: bagaimana mencapai hasil yang diinginkan

Organisasi yang siap untuk mengadopsi agentic AI perlu membangun infrastruktur teknologi yang tepat yang memungkinkan skalabilitas untuk tumbuh, fleksibilitas untuk mengintegrasikan, dan keamanan untuk melindungi.

Untuk memulai, pemimpin perusahaan harus memastikan bahwa data terstruktur dan tidak terstruktur diintegrasikan dalam sistem yang sama untuk membangun fondasi data yang kuat, yang sangat penting untuk adopsi yang efektif dan berkelanjutan. Aksesibilitas data dan manajemen adalah fondasi untuk agentic AI. Langkah ini juga sangat penting untuk membangun model bahasa khusus tugas dan domain.

Setelah fondasi data ditetapkan dan model bahasa didirikan, perusahaan harus memanfaatkan platform AI, alat, dan layanan untuk mempercepat adopsi agen AI dan modularitas. Memulai dengan pilot di lingkungan yang terkendali, organisasi dapat melatih dan menerapkan agen yang menjalankan tugas tertentu dan memberikan hasil bisnis, memastikan pengawasan manusia dan terus memantau kinerja melalui lapisan kontrol yang selaras dengan KPI bisnis.

Membuka Jalan

Agentic AI mewakili pergeseran mendasar dalam cara bisnis dioperasikan. Perusahaan yang muncul sebagai pemenang akan menjadi mereka yang menggunakan ini sebagai kesempatan untuk memikirkan kembali model operasi dan praktik bisnis dari awal. Kunci adalah untuk bereksperimen dengan bijak dan mengulangi, membangun dan bermitra dengan niat, dan kemudian menskalakan dengan kepercayaan.