Gelombang agentic AI menjanjikan otomatisasi penuh dalam operasional bisnis. Namun, menurut Gonçalo Ribeiro, teknologi secanggih apa pun tidak akan menyelesaikan masalah jika fondasi proses bisnisnya sudah rusak. Alih-alih meningkatkan efisiensi, AI justru berisiko memperbesar kekacauan—mengotomatiskan proses yang tidak efisien menjadi lebih cepat, lebih mahal, dan lebih sulit dikendalikan.
Fokus:
■ Agentic AI adalah “penguat”—bukan solusi untuk proses yang buruk.
■ Banyak perusahaan salah kaprah, mengotomatisasi sistem yang sudah tidak efisien.
■ Kunci sukses AI justru ada pada perombakan proses dan kualitas data.
Sejujurnya, di ruang rapat direksi, kata “AI” kini bukan lagi sekadar tren—melainkan strategi. Tapi di balik euforia itu, ada kesalahan mendasar yang mulai terungkap: perusahaan berlomba memasang AI tanpa pernah memperbaiki mesin bisnisnya sendiri. Hasilnya? Teknologi canggih hanya mempercepat masalah lama.
Gelombang kedua kecerdasan buatan tengah bergulir. Setelah era generative AI yang membantu manusia menulis, merangkum, dan menganalisis, kini muncul fase baru: agentic AI—AI yang tidak hanya berpikir, tetapi juga mampu bertindak.
Model ini bisa menjalankan tugas secara mandiri, mulai dari membaca data, mengambil keputusan, hingga mengeksekusi transaksi. Di atas kertas, ini terdengar seperti mimpi para eksekutif—operasi berjalan 24/7, tanpa lelah, tanpa jeda.
Namun menurut Gonçalo Ribeiro, CEO perusahaan data AI YData seperti dikutip Forbes, di sinilah jebakan terbesar muncul. Alih-alih meningkatkan efisiensi, banyak perusahaan justru menggunakan AI untuk mengotomatisasi proses yang sejak awal sudah bermasalah.
Ketika AI Mengabadikan Kesalahan Lama
Dalam dunia perencanaan kota, ada istilah klasik: paving the cow path—mengaspal jalur acak yang terbentuk dari jejak sapi, alih-alih merancang jalan yang efisien.
Fenomena serupa kini terjadi di dunia bisnis. Perusahaan mengambil proses lama yang berbelit—penuh persetujuan berlapis, sistem yang terpisah, dan aturan yang tidak jelas—lalu “menyuntikkan” AI ke dalamnya.
Hasilnya bukan efisiensi, melainkan akselerasi kekacauan! Alih-alih mempercepat keputusan, AI justru bisa mengirim permintaan persetujuan yang tidak perlu lebih cepat, mengambil keputusan dari data yang tidak sinkron dan menjalankan proses yang salah dengan tingkat kepercayaan tinggi.
“AI adalah amplifier. Jika baseline Anda kacau,. maka yang Anda dapatkan adalah kekacauan yang diperbesar,” menjadi inti peringatan yang disampaikan Ribeiro.
Ciri Proses Bisnis yang “Beracun” bagi AI
Tidak semua proses siap untuk AI. Bahkan, sebagian besar justru berisiko gagal jika langsung diotomatisasi.
Beberapa karakteristik utama:
1. Pengetahuan terfragmentasi
Jika proses bergantung pada intuisi karyawan senior atau “feeling” yang tidak terdokumentasi, AI akan kesulitan mengeksekusi.
2. Data tidak terintegrasi
Banyak perusahaan masih mengandalkan kombinasi sistem modern dan legacy system. Tanpa integrasi, AI akan bekerja dengan konteks yang tidak lengkap—bahkan bisa menghasilkan keputusan keliru (hallucination).
3. Proses usang dan tidak relevan
Langkah-langkah yang dipertahankan hanya karena “sudah dari dulu begitu” menjadi hambatan besar. Dalam sistem otomatis, setiap langkah tambahan adalah potensi kegagalan.
Revolusi AI Dimulai dari Perombakan Proses
Alih-alih langsung mengadopsi AI, Ribeiro menekankan pentingnya process re-engineering. Langkah pertama bukan membeli teknologi—melainkan memahami realitas operasional.
Di sini perusahaan harus mengamati langsung bagaimana pekerjaan dilakukan, mengidentifikasi bottleneck nyata dan menghapus proses yang tidak memberi nilai tambah. Setelah itu, baru AI bisa diterapkan secara efektif.
Data: Fondasi yang Sering Diabaikan
AI hanya sebaik data yang digunakan. Dalam banyak kasus, masalah utama bukan pada algoritma, melainkan data yang kotor, struktur data yang tidak konsisten, dan akses yang terbatas.
Sebagai solusi, banyak perusahaan global mulai menggunakan synthetic data—data buatan yang meniru pola data asli tanpa melanggar privasi—untuk melatih dan menguji AI sebelum diterapkan di sistem nyata.
Adopsi Bertahap, Bukan Sekali Lompat
Perlu dipahami bahwa transformasi menuju agentic AI bukan proses instan. Model adopsi bertahap menjadi kunci:
● Taskers: AI untuk tugas sederhana dengan pengawasan manusia.
● Automators: AI menangani proses lintas sistem.
● Collaborators: AI bekerja bersama manusia.
● Orchestrators: ekosistem AI yang sepenuhnya otonom.
Pendekatan ini membantu perusahaan menghindari risiko besar sekaligus membangun kepercayaan secara bertahap.
Pada akhirnya, nilai terbesar dari AI bukan hanya efisiensi biaya—tetapi kepercayaan. Tanpa tata kelola (governance) yang jelas, perusahaan tidak akan tahu berapa banyak AI yang berjalan, apa yang mereka lakukan, dan seberapa akurat keputusan mereka Di era regulasi yang semakin ketat, ini bisa menjadi risiko serius.
Pesan Ribeiro sederhana, namun tajam: AI bukan jalan pintas untuk menutupi kelemahan operasional. Jika fondasi bisnis rapuh, teknologi hanya akan mempercepat keruntuhannya.
Digionary:
● Agentic AI: AI yang mampu bertindak mandiri untuk menyelesaikan tugas tanpa intervensi manusia
● Automators: Tahap AI yang mampu mengelola proses lintas sistem
● Data fragmentation: Kondisi data tersebar di berbagai sistem yang tidak terhubung
● Governance: Tata kelola sistem, termasuk pengawasan AI
● Hallucination (AI): Kesalahan AI dalam menghasilkan informasi yang tidak akurat
● Legacy system: Sistem lama yang masih digunakan tetapi tidak terintegrasi dengan teknologi baru
● Process re-engineering: Perombakan ulang proses bisnis agar lebih efisien
● Synthetic data: Data buatan yang meniru karakteristik data asli untuk pelatihan AI
● Taskers: AI yang hanya menjalankan tugas sederhana dengan pengawasan manusia
#ArtificialIntelligence #AgenticAI #DigitalTransformation #BusinessStrategy #Automation #AIIndonesia #TechLeadership #DataDriven #AITrends #EnterpriseAI #ProcessImprovement #Innovation #FutureOfWork #AIAdoption #MachineLearning #DigitalBusiness #AIForBusiness #OperationalExcellence #TechStrategy #DataGovernance
