Perkembangan Artificial Intelligence (AI) mulai bergerak dari teknologi yang hanya memberikan jawaban menjadi sistem yang dapat membantu menyelesaikan sebuah pekerjaan. Salah satu perkembangan yang semakin banyak dibicarakan adalah Agentic AI.
Berbeda dengan Generative AI yang umumnya menghasilkan teks, gambar, kode, atau informasi berdasarkan perintah pengguna, Agentic AI dirancang untuk memahami tujuan, menyusun langkah kerja, menggunakan tools atau data yang tersedia, hingga menjalankan tindakan untuk mencapai hasil tertentu.
Kemampuan tersebut membuat Agentic AI semakin relevan bagi perusahaan yang ingin menggunakan AI tidak hanya sebagai asisten, tetapi juga sebagai bagian dari otomasi dan proses bisnis.
Apa Itu Agentic AI?
Agentic AI adalah pendekatan kecerdasan buatan yang memungkinkan sistem memahami tujuan, merencanakan langkah, mengambil tindakan, dan mengevaluasi hasil dengan tingkat kemandirian tertentu.
Di dalamnya dapat terdapat satu atau beberapa AI agent yang memiliki peran dan tugas berbeda.
Sebagai contoh, ketika pengguna meminta AI menyiapkan perjalanan bisnis, Generative AI dapat memberikan rekomendasi jadwal penerbangan dan hotel.
Agentic AI dapat bekerja lebih jauh. Dengan akses dan izin yang sesuai, sistem dapat mencari pilihan penerbangan, membandingkan jadwal, menyesuaikannya dengan agenda pengguna, memeriksa kebijakan perjalanan perusahaan, hingga membantu menjalankan tahapan berikutnya melalui sistem yang terintegrasi.
Perbedaannya terletak pada pergeseran dari AI yang memberikan informasi menjadi AI yang membantu mencapai sebuah tujuan.
Bagaimana Cara Kerja Agentic AI?
Agentic AI bekerja melalui beberapa tahapan yang memungkinkan sistem memahami tujuan dan menentukan apa yang perlu dilakukan.
Memahami Tujuan
Proses dimulai dari tujuan yang diberikan pengguna.
Misalnya:
“Analisis performa penjualan bulan ini dan identifikasi produk yang mengalami penurunan.”
AI perlu memahami bahwa tugas tersebut tidak hanya membutuhkan satu jawaban, tetapi beberapa proses seperti mengambil data, membandingkan performa, menemukan pola, dan menyusun kesimpulan.
Menyusun Rencana
Setelah memahami tujuan, sistem dapat memecah pekerjaan menjadi beberapa langkah yang lebih kecil.
Dalam contoh analisis penjualan, AI dapat menentukan data yang diperlukan, periode yang harus dibandingkan, indikator yang perlu diperiksa, dan bentuk laporan yang harus dibuat.
Kemampuan merencanakan langkah inilah yang membedakan Agentic AI dari banyak sistem AI yang hanya merespons satu instruksi dalam satu waktu.
Menggunakan Data dan Tools
AI agent dapat dihubungkan dengan berbagai sumber data atau aplikasi sesuai kebutuhan.
Contohnya adalah knowledge base, database perusahaan, API, aplikasi bisnis, sistem enterprise, atau model AI lainnya.
Dengan integrasi tersebut, AI tidak hanya memberikan jawaban berdasarkan model, tetapi juga dapat menggunakan informasi yang relevan untuk menyelesaikan tugas.
Menjalankan Tindakan
Setelah menentukan langkah yang diperlukan, sistem dapat menjalankan tindakan sesuai dengan otoritas yang diberikan.
Tindakan tersebut dapat berupa mengambil data, membuat dokumen, menjalankan workflow, memberikan notifikasi, memperbarui informasi, atau meminta persetujuan manusia sebelum melanjutkan ke proses berikutnya.
Mengevaluasi Hasil
Agentic AI juga dapat memeriksa apakah hasil yang diperoleh sudah sesuai dengan tujuan awal.
Jika belum, sistem dapat menyesuaikan langkah atau mencoba pendekatan lain.
Secara sederhana, pola kerjanya dapat dipahami sebagai:
Goal → Plan → Act → Evaluate
Apa Perbedaan Agentic AI dan Generative AI?
Agentic AI dan Generative AI bukan dua teknologi yang selalu berdiri terpisah. Dalam banyak implementasi, kemampuan Generative AI justru menjadi salah satu komponen yang digunakan oleh Agentic AI.
Perbedaannya terutama terdapat pada tujuan penggunaannya.
Generative AI berfokus menghasilkan output seperti teks, gambar, rangkuman, kode, atau jawaban berdasarkan input pengguna.
Sementara itu, Agentic AI berfokus pada pencapaian sebuah tujuan melalui serangkaian langkah dan tindakan.
Sebagai gambaran sederhana, Generative AI dapat membantu membuat rangkuman laporan penjualan. Agentic AI dapat membantu mengambil data penjualan, menganalisisnya, menemukan anomali, membuat rangkuman, lalu meneruskan hasilnya kepada pihak yang membutuhkan.
Karena itu, Agentic AI membuka peluang penggunaan AI pada proses kerja yang sebelumnya membutuhkan banyak aktivitas manual dan perpindahan antar sistem.
Apa Manfaat Agentic AI untuk Bisnis?
Agentic AI memiliki potensi besar terutama pada proses bisnis yang terdiri dari banyak tahapan.
Mengotomatisasi Workflow yang Lebih Kompleks
Otomasi tradisional umumnya mengikuti aturan yang telah ditentukan sebelumnya. Agentic AI dapat membantu menangani workflow yang membutuhkan pemahaman konteks dan beberapa langkah pengambilan keputusan.
Mengurangi Pekerjaan Repetitif
Aktivitas seperti mencari informasi, mengumpulkan data, membuat rangkuman, atau meneruskan pekerjaan ke sistem lain dapat dibantu oleh AI agent.
Dengan demikian, karyawan dapat lebih fokus pada pekerjaan yang membutuhkan kreativitas, judgment, dan interaksi manusia.
Mempercepat Akses terhadap Informasi
AI agent dapat membantu menghubungkan informasi dari beberapa sumber agar pengguna tidak harus mencarinya secara manual di berbagai aplikasi.
Membantu Proses Pengambilan Keputusan
Dengan akses terhadap data dan konteks yang relevan, Agentic AI dapat membantu menyiapkan insight, rekomendasi, atau informasi yang dibutuhkan sebelum sebuah keputusan dibuat.
Namun, keputusan dengan dampak tinggi tetap membutuhkan mekanisme kontrol dan keterlibatan manusia.
Contoh Penerapan Agentic AI di Perusahaan
Agentic AI dapat digunakan dalam berbagai fungsi organisasi.
Pada customer service, AI agent dapat membantu memahami kebutuhan pelanggan, mencari informasi pada knowledge base, mengecek status layanan, dan mengarahkan proses tindak lanjut.
Dalam operasional perusahaan, Agentic AI dapat membantu memonitor informasi, mengidentifikasi kondisi tertentu, membuat rangkuman, dan memberikan notifikasi kepada tim terkait.
Pada fungsi sales, AI agent dapat membantu menyiapkan informasi pelanggan, merangkum riwayat interaksi, mencari insight, dan memberikan rekomendasi aktivitas berikutnya.
Sementara pada knowledge management, AI dapat membantu karyawan menemukan informasi dari berbagai dokumen dan sumber internal tanpa harus melakukan pencarian secara manual satu per satu.
Penggunaannya juga dapat dikembangkan melalui pendekatan multi-agent, yaitu beberapa AI agent dengan peran berbeda yang bekerja bersama untuk menyelesaikan proses yang lebih kompleks.
Apakah Agentic AI Bisa Bekerja Tanpa Manusia?
Agentic AI dapat memiliki tingkat otonomi yang berbeda tergantung pada kebutuhan dan risiko proses bisnis.
Semakin besar otoritas yang diberikan kepada AI, semakin penting pula pengaturan mengenai akses data, keamanan, monitoring, audit, dan batas tindakan yang dapat dijalankan.
Karena itu, pendekatan human-in-the-loop tetap penting.
Untuk aktivitas dengan risiko rendah, AI dapat diberikan ruang otomatisasi yang lebih besar. Sementara untuk keputusan yang memiliki dampak finansial, hukum, keamanan, atau bisnis yang tinggi, manusia tetap perlu memiliki kontrol atau mekanisme persetujuan.
Dengan pendekatan tersebut, tujuan implementasi Agentic AI bukan menggantikan seluruh peran manusia, tetapi menentukan bagian proses mana yang dapat dibantu AI secara lebih efektif.
Agentic AI dalam Telkom AI Center of Excellence
Perkembangan Agentic AI menunjukkan bahwa adopsi AI tidak cukup hanya mengandalkan teknologi. Implementasinya juga membutuhkan talenta, ruang eksperimen, kolaborasi, kesiapan solusi, hingga penerapan nyata di dalam organisasi.
Pendekatan tersebut menjadi bagian dari Telkom AI Center of Excellence, program strategis Telkom untuk mengoordinasikan dan mempercepat pemanfaatan AI agar dapat memberikan dampak bagi bisnis dan ekosistem.
Telkom AI Center of Excellence dijalankan melalui lima pilar utama. AI Campus menghubungkan akademisi dan industri dalam pengembangan talenta, riset, dan inovasi AI. AI Connect menjadi ruang kolaborasi untuk mempertemukan talenta, bisnis, dan mitra dalam mendorong adopsi AI. AI Playground menyediakan lingkungan untuk mengeksplorasi, membangun, dan menguji teknologi AI. AI Hub membawa ide dan eksperimen AI menuju solusi yang dapat digunakan untuk kebutuhan bisnis dan industri. Sementara AI Native mendorong penggunaan AI menjadi bagian dari cara kerja Telkom sehari-hari.
Dalam konteks Agentic AI, dua pilar memiliki keterkaitan yang paling langsung, yaitu AI Playground dan AI Hub.
Membangun AI Agent melalui AI Playground
AI Playground membantu tim mengembangkan ide AI menjadi use case yang dapat dicoba, dibangun, digunakan, dimonitor, dan direplikasi.
Salah satu capability di dalamnya adalah AgentLab, yang membantu tim membangun AI agent dan workflow secara low-code.
Melalui pendekatan tersebut, kebutuhan seperti knowledge assistant, document summarizer, FAQ assistant, ticket classification, hingga process assistant dapat dieksplorasi tanpa harus selalu memulai pengembangan dari awal.
AI Playground menjadi ruang untuk menjawab pertanyaan penting sebelum sebuah AI agent digunakan secara lebih luas: model apa yang digunakan, data apa yang dibutuhkan, workflow seperti apa yang sesuai, dan bagaimana penggunaannya dapat dimonitor.
Membawa Agentic AI ke Implementasi Bisnis melalui AI Hub
Setelah use case tervalidasi, AI Hub berperan membawa ide dan eksperimen AI menuju solusi yang siap menjawab kebutuhan bisnis dan industri.
Fokusnya tidak hanya pada teknologi, tetapi juga pada bagaimana AI dapat memberikan business value melalui pengembangan use case, validasi solusi, integrasi, hingga implementasi pada lingkungan operasional.
Salah satu contoh pengembangan Agentic AI di Telkom adalah Agentic AI by BigBox, yang diluncurkan pada April 2026 untuk mendukung otomasi cerdas, integrasi proses bisnis, dan pengambilan keputusan berbasis data.
Perjalanan tersebut menggambarkan bagaimana pengembangan Agentic AI tidak berhenti pada kemampuan membangun AI agent, tetapi perlu dilanjutkan hingga menjadi solusi yang dapat digunakan secara nyata.
Bagaimana Perusahaan Memulai Implementasi Agentic AI?
Implementasi Agentic AI tidak harus dimulai dari proses yang paling kompleks.
Langkah pertama adalah menentukan masalah bisnis yang jelas dan aktivitas yang masih membutuhkan banyak pekerjaan manual.
Setelah itu, perusahaan dapat mengidentifikasi data dan sistem yang diperlukan, menentukan tindakan yang dapat dilakukan AI, serta menetapkan kapan keterlibatan manusia dibutuhkan.
Use case dengan ruang lingkup yang terukur dapat diuji terlebih dahulu sebelum dikembangkan ke proses yang lebih luas.
Pendekatan ini membantu perusahaan melihat Agentic AI bukan sekadar sebagai tren teknologi, tetapi sebagai alat untuk menyelesaikan masalah bisnis tertentu.
Agentic AI dan Masa Depan Otomasi Bisnis
Agentic AI menandai perubahan penting dalam pemanfaatan Artificial Intelligence.
Jika sebelumnya AI banyak digunakan untuk membantu manusia memperoleh informasi atau menghasilkan konten, teknologi ini mulai berkembang menjadi sistem yang dapat membantu menjalankan proses untuk mencapai sebuah tujuan.
Bagi perusahaan, peluang terbesarnya bukan sekadar menggunakan AI yang semakin canggih, tetapi menemukan proses yang tepat untuk ditingkatkan melalui AI.
Melalui ekosistem seperti Telkom AI Center of Excellence, eksplorasi teknologi, pengembangan kapabilitas, kolaborasi, hingga implementasi solusi dapat dilakukan dalam kerangka yang lebih terhubung.
Pada akhirnya, nilai Agentic AI tidak ditentukan oleh seberapa mandiri AI dapat bekerja, tetapi oleh seberapa efektif teknologi tersebut membantu manusia dan organisasi mencapai hasil yang lebih baik.