Istilah AI agent makin sering muncul dalam presentasi vendor dan berita teknologi. Banyak pemilik bisnis jadi bingung membedakannya dengan chatbot biasa, dan sulit menilai apakah AI agent memang dibutuhkan atau hanya label baru untuk produk lama.
Artikel ini menjelaskan pengertian AI agent untuk bisnis, perbedaannya dengan chatbot, contoh penerapan yang realistis di perusahaan Indonesia, serta guardrail yang perlu dipasang sebelum agent diberi akses ke sistem Anda.
Pengertian AI agent untuk bisnis
AI agent adalah sistem AI yang bisa menjalankan langkah kerja untuk mencapai tujuan tertentu. Ia menerima tugas, memutuskan langkah apa yang perlu diambil, memakai tool yang tersedia, lalu melaporkan hasilnya. Tool di sini berarti fungsi di sistem Anda, misalnya mencari data pelanggan, mengecek stok, membuat draf penawaran, atau membuat tiket.
Contoh sederhananya begini. Seorang manajer menulis, "Cek pesanan dari toko cabang Solo minggu ini yang belum dikirim, lalu siapkan email pengingat ke gudang." Agent akan mencari pesanan di sistem, menyaring yang belum dikirim, menyusun email, lalu meminta persetujuan manajer sebelum mengirimnya.
Agar agent bisa memakai sistem perusahaan, perlu ada penghubung yang aman. Salah satu standar yang banyak dipakai adalah MCP (Model Context Protocol), standar terbuka yang diperkenalkan Anthropic pada 2024 untuk menghubungkan asisten AI ke tool dan data. Dengan MCP, asisten seperti Claude atau ChatGPT bisa memakai fungsi di sistem Anda dengan izin yang diatur.
Perbedaan AI agent dan chatbot
Keduanya sama-sama bisa diajak bicara lewat teks, tetapi perannya berbeda. Perbandingan berikut membantu melihat batasnya:
- Tujuan. Chatbot menjawab pertanyaan. Agent menyelesaikan tugas yang terdiri dari beberapa langkah.
- Akses sistem. Chatbot umumnya hanya membaca sumber informasi. Agent bisa membaca dan, jika diizinkan, mengubah data.
- Alur kerja. Chatbot mengikuti percakapan. Agent menyusun urutan langkah sendiri dan bisa memakai beberapa tool berturut-turut.
- Risiko. Kesalahan chatbot biasanya berupa jawaban yang keliru. Kesalahan agent bisa berupa aksi yang keliru, seperti data terhapus atau pesan terkirim ke orang yang salah.
Karena risikonya lebih besar, agent membutuhkan pengaturan izin dan pengawasan yang lebih ketat daripada chatbot.
Contoh AI agent yang realistis
Agent paling berguna untuk pekerjaan yang melibatkan beberapa sistem dan banyak langkah kecil yang membosankan. Beberapa contoh yang masuk akal untuk bisnis di Indonesia:
Distributor
Agent membaca purchase order yang masuk lewat email, mencocokkan kode barang dengan katalog, mengecek stok di gudang, lalu menyiapkan draf konfirmasi pesanan. Staf admin tinggal memeriksa dan menyetujui. Barang yang kodenya tidak cocok ditandai untuk ditangani manual.
Event organizer
Menjelang acara perusahaan, agent merangkum daftar tamu yang belum konfirmasi, mengelompokkan berdasarkan divisi, dan menyiapkan pesan pengingat. Pengiriman pesan tetap menunggu persetujuan koordinator acara.
Kantor notaris
Agent membaca dokumen yang dikirim klien, mencocokkannya dengan daftar syarat untuk jenis akta tertentu, lalu menyusun daftar dokumen yang masih kurang. Notaris dan stafnya tetap memeriksa isi dokumen dan mengambil keputusan hukum.
Perusahaan jasa
Agent membaca email keluhan pelanggan, mencari riwayat kontrak di CRM, membuat tiket dengan kategori yang tepat, dan menyiapkan ringkasan untuk tim teknis. Teknisi tidak perlu lagi membuka tiga aplikasi untuk memahami satu kasus.
Guardrail yang perlu dipasang
Agent yang diberi akses luas tanpa batasan bisa menimbulkan masalah serius. Sebelum agent dipakai di operasional, pastikan beberapa hal berikut sudah ada.
Izin per tool menentukan tool mana yang boleh dipakai agent, dan apakah hanya membaca atau juga mengubah data. Izin ini sebaiknya mengikuti peran pengguna, sehingga agent yang dipakai staf gudang tidak bisa membuka data keuangan. Autentikasi seperti OAuth memastikan setiap pengguna hanya mengakses data sesuai haknya.
Aksi berisiko, seperti mengirim pesan ke pelanggan, mengubah harga, atau menghapus data, harus menunggu persetujuan manusia. Setiap panggilan tool juga perlu tercatat dalam audit log, lengkap dengan siapa yang meminta, tool apa yang dipakai, dan apa hasilnya. Log ini berguna saat ada kesalahan yang perlu ditelusuri.
Terakhir, batasi ruang lingkup. Agent dengan sedikit tool yang jelas fungsinya jauh lebih mudah diawasi daripada agent yang bisa melakukan apa saja.
Memulai dengan risiko kecil
Mulailah dari agent yang hanya membaca data, misalnya untuk merangkum pesanan atau mencari dokumen. Setelah tim terbiasa dan audit log menunjukkan agent bekerja dengan benar, tambahkan tool yang bisa mengubah data, satu per satu, dengan langkah persetujuan.
Tentukan juga ukuran keberhasilan sejak awal. Misalnya, berapa banyak draf konfirmasi pesanan yang disetujui tanpa perubahan, atau berapa lama staf memeriksa satu kasus dibandingkan sebelum ada agent. Dengan ukuran seperti ini, keputusan untuk memperluas pemakaian agent didasarkan pada hasil nyata di lapangan.
Libatkan orang yang menjalankan proses itu setiap hari. Mereka yang paling tahu langkah mana yang aman diserahkan ke agent dan mana yang tetap harus dipegang manusia.
Membangun AI agent yang aman
Agent yang berguna membutuhkan akses ke sistem Anda, dan akses itu harus dibatasi serta tercatat. Averoa membangun server MCP dan AI agent dengan OAuth, izin per tool, audit log, dan langkah persetujuan manusia melalui layanan MCP & AI Agent.
