Mengapa Banyak Perusahaan Masih Terjebak di Uji Coba AI Agentik

AI agentik sudah melampaui tahap gagasan di banyak perusahaan besar. Namun, survei UiPath menunjukkan penerapan di seluruh perusahaan masih menjadi pengecualian. Survei ini melibatkan 590 eksekutif tingkat C-suite dan praktisi TI dari perusahaan swasta berpendapatan tahunan minimal US$1 miliar di Amerika Serikat, Inggris, Prancis, Jerman, India, dan Singapura. Temuan utamanya: tantangan besar bukan meluncurkan satu agen AI, tetapi menjalankan alur kerja yang saling terhubung dan terkelola di lingkungan perusahaan yang kompleks. 34

Adopsi sudah terjadi, tetapi belum matang

Hanya 31% responden yang menyatakan AI telah tertanam sepenuhnya dalam bisnis mereka. Sebanyak 35% mengatakan pemakaian AI masih terbatas pada tim tertentu, sedangkan 11% masih berada dalam tahap eksperimen terbatas. 37

Gambaran ini menunjukkan kesenjangan yang lazim antara uji coba dan penggunaan di lingkungan produksi. Sebuah departemen mungkin dapat membuktikan manfaat agen AI dalam satu kasus penggunaan yang terukur. Namun, memperluasnya ke tingkat perusahaan menuntut agen tersebut bekerja andal dengan data perusahaan, aplikasi bisnis, proses yang sudah berjalan, serta karyawan yang menangani pengecualian.

Tiga penghambat utama penskalaan AI agentik

Responden menyebut tiga kendala terbesar dalam mengoptimalkan penerapan AI agentik:

• Kualitas dan kesiapan data: 38%
• Integrasi dengan alur kerja dan sistem yang sudah ada: 37%
• Tata kelola dan kepatuhan: 33% 14

Ketiganya merupakan persoalan operasional dan arsitektur teknologi. Model AI mungkin mampu memahami informasi atau merekomendasikan tindakan, tetapi alur kerja di lingkungan produksi juga membutuhkan masukan yang andal, izin akses, koneksi antar-sistem, penanggung jawab yang jelas, serta mekanisme untuk menangani pekerjaan yang tidak dapat diselesaikan otomatis.

Bagi perusahaan dengan aplikasi lama (legacy) dan proses lintas departemen, integrasi menjadi sangat penting. Agen yang bekerja baik dalam satu aplikasi atau satu tim belum tentu langsung cocok untuk proses menyeluruh yang melibatkan banyak sistem, serah-terima pekerjaan, dan persetujuan berlapis.

Mengapa UiPath menekankan orkestrasi bisnis

UiPath menggunakan istilah orkestrasi bisnis untuk lapisan yang menghubungkan data, sistem, alur kerja, manusia, dan agen AI. Dalam praktiknya, lapisan ini ditujukan untuk mengoordinasikan pekerjaan dari awal hingga akhir: mengarahkan tugas ke otomatisasi, agen, atau karyawan yang sesuai; memantau kemajuan; menerapkan kontrol; dan mengeskalasi pengecualian saat penilaian manusia diperlukan. 4

Hanya 29% responden yang mengatakan orkestrasi telah tertanam sepenuhnya di seluruh organisasi mereka. Di antara kelompok tersebut, 89% menyatakan penerapan AI agentik mereka memenuhi atau melampaui ekspektasi return on investment (ROI), atau tingkat pengembalian investasi. 315

Angka ini menarik, tetapi tidak berarti orkestrasi sendirian otomatis menghasilkan ROI yang lebih tinggi. Survei ini disponsori vendor dan didasarkan pada laporan responden sendiri. Organisasi yang telah mampu menerapkan orkestrasi secara menyeluruh bisa saja memang sudah memiliki fondasi data, disiplin proses, kemampuan integrasi, dan dukungan pimpinan yang lebih kuat. 15

Peluang besar pada alur kerja hibrida

Survei tersebut juga menyoroti penggunaan agen pada proses yang memadukan pekerjaan yang dapat diprediksi dan pekerjaan yang dinamis. UiPath mendefinisikan alur kerja hibrida sebagai gabungan proses statis dan berulang dengan proses yang berubah sesuai konteks; 52% pemimpin yang disurvei melaporkan jenis alur kerja ini hadir dalam operasi harian mereka. 10

Di sinilah agen AI berpotensi melengkapi otomatisasi deterministik, bukan menggantikannya. Tahap berbasis aturan dapat menangani tindakan yang terstruktur dan berulang, sementara agen dapat membantu menangani informasi tidak terstruktur, konteks yang berubah, dan tugas yang membutuhkan pertimbangan. Namun, kombinasi tersebut tetap bergantung pada desain alur kerja dan kontrol di sekelilingnya.

Manfaat operasional yang dicari perusahaan

Responden menyebut manfaat praktis dari orkestrasi, terutama:

• membebaskan karyawan untuk pekerjaan bernilai lebih tinggi (51%),
• meningkatkan integrasi aplikasi (47%), dan
• memperbaiki pengawasan alur kerja (44%). 4

Prioritas ini menegaskan pesan utama survei: perusahaan tidak semata-mata mencari perangkat lunak yang makin otonom. Mereka membutuhkan cara yang dapat diandalkan untuk mengoordinasikan manusia, aplikasi, otomatisasi, dan AI dalam proses bisnis yang bisa dipantau serta dikendalikan.

Artinya bagi tim AI perusahaan

Temuan ini menunjukkan bahwa memulai uji coba terisolasi relatif mudah, sedangkan penerapan yang berulang dan konsisten di skala perusahaan jauh lebih sulit. Keluar dari fase pilot membutuhkan lebih dari sekadar memilih model AI atau meluncurkan agen mandiri. Perusahaan memerlukan fondasi berupa data yang tepercaya, interoperabilitas aplikasi, kepemilikan proses yang jelas, tata kelola, pemantauan, dan jalur eskalasi ke manusia.

Bagi pemimpin perusahaan, pertanyaan yang relevan bukan hanya di mana agen dapat membantu? Tetapi juga: bagaimana agen tersebut dapat beroperasi dengan aman dan terukur dalam keseluruhan alur kerja? Organisasi yang mampu menyelesaikan persoalan koordinasi ini berada pada posisi lebih baik untuk mengubah eksperimen tingkat departemen menjadi kapabilitas bisnis lintas fungsi. 4