Perbedaan chatbot, AI assistant, dan agentic workflow
Chatbot terutama merespons prompt melalui antarmuka percakapan. Sistem dapat menjawab pertanyaan, memberi panduan, atau mencari informasi. AI assistant biasanya membantu seseorang melakukan pekerjaan berbasis pengetahuan seperti menyusun draft, merangkum, mencari, atau menganalisis; manusia tetap bertanggung jawab menjalankan langkah operasional.
Agentic workflow dapat menerima tujuan, merencanakan beberapa langkah, mencari informasi yang disetujui, memanggil tools atau API yang diotorisasi, memeriksa hasil, lalu melanjutkan atau melakukan eskalasi. Ini bukan berarti otonomi tanpa batas. Workflow harus berjalan dalam izin, kebijakan, dan checkpoint yang eksplisit.
Di mana Agentic AI berpotensi memberi nilai
Kandidat yang dapat dieksplorasi antara lain menyiapkan ringkasan kasus dari catatan yang diizinkan, mengarahkan permintaan layanan, mengumpulkan informasi untuk tinjauan internal, dan mengoordinasikan langkah rutin di aplikasi bisnis yang terhubung. Contoh tersebut merupakan peluang untuk discovery, bukan asumsi bahwa setiap organisasi membutuhkan AI agent.
Agentic AI kurang sesuai ketika proses belum terdefinisi, data tidak andal, kesalahan sulit dibatalkan, atau keputusan membutuhkan pertimbangan manusia yang akuntabel. Aplikasi standar, integrasi API, atau otomatisasi berbasis aturan mungkin lebih sederhana dan dapat diandalkan.
Cara mengevaluasi use case
- Nilai bisnis: keterlambatan, biaya, kesalahan, atau hambatan layanan apa yang ingin diperbaiki?
- Kejelasan proses: apakah input, langkah, pengecualian, dan output sudah dipahami?
- Kesiapan data: apakah sistem dapat mengakses informasi andal dengan izin yang sesuai?
- Batas tindakan: tools apa yang boleh digunakan dan tindakan mana yang perlu persetujuan?
- Verifikasi: apakah organisasi dapat memeriksa kualitas dan penyelesaian tugas?
- Kepemilikan: siapa yang memantau kinerja dan menangani pengecualian?
Ukur hasil dan kelola risiko
Tetapkan baseline sebelum pilot. Metrik yang relevan dapat mencakup waktu siklus, waktu penanganan, perpindahan pekerjaan manual, tingkat penyelesaian, pekerjaan ulang, tingkat kesalahan, eskalasi, dan kepuasan pengguna. Hitung seluruh biaya operasional: penggunaan model, infrastruktur, integrasi, monitoring, review manusia, kontrol keamanan, dan pemeliharaan.
Berikan agen hanya izin yang dibutuhkan. Terapkan persetujuan manusia untuk tindakan berdampak tinggi, catat aktivitas penting, uji skenario kegagalan, dan tentukan cara aman untuk menghentikan atau melakukan eskalasi. NIST Generative AI Profile dan panduan OWASP untuk aplikasi LLM dapat menjadi referensi manajemen risiko dan keamanan aplikasi.
Langkah awal yang masuk akal adalah memilih satu workflow terbatas dengan kriteria keberhasilan yang disepakati. Pendekatan Souldigi yang diusulkan adalah menilai proses, data, integrasi, dan risiko sebelum menentukan pilot. Tujuannya membuktikan nilai praktis—bukan mengotomatisasi semuanya hanya karena AI tersedia.
Referensi dan bacaan lanjutan
NIST AI 600-1, Generative AI Profile: https://www.nist.gov/publications/artificial-intelligence-risk-management-framework-generative-artificial-intelligence
OWASP LLM Top 10: https://genai.owasp.org/llm-top-10/
