Jakarta – Transformasi digital di dunia perusahaan kini semakin melesat, terutama dengan kehadiran teknologi kecerdasan buatan (AI) yang memasuki babak terbaru. Sebelumnya, AI lebih banyak berfungsi sebagai alat untuk menghasilkan wawasan atau menjawab pertanyaan dasar. Namun, saat ini, AI mulai beradaptasi menjadi agen yang mampu melakukan tugas secara mandiri, sebuah perkembangan yang diungkapkan oleh Satchit Joglekar, Regional Vice President & Managing Director Southeast Asia (ASEAN) Snowflake. Konsep ini dikenal dengan sebutan agentic AI, sebuah evolusi signifikan dalam cara perusahaan mengadopsi teknologi ini.
Pengenalan pada Agentic AI
Agentic AI adalah sistem kecerdasan buatan yang tidak hanya memberikan informasi atau analisis, melainkan juga dapat melaksanakan tugas tertentu secara otomatis berdasarkan instruksi dan data yang tersedia. Berbeda dengan jenis AI tradisional yang lebih bersifat reaktif, agentic AI berfungsi sebagai “agen” yang mampu menyelesaikan serangkaian tugas, mulai dari pengolahan data hingga menghasilkan output yang siap digunakan oleh perusahaan.
Satchit Joglekar menyoroti bahwa pada fase awal penggunaan AI, perusahaan umumnya membatasi pemanfaatan teknologi ini untuk fungsi dasar, seperti menjawab pertanyaan seputar penjualan. Namun, kebutuhan perusahaan kini telah berubah. “Perusahaan tidak lagi puas dengan AI yang hanya menjawab pertanyaan sederhana. Mereka menginginkan AI yang bisa berkontribusi lebih besar dalam pengambilan keputusan,” ujarnya.
Dari Insight Menuju Eksekusi
Konsep agentic AI menekankan kemampuan AI untuk tidak hanya memberikan wawasan dari data, tetapi juga untuk melaksanakan berbagai tugas secara otomatis sesuai dengan konteks dan data yang dimiliki. Dalam praktiknya, AI dapat menyelesaikan alur kerja yang sebelumnya memakan waktu berhari-hari atau berminggu-minggu. Contohnya, dalam lingkungan internal perusahaan, AI dapat digunakan untuk menyiapkan presentasi bisnis secara otomatis.
“Saya bisa meminta sistem untuk menyiapkan presentasi bisnis. Proses yang biasanya memakan waktu satu minggu kini bisa diselesaikan dalam hitungan menit hingga beberapa jam,” jelas Joglekar. Hal ini menunjukkan bahwa AI mulai berperan sebagai rekan kerja yang dapat membantu dalam aspek operasional, bukan sekadar alat analisis belaka.
Inisiatif Project SnowWork
Untuk merealisasikan konsep agentic AI, Snowflake meluncurkan Project SnowWork, yang dirancang sebagai platform terpadu untuk menjalankan berbagai tugas berbasis data. Dengan SnowWork, pengguna dapat memberikan perintah dalam bahasa alami untuk menghasilkan berbagai output, mulai dari laporan, email, hingga aplikasi sederhana.
“SnowWork pada dasarnya adalah satu konsol untuk menyelesaikan berbagai pekerjaan. Pengguna dapat meminta sistem untuk membuat laporan, menyusun email, atau bahkan membangun aplikasi sederhana hanya dengan instruksi dalam bahasa alami,” kata Joglekar. Dengan kemudahan ini, pengguna non-teknis dapat lebih mandiri dalam memanfaatkan data, tanpa harus bergantung sepenuhnya pada tim IT atau data engineer.
Fleksibilitas dan Otomasi dalam Penggunaan Data
Project SnowWork memberikan beberapa keuntungan penting, seperti:
- Peningkatan efisiensi dalam menyelesaikan tugas.
- Pengurangan waktu yang dibutuhkan untuk menghasilkan output.
- Memungkinkan pengguna non-teknis untuk berinteraksi langsung dengan data.
- Meningkatkan kolaborasi antar tim dengan akses yang lebih mudah.
- Mendukung inovasi dalam menciptakan aplikasi bisnis sederhana.
Dengan semua keuntungan ini, tidak dapat dipungkiri bahwa agentic AI membawa dampak positif terhadap produktivitas dan inovasi di lingkungan perusahaan.
Tantangan dan Kewaspadaan dalam Implementasi Agentic AI
Meski menawarkan berbagai keuntungan, penerapan agentic AI juga membawa tantangan baru, terutama terkait dengan keamanan dan kontrol. Joglekar mengakui bahwa banyak perusahaan masih was-was mengenai sejauh mana AI dapat diberikan kewenangan untuk mengambil tindakan secara mandiri. “Ada kekhawatiran bahwa AI dapat membuat keputusan yang bertentangan dengan regulasi atau kebijakan internal,” terangnya.
Oleh karena itu, pengelolaan dan kontrol akses menjadi aspek yang sangat penting dalam implementasi agentic AI. Dalam pendekatan yang dikembangkan oleh Snowflake, setiap tindakan yang dilakukan oleh AI tetap berada dalam batasan akses dan kebijakan yang telah ditetapkan sebelumnya. Sistem hanya akan melaksanakan perintah jika pengguna memiliki izin terhadap data yang dibutuhkan. Jika tidak, AI akan menolak menjalankan tugas tersebut dan meminta otorisasi tambahan.
Peran Manusia dalam Era Agentic AI
Dalam konteks perkembangan ini, Joglekar menegaskan bahwa kehadiran AI tidak akan menggantikan peran manusia, terutama dalam bidang pengolahan data. Sebaliknya, peran tersebut akan bertransformasi menjadi lebih strategis. “Tim data tidak akan berkurang, tetapi pekerjaan mereka akan menjadi lebih bernilai, seperti membangun sistem, memastikan kualitas data, dan menciptakan kerangka kerja yang dapat digunakan oleh pengguna lainnya,” jelasnya.
AI diposisikan sebagai alat untuk meningkatkan produktivitas dan efisiensi, sekaligus membuka peluang baru dalam cara kerja di lingkungan enterprise. Dengan memanfaatkan agentic AI, perusahaan dapat lebih cepat merespons perubahan pasar, meningkatkan inovasi, dan pada akhirnya, mencapai tujuan bisnis yang lebih ambisius.
Kesimpulan
Agentic AI, dengan kemampuan untuk melaksanakan tugas secara mandiri dan efisien, telah mengubah cara perusahaan beroperasi. Melalui inisiatif seperti Project SnowWork, Snowflake memberikan solusi yang memungkinkan perusahaan untuk memanfaatkan data secara lebih efektif. Meskipun tantangan keamanan dan kontrol tetap ada, potensi agentic AI untuk meningkatkan produktivitas dan inovasi tidak dapat diabaikan. Dengan demikian, perusahaan yang mengadopsi teknologi ini akan berada di garis depan dalam menghadapi tantangan dan peluang di era digital yang semakin berkembang.
➡️ Baca Juga: Mantan Stafsus Yaqut Didakwa Korupsi Haji, Perkaya Diri Rp93 Miliar
➡️ Baca Juga: Kecelakaan KRL dan Argo Bromo di Bekasi, Tanggapan Resmi Taksi Listrik Green SM
