Berkenalan dengan Agentic AI, The Next Level dari Agent AI

Agentic AI adalah sistem artificial intelligence (AI) berbasis generative yang menerima goals, menyusun langkah demi langkah/planning, menggunakan tools, bertindak, lalu mengevaluasi hasil dengan pengawasan manusia yang terbatas.

Jika chatbot biasa hanya memberi jawaban, agent AI hanya mengorganisir satu task tertentu, dan agentic AI mengkoordinasi task khusus seperti mengecek data pelanggan, memperbarui CRM, membuat tiket, menjadwalkan demo.

Kemampuan itu untuk menyatukan sistem kerja AI agent yang tepat buat tim yang mengelola banyak chat WhatsApp dengan lebih kontekstual.

Tugas Anda hanya memberikan instruksi, goals, batasan, dan mengecek hasil kerja agentic AI tersebut.

Lalu seperti apa sebenarnya agentic Ai itu yang digadang-gadang sebagai the next level dari AI agent? Serta bagaimana pengaruhnya dalam aktivitas bisnis dan melayani customer?

Daftar isi show

Apa Itu Agentic AI dan Mengapa Disebut Next Level dari Agent AI?

Istilah AI agent merujuk pada satu agen yang menerima input, mengambil tindakan atau action tertentu, dan menggunakan tool untuk mencapai goals tertentu.

Agentic AI lebih sering menggambarkan kemampuan sistem secara menyeluruh, yaitu satu atau beberapa agen dapat merencanakan tugas, berbagi konteks, bertindak lintas aplikasi, memeriksa hasil, lalu mengubah action ketika menemui hambatan.

Sebutan next level membantu menjelaskan peningkatan kemampuan tersebut, tapi batas istilahnya belum seragam.

Anthropic menggunakan workflow dan agen otonom ke dalam kelompok agentic system.

Workflow mengikuti yang telah tim tentukan, sedangkan agen mengatur proses dan penggunaan alat secara fleksibel.

Perbedaan AI Agent dan Agentic AI

Untuk lebih memudahkan perbedaan antara AI agent dengan agentic AI, kami paparkan dalam tabel berikut.

Komponen	AI agent	Agentic AI
Sasaran	Menuntaskan tugas atau peran tertentu	Mengejar hasil akhir lintas tugas dan sistem
Cara bekerja	Merespon instruksi dalam ruang lingkup terbatas	Membagi tujuan, memilih urutan, bertindak, lalu menilai hasil
Konteks	Memakai konteks basis pengetahuan	Menjaga memori proses dan status pekerjaan lintas step/langkah
Integrasi	Memanggil satu atau beberapa alat	Mengkoordinasikan CRM, channel pesan, kalender, katalog, dan sistem lain
Pengawasan	Manusia memberi instruksi atau memeriksa hasil	Manusia menetapkan tujuan, batas akses, dan persetujuan

Perbedaannya lebih tepat kita lihat sebagai spektrum. Satu AI agent mampu merencanakan, penggunaan tools/alat, dan memperbaiki langkah sudah memiliki sifat agentik.

Sistem multi agen layak dipilih ketika pembagian spesialisasi meningkatkan hasil.

Cara Kerja Agentic AI (Mengamati, Menalar, Bertindak, dan Mengevaluasi) dalam Manajemen Pelanggan

Pertama, sistem akan mengobservasi pesan pelanggan, history yang ada di CRM, katalog, kebijakan, serta status transaksi.

Nama produk yang berbeda antara katalog dan CRM dapat membuat agen menawarkan stok atau harga yang salah.

Kedua, model menalar tujuan dan menyusun rencana.

Permintaan pelanggan untuk mengganti jadwal demo bisa berubah menjadi beberapa langkah, seperti memeriksa identitas, mengecek kalender, menawarkan pilihan, mencatat jadwal baru, dan mengirim konfirmasi.

Ketiga, agen menggunakan tools melalui API untuk mengeksekusi plan. Setelah bertindak, sistem membaca respon, mengecek apakah tujuan tercapai, lalu mencoba jalur lain atau meminta bantuan manusia.

Andrew Ng di LinkedIn di tahun 2024 merangkum pola agentic menjadi refleksi, penggunaan alat, perencanaan, dan kolaborasi multi agen.

“ Agentic AI workflow akan mendorong kemajuan AI secara besar, bahkan mungkin melampaui generasi model pondasi berikutnya.”

Refleksi disini artinya bukan berarti sistem memiliki kesadaran. Agen hanya menguji output terhadap kriteria, hasil API, atau evaluasi lain.

Tim Anda tetap perlu menetapkan batas percobaan agar agen tidak mengulang tindakan, menaikkan biaya, atau mengganggu pelanggan.

Contoh Agentic AI untuk Customer Service, Sales, dan Marketing

Pada customer service, agen akan membaca komplain, memeriksa pesanan, mencocokkan kebijakan, meminta foto, membuat tiket, dan memberi estimasi.

Agen mengalihkan kasus ketika bukti tidak lengkap, emosi pelanggan meningkat, atau nilai kompensasi melewati batas.

Tim sales memakai agen untuk menyaring lead. Agen menanyakan banyak tim, jumlah chat, kendala layanan, dan waktu penerapan.

Sistem lalu memperbarui data di CRM, kemudian menghitung lead score, menawarkan demo, serta membuat tugas follow up.

Marketer dapat menjalankan pemulihan keranjang. Agen memilih segmen berdasarkan consent tertentu, menyusun pesan, memantau respon, lalu menghentikan rangkaian saat pelanggan membeli atau menolak komunikasi.

Agentic AI dalam CRM untuk Menjaga Pemahaman pada Pelanggan

CRM tools memberi agen data-data tentang identitas, transaksi, tiket, consent, dan riwayat komunikasi.

Tanpa hal ini, AI mungkin membalas dengan lancar tapi gagal mengenali customer yang sudah 3 kali melaporkan masalah yang sama.

Agen membaca data untuk menentukan tindakan, lalu menulis kembali maksud/intent, overview, status, alasan penanganan tensi masalah yang lebih tinggi, dan langkah terbaik selanjutnya.

Catatan ini membantu manusia melanjutkan chat tanpa perlu mengulang-ulang apa yang sudah pelanggan sampaikan.

Agentic AI WhatsApp dari Chatting sampai Penanganan Komplain

Bayangkan calon pelanggan bertanya lewat WhatsApp tentang paket CRM untuk 5 admin customer service atau sales.

Agen mampu membaca katalog dan ketersediaan onboarding, mengajukan pertanyaan untuk qualifying lead, merekomendasikan paket, lalu menawarkan jadwal demo.

Saat calon customer memilih waktu, agen membuat agenda, mencatat sumber lead, dan memberi tugas kepada sales.

Skenario tersebut mulai mendekati arah produk resmi Meta.

Pada Juni 2026, Meta memperkenalkan Business Agent yang mampu menjawab pertanyaan bisnis Anda, merekomendasikan produk, membuat janji atau reservasi, menyaring lead, dan menyelesaikan penjualan.

Meta melaporkan lebih dari satu juta bisnis telah memakai Business Agent di WhatsApp dan Messenger.

Terobosan ini tidak menghapus aturan channel, Anda tetap perlu menjaga consent, transparansi penggunaan AI, kebijakan pesan, keamanan data, dan proses handoff.

Tim juga perlu memastikan integrasi menggunakan jalur resmi seperti WhatsApp Business Platform, terutama saat operasi melibatkan data pelanggan dan aplikasi internal.

Manfaat Agentic AI bagi Bisnis dan UKM

Manfaat utama dari berkurangnya perpindahan aplikasi. Satu agen bisa menangani chat, mencari data, serta menjalankan administrasi di workflow yang sama.

Agen CS mendapat lebih banyak waktu untuk negosiasi, empati, dan kasus pengecualian.

Survei PwC pada 300 eksekutif AS tahun 2025 menemukan 79% perusahaan responden sudah mengadopsi AI agent.

Di antara pengadopsi, 66% melaporkan kenaikan produktivitas, 57% penghematan biaya, 55% keputusan yang lebih cepat, dan 54% perbaikan customer experience.

Microsoft Work Trend Index 2025 mencatat 97% business leader di Indonesia menilai 2025 sebagai tahun untuk memikirkan ulang strategi dan operasi bisnis. Data ini mengambil 31.000 pekerja dari 31 negara.

Angka adopsi tidak otomatis membuktikan keberhasilan setiap penerapannya. Pelaku UKM akan memperoleh nilai lebih cepat jika memilih flow dengan jumlah pesan yang tinggi, memiliki aturan cukup jelas, dan menyimpan data yang rapi.

Risiko Penggunaan Agentic AI dan Level Authority Tindakan

Risiko meningkat ketika AI memperoleh akses untuk melakukan tindakan tertentu. Sistem bisa salah membaca intent, memakai data lama, mengulang langkah, atau merugikan customer.

Kebocoran kredensial dan prompt injection juga memperluas dampak karena agen terhubung ke aplikasi bisnis.

Gunakan level authority berikut saat merancang kewenangan berikut:

Level 0, kemampuan menjawab. Agen mencari informasi dan menjawab tanpa mengubah data.
Level 1, kemampuan merekomendasikan. Agen menyarankan paket, prioritas tiket, atau balasan, hingga human agent memilih tindakan.
Level 2, kemampuan eksekusi. Agen memberi tag, membuat tugas, menjadwalkan meeting, atau memperbarui status yang mudah tim batalkan.
Level 3, kemampuan untuk mengeksekusi yang punya dampak/risiko tinggi. Misalnya seperti refund, diskon besar, penghapusan data, perubahan kontrak, dan pembayaran selalu meminta persetujuan tim leader.

Panduan OpenAI untuk membangun agen menyarankan intervensi manusia saat agen melewati batas kegagalan serta ketika tindakan bersifat sensitif, sulit dibatalkan, atau berisiko tinggi (misalnya dalam cyber security).

Prinsip ini membuat otonomi sejalan dengan dampaknya, bukan dengan antusiasme terhadap teknologi.

Cara Menerapkannya Melalui Uji Coba Selama 1 Bulan

Pada minggu pertama, pilih satu customer journey. Misalnya lead qualification lewat WhatsApp sampai penjadwalan demo.

Petakan goal, rule, batasan/boundaries, aplikasi, kondisi gagal, dan parameter keberhasilan. Rekam baseline respon, waktu respon, conversion rate, serta beban atau keterbatasan eksekusi.

Minggu kedua berfokus pada data dan tools. Dengan merapikan data-data di CRM, katalog, FAQ, kebijakan, consent, serta hak akses API. Mulai dari satu agen dan satu atau dua tindakan level yang hanya eksekusi saja.

Pendekatan ini sejalan dengan pengalaman Anthropic kalau pola yang simple dan mudah merangkainya sering memberi hasil produksi yang lebih baik daripada framework yang rumit.

Pada minggu ketiga, uji kasus normal dan kasus tertentu. Coba pada pelanggan yang ambigu, data kosong, API gagal, pesan marah, permintaan di luar kebijakan, dan instruksi yang berusaha memanipulasi agen.

Minta tim CS atau sales menilai keputusan, apakah sudah sesuai dengan goals, batasan, dan KPI yang sudah Anda tetapkan.

Minggu keempat, buka uji coba untuk sebagian kecil trafik dan tinjau log harian. Naikkan otonomi setelah data menunjukkan hasil yang konsisten.

Riset Salesforce 2026 terhadap 3.075 profesional layanan menemukan 70% perusahaan/bisnis pengguna AI service agent melihat nilai terukur dalam 60 hari, tapi 72% praktisi operasi menyebut kesiapan data sebagai penghambat utama.

“Agentic AI dalam layanan pelanggan telah bergerak dari janji menuju bukti karena agen memperbaiki perasaan pelanggan terhadap layanan.”

– Kishan Chetan, EVP dan GM Agentforce Service.

Metrik/KPI yang Perlu Tim Anda Ukur

Untuk mengukur keberhasilan agentic AI dalam menjalankan tugas-tugas dalam pelayanan pelanggan atau untuk penjualan, ukur beberapa metrik berikut.

Metrik tersebut antara lain task completion rate, akurasi tindakan, ketepatan saat melakukan solving problem yang meningkat, rasio perbaikan, biaya per penyelesaian, conversion rate, repeat contact rate, dan CSAT.

Tambahkan unauthorized action rate dengan target nol untuk mengawasi kepatuhan terhadap batas otorisasi.

Bandingkan hasil dengan baseline dan chat tanpa agen. Jika waktu respon turun tapi repeat contact naik, agen mungkin menutup tiket terlalu cepat.

Cara Menerapkan Agentic AI melalui Uji Coba Selama 1 Bulan

Kapan Suatu Usaha Belum Memerlukan Agentic AI?

Suatu bisnis belum membutuhkan agentic AI penuh saat jumlah tugas rendah, jalurnya selalu sama, atau hasil cukup tercapai melalui FAQ dan otomasi berbasis rule. Workflow simple biasanya lebih murah dan mudah tim audit.

Anda bisa menunda perluasan otonomi jika tim belum memiliki SOP, datanya rapi, mekanisme persetujuan, log tindakan, dan prosedur pemulihan.

Agentic AI mempercepat proses yang sudah memiliki dasar serta bisa menyebabkan chaos ketika aturan dan datanya berantakan.

Kesimpulan

Seperti itulah penjelasan dari CRM.id mengenai penerapan agentic AI dalam operasional bisnis.

Agentic AI mampu membawa bisnis dari era AI yang hanya memberi jawaban menuju ke AI yang ikut menyelesaikan pekerjaan.

Untuk kebutuhan pelayanan pelanggan, kekuatannya terletak pada orkestrasi konteks, keputusan, dan tindakan lintas CRM, WhatsApp, serta aplikasi operasional.

Anda bisa memulai dari 1 masalah pelanggan, data yang rapi, dan kewenangan kecil yang mudah tim koreksi.

Jika dalam uji coba membuktikan akurasi tindakan, customer experience yang menyenangkan, dan nilai ekonomi yang sehat, Anda dapat memperluas penggunaannya secara bertahap.

Jika bisnis Anda ingin menghubungkan WhatsApp dengan software CRM, serta tim dalam satu proses dapat menjadikan tahap ini untuk mengevaluasi solusi yang paling sesuai.

Anda dapat mencoba dengan mengisi form demo CRM atau menghubungi melalui kontak WhatsApp tim CRM.id ini.

About
Latest Posts

Ainur Rohman

Content Writer at PT Kledo Berhati Nyaman

Ainur Rohman adalah SEO content writer yang berfokus membuat konten SEO di topik-topik bisnis digital, digital marketing, customer service, CRM, dan aplikasi SaaS. Dia passionate menulis untuk meningkatkan peluang tercapainya KPI digital marketing dan bisnis.