AI agent (agen AI) adalah perangkat lunak yang Anda beri tugas. Ia menentukan langkah-langkahnya, memakai tools Anda untuk menjalankannya, lalu berhenti saat pekerjaan selesai atau saat ia buntu. Agentic AI adalah istilah yang lebih luas untuk AI yang bekerja dengan cara ini. Jadi kedua istilah ini bukan saingan. "AI agent" adalah nama sebuah benda. "Agentic" menggambarkan seberapa banyak pekerjaan yang direncanakan dan dikerjakan AI secara mandiri.
Mengapa ini penting? Karena vendor memakai kedua kata ini secara longgar, dan label jarang memberi tahu apa yang benar-benar akan dilakukan sebuah produk terhadap inbox, CRM, atau pelanggan Anda. Panduan ini menjelaskan dari mana kata-kata ini berasal, bagaimana orang memakainya sekarang, dan cara menilai tool apa pun dengan beberapa pertanyaan sederhana.
AI agent vs agentic AI: versi singkatnya
| AI agent | Agentic AI | |
|---|---|---|
| Apa itu | Sesuatu yang bisa Anda tunjuk | Sebuah deskripsi, atau satu kategori utuh |
| Cara orang menyebutnya | "Kami memakai AI agent untuk meriset lead baru." | "Workflow ini agentic." |
| Seberapa besar | Satu sistem yang mengerjakan satu jenis tugas | Apa saja, dari proses sederhana yang dibantu AI hingga beberapa agent yang bekerja sama |
| Apa yang perlu ditanyakan | Pekerjaan apa yang menjadi tanggung jawabnya, dan apa saja yang bisa ia sentuh? | Berapa banyak keputusan yang ia ambil sebelum seseorang memeriksa hasilnya? |
Tidak ada yang memiliki istilah-istilah ini. Jika sebuah artikel memberi Anda satu garis pemisah "resmi" di antara keduanya, artikel itu sedang memberi Anda pendapat satu kelompok.
Asal-usul kata-kata ini
"Agent" adalah kata lama. Dalam buku teks mereka tahun 1995, Artificial Intelligence: A Modern Approach, Stuart Russell dan Peter Norvig mendefinisikan agent sebagai apa pun yang merasakan lingkungannya dan bertindak terhadapnya. Menurut definisi itu, termostat pun termasuk. Yang baru adalah model AI masa kini mampu membaca bahan kerja yang berantakan, seperti email dari pelanggan yang marah, lalu memutuskan apa yang harus dilakukan.
"Agentic" lebih baru. Pada Juni 2024, Andrew Ng, pendiri DeepLearning.AI, menyarankan cara untuk berhenti berdebat tentang apa yang "terhitung" sebagai agent. Anggap saja ini soal tingkatan, tulisnya. "Unlike the noun 'agent,' the adjective 'agentic'" (terjemahan: "Berbeda dengan kata benda 'agent', kata sifat 'agentic'") memungkinkan Anda menggambarkan sistem yang sedikit mirip agent atau sangat mirip agent.
Beberapa bulan sebelumnya ia memakai analogi yang bagus. Meminta jawaban dari AI dalam sekali jalan itu seperti meminta seseorang menulis esai tanpa pernah menekan tombol backspace. Pendekatan agentic membiarkan AI membuat kerangka, meriset, menulis draf, memeriksa, dan merevisi, seperti yang dilakukan manusia.
YouTube · Sequoia Capital
What's next for AI agentic workflows ft. Andrew Ng of AI Fund (Arah berikutnya untuk workflow AI agentic) · 26 Maret 2024
Analogi esai tanpa backspace adalah penjelasan singkat paling jelas tentang "agentic" yang kami temukan. Ini adalah talk tahun 2024, jadi anggap sebagai pelajaran tentang idenya, bukan laporan tentang tools hari ini.
Tiga cara orang memakai istilah ini sekarang
1. "Agentic" sebagai istilah payung. Panduan Anthropic, Building effective agents (Desember 2024), menyebut semuanya "sistem agentic", lalu membaginya menjadi dua. Dalam workflow, langkah-langkahnya ditetapkan sejak awal. Dalam agent, AI memilih langkahnya sendiri. Laporan mingguan yang selalu menjalankan lima langkah yang sama itu agentic, tetapi ia adalah workflow.
2. "Agentic AI" sebagai tim berisi beberapa agent. Sebuah tinjauan riset, AI Agents vs. Agentic AI (pertama kali diunggah Mei 2025, direvisi September 2025), memakai "AI agent" untuk satu sistem yang mengerjakan satu tugas, seperti menjawab pertanyaan dukungan pelanggan. Istilah "agentic AI" disimpan untuk beberapa agent yang membagi tujuan yang lebih besar dan saling berkoordinasi.
3. "Agentic AI" sebagai label pasar. Analis dan vendor sering memakainya sebagai nama kategori. Pada Juni 2025, Gartner memprediksi bahwa lebih dari 40% proyek agentic AI akan dibatalkan pada akhir 2027 karena biaya, nilai yang tidak jelas, atau kontrol risiko yang lemah. Itu prakiraan, bukan hitungan. Gartner juga memberi nama "agent washing": menyebut chatbot atau tool otomasi lama sebagai agent tanpa menambahkan kemampuan baru yang nyata. Pada Mei 2026, Gartner memperingatkan hal yang sama di software rantai pasok.
Gambar 1. Salah satu penggunaan umum "sistem agentic" sebagai payung untuk workflow dan agent. Multi-agent menggambarkan cara agent digabungkan; ini bukan kategori produk yang saling meniadakan.
Pertanyaan sebenarnya: siapa yang memilih langkahnya?
Ketiga penggunaan itu punya satu gagasan yang sama. Makin banyak AI memutuskan sendiri, makin agentic ia. Sebagian besar pekerjaan bisnis masuk ke salah satu dari tiga tingkat ini:
- Asisten. Anda bertanya, ia menjawab atau membuat draf. Sisanya Anda yang mengerjakan.
- Workflow. Langkah-langkahnya disepakati sejak awal. AI membaca dan menulis di dalam setiap langkah.
- Agent. Anda memberinya tujuan. Ia memutuskan apa yang perlu diperiksa, tool mana yang dipakai, dan kapan informasinya sudah cukup.
Maya Murad dari IBM menyebut ini "skala geser" (sliding scale) otonomi. Anda memilih tingkatnya untuk setiap tugas. Ini bukan fitur yang dibeli sekali.
YouTube · IBM Technology
What are AI Agents? (Apa itu AI agent?) · 15 Juli 2024
Maya Murad menjelaskan "skala geser" otonomi AI, lalu menerangkan mengapa tugas yang sempit dan mudah diprediksi sering lebih cocok dengan jalur tetap daripada dengan agent.
Agent atau otomasi? Perdebatan yang perlu Anda ketahui
Orang-orang yang membangun sistem seperti ini sebagai mata pencaharian sedang memperdebatkannya saat ini. Alex Vacca, yang menyebut dirinya pendiri dan CEO Frontal AI, perusahaan yang membantu firma B2B menumbuhkan pendapatan, menyampaikan argumen untuk otomasi secara blak-blakan dalam sebuah unggahan baru-baru ini.
X · Alex Vacca (@itsalexvacca) · 7 Oktober 2026
"If you can write every step down first, build an automation." … "An agent fails quietly." (terjemahan: "Kalau Anda bisa menuliskan setiap langkahnya lebih dulu, buatlah otomasi." … "Agent gagal secara diam-diam.")
Maksudnya praktis. Jika sebuah pekerjaan punya langkah tetap (contoh dari kami: menyalin isian formulir baru ke CRM), membayar AI untuk memutuskan langkah-langkah itu hanya membuang uang. Ia juga mencatat bahwa otomasi yang rusak biasanya memunculkan error, sementara agent bisa terus melaporkan keberhasilan meskipun jawabannya perlahan memburuk. Karena itu ia meminta seseorang menyetujui dulu sebelum apa pun dikirim.
Kami setuju dengan uji ini, dengan satu catatan: ini pandangan satu praktisi, berdasarkan pengaturannya sendiri, dari orang yang menjual jenis pekerjaan ini. Meski begitu, pandangannya sejalan dengan yang dikatakan Anthropic dan IBM. Mulailah dari hal paling sederhana yang berhasil. Pakai agent hanya jika langkah-langkahnya benar-benar bergantung pada apa yang ia temukan.
Mitos yang sering beredar
"Agentic AI adalah versi AI agent yang lebih baru dan lebih baik." Tidak. Agent justru salah satu hal yang paling agentic. Istilah ini menggambarkan tingkatan, bukan generasi produk.
"Makin otonom selalu makin baik." Tidak. Otonomi yang lebih besar lebih mahal dan lebih sulit diperiksa. Untuk laporan mingguan yang bentuknya selalu sama, workflow tetap lebih murah dan lebih bisa diprediksi.
"Agent tahu segalanya tentang bisnis Anda." Ia hanya tahu apa yang bisa ia lihat: tools yang Anda hubungkan dan percakapan tempat ia berada. Di Okou, misalnya, setiap chat menyimpan konteksnya sendiri. Chat baru dimulai dari nol, kecuali Anda sengaja membawa chat sebelumnya ke dalamnya.
"Makin banyak agent berarti makin mampu." Belum tentu. Setiap serah terima antar-agent adalah satu tempat lagi bagi kesalahan untuk menumpuk atau bagi akses untuk menyebar. Tanyakan siapa yang bertanggung jawab atas hasil akhirnya.
"Labelnya memberi tahu apa yang dilakukannya." Tidak. Gartner menciptakan istilah "agent washing" justru untuk hal ini, dan masih memperingatkannya pada 2026. Abaikan katanya dan tanyakan apa yang dilakukan produk itu secara mandiri.
Satu tugas, tiga cara: perpanjangan kontrak yang berisiko
Begini wujudnya dalam pekerjaan nyata. Contoh ini dibuat untuk menjelaskan idenya. Ini bukan kisah pelanggan.
Dana memimpin customer success di sebuah perusahaan software. Satu akun akan diperpanjang dalam enam minggu, dan ada yang terasa janggal. Petunjuknya tersebar. Ada email bernada tidak puas di inbox support. CRM masih menyebut akun itu "healthy" (sehat). Sebuah dokumen bersama mencatat bahwa jumlah login turun setelah pelanggan melakukan reorganisasi. Dan sebuah thread Slack bulan lalu menyebut pimpinan sudah memutuskan: tidak ada diskon perpanjangan kuartal ini.
1. Tanya agent sekali
Dana bertanya kepada Okou: "Mengapa akun ini berisiko, dan apa yang sebaiknya saya kirim minggu ini?" Okou memutuskan apa yang perlu dibaca: email, catatan CRM, catatan penggunaan, dan thread Slack. Chat menunjukkan sudah berapa lama Okou bekerja, berapa langkah yang sudah diambil, dan apa yang sedang Okou kerjakan saat ini.
Okou sedang mengerjakan tugas lain. Anda bisa melihat waktunya, jumlah langkah, dan tindakan yang sedang berjalan.
Thread Slack itulah yang mengubah jawabannya. Kalau hanya membaca email, Anda mungkin akan menawarkan diskon. Keputusan di Slack menutup kemungkinan itu, jadi Okou menyarankan sesi onboarding baru untuk tim baru pelanggan sebagai gantinya. Okou juga menunjukkan bahwa CRM dan email saling bertentangan, alih-alih diam-diam memilih salah satunya. Fakta disertai tautan ke sumbernya. Dugaan diberi label sebagai dugaan.
Okou juga menyesuaikan hasilnya untuk setiap pembaca, gagasan yang dalam ikhtisar produk Okou disebut berkomunikasi lewat medium yang tepat. Dana mendapat ringkasan singkat untuk mengambil keputusan. Pelanggan mendapat balasan, yang disimpan sebagai draf Gmail untuk disetujui Dana. Tim akun bisa mendapat update dua baris di channel mereka. Tidak ada yang sampai ke pelanggan sampai Dana sendiri yang mengirimnya. Okou hanya bisa melakukan apa yang sudah diizinkan Dana. Jika sebuah tool memisahkan pembuatan draf dari pengiriman, Dana bisa mengizinkan yang satu tanpa yang lain.
Di Okou, email menunggu sebagai draf sampai seseorang mengirimnya. Di sini hitungan Sent nol. Data demo dari tugas yang berbeda.
Dana membetulkan satu asumsi yang keliru (kepala operasional itu orang baru, bukan sedang keluar) dan meminta balasan yang lebih pendek. Karena masih di chat yang sama, Okou tetap mengingat koreksi itu.
2. Simpan metodenya sebagai workflow
Pendekatan itu berhasil, jadi Dana meminta Okou menyimpannya sebagai workflow: kumpulan langkah bernama, sumber yang perlu diperiksa, dan aturan. Koreksi-koreksinya menjadi aturan tertulis, misalnya "jangan pernah menawarkan diskon tanpa menautkan kebijakan yang berlaku." Masukan baru menjadi aturan tim jika seseorang menyimpannya seperti ini.
Dana membagikan workflow itu ke timnya. Saat seorang rekan menjalankannya, workflow itu memakai akun dan izin milik rekan tersebut, bukan milik Dana. Membagikan workflow berarti membagikan metodenya, bukan inbox atau chat pribadi Dana. Sekarang AI memutuskan lebih sedikit, karena langkahnya sudah ditetapkan, dan hasilnya jadi lebih konsisten.
3. Jadwalkan
Workflow tidak berjalan sendiri. Agar berjalan setiap Senin, tim menambahkan sebuah automation (otomasi) dengan pemilik dan pemicu. Setiap Senin, otomasi itu memeriksa perpanjangan yang jatuh tempo dalam 60 hari ke depan dan memposting ringkasan untuk setiap akun yang tampak berisiko. Email tetap menunggu sebagai draf.
Perhatikan apa yang diubah dan tidak diubah oleh jadwal. Jadwal menentukan kapan pekerjaan dimulai. Jadwal tidak memberi AI kebebasan lebih soal bagaimana pekerjaan itu dilakukan.
Berikut pekerjaan yang sama secara berdampingan:
| 1. Tanya agent | 2. Workflow tersimpan | 3. Automation | |
|---|---|---|---|
| Siapa yang memilih langkah | Agent, berdasarkan apa yang ia temukan | Langkah yang tersimpan. AI bekerja di dalam setiap langkah | Sama dengan workflow. Jadwal tidak menambah kebebasan |
| Apa yang memulainya | Dana bertanya | Siapa pun di tim memintanya, dengan menyebut namanya | Jadwal, dengan pemilik yang ditunjuk |
| Siapa yang menyetujui | Dana meninjau ringkasan dan draf | Setiap orang yang menjalankannya | Pemilik membaca ringkasan. Email tetap berupa draf |
Ketiganya agentic dalam tingkat tertentu. Hanya yang pertama yang dimaksud kebanyakan orang dengan "AI agent".
Apa yang tetap dipegang manusia
Membiarkan AI memilih langkah tidak boleh berarti tidak ada yang bertanggung jawab atas hasilnya. Sebelum agent menyentuh pekerjaan nyata, tetapkan empat hal:
- Apa yang bisa ia baca. Inbox, CRM, dan dokumen mana saja, dan lewat akun siapa.
- Apa yang bisa ia ubah. Membuat draf bukan berarti mengirim. Menyarankan update CRM bukan berarti melakukannya.
- Di mana ia berhenti. Tindakan mana yang selalu menunggu manusia.
- Apa yang ia serahkan kembali. Ringkasan, draf, atau catatan yang bisa dicek seseorang terhadap sumbernya.
Orang yang memakai AI di tempat kerja sudah berpikir seperti ini. Dalam 2026 Work Trend Index dari Microsoft, survei terhadap 20.000 pengguna AI di 10 negara yang dilakukan pada awal 2026, 86% mengatakan mereka memperlakukan hasil AI sebagai titik awal, bukan jawaban akhir. Ini jawaban orang-orang itu sendiri, bukan ukuran hasil.
Untuk mengetahui lebih lanjut bagaimana tim menyesuaikan diri saat AI mulai mengambil alih pekerjaan, lihat apa yang berubah saat AI bekerja secara otonom.
Pertanyaan untuk tool "agentic" mana pun
- Siapa yang memilih langkahnya? Ditetapkan sejak awal, dipilih AI setiap kali, atau campuran?
- Apa yang bisa ia lihat? Tools mana, lewat login siapa, dan apakah ia mengingat percakapan sebelumnya?
- Apa yang memerlukan persetujuan Anda? Apakah itu ditegakkan lewat izin, atau hanya ditulis di prompt?
- Apa yang ia lakukan saat ragu? Apakah ia menandai masalahnya, atau menebak?
- Bisakah Anda melihat apa yang sudah ia lakukan? Apakah setiap langkah dan hasil tercatat?
- Bisakah tim Anda memakai ulang cara yang berhasil? Bisakah metodenya disimpan, dibagikan, dan dijadwalkan dengan pemilik yang ditunjuk?
Tool yang bisa menjawab pertanyaan ini dengan jelas layak dilirik, apa pun sebutannya. Untuk ide tentang dari mana memulai, lihat contoh AI agent untuk pekerjaan nyata dan panduan kami tentang mengelola konteks dan izin.
FAQ
Apakah agentic AI sama dengan AI agent?
Tidak persis. AI agent adalah sistem tertentu yang menerima tugas, memilih langkahnya, dan memakai tools untuk menyelesaikannya. Agentic AI adalah istilah yang lebih luas untuk AI yang bekerja dengan cara ini, dalam tingkat apa pun. Setiap AI agent itu agentic, tetapi "agentic AI" juga bisa berarti workflow tetap dengan langkah-langkah AI, atau beberapa agent yang bekerja sama.
Apa bedanya agentic AI dan generative AI?
Generative AI menulis atau membuat sesuatu saat Anda minta, lalu menunggu. Agentic AI memakai kemampuan itu untuk bekerja menuju sebuah tujuan: ia merencanakan, mengambil tindakan dengan tools, memeriksa hasilnya, dan terus berjalan. Sebagian besar AI agent berjalan di atas model generatif, tetapi menulis balasan hanyalah satu bagian dari apa yang mereka lakukan.
Apa risiko agentic AI?
Risikonya datang dari bertindak, bukan dari menjawab. AI yang punya akses ke email, CRM, atau akun iklan bisa membuat perubahan yang salah atau mengirim sesuatu yang belum diperiksa siapa pun. Prakiraan Gartner tahun 2025 bahwa banyak proyek agentic AI akan dibatalkan pada 2027 menyebut biaya, nilai yang tidak jelas, dan kontrol risiko yang lemah sebagai penyebabnya. Berikan hanya akses yang dibutuhkan tugas itu, simpan catatan setiap langkah, dan wajibkan persetujuan untuk apa pun yang keluar dari perusahaan.
Apa bedanya agentic AI dan RPA?
RPA (robotic process automation) mengikuti langkah-langkah yang direkam secara persis, seperti menyalin field dari satu sistem ke sistem lain. Agentic AI bisa menangani pekerjaan yang langkah berikutnya bergantung pada apa yang ia baca, seperti email yang perlu dipahami. Beberapa tool RPA sudah diberi label baru "agentic" tanpa perubahan nyata, jadi minta untuk melihat bagaimana sebuah tool menangani sesuatu yang tidak terduga.
Bisakah agentic AI bekerja sepenuhnya otonom?
Beberapa sistem bisa menjalankan banyak langkah tanpa manusia. Dalam bisnis, itu jarang menjadi tujuannya. Kebanyakan tim membiarkan AI meriset, membuat draf, dan memberi saran, sementara seseorang menyetujui apa pun yang bersifat eksternal atau sulit dibatalkan, seperti mengirim email atau mengubah catatan. Para analis juga tetap berhati-hati: pada Mei 2026, Gartner menyatakan sebagian besar tool perencanaan rantai pasok belum mencapai otonomi penuh.
Apakah saya butuh AI agent atau otomasi yang lebih sederhana?
Mulailah dari yang sederhana. Jika sebuah tugas selalu punya langkah yang sama, workflow tersimpan yang dijadwalkan lebih murah dan lebih bisa diprediksi. Pakai agent saat langkah-langkahnya bergantung pada apa yang ia temukan, seperti mencari tahu mengapa sebuah akun berisiko. Banyak tim melakukan keduanya: memakai agent untuk menemukan metodenya, lalu menyimpannya sebagai workflow agar bisa diulang.
