Era Agentic AI: Potensi Transformatif dan Tantangan Kompleks Kecerdasan Buatan

Tahun 2025 menandai babak baru dalam evolusi kecerdasan buatan (AI) dengan kemunculan Agentic AI sebagai tren teknologi strategis utama. Agentic AI, berbeda dari sistem AI tradisional yang hanya merespon perintah, mampu merencanakan, mengambil keputusan, dan beradaptasi secara mandiri. Kemampuan ini memungkinkan otomatisasi tingkat lanjut dalam berbagai sektor, mulai dari manajemen alur kerja kompleks di perusahaan hingga penelitian ilmiah yang membutuhkan koordinasi sumber daya yang rumit. Kehadiran Agentic AI menjanjikan efisiensi dan produktivitas yang belum pernah terjadi sebelumnya, namun juga menghadirkan tantangan kompleks yang memerlukan pertimbangan mendalam.

Agentic AI: Evolusi dan Risiko

Agentic AI merupakan pengembangan dari AI Narrow (AI yang dirancang untuk tugas spesifik) dan Generatif AI (AI yang dapat membuat konten baru). Kemampuan chaining, yaitu menjalankan serangkaian tindakan sebagai respons terhadap permintaan tunggal, dan kemampuan memecah tugas kompleks menjadi sub-tugas yang lebih kecil, menjadikan Agentic AI sebagai teknologi yang sangat ampuh. Prediksi Gartner menunjukkan bahwa pada tahun 2028, setidaknya 15 persen pengambilan keputusan di perusahaan akan dilakukan secara otonom oleh Agentic AI. Namun, potensi transformatif ini diiringi oleh risiko signifikan. Keamanan sistem menjadi perhatian utama, karena Agentic AI yang diretas dapat dimanfaatkan untuk tujuan berbahaya. Perilaku tak terduga dari sistem yang beroperasi tanpa pengawasan manusia secara real-time juga menimbulkan kekhawatiran. Selain itu, biaya implementasi, konsumsi energi, dan masalah etika terkait tanggung jawab atas keputusan yang diambil oleh Agentic AI perlu dikaji secara cermat.

Risiko lainnya meliputi:

• Biaya, energi, dan sumber daya: Sistem Agentic AI yang kompleks membutuhkan investasi yang besar dan konsumsi energi yang tinggi.
• Etika dan sosial: Menentukan tanggung jawab atas keputusan yang merugikan yang diambil oleh Agentic AI menjadi tantangan besar.
• Kendali manusia: Sulitnya memantau dan menghentikan sistem Agentic AI yang bermasalah secara tepat waktu.
• Ketergantungan pihak ketiga: Sistem Agentic AI yang canggih seringkali dioperasikan oleh pihak ketiga, meningkatkan ketergantungan perusahaan pada vendor eksternal.

ROI AI: Tantangan dan Strategi

Investasi di Generatif AI telah melonjak signifikan, namun banyak perusahaan masih kesulitan mengukur Return on Investment (ROI) dari inisiatif AI mereka. Survei menunjukkan bahwa sebagian besar perusahaan menghadapi kesulitan dalam memperoleh ROI yang menguntungkan dan meningkatkan nilai AI bagi bisnis mereka. Hanya sebagian kecil perusahaan yang berhasil secara konsisten menghasilkan nilai signifikan dari implementasi AI. Kondisi ini diklasifikasikan menjadi empat kategori:

• AI Stagnating (25%): Minim atau tanpa tindakan terkait AI, kurang kemampuan dasar, dan tidak menghasilkan nilai.
• AI Emerging (49%): Memiliki kemampuan dasar, memulai eksperimen awal, tetapi masih kesulitan meningkatkan skala dan menghasilkan nilai.
• AI Scaling (22%): Memiliki strategi AI yang maju, berhasil meningkatkan skala, dan mulai menghasilkan nilai.
• AI Future-built (4%): Terdepan dalam inovasi AI, secara sistematis membangun kemampuan AI mutakhir, dan secara konsisten menghasilkan nilai signifikan.

Ketidaksabaran terhadap hasil ROI AI dapat menyebabkan pengurangan investasi prematur, yang merugikan dalam jangka panjang. Oleh karena itu, perusahaan perlu membangun strategi yang solid, memilih use case yang unik, dan membuat roadmap yang menyeimbangkan ROI jangka pendek dan panjang.

Dampak AI terhadap Lapangan Kerja dan Hilirisasi Riset

Agentic AI dan teknologi AI lainnya berpotensi menggeser beberapa lapangan kerja. Contohnya, CEO Google memperingatkan bahwa lebih dari 25% kode layanan Google kini ditulis oleh AI, sementara CEO OpenAI memperkirakan AI akan menggantikan 95% pekerjaan di divisi marketing. Di China, munculnya robotaxi mengancam pekerjaan jutaan pengemudi taksi. Oleh karena itu, keseimbangan antara manfaat produktivitas AI dan dampak sosialnya terhadap tenaga kerja menjadi isu krusial.

Di sisi lain, AI juga mendorong hilirisasi riset di berbagai bidang, termasuk perbankan dan pertanian. Contohnya, BRI memanfaatkan AI untuk meningkatkan efisiensi layanan dan analisis data, sementara startup Pitik menggunakan AI untuk meningkatkan produktivitas peternakan ayam. Perkembangan transportasi online dan marketplace online juga sangat bergantung pada algoritma AI yang canggih.

Kesimpulannya, Agentic AI menawarkan potensi transformatif, tetapi juga menghadirkan tantangan dan risiko yang kompleks. Pendekatan yang bijaksana dan terukur, yang mempertimbangkan aspek etika, kepatuhan, dan dampak sosial, sangat penting untuk memaksimalkan manfaat dan meminimalkan risiko teknologi ini. Pemerintah, industri, dan akademisi perlu bekerja sama untuk mengembangkan dan menerapkan AI yang bertanggung jawab dan berkelanjutan.