Agentic AI: Bukan Chatbot Canggih, Melainkan Mesin Pengubah Proses
Agentic AI adalah pendekatan kecerdasan buatan yang dirancang untuk menjalankan rangkaian pekerjaan atau proses bisnis secara mandiri berdasarkan tujuan yang telah ditentukan, bukan hanya menjawab pertanyaan, melainkan mengambil langkah-langkah operasional konkret, berinteraksi dengan berbagai sistem, dan menutup loop pekerjaan yang sebelumnya mengandalkan intervensi manual manusia secara intensif.
Kasus DANA memperlihatkan bahwa agentic AI produktivitas jauh melampaui hype seputar "coba-coba AI". Perusahaan ini mencatat penerapan agentic artificial intelligence pada sejumlah proses operasional mampu meningkatkan produktivitas hingga 57% sepanjang 2025. Angka ini bukan sekadar klaim teknologi, melainkan indikator bahwa otomasi proses bisnis yang kompleks mulai berpindah dari slide presentasi ke realitas operasional. Dalam forum AI@Work Lab di IdeaFest 2026 pada 7 September 2026, DANA memaparkan bagaimana AI yang bertindak sebagai agen, bukan chatbot, menjadi motor efisiensi operasional AI yang terukur di level enterprise.
Dari Hype ke Nilai Bisnis: Menghindari "AI Adoption Trap"
Perbedaan utama antara agentic AI dan chatbot tradisional di enterprise terletak pada kedalaman integrasi ke proses bisnis. Chatbot lebih banyak berhenti pada interaksi percakapan: menjawab FAQ, membantu pencarian informasi, atau memandu form sederhana. Agentic AI, sebaliknya, diberi tujuan bisnis dan wewenang untuk menjalankan serangkaian aksi lintas sistem secara lebih mandiri, sehingga ia benar-benar mengotomatiskan proses bisnis end-to-end.
Inilah konteks lahirnya istilah "AI Adoption Trap" yang dibahas DANA: perusahaan tergoda mengejar angka adopsi—berapa banyak karyawan memakai chatbot atau berapa banyak eksperimen yang dilakukan—padahal kecepatan adopsi tidak selalu sama dengan kecepatan penciptaan nilai. DANA mengambil posisi tegas: produktivitas menjadi indikator utama apakah AI hanya dipakai, atau sungguh mengubah cara kerja. Peningkatan 57% produktivitas menunjukkan AI sudah masuk ke jantung transformasi digital enterprise, bukan lagi alat demo untuk menghibur rapat direksi.
Efisiensi Operasional dan Dampaknya ke Pengalaman Pelanggan
Poin penting dari implementasi agentic AI DANA adalah bahwa efisiensi operasional AI bukan tujuan akhir, melainkan sarana untuk memperbaiki pengalaman pelanggan. Selain lonjakan produktivitas hingga 57%, DANA mencatat kepuasan pelanggan meningkat 13% dan penyelesaian layanan menjadi 10% lebih cepat sepanjang 2025. Artinya, otomasi proses bisnis tidak hanya mengurangi beban kerja internal, tetapi juga terasa langsung oleh pengguna dalam bentuk respon lebih cepat dan layanan yang lebih andal.
Pendekatan Smart Friction yang mereka terapkan menambah lapisan verifikasi pada aktivitas berisiko tinggi. Dengan kolaborasi bersama PPATK, DANA menyebut pendekatan ini berkontribusi pada penurunan aktivitas terindikasi perjudian online hingga 80% sepanjang 2025. Ini menunjukkan sisi lain yang sering dilupakan dalam transformasi digital enterprise: AI bukan hanya alat akselerasi, tetapi juga alat kontrol risiko. Proses yang lebih efisien memberi ruang untuk menyeimbangkan kecepatan, keamanan, dan kepatuhan tanpa mengorbankan kenyamanan pengguna.
Peran Engineer Berubah: Dari Penulis Kode ke Penentu Arah
Transformasi paling tajam akibat agentic AI mungkin terjadi di tim engineering. Di DANA, sekitar 80–90% kode kini dihasilkan dengan dukungan AI. Bagi yang memandang AI sebagai ancaman pekerjaan, angka ini terdengar mengkhawatirkan. Namun perusahaan tersebut menegaskan bahwa engineer tetap memegang peran inti: merumuskan persoalan, merancang arsitektur sistem, melakukan validasi, memastikan keamanan, dan mengambil keputusan atas hasil akhir.
CTO DANA menggambarkan pembagian kerja baru ini dengan lugas: AI membantu menjawab "how", sementara engineer bertanggung jawab atas "why", "what", dan "what could go wrong". Kemampuan menulis kode tetap penting, tetapi bukan lagi satu-satunya kompetensi yang menentukan. Di sini, transformasi digital enterprise mengangkat nilai keterampilan yang selama ini dianggap "non-teknis": pemahaman konteks bisnis, penilaian risiko, dan akuntabilitas. AI menangani eksekusi berulang, manusia mengelola makna dan konsekuensi.
Pelajaran Praktis: Mendesain ROI Agentic AI di Level Enterprise
Pelajaran terbesar dari studi kasus ini adalah sederhana: agentic AI produktivitas hanya masuk akal ketika perancangan ROI dilakukan dari perspektif masalah bisnis, bukan teknologi. DANA menegaskan bahwa adopsi AI bukan lagi tujuan akhir; nilainya baru tercipta ketika teknologi tersebut membantu menyelesaikan persoalan nyata, memperbaiki kualitas keputusan, dan memberikan hasil terukur. Inilah cara terhindar dari AI Adoption Trap yang memenuhi perusahaan dengan proyek percobaan, tetapi tidak menyentuh metrik operasional.
Bagi organisasi yang sedang merancang transformasi digital enterprise, implikasinya jelas. Pertama, mulai dari proses yang paling mahal secara waktu dan risiko, lalu tanyakan: bagian mana yang bisa diubah menjadi alur agentic AI, bukan sekadar chatbot. Kedua, definisikan indikator sebelum implementasi—misalnya produktivitas, kecepatan layanan, tingkat fraud—agar peningkatan seperti 57% produktivitas atau penurunan 80% aktivitas berisiko dapat dibaca sebagai hasil desain, bukan kebetulan. Tanpa disiplin ini, AI akan berhenti sebagai tren, bukan mesin pertumbuhan.
