Dalam beberapa tahun terakhir, teknologi kecerdasan buatan (Artificial Intelligence/AI) mengalami evolusi luar biasa — dari sistem AI yang hanya memberikan rekomendasi atau ringkasan teks, menjadi generasi yang disebut Agentic AI yang bisa bertindak secara langsung atas nama pengguna tanpa intervensi manual di setiap langkah. Namun sebelum semua perusahaan dan tim TI tergesa-gesa mengadopsi agentic AI, penting untuk memahami apa yang nyata dari hype tersebut, apa yang masih di bawah permukaan, dan bagaimana memutuskan kapan teknologi ini benar-benar diperlukan.
Artikel dari SolarWinds ini merupakan bagian pertama dari seri yang membantu pembaca memetakan tren tersebut, menyaring klaim pemasaran dari kenyataan teknis, serta mempersiapkan organisasi untuk langkah adopsi yang strategis.
Apa Itu Agentic AI dan Apa yang Membuatnya “Berbeda”?
Sebelum munculnya large language models (LLMs) yang canggih, sistem AI dalam konteks TI umumnya terbatas pada anomaly detection — misalnya memantau lonjakan CPU atau latensi, lalu melempar notifikasi ke tim operasi untuk mengambil tindakan. Otonomi hampir nihil: analisis muncul, tetapi tindakan tetap sepenuhnya di tangan manusia.
Agentic AI memotong batas ini dengan kemampuan bukan hanya mengetahui apa yang terjadi, tetapi juga bertindak berdasarkan data dan konteks. Ini terjadi karena kemampuan model yang bisa memanggil alat eksternal (tool calling) — bukan hanya mengandalkan data internal saja.
Contoh sederhananya: ketika sistem tradisional hanya memberi rekomendasi memperbarui tiket layanan, agentic AI bisa memahami permintaan pengguna, mengecek persyaratan, mencari persetujuan manajer, dan kemudian memperbarui tiket atau mengeksekusi perubahan konfigurasi jaringan secara otomatis. Ini bukan hanya saran; ini adalah aksi yang dilakukan oleh sistem secara terkoordinasi dengan berbagai sumber data dan mekanisme pemeriksaan real-time.
Tool Calling: Kunci yang Membuka Otonomi
Kemampuan unik yang membedakan agentic AI dari AI konvensional adalah tool calling. Alih-alih hanya menjawab pertanyaan dari basis data internalnya, model agentic dapat:
-
memanggil kalkulator saat membutuhkan perhitungan numerik
-
mengecek sumber data live ketika diminta informasi real-time
-
menarik metrik atau log dari sistem pemantauan untuk melakukan tindakan tertentu
Pada tahap lanjutan, sebuah permintaan kompleks seperti “Siapkan akses ke jaringan VPN untuk tim baru” tidak lagi sekadar memicu rekomendasi. Sistem agentic menentukan sendiri serangkaian langkah — termasuk verifikasi, tingkatan akses, hingga eksekusi permintaan — sehingga tugas tersebut selesai dengan sedikit atau tanpa intervensi langsung dari manusia.
Perubahan inilah yang memicu gelombang ekspektasi di pasar, karena banyak pihak melihat potensi otomasi AI yang jauh lebih luas dibanding sebelumnya.
Hype di Balik Agentic AI — Apa yang Perlu Diwaspadai?
Meskipun potensi teknologi ini besar, ada bahaya hype yang nyata. Banyak vendor teknologi merasa tertekan untuk menunjukkan bahwa mereka “siap agentic” sehingga berbagai solusi lama — seperti chatbots, AI asistif, atau otomasi berbasis aturan — tiba-tiba diberi label agentic tanpa kemampuan otonom yang sebenarnya. Fenomena ini disebut agent washing, yaitu mengemas kembali teknologi lama dengan nama baru demi menarik perhatian dan penjualan.
Menurut analis industri, hanya sebagian kecil dari ribuan vendor ketika ini yang benar-benar memiliki kemampuan agentic yang substansial — sementara banyak lainnya masih bergantung pada pendekatan tradisional yang hanya diberi label baru.
Hal ini menciptakan “kabut hype” di mana IT decision-maker bisa merasa tertekan untuk mengadopsi teknologi baru tanpa melakukan evaluasi mendalam terhadap kemampuan faktualnya. Banyak tim TI berpikir bahwa agentic AI adalah solusi ajaib untuk masalah besar seperti “hutang teknis” atau kekurangan staf — padahal implementasi nyata sering jauh lebih kompleks dari itu.
Risiko dan Tantangan Implementasi di Dunia Nyata
Ada beberapa alasan mengapa banyak proyek agentic AI saat ini masih belum matang:
-
Beban Infrastuktur – Model agentic AI sering memerlukan infrastruktur GPU besar, dan integrasi dengan sistem lama (legacy), yang dapat meningkatkan biaya penggunaan.
-
Tujuan yang Tidak Jelas – Banyak organisasi memulai proyek hanya karena hype, tanpa tujuan bisnis konkret. Tanpa goal definition yang jelas, proyek cenderung menemui kegagalan atau stagnasi.
-
Pengukuran Nilai – Menentukan Return on Investment (ROI) agentic AI sulit tanpa metrik yang jelas, terutama ketika implementasi awal masih berupa proof of concept.
Analis memperkirakan bahwa sebagian besar proyek agentic saat ini merupakan eksperimen awal, dan sejumlah besar di antaranya mungkin tidak pernah mencapai produksi skala penuh. Sebagian akan diubah menjadi sistem berbasis workflow yang lebih konservatif, sejalan dengan kemampuan saat ini, sebelum benar-benar bisa mengadopsi otomatisasi sepenuhnya.
Manusia di Balik Teknologi — Emosi & Harapan
Uniknya, tantangan terbesar bukan hanya soal teknis — tetapi juga emosi manusia: kekhawatiran akan ketinggalan (FOMO), tekanan untuk terlihat inovatif, dan keinginan akan solusi yang cepat tanpa menyadari kompleksitas di baliknya. Banyak departemen TI yang bahkan memasang target adoposi agentic AI sebagai prioritas tanpa memahami implikasinya terhadap operasional sehari-hari.
Kesimpulan: Jadi Bijak di Tengah Gelombang Hype
Agentic AI memang membawa peluang besar untuk memperluas kemampuan otomatisasi dan mengurangi beban kerja manual. Namun artikel dari SolarWinds menggarisbawahi bahwa sebelum terburu-buru mengadopsi teknologi ini, organisasi perlu memahami inti kemampuannya secara teknis, mengevaluasi nilai bisnis yang signifikan, dan menyiapkan strategi implementasi yang realistis — bukan hanya terpengaruh oleh klaim pemasaran semata.
Dengan pendekatan kritis dan strategi matang, agentic AI bisa menjadi alat yang kuat — tetapi hanya ketika digunakan di konteks yang tepat, dengan pemahaman yang jernih terhadap tujuannya dan dampaknya terhadap operasi sehari-hari.
Infrastruktur IT yang kuat adalah kunci produktivitas perusahaan. Dengan SolarWinds Indonesia, merupakan bagian dari PT. iLogo Infralogy Indonesia, yang merupakan mitra terpercaya dalam solusi Infrastruktur IT dan Cybersecurity terbaik di Indonesia.
Hubungi kami sekarang atau kunjungi solarwinds.ilogoindonesia.id untuk informasi lebih lanjut!