DECISION BRIEF 23 | DIGITAL TRANSFORMATION & OPERATING MODELS | 8 OKTOBER 2026
Model Operasi Agentic AI: Redesign Kerja Sebelum Scale
Jangan scale agentic AI dengan menambahkan tools ke proses yang tidak berubah. CEO perlu lebih dulu merancang ulang satu workflow end-to-end, menetapkan human handoff dan decision rights, lalu membuktikan bahwa kecepatan, kualitas, traceability, dan unit economics membaik secara bersamaan.
Agentic AI bukan hanya mengubah cara tugas dikerjakan. Teknologi ini mengubah siapa yang boleh bertindak, bukti apa yang tercipta, ke mana exception dialihkan, bagaimana error berlipat, dan siapa yang tetap accountable ketika sistem bekerja lintas aplikasi.
Decision Brief 23 | Evidence reviewed 8 Oktober 2026 | Cakupan: model operasi perusahaan di Indonesia dan Asia Tenggara, dengan dukungan evidence global terkini
Sinyal evidence utama
Evidence terkini tidak mendukung perlombaan tool-first menuju autonomy. Arah yang lebih kuat adalah workflow redesign, human accountability yang tegas, evaluasi disiplin, dan jalur terukur dari eksperimen menuju operasi yang repeatable.
| Sinyal evidence | Implikasi bagi leadership | Cakupan dan keterbatasan |
|---|---|---|
| Working paper OECD yang terbit 16 September 2026 membahas bagaimana organisasi lintas wilayah dan sektor mengembangkan, menerapkan, dan mengelola agentic AI. | Deployment dan governance harus dirancang bersamaan; autonomy bukan sekadar feature toggle. | Early qualitative evidence dari wawancara praktisi; bukan survei adopsi representatif atau bukti financial return. |
| Microsoft 2026 Work Trend Index mensurvei 20.000 knowledge worker pengguna AI di 10 pasar. Frontier Professionals lebih sering melaporkan agent workflow, human handoff, dan quality standard yang repeatable di level tim, fungsi, dan organisasi. | Repeatability dan desain handoff membedakan scale yang nyata dari productivity gain individual. | Survei global berbasis self-report dan telemetry Microsoft; Indonesia dan Asia Tenggara tidak termasuk dalam 10 pasar survei. |
| World Economic Forum dan Kearney melaporkan investasi AI global lebih dari US$250 miliar pada 2025, tetapi hanya 25% perusahaan menyatakan AI telah memberi transformative impact. | Capital deployment dan jumlah tools tidak otomatis menghasilkan perubahan model operasi. | White paper berbasis insight lebih dari 50 organisasi; self-assessment perusahaan dan metodologi kolaborasi membatasi causal inference. |
| Review ILO pada 1 Juni 2026 menemukan productivity gain yang nyata tetapi tidak merata, sementara penghematan waktu beberapa persen belum konsisten berubah menjadi kenaikan output, pendapatan, atau employment. | Waktu yang dihemat belum sama dengan business value; workflow harus mengubah capacity menjadi outcome yang lebih baik. | Evidence dari tujuh negara yang mayoritas berpendapatan tinggi; transferability ke perusahaan ASEAN berbeda-beda. |
| Estimasi ILO untuk 2025 menempatkan 21,7% employment Indonesia dan 22,9% employment ASEAN pada occupation dengan lebih dari minimal exposure terhadap GenAI, tanpa evidence kehilangan pekerjaan regional dalam skala besar. | Keputusan CEO dalam waktu dekat adalah work redesign dan preparedness, bukan prediksi biner tentang penggantian manusia. | Occupational exposure adalah potensi, bukan automation atau displacement yang sudah terjadi. Adopsi masih awal dan tidak merata. |
Google Trends untuk 90 hari yang diperiksa 8 Oktober 2026 menunjukkan indeks minat relatif rata-rata agentic AI sebesar 27 di Indonesia, 25 di Singapura, dan 31 secara global. | Istilah payung ini memiliki discovery demand; artikel harus menjawab keputusan model operasi yang lebih sulit di baliknya. | Indeks minat relatif, bukan search volume, buying intent, atau prediksi traffic. Istilah bervolume rendah dapat berfluktuasi. |
Pertanyaan keputusan
CEO perlu memutuskan apakah agentic AI siap di-scale lintas fungsi atau satu workflow harus lebih dulu membuktikan model operasi yang repeatable. Default yang tepat adalah bounded workflow proof sebelum autonomy diperluas.
Pertanyaannya bukan apakah agent mampu menyelesaikan tugas. Pertanyaannya adalah apakah organisasi mampu menetapkan outcome, permission, handoff, evidence, ownership, dan stop condition dengan cukup jelas agar agent dapat bertindak tanpa melemahkan accountability.
Asumsi konvensional yang perlu ditantang
Asumsi lama menyatakan bahwa adopsi AI dapat mengikuti playbook software: beli license, latih user, terbitkan policy, lalu ukur usage. Agentic AI merusak playbook itu karena sistem dapat bertindak lintas langkah dan aplikasi sehingga kelemahan proses serta decision rights yang kabur ikut di-scale.
Automation tradisional biasanya mengikuti jalur yang sudah ditetapkan. Agentic system dapat memilih tools, menyusun urutan kerja, menafsirkan konteks, serta memutuskan apakah sebuah exception perlu dieskalasikan. Fleksibilitas ini baru menciptakan nilai jika model operasi menjelaskan apa yang boleh diputuskan agent, judgment apa yang tetap milik manusia, dan evidence apa yang harus ditinggalkan keduanya.
Apa yang diubah agentic AI
Agentic AI memisahkan work dari headcount dan execution dari judgment. Teknologi ini dapat mempercepat aliran informasi dan tindakan, tetapi tidak dapat mengambil tanggung jawab CEO atas purpose, risk appetite, fairness, atau konsekuensi.
- Information quality: agent dapat menyusun evidence secara terus-menerus, tetapi juga dapat mengulang data lemah dan asumsi tersembunyi dalam skala besar.
- Decision speed: tindakan dapat berpindah dari hitungan hari ke menit sehingga waktu untuk review dan escalation menyusut.
- Agency: sistem dapat memulai pekerjaan, memakai tools, memperbarui record, dan berkomunikasi tanpa manusia memicu setiap langkah.
- Workflow: unit yang relevan menjadi outcome end-to-end, bukan satu prompt atau satu task.
- Economics: nilai dan biaya ditentukan oleh completed workflow, exception rate, human review, rework, dan failure—bukan token volume saja.
- Talent: peran manager bergeser dari membagi tugas menjadi mendesain sistem, mengevaluasi performance, dan menangani ambiguity.
- Trust: customer dan pekerja perlu mengetahui kapan agent bertindak, bagaimana error diperbaiki, dan siapa yang tetap bertanggung jawab.
Agent dapat membantu research, triage, drafting, routing, reconciliation, monitoring, dan low-risk execution. Leadership manusia harus mempertahankan judgment atas tujuan, trade-off, exception, external commitment, workforce impact, serta keputusan untuk meneruskan atau menghentikan sistem.
Point of View
Model operasi agentic AI yang paling kuat bersifat workflow-led, bukan tool-led atau function-led. Autonomy baru layak di-scale setelah satu business outcome dapat dihasilkan berulang kali dengan human handoff yang jelas, kualitas terukur, evidence yang traceable, dan cost per correct completion yang dapat diterima.
Pendekatan ini lebih lambat daripada membagikan license, tetapi jauh lebih cepat daripada mencoba merombak seluruh perusahaan sekaligus. Fokusnya adalah satu area di mana management dapat membandingkan baseline yang nyata dengan workflow berbasis agent yang governed.
Unit nilai sebaiknya berupa workflow yang selesai dengan benar: qualified opportunity, resolved service request, reconciled invoice, approved claim, atau completed analysis. Usage dan time saved adalah supporting signal, bukan outcome yang cukup.
Thought Process
Mulailah dari costly outcome, uraikan workflow, tetapkan authority, instrumentasikan evidence, lalu pilih tingkat autonomy. Urutan ini mencegah kemampuan teknologi mengambil alih keputusan model operasi.
- Pilih outcome: tentukan workflow material dengan hasil yang jelas bagi customer atau bisnis.
- Petakan baseline: ukur cycle time, kualitas, rework, biaya, exception, dan dampak customer sebelum agent diperkenalkan.
- Uraikan pekerjaan: pisahkan information work rutin, reversible action, consequential judgment, dan external commitment.
- Tetapkan decision rights: jelaskan apa yang boleh dieksekusi agent, apa yang harus disetujui manager, dan apa yang wajib dieskalasikan.
- Desain human handoff: tentukan kriteria exception, konteks wajib, response time, override, dan restart authority.
- Instrumentasikan evaluasi: catat input, action, output, tool call, approval, error, rework, dan final outcome.
- Uji unit economics: masukkan biaya orchestration, model, software, human review, support, dan failure remediation.
- Scale pola yang terbukti: perluas hanya ketika workflow repeatable dan organisasi dapat menjelaskan mengapa pola itu berhasil.
Empat opsi model operasi
Tidak ada opsi yang selalu benar. Pilihan ditentukan oleh urgency, process maturity, risk, data quality, dan kemampuan organisasi memiliki outcome end-to-end.
| Opsi | Gunakan ketika | Keunggulan utama | Risiko utama |
|---|---|---|---|
| Tool-led diffusion | Targetnya individual productivity berisiko rendah dan external action tetap dibatasi. | Learning cepat dan eksperimen luas. | Practice terfragmentasi, shadow agent tidak terlihat, biaya terduplikasi, dan learning tidak menjadi aset organisasi. |
| Function-led agents | Satu fungsi memiliki bounded process serta data, control, dan management capability yang kuat. | Sponsor jelas dan local execution lebih cepat. | Optimisation terjadi di satu silo sementara exception dan risk dipindahkan ke tim lain. |
| Workflow-led operating model | Outcome lintas fungsi dapat diukur dari intake sampai completion. | Menyelaraskan value, handoff, control, dan unit economics. Ini default yang direkomendasikan. | Memerlukan ownership lebih kuat dan redesign lebih dalam sebelum scale terlihat. |
| Defer and prepare | Data, proses, accountability, atau kondisi legal terlalu lemah untuk safe execution. | Mencegah automation mahal atas proses yang rusak. | Penundaan menjadi pasif jika tidak ada owner dan readiness milestone. |
Tegaskan decision rights
CEO harus memutuskan di mana autonomy boleh menciptakan enterprise value dan judgment apa yang tidak akan didelegasikan. Workflow ownership, evaluation, dan escalation perlu diberikan kepada role yang bernama jelas sebelum agent boleh bertindak lintas sistem.
- CEO—decide: priority outcome, risk appetite, non-delegable judgment, investment ceiling, dan scale gate.
- Business owner—own: outcome end-to-end, process redesign, exception policy, adoption, dan realised value.
- Technology atau CAIO—enable: architecture, tools, identity, permission, observability, evaluation, dan technical reliability.
- COO—integrate: cross-functional handoff, service level, process capacity, dan operating cadence.
- CHRO—redesign: role, manager capability, workforce participation, incentive, dan transition support.
- Risk, legal, security, dan internal audit—escalate: high-impact action, prohibited data, control failure, audit gap, dan liability yang belum selesai.
- CEO—stop: ekspansi ketika ownership ambigu, evidence tidak traceable, atau workflow lebih cepat tetapi tidak lebih baik.
Uji terkecil yang kredibel selama 60–90 hari
Uji satu workflow dengan volume memadai, ruang lingkup terbatas, error yang mudah terdeteksi, dan mayoritas action yang reversible. Jangan mulai dari hiring, credit, safety, legal commitment, atau keputusan lain dengan dampak yang sulit dipulihkan.
- Hari 1–15—baseline: pilih satu workflow; catat outcome quality, cycle time, cost, rework, exception rate, dan dampak customer atau pekerja.
- Hari 16–30—redesign: tetapkan decision rights; definisikan langkah agent, human approval, escalation threshold, override, dan restart authority.
- Hari 31–60—bounded production: izinkan agent mengeksekusi reversible step, sementara manusia menyetujui consequential exception dan external commitment.
- Hari 61–90—compare and decide: bandingkan matched cases, audit trace, failure, peak volume, dan cost per correct completion.
Success conditions: cycle time setidaknya 20% lebih cepat atau cost per correct completion lebih rendah, tidak ada penurunan material pada quality atau customer outcome, sekurangnya 90% decision trace lengkap, dan kebutuhan human review tetap manageable.
Failure conditions: speed membaik tetapi rework, complaint, exception queue, atau manager override meningkat sampai menghapus manfaatnya.
Stop conditions: agent melakukan unauthorised high-impact action, evidence tidak dapat direkonstruksi, prohibited data digunakan, business owner tidak mampu menjelaskan outcome, atau workforce harm muncul tanpa mitigation path yang kredibel.
CEO decision gate
Scale hanya ketika organisasi dapat menunjukkan bahwa agentic workflow bernilai, controllable, accountable, dan repeatable secara ekonomi. Jika satu gate gagal, redesign workflow sebelum menambah autonomy, user, atau fungsi.
| Gate | Evidence yang wajib tersedia | Jika evidence gagal |
|---|---|---|
| Outcome | Workflow memperbaiki business atau customer result yang telah ditetapkan terhadap baseline. | Ganti use case; jangan memberi reward pada usage saja. |
| Quality | Correctness, rework, complaint, dan exception performance tetap dalam batas yang disetujui. | Kurangi autonomy atau perkuat evaluation dan review. |
| Authority | Agent permission, human approval, escalation, override, dan stop right bersifat eksplisit. | Jangan izinkan cross-system execution. |
| Traceability | Input, action, evidence, approval, dan outcome dapat direkonstruksi. | Pause production dan perbaiki observability. |
| Economics | Cost per correct completion dan beban human review membaik pada volume realistis. | Redesign orchestration, model mix, atau scope workflow. |
| Adoption | Manager, pekerja, customer, dan control function memahami cara menggunakan serta menantang sistem. | Perpanjang test dan redesign change system. |
Hipotesis yang dapat diuji
Keputusan model operasi perlu diperlakukan sebagai eksperimen yang dapat dibuktikan salah. Hipotesis berikut menjaga review tetap fokus pada value dan accountability, bukan antusiasme atas teknologi.
- Workflow-led design akan memperbaiki cost per correct completion lebih besar daripada membagikan agent license tambahan.
- Human handoff yang eksplisit akan menurunkan rework dan exception queue tanpa menghilangkan speed advantage.
- Completed outcome akan memprediksi value lebih baik daripada prompt, active user, atau time saved.
- Manager dengan override dan restart authority yang jelas akan mengadopsi agentic workflow dengan confidence lebih tinggi daripada manager yang hanya diminta memantau dashboard.
- Workforce participation dalam redesign akan menemukan failure mode lebih awal dan memperkuat adopsi praktis.
Implikasi bagi decision-makers
Agentic AI mengubah operating-model design menjadi isu CEO dan board karena teknologi ini mendistribusikan ulang authority, work, cost, dan accountability. Technology leader dapat enable sistem, tetapi tidak dapat memiliki business outcome sendirian.
Bagi CEO, prioritasnya adalah memilih outcome dan scale gate. Bagi board, pertanyaannya adalah apakah management mampu menjelaskan siapa yang memberi izin bertindak dan siapa yang menanggung konsekuensi. Bagi COO, tantangannya adalah merancang ulang workflow penuh, bukan hanya mengotomasi queue satu tim. Bagi CHRO, role design, manager capability, workforce participation, dan incentive harus masuk dalam transformation case. Bagi CFO, unit economics wajib memasukkan review dan failure cost. Bagi risk dan audit, traceability harus dirancang sebelum scale.
Batas geografis penting. Evidence survei global yang dikutip tidak mewakili Indonesia, sementara adopsi dan preparedness di ASEAN berbeda-beda. Labour practice, sector regulation, data rule, bahasa, infrastructure, dan workforce consultation lokal perlu membentuk implementation.
Pertanyaan yang sering diajukan
Apa itu model operasi agentic AI?
Model operasi agentic AI menjelaskan bagaimana agent, manusia, data, tools, control, dan decision rights bekerja bersama untuk menghasilkan outcome end-to-end. Cakupannya lebih luas daripada model, produk, atau automation karena mencakup ownership, human handoff, evaluation, economics, dan stop condition.
Keputusan apa yang tidak boleh dibuat AI agent sendirian?
Agent tidak boleh membuat keputusan yang irreversible atau high-impact sendirian ketika menyangkut rights, safety, employment, credit, legal commitment, atau konsekuensi eksternal yang material. Batas tepatnya harus mengikuti sector risk, regulasi, policy organisasi, dan risk appetite yang disetujui CEO.
Bagaimana perusahaan sebaiknya memulai agentic AI?
Mulailah dari satu bounded workflow, baseline yang terukur, human handoff yang eksplisit, dan decision gate selama 60–90 hari. Perluas hanya setelah workflow memperbaiki outcome, quality, traceability, dan cost per correct completion secara bersamaan.
Evidence ledger dan catatan sumber
Evidence diperiksa pada 8 Oktober 2026. Sumber-sumber ini mendukung workflow redesign dan governance yang eksplisit, tetapi tidak membuktikan bahwa agentic AI akan menciptakan value di setiap perusahaan, workflow, atau pasar.
- OECD, “Agentic AI in organisations: Early insights from practitioner interviews”, 16 September 2026.
- Microsoft, “2026 Work Trend Index: Agents, human agency, and opportunity”, 5 Mei 2026.
- World Economic Forum bersama Kearney, “The AI-First Operating System”, 23 Juni 2026.
- International Labour Organization, “The impact of GenAI on jobs, productivity and work organization”, 1 Juni 2026.
- International Labour Organization, “Generative AI and labour markets in ASEAN”, 8 Juli 2026.
- Perbandingan Google Trends, diperiksa 8 Oktober 2026.
Lanjut Membaca
Brief ini menghubungkan agentic AI dengan workflow design, decision rights, dan accountable scale. Lanjutkan dengan Decision Brief terkait berikut.
- Keamanan AI Agent: Tiga Hal yang Perlu Dipastikan CEO Sebelum Memberi Wewenang
- Strategi SDM di Era AI: Desain Ulang Tugas Sebelum PHK
- Transformasi Digital: Siapa yang Harus Bertanggung Jawab?
- Chief AI Officer: Kapan CEO Perlu Membentuk Peran Ini
Tentang penulis
Antovany Reza menulis CEO Decision Lab, platform keputusan independen untuk CEO dan senior leader yang AI-fluent. Karya ini menghubungkan emerging technology dengan business value, operating-model choice, governance, trust, dan accountable execution.
Bagikan Decision Brief ini
Jika framework ini relevan untuk keputusan model operasi yang sedang berjalan, bagikan kepada eksekutif yang bertanggung jawab atas workflow, workforce, technology, atau risk.
Diskusikan keputusannya
Jika organisasi menambah agent lebih cepat daripada merancang ulang pekerjaan, langkah berikutnya bukan rollout license baru. Lakukan focused review atas outcome, workflow, handoff, decision rights, evidence, dan scale gate.
Mulai diskusi terfokus dengan Antovany Reza mengenai decision architecture di balik model operasi agentic AI.