Mengapa Data yang Dapat Dipercaya Jadi Kunci Skalakan AI Agent di Perusahaan
Era AI Agent Sudah Datang, Tapi Datanya Belum Siap
Eksekutif bisnis dan teknologi tak perlu dikonvinsi lagi bahwa era AI agent telah tiba. Organisasi berlomba mengadopsi agent, dan sedikit eksekutif yang meragukan potensi transformasinya. Namun banyak perusahaan menemukan bahwa return on investment (ROI) yang diharapkan dari AI justru bergantung pada fondasi yang tepat—dan infrastruktur serta data yang tidak memadai menjadi penghalang terbesar.
Berbeda dengan chatbot atau model bahasa yang hanya menjawab pertanyaan, AI agent bertindak. Ia memutuskan, mengeksekusi tugas, dan berinteraksi dengan sistem operasional secara real-time. Pergeseran ini menuntut akses ke data seluruh perusahaan—terstruktur maupun tidak terstruktur—dilengkapi konteks bisnis yang benar. Agent butuh akses tanpa gesekan ke sistem supply chain, point-of-sale, SDM, dan sistem operasional lain. Sistem data legacy, bahkan yang baru diperbarui beberapa tahun lalu, kesulitan memenuhi tuntutan ini.
Hanya 45% Data Perusahaan yang Diakses AI Agent
Berdasarkan survei MIT Technology Review Insights terhadap 300 eksekutif data dan teknologi, AI agent rata-rata hanya memiliki akses ke 45% data perusahaan. Angka ini turun drastis ke 30% atau kurang di organisasi yang dikategorikan “data laggards”. Sebaliknya, segelintir “data leaders” memastikan akses ke lebih dari 70% data mereka—dan kelompok inilah yang melaporkan kesuksesan jauh lebih besar dengan agentic AI.
Kesenjangan akses data ini bukan sekadar angka teknis. Ia menentukan apakah agent bisa membuat keputusan yang akurat dan relevan. Survei menunjukkan hanya sekitar separuh organisasi yang mempercayai keputusan agent mereka. Namun 100% data leaders mempercayai keputusan agent mereka—indikator kuat bahwa AI andal membutuhkan fondasi data yang andal.
Legacy System: Penghalang Skala dan Kecepatan
Dua pertiga data laggards melaporkan sistem data legacy membatasi penskalaan AI agent (66%) dan mencegah agent membuat keputusan dengan kecepatan yang dibutuhkan (68%). Data leaders yang telah mengatasi kendala legacy system hampir tidak menghadapi hambatan ini—hanya 8% yang melaporkan salah satu kendala tersebut.
Ini bukan masalah teoritis. Gartner memprediksi AI agent akan memperluas atau mengotomatisasi 50% keputusan bisnis pada 2027. Jika prediksi ini benar, organisasi harus menghilangkan bottleneck data sekarang, atau berisiko menghalangi agent dari data yang dibutuhkan untuk keputusan tepat waktu.
Tekanan Dua Tahun ke Depan: Semua Perusahaan Akan Pakai AI Agent
Tekanannya nyata. Dalam dua tahun, 100% responden berencana menggunakan AI agent, dengan 69% mengharapkan penggunaan yang luas. Tanpa menghapus kendala sistem data, AI agent gagal mengantarkan kecepatan dan efisiensi yang dijanjikannya.
Prioritas utama untuk mengaktifkan penskalaan di semua responden adalah meningkatkan akses ke data terstruktur dan tidak terstruktur bagi AI agent. Prioritas tinggi berikutnya: memperkuat tata kelola data dan AI dengan konteks bisnis. Data leaders juga fokus berat pada otomatisasi manajemen data—mengurangi beban manual yang memperlambat aliran data ke agent.
Apa yang Bisa Dilakukan Tim Teknis Hari Ini
Bagi tim engineering dan data di Indonesia, pelajaran dari survei ini jelas: jangan tunggu agent siap baru memperbaiki infrastruktur data. Mulai dari audit akses data—berapa persen data perusahaan yang benar-benar bisa dijangkau agent hari ini? Identifikasi silo data yang memblokir konteks bisnis: data transaksi terpisah dari data pelanggan, data logistik terpisah dari data inventaris.
Investasikan pada lapisan semantik dan metadata yang memberi agent pemahaman tentang arti data, bukan hanya struktur tabelnya. Otomatisasi pipeline data—ingestion, transformasi, validasi—supaya data segar terus mengalir ke agent tanpa intervensi manual. Dan bangun governance yang mengikat konteks bisnis ke definisi data, sehingga agent tidak hanya “membaca” angka tapi “mengerti” implikasinya.
Kesimpulan: Data Siap Agent Bukan Opsional
Perbedaan antara data leaders dan laggards bukan budget atau ukuran tim—tapi prioritas arsitektur data yang memungkinkan agent bertindak percaya diri. Perusahaan Indonesia yang mulai mengadopsi AI agent, baik untuk otomatisasi layanan pelanggan, optimasi rantai pasok, atau analisis SDM, harus memperlakukan kesiapan data sebagai prasyarat, bukan tambahan.
Unduh laporan lengkap dari MIT Technology Review Insights untuk detail metodologi survei, temuan tambahan, dan rekomendasi langkah konkret membangun data estate yang siap agent.
