Ilustrasi AI; bukan dokumentasi proyek Layana.ID.
RPA dan AI agent sama-sama dapat membantu otomasi bisnis, tetapi keduanya menyelesaikan masalah yang berbeda. RPA cocok ketika langkah kerja, format masukan, dan aturan keputusan sudah jelas. AI agent berguna ketika sistem perlu menafsirkan masukan yang bervariasi lalu memilih tindakan dari seperangkat alat yang dibatasi. Memilih agent untuk semua pekerjaan justru dapat menambah biaya pengujian dan risiko operasional.
Bagi COO dan manajer IT, pertanyaan awalnya adalah: bagian mana yang benar-benar membutuhkan penalaran probabilistik, dan bagian mana cukup dijalankan dengan aturan? Jawabannya sebaiknya ditentukan per langkah proses, bukan berdasarkan nama produk yang sedang populer.
Apa Perbedaan RPA Dan AI Agent?
IBM menjelaskan RPA sebagai otomasi perangkat lunak berbasis aturan untuk tugas berulang. Bot dapat berinteraksi dengan aplikasi melalui antarmuka yang digunakan manusia. Kemampuan tersebut berguna ketika aplikasi lama tidak memiliki API, meskipun perubahan tampilan dapat memerlukan penyesuaian otomasi.
AI agent dalam konteks artikel ini adalah komponen yang memakai model untuk menafsirkan tujuan atau situasi dan memilih penggunaan alat. Agent tidak harus bebas bertindak tanpa batas. Lingkup alat, izin, jumlah langkah, dan persetujuannya harus ditentukan. Chatbot yang hanya menjawab pertanyaan belum tentu agent; baca perbedaan AI agent dan chatbot untuk batas konsepnya.
Workflow automation mengatur urutan langkah dan percabangan. Ia dapat memanggil RPA, model AI, API, atau manusia dalam alur yang sama. Istilah agentic lebih tepat ketika model benar-benar ikut memilih rangkaian tindakan secara adaptif; bukan sekadar ketika sebuah workflow memanggil LLM sekali untuk membuat ringkasan.
Pilih Teknologi Berdasarkan Bagian Proses
Gunakan Aturan Ketika Jawabannya Deterministik
Memeriksa kolom wajib, menghitung pajak dengan aturan yang sudah ditetapkan, dan mencocokkan nomor referensi tidak perlu diserahkan kepada model bahasa. Gunakan validasi aplikasi atau layanan terstruktur. Jika tersedia, integrasi API umumnya lebih mudah dikontrak dan dipantau daripada meniru klik pengguna.
RPA menjadi opsi ketika sistem tujuan hanya menyediakan antarmuka pengguna yang stabil. Tetap sediakan akun layanan dengan izin minimum, deteksi perubahan tampilan, serta antrean pengecualian. Jangan menjalankan bot dengan akun administrator hanya agar semua langkah lolos.
Gunakan AI Untuk Variasi Yang Memang Perlu Ditafsirkan
Email permintaan pelanggan dapat memakai susunan kalimat berbeda untuk maksud yang serupa. Model dapat membantu mengklasifikasikan maksud atau menyusun ringkasan sebelum workflow menentukan rute. Jika model memilih alat untuk mencari pesanan, memeriksa kebijakan, dan menyusun usulan, desain tersebut mulai memiliki karakter agent.
Namun, memahami permintaan tidak sama dengan berwenang mengeksekusinya. Perubahan rekening, persetujuan diskon, dan penghapusan transaksi memerlukan kontrol tersendiri. Agent harus boleh menyatakan informasi belum cukup dan mengembalikan kasus kepada PIC.
Contoh Alur Gabungan Pada Permintaan Perubahan Pesanan
Berikut skenario ilustratif, bukan portofolio Layana.ID. Distributor menerima email perubahan tanggal pengiriman. Model mengekstrak nomor pesanan, tanggal yang diminta, dan alasan. Pemeriksaan deterministik memastikan nomor tersebut ada dan pengirim terkait dengan pelanggan yang benar.
- API membaca status pesanan dan ketersediaan jadwal dari ERP.
- Workflow membandingkan perubahan dengan kebijakan operasional.
- Agent, bila diperlukan, mencari informasi tambahan dari alat baca yang diizinkan.
- PIC menyetujui usulan ketika perubahan berdampak pada komitmen atau biaya.
- API atau RPA menjalankan pembaruan yang sudah disetujui.
- Sistem membaca ulang hasil dan menyimpan jejak tindakan.
Setiap permintaan perlu identitas unik. Jika eksekusi terputus setelah tombol simpan, sistem harus memeriksa status transaksi terlebih dahulu. Mengulangi klik secara membabi buta dapat membuat perubahan ganda atau pesan terkirim dua kali. Kemampuan membatalkan atau memperbaiki tindakan juga harus diuji sebelum pilot diperluas.
Data Dan Integrasi Yang Harus Disiapkan
Petakan pemilik data, sumber kebenaran, format nomor transaksi, hak akses, serta versi kebijakan yang berlaku. Untuk RPA, dokumentasikan layar dan keadaan gagal yang mungkin muncul. Untuk AI, sediakan contoh masukan normal, ambigu, tidak lengkap, dan berbahaya. Pisahkan data uji dari transaksi produksi.
Kontrak alat harus menjelaskan input, output, izin, timeout, serta apakah operasi boleh diulang. Token akses sebaiknya dikelola layanan backend, bukan ditempelkan ke prompt. Masukan dari email atau dokumen diperlakukan sebagai data, bukan instruksi yang boleh mengubah kewenangan sistem.
Jika hambatan utama adalah data antarsistem yang tidak sinkron, prioritaskan pemetaan integrasi sistem. Agent tidak memperbaiki master data yang salah hanya dengan instruksi lebih panjang.
Rancang Pilot Dengan Pembanding Yang Adil
Mulai dari satu proses dan satu jenis pengecualian. Catat waktu penanganan manual, proporsi kasus gagal, jumlah koreksi, dan biaya operasi. Bandingkan workflow berbasis aturan dengan alternatif AI pada kumpulan kasus yang sama. Sertakan kasus sulit; jangan hanya menguji contoh yang dibuat untuk demo.
- Keberhasilan proses: kasus yang selesai benar dibagi seluruh kasus dalam cakupan.
- Kesalahan tindakan: perubahan tidak sesuai izin atau permintaan, dihitung terpisah dari kesalahan ringkasan.
- Beban manusia: waktu review, koreksi, dan pemulihan per kasus.
- Biaya per hasil benar: komputasi, lisensi, integrasi, serta kerja PIC dibagi hasil yang tervalidasi.
Tentukan ambang penerimaan bersama pemilik proses sebelum uji. Sebagai contoh kebijakan, pelanggaran izin dapat menjadi alasan menghentikan pilot meskipun rata-rata waktu proses membaik. Ini keputusan pengendalian yang perlu disepakati, bukan janji tingkat akurasi universal.
Pertanyaan Sebelum Memilih Vendor
Minta vendor mendemonstrasikan apa yang terjadi ketika layar berubah, data tidak ditemukan, alat timeout, atau pengguna meminta tindakan di luar izin. Tanyakan siapa yang memelihara aturan, mengevaluasi perubahan model, dan menangani antrean gagal. Proposal perlu memisahkan biaya pembangunan, lisensi, pemakaian, dan pemeliharaan.
Jangan membeli agent hanya karena demo percakapannya meyakinkan. Pilih arsitektur paling sederhana yang memenuhi kebutuhan proses dan kontrolnya. Untuk sebagian langkah, jawaban terbaik tetap aturan atau API; model dipakai pada bagian yang manfaatnya dapat dibuktikan.
Petakan Proses Sebelum Mengotomasi
Layana.ID menyediakan layanan AI dan machine learning. Siapkan contoh proses, aplikasi yang terlibat, volume kasus, bentuk pengecualian, serta batas keputusan manusia untuk mendiskusikan pilot yang sesuai.
Diskusikan Pemetaan Use Case Otomasi Dengan Layana.ID. Tujuan awalnya adalah menentukan bagian yang membutuhkan aturan, integrasi, atau agent, berikut bukti keberhasilan yang akan diuji.