OutSystems menjelaskan cara membangun agentic AI enterprise melalui uji coba bertahap, tata kelola portofolio agent, integrasi dengan sistem lama, pengendalian biaya berbasis token, dan penggunaan platform terpadu untuk siklus hidup agen.
Pada pertengahan 2000-an, banyak pemimpin TI perusahaan mulai mengadopsi pengembangan aplikasi low-code dan mengukurnya dari penghematan jam kerja per pengembang. Ukuran itu sekarang berubah.
Perusahaan lebih menilai keberhasilan dari seberapa cepat produk hadir di pasar, seberapa lincah organisasi merespons perubahan, dan seberapa baik pengalaman pelanggan. OutSystems menggambarkan arah baru ini lewat pertanyaan yang menohok. Seberapa besar hasil yang bisa dicapai bila pekerjaan sepuluh tahun dapat dibawa ke pasar hanya dalam satu minggu, bahkan satu hari?
OutSystems menyebut fase ini sebagai agentic AI enterprise, yaitu ekosistem kerja yang membuat pengembang dan kreator lain dapat membangun AI agent otonom untuk berbagai tugas dan interaksi pelanggan. Agent tidak hanya menjawab permintaan, tetapi ikut terlibat dalam proses bisnis, melakukan penalaran, serta berkolaborasi dengan manusia.
OutSystems menegaskan bahwa ini bukan sekadar gambaran masa depan. Dalam survei tahun 2025 terhadap 1.000 eksekutif bisnis di Amerika Serikat, satu dari lima eksekutif melaporkan bahwa mereka sudah memakai AI agen untuk mengotomatisasi dukungan pelanggan, menyederhanakan operasi rantai pasok, dan mempersonalisasi pengalaman pelanggan dalam skala besar.
Namun, OutSystems juga mengingatkan bahwa agent tetaplah perangkat lunak. Artinya, ada potensi salah fungsi, celah keamanan, dan kebutuhan tata kelola yang sama seperti aplikasi lain, bahkan dampaknya bisa lebih luas karena agen dapat bekerja saling terhubung dan bergerak cepat.
Karena itu, pemimpin TI diminta tidak sekadar menambah agent, tetapi menyiapkan cara mengelola siklus hidupnya, mengatur batas akses data, dan memastikan ada alur pengawasan manusia untuk situasi yang rumit atau sensitif.
Transformasi Ke Agentic AI
OutSystems menyarankan transformasi dilakukan bertahap, dimulai dari dampak cepat lalu diperluas, sambil menjaga portofolio agent tetap terlihat dan terkendali. Berikut strategi kunci yang disarankan:
- Bangun fondasi prototipe cepat yang menyatu dengan operasi harian, bukan proyek R&D yang berdiri sendiri.
- Beri ruang tim untuk mencoba beberapa LLM dan membangun agen yang terhubung ke aplikasi, alur kerja, dan data yang sudah ada.
- Mulai dari kasus penggunaan yang memberi dampak langsung, lakukan uji coba, lalu perluas pemakaian secara sistematis ke area lain.
- Hindari “pulau-pulau” eksperimen agen di banyak platform yang tidak bisa berbagi data dan sulit diatur konsisten; siapkan tata kelola portofolio agar visibilitas penuh tetap terjaga.
- Pertahankan nilai sistem lama seperti CRM, ERP, dan aplikasi kustom; OutSystems menilai aset lama justru menambah nilai agen bila data historis dan data real-time bisa dipakai sesuai konteks interaksi.
- Kelola biaya secara terukur dengan memantau konsumsi token per agen, memahami biaya per token sesuai kontrak penyedia AI, lalu membandingkannya dengan hasil yang diberikan agen.
- Gunakan platform terpadu untuk seluruh siklus hidup agen, agar organisasi punya tampilan menyeluruh atas agen, riwayatnya, serta keputusan yang dibuat; ini penting karena perubahan pada satu agen bisa berdampak berantai pada agen lain yang terhubung.
- Pastikan platform mendukung kebutuhan praktik low-code yang relevan untuk agentic AI, yaitu alat visual berbasis model untuk mempercepat pembuatan, komponen modular yang bisa dipakai ulang, kemampuan pelacakan dan pemantauan kinerja, alur akuntabilitas, serta fitur pembatasan dan pengamanan data.
