Agentic Workforce: Bagaimana AI Agent Menjadi Rekan Kerja Digital

Agentic workforce adalah pergeseran dari memperlakukan AI agent sebagai perangkat lunak yang Anda klik menjadi memperlakukannya sebagai rekan kerja digital yang Anda beri delegasi, tinjau, dan kelola, seperti karyawan baru yang sangat cepat, bekerja sepanjang waktu, dan membutuhkan arahan yang jelas agar dapat bekerja dengan baik. Ini bukan metafora untuk slide presentasi. Ini mengubah siapa yang memegang pekerjaan apa, siapa yang meninjaunya, dan siapa yang bertanggung jawab ketika terjadi kesalahan. Halaman ini membahas apa yang sebenarnya dibutuhkan pergeseran tersebut: jenis peran manajemen yang baru, perubahan nyata dalam cara pekerjaan dirancang, dan risiko yang muncul ketika perusahaan mengadopsi bahasa "rekan kerja digital" lebih cepat daripada pengawasan yang tersirat dalam bahasa itu.

Dari Workflow ke Rekan Kerja

Agentic workflows menjelaskan mekanikanya: AI yang menyelesaikan proses bisnis multi-langkah dari awal hingga akhir, bukan sekadar menjawab pertanyaan tentangnya. Agentic workforce adalah yang terjadi berikutnya, ketika sebuah organisasi memiliki cukup banyak workflow tersebut sehingga berhenti mengelolanya satu per satu dan mulai mengelolanya seperti mengelola tim.

Work Trend Index 2025 dari Microsoft memberi nama bagi orang yang melakukan pengelolaan itu: "agent boss", yaitu seseorang yang membangun, mendelegasikan pekerjaan kepada, dan mengawasi satu agent atau lebih seperti seorang manajer memimpin tim kecil. Dalam surveinya, 82% pemimpin mengaku yakin akan menggunakan agent untuk memperluas kapasitas tim mereka dalam 12 hingga 18 bulan ke depan, dan 46% mengatakan perusahaan mereka sudah menggunakan agent untuk mengotomatiskan sepenuhnya setidaknya satu workflow dari awal hingga akhir. Agentic AI di 2026 membahas garis tren adopsi lengkap di balik pergeseran itu. Halaman ini masuk lebih dalam tentang apa yang sebenarnya diubahnya dalam cara Anda mengorganisasi dan mengelola pekerjaan itu sendiri.

Peran Baru: Seseorang Harus Mengelola Agent

Sebut saja agent boss, agent manager, atau sekadar "bagian dari pekerjaan sekarang", fungsinya sama: seseorang menentukan apa yang dipegang agent, meninjau apa yang dihasilkannya, menangani pengecualian yang tidak dapat diselesaikannya sendiri, dan memutuskan kapan agent layak mendapat otonomi lebih. Liputan Harvard Business Review tentang peran yang baru muncul ini, dengan contoh seperti penggunaan internal platform Agentforce oleh Salesforce sendiri, menggambarkan agent manager yang menghabiskan harinya seperti seorang analis data, hidup di dalam dashboard, scorecard, dan perangkat observabilitas yang melacak bagaimana kinerja agent mereka yang sebenarnya, bukan sekadar apakah agent itu berjalan.

Yang menjadikan ini keterampilan yang benar-benar baru, bukan sekadar nama baru untuk "menggunakan alat", adalah bahwa keterampilan ini meminjam langsung dari manajemen orang. Human-in-the-loop untuk AI agent membahas mekanika penempatan gerbang persetujuan dalam alur kerja agent. Agent manager adalah orang yang memegang desain itu: menulis panduan yang diikuti agent, mengkalibrasi seberapa banyak yang dapat dilakukannya tanpa pengawasan, dan turun tangan ketika catatan serah terima menyatakan agent tersangkut. Ini kurang mirip menekan sakelar dan lebih mirip melakukan onboarding dan coaching terhadap bawahan baru, hanya saja bawahan ini dapat dikonfigurasi ulang dalam satu sore dan tidak pernah punya hari yang buruk.

Skala pergeseran ini sudah terlihat dalam angka penerapan, bukan hanya sentimen survei. Survei Agentic AI 2025 dari PagerDuty menemukan 51% perusahaan sudah menerapkan AI agent, 35% lainnya berencana melakukannya dalam dua tahun, dan 86% memperkirakan sudah beroperasi dengan agent pada 2027. Survei yang sama menemukan para pemimpin memperkirakan hampir 40% pekerjaan akan diotomatiskan atau dipercepat dengan bantuan AI agent, yang persis merupakan volume pekerjaan terdelegasi yang membutuhkan seseorang berperan sebagai agent manager, secara formal maupun tidak.

Mendesain Ulang Pekerjaan, Bukan Sekadar Mengotomatiskan Tugas

Kesalahan yang mudah dilakukan adalah mengarahkan agent ke proses persis yang dulu dijalankan manusia lalu menyebutnya transformasi. Riset Deloitte tentang apa yang disebutnya "tenaga kerja berbasis silikon" menyampaikan poin yang lebih tajam: organisasi yang memperoleh nilai nyata tidak mengotomatiskan proses yang ada, mereka mendesain ulang pekerjaan berdasarkan hal yang masing-masing dikuasai agent dan manusia. Survei State of AI in the Enterprise 2026 dari Deloitte menemukan hanya 11% organisasi yang menjalankan agentic AI di produksi saat ini, tetapi 74% memperkirakan akan menggunakan agent setidaknya secara moderat pada 2027, 23% secara ekstensif, dan 5% memperkirakan agent menjadi bagian inti yang tertanam dalam cara bisnis berjalan. Kesenjangan antara angka-angka itu adalah pekerjaan desain ulang yang belum dimulai kebanyakan perusahaan.

Kapan menggunakan AI agent menguraikan bagian pekerjaan mana yang cocok untuk agent: berulang, berbasis aturan, dan murah jika sesekali salah. Desain ulang pekerjaan terjadi ketika Anda menanggapi bagian itu dengan serius di tingkat peran, bukan hanya di tingkat tugas. Pekerjaan seorang rep dukungan tidak hilang ketika sesuatu seperti AI Support Triage Agent menangani klasifikasi dan perutean lini pertama. Pekerjaan itu berubah bentuk: lebih sedikit waktu untuk pencarian berulang, lebih banyak waktu untuk keputusan yang membutuhkan penilaian dan momen hubungan yang seharusnya tidak pernah dipegang agent sejak awal.

Apa yang Berubah dalam Struktur Tim

Begitu beberapa peran yang didesain ulang ini ada berdampingan, struktur tim itu sendiri mulai bergeser. Seorang manajer yang dulu mengawasi delapan orang tanpa mengelola agent sama sekali, kini mungkin mengawasi enam orang yang masing-masing juga mengelola dua atau tiga agent sempit, yang mengubah arti "span of control" itu sendiri: lebih sedikit bawahan langsung yang mengerjakan lebih banyak, ditambah lapisan bawahan perangkat lunak yang asing, yang tidak mengambil cuti tetapi membutuhkan kalibrasi.

Membangun kemampuan itu secara sengaja, bukan kebetulan, melibatkan dua disiplin yang sudah dinamai untuk pergeseran AI yang lebih luas. Strategi talenta AI membahas keputusan build-train-buy untuk keterampilan yang benar-benar dibutuhkan agentic workforce, dan manajemen agent ternyata menjadi salah satu yang lebih mudah diskalakan, karena lebih bertumpu pada penilaian dan delegasi daripada keahlian teknis yang mendalam. Manajemen perubahan AI membahas bagian yang lebih sulit: kurva adopsi, pola resistensi, dengan kekhawatiran keamanan kerja sebagai yang utama, dan program pelatihan yang mengubah "agent mengambil tugas saya" menjadi "sekarang saya memegang lebih banyak, dan agent menangani bagian yang tidak pernah saya sukai." Tidak satu pun dari kedua disiplin itu opsional begitu agent beralih dari pilot menjadi bagian nyata dari perencanaan headcount. Dan ketika jumlah peran pengelola agent bertambah melebihi segelintir champion awal, AI Center of Excellence biasanya yang menjaga konsistensi pola di seluruh tim, alih-alih setiap manajer menciptakan versi peran agent boss mereka sendiri dari nol.

Risiko Memperlakukan Agent seperti Rekan Kerja

Kerangka rekan kerja berguna untuk membangun naluri yang tepat seputar delegasi dan peninjauan. Kerangka ini juga tempat beberapa risiko nyata bersembunyi jika Anda menafsirkannya terlalu harfiah.

Kepercayaan berlebihan. Desain human-in-the-loop menamai mode kegagalan ini secara langsung: jika terlalu banyak keputusan berisiko rendah dirutekan melalui peninjau manusia, mereka belajar menyetujui begitu saja, yang diam-diam menggagalkan tujuan menempatkan manusia di sana. Memperlakukan agent sebagai rekan tim tepercaya membuat ini lebih buruk, bukan lebih baik, karena kepercayaan justru hal yang mengikis kewaspadaan.

Kemunduran keterampilan. Jika agent memegang setiap draf pertama, setiap pencarian rutin, dan setiap keputusan berulang yang dulu menjadi bahan belajar karyawan junior, karyawan itu mendapat lebih sedikit latihan pada pekerjaan yang dulu membangun keahliannya. Ini pertanyaan nyata yang masih belum terjawab dalam cara organisasi mendesain ulang peran tingkat pemula di sekitar agent, bukan pertanyaan yang sudah selesai, dan perlu perhatian desain yang disengaja seperti halnya pagar pengaman agent itu sendiri.

Garis akuntabilitas yang kabur. Ketika agent menyusun email pelanggan, memperbarui catatan keuangan, atau menyaring resume, siapa yang sebenarnya bertanggung jawab jika salah: agent manager yang menyiapkannya, vendor yang modelnya dipakai, atau departemen yang memiliki hasilnya? "Agent yang melakukannya" tidak memuaskan pelanggan, regulator, atau dewan direksi. Bagan organisasi perlu jawaban nyata untuk ini sebelum bahasa "rekan kerja" yang tidak resmi mendahuluinya, dan jawaban itu lebih dekat ke keputusan tata kelola daripada keputusan teknis.

Membangun Agentic Workforce secara Sengaja

Tidak ada yang terjadi dengan baik secara kebetulan, dan sebagian besar baru menjadi nyata setelah organisasi melewati pilot pertamanya. Model kematangan AI agent membahas tahapannya lebih dalam, tetapi ringkasnya di sini: agentic workforce, dalam arti yang bermakna, adalah seperti apa tahap run dari dalam. Crawl dan walk adalah tentang membuktikan setiap agent berfungsi dan menyiapkan dasar-dasar tata kelola. Run adalah ketika cukup banyak landasan itu sudah ada sehingga "siapa yang mengelola agent" menjadi pertanyaan desain organisasi yang nyata, bukan hipotetis.

Mulailah lebih kecil daripada yang disiratkan kerangka ini. Pilih satu tim, tunjuk satu orang sebagai agent manager untuk satu agent, dan ukur apa yang sebenarnya terjadi pada waktu mereka, bukan hanya apa yang dihasilkan agent. ROI AI agent membahas mengapa mengukur hasil, bukan aktivitas, sangat penting di sini: kapasitas yang dibebaskan agent hanya bernilai jika seseorang sengaja mengarahkannya ke pekerjaan bernilai lebih tinggi, kesenjangan reinvestasi yang sama yang ditemukan Gartner sulit ditutup oleh tim penjualan meskipun penghematan waktu dari AI nyata dan terukur.

Fakta Utama

• Work Trend Index 2025 dari Microsoft menemukan 82% pemimpin yakin akan memperluas kapasitas tim dengan agent dalam 12 hingga 18 bulan, dan 46% sudah mengotomatiskan sepenuhnya setidaknya satu workflow dari awal hingga akhir dengan agent, survei yang memperkenalkan istilah "agent boss".
• Survei PagerDuty 2025 menemukan 51% perusahaan sudah menerapkan AI agent, 35% berencana melakukannya dalam dua tahun, dan 86% memperkirakan sudah beroperasi pada 2027, dengan para pemimpin memperkirakan hampir 40% pekerjaan diotomatiskan atau dipercepat oleh agent.
• Survei State of AI in the Enterprise 2026 dari Deloitte menemukan hanya 11% organisasi yang menjalankan agentic AI di produksi saat ini, tetapi 74% memperkirakan penggunaan setidaknya moderat pada 2027, 23% penggunaan ekstensif, dan 5% memperkirakan agent tertanam penuh sebagai bagian inti operasional.
• Risiko nyata dalam agentic workforce bukanlah agent yang mengerjakan pekerjaan. Risikonya adalah kesenjangan akuntabilitas, pengawasan, dan pengembangan keterampilan yang terbuka ketika bahasa "rekan kerja digital" mendahului tata kelola yang sebenarnya.
• Agentic workforce adalah seperti apa tahap run dari kematangan AI agent bila dilihat dari dalam: agent direncanakan sebagai lapisan kapasitas, bukan dikelola satu pilot demi satu pilot.

Ke Mana Selanjutnya

Membangun agentic workforce dengan baik dimulai dengan mengerjakan segelintir agent individual dengan benar terlebih dahulu. Model kematangan AI agent menunjukkan bagaimana crawl dan walk mengarah ke tahap ini, dan ROI AI agent membahas cara mengukur apakah kapasitas yang dibebaskan agent benar-benar digunakan dengan baik. Jika Anda menyusun rencana talenta dan manajemen perubahan di balik pergeseran ini, rangkuman software HR dan panduan cara memilih software HR adalah pemberhentian berikutnya yang berguna untuk sisi sistem dalam merencanakan tenaga kerja yang kini mencakup agent.