marketinginsight.id – Adopsi teknologi kecerdasan buatan (artificial intelligence) di ranah korporasi kini telah memasuki babak baru. Penggunaan AI tak lagi sebatas ekperimen pasif atau pemanfaatan chatbot dasar, melainkan telah bertransformasi menjadi agentic AI berbasis eksekusi yang mampu menjalankan logika bisnis dan alur kerja secara mandiri.
Pergeseran mendasar ini membawa angin segar bagi efisiensi operasional dan pertumbuhan pendapatan di berbagai sektor.
Mulai dari industri ritel yang berhadapan langsung dengan konsumen hingga sektor manufaktur dan keuangan yang sarat regulasi, kehadiran agen AI terbukti mampu mengeksekusi tugas-tugas kompleks berskala besar secara real-time.
Bagi para praktisi marketing dan pemimpin strategi digital, temuan ini memberikan panduan berharga mengenai cara kerja agen AI dalam mendorong return on investment (ROI) nyata.
Memahami dinamika otomatisasi digital ini menjadi langkah krusial dalam merancang ekosistem bisnis yang adaptif, responsif, dan siap bersaing di era transformasi digital.
Salesforce merilis Agentic Enterprise Index 2026 yang menganalisis data agregat penggunaan AI dari platform Agentforce untuk melihat cara bisnis menerapkan, menggunakan, dan memperoleh nilai dari agen AI. Temuan tahun ini menunjukkan dua model penerapan yang berbeda dalam lanskap bisnis global.
Selanjutnya, karakteristik operasional dan kebutuhan bisnis suatu industri turut menentukan cara tenaga kerja digitalnya diterapkan. Penerapan AI dalam volume tinggi dan berfokus pada tugas tertentu paling umum digunakan di sektor yang berhadapan langsung dengan konsumen.
Sementara itu, fokusnya adalah volume dan kecepatan untuk memenuhi kebutuhan pelanggan secara langsung. Di sisi lain, penerapan AI serbaguna dan multitahap banyak ditemukan di sektor dengan operasional kompleks dan regulasi ketat, seperti manufaktur dan sektor publik.
Adapun prioritasnya adalah membangun agen yang mampu menangani beragam tugas dengan logika bisnis lintas fungsi. Pada akhirnya, kedua model penerapan tersebut dapat memperkuat kepercayaan dan menghasilkan ROI.
Masa depan AI agentik akan ditentukan oleh kemampuan keduanya untuk berjalan berdampingan. Sistem ini menghadirkan dampak berskala besar dengan cepat sekaligus menangani tugas yang semakin kompleks di berbagai industri.
Di samping itu, layanan keuangan memadukan kecepatan dan kepatuhan regulasi dalam operasional harian. Industri ini menerapkan sejumlah agen AI paling canggih dalam skala besar seperti yang lazim ditemukan di sektor konsumen.
Hal ini membuktikan bahwa kompleksitas tinggi dan otomatisasi bervolume besar dapat berjalan bersamaan, terutama pada periode sibuk seperti musim pelaporan pajak. Sementara itu, sektor ritel meningkatkan kompleksitas sesuai kebutuhan pasar.
Agen AI di sektor yang berhadapan langsung dengan konsumen umumnya menangani tugas lebih sederhana. Namun demikian, kedalaman kemampuan dan jumlah tindakan yang dijalankan meningkat selama periode belanja liburan yang padat.
Lebih lanjut, bisnis khususnya di industri konsumen mempercepat penerapan agen AI secara signifikan. Rata-rata jumlah agen AI yang diaktifkan oleh setiap organisasi meningkat hampir tiga kali lipat dalam setahun terakhir.
Setelah akses tersedia, bisnis mulai membuat agen dalam waktu rata-rata dua hari. Waktu tersebut terus berkurang setiap bulan dan telah turun 53% selama periode analisis.
Namun, muncul pertanyaan apakah agen AI tersebut benar-benar menjalankan pekerjaan yang bermakna. Untuk mengukurnya, Salesforce mengembangkan metrik bernama Agentic Work Unit atau AWU.
Satu AWU mewakili satu tugas yang diselesaikan oleh agen AI, yaitu titik ketika kecerdasan diubah menjadi pekerjaan nyata. Per April 2026, output AWU dari agen Agentforce tumbuh dengan tingkat pertumbuhan bulanan majemuk sebesar 15%.
Di sisi lain, industri yang berhadapan langsung dengan konsumen mencatat output AWU paling agresif. Meski outputnya tinggi, agen AI di sektor ritel biasanya tetap berfokus pada tugas tertentu, dengan rata-rata satu hingga dua tindakan per agen hampir sepanjang tahun.
Hal ini menunjukkan bahwa agen AI tersebut menangani pekerjaan rutin dan spesifik dalam volume besar.
Sebagian besar pekerjaan rutin membutuhkan satu atau dua keterampilan sederhana, seperti mengakses detail data atau menjawab pertanyaan pelanggan. Namun, saat ini semakin banyak agen AI yang mampu menangani tugas yang lebih kompleks.
Rata-rata agen AI kini mampu menjalankan enam keterampilan, naik dari dua keterampilan pada awal 2025. Kemampuan agen AI semakin meningkat saat permintaan tinggi.
Pada puncak musim belanja, rata-rata agen AI di sektor ritel mampu menjalankan sembilan keterampilan, naik hingga 350%. Data ini menunjukkan bahwa agen AI diterapkan untuk menangani kebutuhan pelanggan yang lebih kompleks dan terdiri dari beberapa tahap ketika permintaan musim liburan melonjak.
Selain itu, data juga menunjukkan bahwa agen AI kian aktif mengambil tindakan lintas domain cloud. Sebagai contoh, agen layanan pelanggan tidak sekadar menjawab pertanyaan, tetapi juga dapat menampilkan catatan penjualan hingga memberikan rekomendasi yang dipersonalisasi.
Dengan demikian, manfaatnya bagi pelanggan dan bisnis menjadi semakin luas. Kemampuan untuk bertindak di berbagai sistem cloud menegaskan pentingnya arsitektur headless, yaitu arsitektur yang memisahkan logika sistem dari antarmuka pengguna.
Pemisahan ini memungkinkan agen AI memproses tugas, menjalankan tindakan, dan memicu alur kerja dari mana saja.
Industri dengan regulasi ketat dan operasional kompleks cenderung memprioritaskan kecanggihan agen AI. Sebagai contoh penerapan di lapangan, Siemens menjual ribuan produk perangkat keras dan perangkat lunak melalui tujuh unit bisnis yang terpisah serta 18.000 tenaga penjualan.
Setiap minggu, perusahaan menerima 2.800 prospek masuk yang belum terkualifikasi tanpa informasi anggaran, wewenang pengambilan keputusan, atau jadwal pembelian. Akibatnya, tenaga penjualan menghabiskan waktu mengejar prospek yang kurang tepat, sementara prospek lainnya tidak tertangani.
Dalam industri dengan siklus penjualan yang panjang dan teknis, Agentforce membagi proses kualifikasi ke dalam alur kerja multi agen AI yang terkoordinasi. Agen pertama berinteraksi dan membina prospek secara berkesinambungan.
Kemudian, agen kedua mengumpulkan data yang belum tersedia, menerapkan aturan kualifikasi, lalu meneruskan prospek dengan konteks lengkap lintas divisi. Orkestrasi ini memungkinkan Siemens menangani proses kompleks dari awal hingga akhir selama 24 jam sehari, tujuh hari seminggu.
Untuk mengukur kompleksitas penggunaan agen AI di berbagai industri, Salesforce mengembangkan Sophistication Index atau Indeks Kecanggihan. Indeks ini memetakan seluruh tindakan agen ke dalam lima tingkat kompleksitas kognitif yang bertahap.
Tingkat 1 hingga 3 mencakup kemampuan standar risiko rendah seperti mengakses data, menyusun email, dan merangkum dokumen. Sementara Tingkat 4 hingga 5 mencakup kemampuan kompleks seperti memperbarui kolom basis data atau mengekstrak parameter bertingkat dari masukan mentah pengguna secara terprogram.
Dengan menilai jumlah tingkat kompleksitas yang aktif digunakan agen AI, Sophistication Index menunjukkan sektor yang memanfaatkan agen untuk berbagai tugas kompleks. Sektor manufaktur, layanan keuangan, serta kesehatan dan ilmu hayati membangun jaringan agen AI yang lebih canggih dibandingkan sektor pelopor seperti teknologi dan ritel.
Agen AI diterapkan untuk menangani seluruh spektrum pekerjaan, mulai dari mengambil data hingga memperbarui catatan secara langsung. Industri tersebut menghasilkan volume AWU yang lebih kecil, tetapi pertumbuhannya signifikan.
Output AWU di sektor publik dan HLS masing-masing tumbuh 227 kali dan 19 kali. Layanan keuangan merupakan contoh industri dengan regulasi ketat yang menerapkan agen AI dalam skala besar.
Industri ini menyumbang 10% dari total output AWU agen AI per bulan. Aktivitas tersebut didorong oleh lonjakan kebutuhan konsumen secara musiman, seperti pada batas akhir pelaporan pajak, yang meningkatkan permintaan terhadap dukungan AI agentik.
Di berbagai industri, agen AI mulai beralih dari sekadar percakapan menjadi eksekusi nyata. Agen kini lebih banyak menjalankan tindakan, seperti memicu alur kerja di belakang layar dan menerapkan logika bisnis, dibandingkan hanya menghasilkan teks.
Rasio tindakan terhadap output tersebut tumbuh dengan tingkat pertumbuhan bulanan majemuk sebesar 15%. Sebagai contoh, agen di sektor layanan tidak hanya menyusun jawaban terkait pesanan pelanggan.
Agen juga mengakses data terkait, menerapkan aturan bisnis, kemudian memproses pengembalian dana atau menjadwalkan ulang pertemuan. Bisnis yang memanfaatkan agen AI juga mencatat pertumbuhan penjualan yang lebih kuat dibandingkan bisnis yang tidak menggunakannya.
Tren ini terlihat paling jelas pada industri ritel dan konsumen selama periode belanja liburan. Baik ketika perusahaan mengaktifkan agen AI untuk beroperasi dalam skala besar maupun mengorkestrasikannya melalui rangkaian proses kompleks, agen tersebut menghadirkan nilai nyata, ujar Joe Inzerillo, President of Enterprise AI and Technology Salesforce.
ROI tersebut tidak hanya terlihat pada pertumbuhan penjualan, tetapi juga pada efisiensi eksekusi. Industri tengah beralih dari chatbot pasif dan model prediktif menuju agen AI berbasis eksekusi yang benar-benar bekerja dan menghasilkan nilai nyata.
Sepanjang periode analisis, frekuensi rata-rata interaksi karyawan dengan agen AI per minggu meningkat 300% dalam setahun. Hal ini menunjukkan meningkatnya kepercayaan tenaga kerja terhadap sistem digital.
Agen di Slack mencatat rata-rata 67 sesi per minggu. Jumlah tersebut naik tiga kali lipat pada April dibandingkan Februari.
Sebagai konteks pendukung, Slackbot di Salesforce menjadi alat dengan adopsi tercepat sepanjang sejarah perusahaan. Sebanyak 83% karyawan menggunakannya secara rutin.
Slackbot dapat menghemat waktu kerja rata-rata hingga lima jam per karyawan setiap minggu. Karyawan menggunakan Slackbot langsung di Slack untuk menyederhanakan pekerjaan sehari-hari, mulai dari merangkum percakapan hingga menyiapkan dokumen ringkas.
Pelanggan juga semakin memercayai agen AI. Dalam lima kuartal terakhir, agen AI menangani percakapan layanan pelanggan 170 kali lebih banyak dibandingkan tahun-tahun sebelumnya.
Agen AI secara konsisten menyelesaikan tujuh dari 10 percakapan tanpa bantuan manusia. Sebuah studi terbaru juga menemukan bahwa 77% konsumen yang berinteraksi dengan agen AI pendamping belanja di situs resmi merasa lebih yakin terhadap pembelian mereka.
Di organisasi layanan pelanggan, dampak terbesar agen AI terlihat pada kepuasan pelanggan. Dampaknya lebih besar dibandingkan terhadap produktivitas staf layanan, rata-rata waktu penanganan, retensi pelanggan, dan waktu respons pertama.
Seiring berkembangnya tenaga kerja digital di perusahaan, bisnis tidak lagi harus memilih antara agen AI cepat atau agen yang mampu menangani tugas kompleks. Keduanya dapat berjalan bersamaan.
Perusahaan dapat meningkatkan output dengan cepat untuk menghadapi lonjakan permintaan sambil mempertahankan logika lintas fungsi yang mendalam. Kemampuan ini menjadi kunci menangani alur kerja kompleks secara efektif.
Mengenai metodologi, Salesforce menganalisis dan mengagregasi data penggunaan dari sekelompok perusahaan untuk memahami pemanfaatan agen di lingkungan kerja. Salesforce Agentic Enterprise Index mencakup tren pada Februari 2025 hingga April 2026 serta mengkaji aktivitas perusahaan yang memanfaatkan agen AI untuk mendorong ROI.
Agar memenuhi syarat dalam himpunan data ini, perusahaan harus memiliki agen aktif dalam lingkungan produksi setiap bulan selama periode analisis. Hasil ini tidak mencerminkan kinerja internal Salesforce.
Redaksi
