Kebangkitan Agen AI dan Transformasi Bisnis

Agen AI Mengubah Peta Pasar Perangkat Lunak Customer Service

Agen AI mulai mengubah secara fundamental cara perusahaan merancang, mengimplementasikan, dan mengelola perangkat lunak customer service. Dalam kategori ini saja—yang mencakup penawaran software-as-a-service (SaaS) tradisional dan solusi agen AI yang kian matang—pasar berpotensi tumbuh tambahan sekitar 20% hingga 45% pada tahun 2030 dibandingkan skenario tanpa artificial intelligence generatif. Proyeksi tersebut menandai pergeseran struktural yang signifikan dalam industri perangkat lunak global, bukan sekadar kenaikan siklus biasa.

Perkiraan ini disusun oleh Gabriela Borges, analis perangkat lunak baru muncul di Goldman Sachs Research, yang menggabungkan pendekatan kuantitatif dan kualitatif secara sistematis. Ia memadukan model penetapan harga berbasis nilai dan berbasis biaya dengan wawancara mendalam bersama pakar industri serta spesialis penetapan harga. Hasilnya adalah estimasi yang terukur, dapat diaudit, dan cukup konservatif, namun tetap ambisius dalam menggambarkan bagaimana agen AI dapat memperluas pasar perangkat lunak customer service dan kategori terkait, sekaligus mengubah dinamika persaingan di antara penyedia solusi.

Dengan menjadikan perangkat lunak customer service sebagai tolok ukur konservatif, tim riset memperkirakan bahwa total addressable market untuk industri perangkat lunak secara keseluruhan akan meningkat setidaknya 20% pada akhir dekade ini. Potensi kenaikan dinilai bisa jauh lebih besar pada area yang langsung terkait penciptaan pendapatan, seperti penjualan dan pemasaran, dibandingkan customer service yang selama ini dipandang terutama sebagai pusat biaya. Dalam skenario tersebut, agen AI berpotensi menggeser persepsi tradisional terhadap fungsi customer service, dari sekadar beban biaya menjadi sumber nilai strategis bagi organisasi.

Percepatan Pertumbuhan di Alat Pengembang dan Aplikasi Bisnis

Di luar customer service, alat pengembang juga diperkirakan akan mengalami percepatan pertumbuhan yang substansial. Agen AI dan large language models (LLM) dapat mempercepat siklus inovasi, mengurangi waktu pengembangan, dan membuka peluang baru di domain spesialis seperti operasi keamanan, pengujian perangkat lunak, serta orkestrasi infrastruktur. Kombinasi ini menciptakan ruang bagi produk dan layanan baru yang sebelumnya sulit diwujudkan karena keterbatasan sumber daya manusia, kompleksitas teknis, dan biaya implementasi yang tinggi.

Borges menulis bahwa agen AI akan menjadi pendorong utama produktivitas di berbagai sektor, dan perusahaan perangkat lunak berpeluang menangkap sebagian besar nilai tambah tersebut melalui model bisnis berbasis langganan dan konsumsi. Goldman Sachs Research memperkirakan pasar perangkat lunak aplikasi dapat mencapai 780 miliar dolar AS pada tahun 2030, dengan kontribusi signifikan dari solusi berbasis agen AI. Angka ini mencerminkan compound annual growth rate (CAGR) sekitar 13% dari level saat ini, dengan agen AI sebagai salah satu motor utama pertumbuhan dan diferensiasi produk di pasar global.

Selama enam bulan penelaahan industri, tim riset menelaah bagaimana agen AI mulai meningkatkan produktivitas di berbagai organisasi dan sektor. Sebagian besar implementasi yang ditemukan masih berupa chatbot dengan integrasi dasar ke large language models, yang berfungsi sebagai antarmuka percakapan. Sistem ini biasanya digunakan untuk menjawab pertanyaan pelanggan, membantu agen manusia menyusun respons, atau menyediakan dukungan internal bagi karyawan melalui portal layanan mandiri. Meski demikian, pola adopsi awal ini dipandang sebagai batu loncatan menuju sistem yang lebih otonom dan bernilai tinggi.

Dari Chatbot ke Agen AI yang Lebih Canggih

Di luar implementasi dasar, para peneliti juga menemukan sejumlah contoh AI yang lebih maju dengan kemampuan mendukung kasus penggunaan yang jauh lebih kompleks dan bernilai tinggi. Banyak sistem canggih tersebut masih berada pada tahap proof of concept atau digunakan secara internal oleh perusahaan perangkat lunak untuk menguji kelayakan teknis dan model bisnis. Meski belum diadopsi secara luas, sistem ini menunjukkan potensi jelas untuk dikomersialkan seiring waktu, terutama ketika infrastruktur pendukungnya semakin matang dan standar integrasi agen AI dengan sistem perusahaan menjadi lebih mapan.

Large language models merupakan kelas sistem AI yang dilatih menggunakan data dalam jumlah sangat besar dan beragam. Sistem ini mampu memahami, memproses, dan menghasilkan bahasa manusia dengan tingkat keluwesan tinggi, sehingga memungkinkan interaksi yang lebih natural dan kontekstual. Borges menjelaskan bahwa pendalaman teknis branda menggambarkan potensi agen AI untuk menjadi antarmuka pengguna baru bagi para pekerja pengetahuan, yang dapat mengakses, mengolah, dan menyintesis informasi kompleks secara lebih efisien dibandingkan antarmuka perangkat lunak tradisional.

Menjelang tahun 2030, tim riset memperkirakan agen AI dapat menyumbang lebih dari 60% pasar perangkat lunak aplikasi, terutama pada kategori yang sangat bergantung pada interaksi berbasis pengetahuan. Artinya, porsi keuntungan yang semakin besar akan bergeser ke solusi berbasis agen, meskipun pasar perangkat lunak secara keseluruhan juga terus berkembang dalam hal volume dan keragaman produk. Perubahan ini berpotensi mengubah struktur kompetisi, model bisnis, dan strategi produk di seluruh industri, karena penyedia perangkat lunak harus menyesuaikan portofolio branda dengan paradigma agen AI yang lebih otonom dan terintegrasi.

Mendefinisikan Ulang Konsep Agen dalam Ekosistem AI

Istilah “agen” sendiri masih cukup cair dalam konteks inovasi AI dan terus mengalami penyempurnaan definisi. Goldman Sachs Research menelaah bagaimana berbagai perusahaan mendefinisikan dan menerapkan konsep agen AI dalam produk dan layanan branda. Secara bertahap, industri mulai mengerucut pada definisi yang berpusat pada otonomi dan kemampuan pengambilan keputusan. Agen AI dipandang seharusnya bersifat non-deterministik, mampu merespons secara proaktif terhadap perubahan lingkungan, dan dapat mempertahankan serta memanfaatkan informasi kontekstual untuk mengelola alur kerja secara efektif dan adaptif.

Saat ini, sebagian besar penerapan AI di perusahaan memanfaatkan AI generatif sebagai mesin pencocokan pola yang canggih dan fleksibel. Sistem ini digunakan untuk menghasilkan respons dari himpunan data besar atau bertindak sebagai asisten pendukung keputusan yang tertanam dalam perangkat lunak, misalnya melalui fitur rekomendasi atau ringkasan otomatis. Dalam banyak kasus, agen AI berfungsi sebagai lapisan tambahan yang menghubungkan LLM dengan alur kerja dan application programming interface (API) untuk mengeksekusi tugas tertentu, sehingga menjembatani antara pemrosesan bahasa dan tindakan operasional.

AI yang benar-benar “agentic” merujuk pada sistem yang mampu mengeksekusi tugas secara mandiri dari awal hingga akhir tanpa pengawasan terus-menerus. Sistem seperti ini akan mewakili lompatan besar dalam produktivitas, karena dapat mengurangi intervensi manual dan mengotomatisasi proses kompleks yang sebelumnya memerlukan koordinasi banyak pihak. Dalam praktiknya, agen AI semacam ini akan mengoordinasikan berbagai langkah kerja, memanggil API yang relevan, berinteraksi dengan beberapa sistem sekaligus, dan menyesuaikan tindakan berdasarkan umpan balik lingkungan serta perubahan kebutuhan pengguna.

Perlombaan Infrastruktur dan Tantangan Standardisasi

Para peneliti mencatat bahwa teknologi AI generatif berkembang sangat cepat, baik dari sisi kemampuan model maupun efisiensi komputasi. Perusahaan perangkat lunak kini berlomba membangun infrastruktur yang diperlukan untuk mengatasi berbagai kendala yang masih ada, termasuk skalabilitas, latensi, dan biaya operasional. Salah satu hambatan utama adalah belum tersedianya platform stabil berbasis AI yang dapat diandalkan pengembang sebagai fondasi jangka panjang, sehingga banyak organisasi masih bersikap hati-hati dalam mengadopsi agen AI secara luas.

Sejarah industri menunjukkan bahwa adopsi aplikasi secara luas biasanya mengikuti setelah lapisan platform menjadi terstandarisasi dan relatif stabil. Borges memperkirakan bahwa standardisasi platform agen AI masih setidaknya 12 bulan lagi, dengan variasi pendekatan yang cukup besar di antara penyedia teknologi. Selama periode ini, perusahaan akan terus bereksperimen dengan arsitektur, model bisnis, dan pendekatan integrasi yang berbeda, sambil menguji kesiapan pasar dan kesiapan organisasi untuk mengadopsi agen AI dalam skala besar.

Sementara itu, pengembang dan pelanggan tetap berhati-hati terhadap isu integritas data, keamanan, dan autentikasi, terutama dalam konteks regulasi yang semakin ketat. Kekhawatiran ini wajar mengingat agen AI sering kali membutuhkan akses ke sistem inti dan data sensitif, seperti informasi pelanggan, transaksi, dan catatan internal. Namun, para peneliti memperkirakan kekhawatiran tersebut akan berkurang seiring platform dasar matang, praktik terbaik keamanan semakin mapan, dan kerangka regulasi menjadi lebih jelas, sehingga adopsi agen AI dapat berlangsung lebih terstruktur dan terkendali.

Keterbatasan Teknis dan Upaya Mengatasinya

Keterbatasan teknis lain juga masih menjadi fokus penelitian intensif di kalangan akademisi dan industri. Tantangan seperti reliabilitas keluaran, kemampuan sistem mempertahankan memori dalam interaksi panjang, serta konsistensi perilaku agen AI sedang ditangani melalui pengembangan berkelanjutan dan eksperimen terarah. Inovasi di bidang arsitektur model, teknik penguatan, manajemen konteks, dan mekanisme pengawasan diharapkan dapat meningkatkan stabilitas, transparansi, dan kinerja agen AI dalam lingkungan produksi.

Seiring infrastruktur dan platform AI generatif mencapai tingkat kematangan yang lebih tinggi, adopsi aplikasi berbasis agen diperkirakan akan meningkat pesat di berbagai sektor. Agen AI berpotensi menjadi lapisan standar di berbagai kategori perangkat lunak, mulai dari customer service, penjualan, pemasaran, hingga alat pengembang, keamanan, dan manajemen operasi. Dengan demikian, terbentuk ekosistem baru yang berpusat pada otomatisasi cerdas dan orkestrasi tugas lintas sistem, yang menghubungkan berbagai fungsi bisnis dalam satu kerangka kerja berbasis omnichannel.

Pada akhirnya, agen AI diproyeksikan tidak hanya memperluas pasar perangkat lunak customer service, tetapi juga mengubah cara organisasi bekerja dan mengambil keputusan. Dengan kemampuan mengotomatisasi tugas kompleks, memanfaatkan konteks secara dinamis, dan beroperasi secara otonom, agen AI berpotensi menjadi pendorong utama produktivitas dan sumber nilai baru bagi perusahaan perangkat lunak di seluruh dunia, sekaligus mendorong transformasi struktural dalam ekonomi digital. Judul artikel ini diperbarui pada 10 Juli 2025.