Melampaui Prompt: Copilot vs. Agen Otonom Dynamics 365

By Mirko Peters · 2026-08-27

Selamat datang kembali di blog! Jika Anda mengikuti episode podcast kami belakangan ini, Anda tahu bahwa kami banyak membahas bagaimana kecerdasan buatan membentuk ulang tempat kerja modern.

Automatically translated with AI from the original post. Read the English original

Selamat datang kembali di blog! Jika Anda mengikuti episode podcast kami belakangan ini, Anda tahu bahwa kami banyak membahas bagaimana kecerdasan buatan membentuk ulang tempat kerja modern. Dalam tulisan ini, kami membahas lebih dalam topik besar yang baru saja kami kupas di podcast: pergeseran dari asisten AI yang reaktif menuju teknologi yang proaktif dan digerakkan oleh peristiwa. Untuk mendengarkan percakapan lengkapnya dan menggali pergeseran ini lebih jauh, pastikan Anda menyimak episode pendampingnya, Dynamics 365 Autonomous Agents - Simply Explained.

Selama beberapa tahun terakhir, percakapan di tempat kerja tentang kecerdasan buatan didominasi oleh asisten berbasis chat. Anda membuka panel samping, mengetik prompt, meminta ringkasan, atau meminta sistem menyusun email. Namun, teknologi ini berkembang dengan cepat. Kita kini bergerak melampaui sekadar prompting menuju era baru yang didefinisikan oleh Agen Otonom Dynamics 365. Agen-agen ini dirancang bukan hanya untuk menjawab pertanyaan ketika diajak bicara, tetapi juga untuk memantau pemicu, mengevaluasi data kontekstual, dan secara otonom menjalankan proses bisnis yang telah ditentukan. Dalam tulisan ini, kami akan menguraikan apa itu agen-agen tersebut, bagaimana perbedaannya dengan Copilot dan otomasi tradisional, serta di mana bisnis sudah menerapkannya saat ini.

Pada intinya, agen otonom adalah alat AI khusus yang dirancang untuk menjalankan satu tugas bisnis yang sangat spesifik dan terbatas. Berbeda dengan AI serba guna yang bisa membahas segala hal, mulai dari sejarah kuno hingga fisika kuantum, agen otonom dibangun untuk eksekusi operasional. Agen ini dapat meninjau informasi bisnis, memilih dari sekumpulan langkah lanjutan yang diizinkan, dan melaksanakan pekerjaan menuju tujuan yang jelas.

Kata terpenting dalam deskripsi tersebut adalah ditentukan. Agen otonom tidak pernah diberi kendali tanpa batas atas proses bisnis. Sebaliknya, organisasi menetapkan uraian tugasnya secara tepat, basis data dan berkas spesifik yang boleh diakses, tindakan yang secara hukum diizinkan untuk dilakukan, serta ambang batas yang tepat di mana agen harus berhenti dan melibatkan manusia. Anggaplah agen ini bukan sebagai otak buatan yang serba tahu, melainkan sebagai anggota tim digital khusus yang memiliki peran sangat spesifik, serangkaian prosedur operasional standar yang jelas, dan seorang supervisor yang mengawasi hasil kerjanya.

Untuk benar-benar memahami bagaimana agen otonom mengubah rutinitas harian kita, ada baiknya memahami perbedaannya dengan alat yang sudah kita gunakan, seperti Microsoft Copilot. Copilot umumnya bekerja secara reaktif. Ia menunggu dengan sabar hingga seseorang meminta bantuan. Pengguna membuka aplikasi, mengajukan pertanyaan, meminta draf dokumen, atau meminta sebuah utas diringkas.

Agen otonom bekerja dengan cara yang sangat berbeda. Alih-alih menunggu prompt, agen ini digerakkan oleh peristiwa. Ia dapat bereaksi seketika ketika sesuatu terjadi dalam ekosistem: tiket layanan pelanggan baru masuk, pelanggan mengirim pesan tindak lanjut, prospek penjualan baru masuk ke CRM, atau pesanan pembelian memerlukan konfirmasi.

Cara yang baik untuk memvisualisasikannya adalah dengan analogi gedung perkantoran. Copilot bekerja di meja resepsionis. Ketika orang datang ke meja depan dan meminta bantuan, Copilot siap membantu, menjawab pertanyaan, dan menunjukkan arah yang tepat. Sebaliknya, agen otonom adalah staf yang bekerja di balik layar di ruang-ruang kantor belakang, memproses dokumen, mengelola logistik, dan menjaga mesin operasional tetap berjalan lancar tanpa perlu seseorang terus-menerus memberikan tugas kepada mereka.

Banyak organisasi telah mengandalkan otomasi tradisional, seperti alur kerja Power Automate standar, selama bertahun-tahun. Otomasi tradisional sangat baik untuk proses yang mengikuti aturan yang kaku dan dapat diprediksi: jika X terjadi, lakukan Y. Namun, otomasi tradisional kesulitan ketika pemahaman bahasa, nuansa, dan data tidak terstruktur mulai terlibat.

Agen otonom menghadirkan lapisan lain dengan membawa kemampuan AI generatif dalam memahami konteks. Agen dapat membaca pesan pelanggan yang berantakan dan ditulis dengan kurang baik, memeriksa catatan yang terhubung, menganalisis basis pengetahuan yang disetujui, lalu memilih di antara berbagai tindakan yang diizinkan oleh konfigurasinya. AI generatif memberikan pemahaman bahasa dan penalaran, sementara perilaku otonom menghubungkan pemahaman tersebut secara langsung ke tindakan bisnis. Agen dapat mengidentifikasi masalah, menemukan artikel pengetahuan yang relevan, memperbarui catatan basis data, menyiapkan draf tanggapan, atau dengan cerdas mengeskalasi situasi ke spesialis manusia.

Anda mungkin bertanya-tanya mengapa agen-agen ini perlu dikaitkan secara khusus dengan platform seperti Dynamics 365, alih-alih berjalan pada alat AI generik yang berdiri sendiri. Jawabannya bermuara pada konteks bisnis.

Model AI generik dapat dengan mudah memahami kalimat seperti "pengiriman saya belum juga sampai." Namun, jika berdiri sendiri, model tersebut tidak tahu pelanggan mana yang menyampaikan pernyataan itu, pesanan mana yang dimaksud, penyedia pengiriman mana yang menanganinya, atau percakapan sebelumnya apa saja yang sudah terjadi. Dynamics 365 menyediakan konteks bisnis yang mendasarinya. Catatan pelanggan, kasus dukungan, pesanan yang masih terbuka, pipeline penjualan, data buku besar keuangan, dan riwayat obrolan memungkinkan agen memahami sebuah pernyataan dalam realitas operasional organisasi yang sebenarnya. Konteks inilah yang mengubah kemampuan AI umum menjadi bantuan bisnis yang praktis dan dapat dipercaya.

Untuk melihat nilai sesungguhnya dari sistem ini, kita perlu melihat bagaimana sistem tersebut diterapkan di departemen tertentu. Layanan pelanggan menjadi contoh paling jelas dari agen otonom yang bekerja.

Customer Intent Agent menganalisis percakapan pelanggan dan kasus dukungan yang sedang berjalan untuk mengidentifikasi pola yang mendasari alasan pelanggan menghubungi perusahaan. Titik nyeri pelanggan terus berubah seiring perusahaan meluncurkan produk, mengubah layanan, atau mengganti siklus penagihan. Alih-alih memaksa manajer meninjau ratusan transkrip dukungan secara manual, agen ini menampilkan topik yang sedang muncul secara otomatis, sehingga membantu organisasi meningkatkan portal layanan mandiri, memperbarui basis pengetahuan, dan menyempurnakan proses dukungan.

Lebih jauh ke dalam dukungan, Case Management Agent membantu aktivitas rutin di seluruh siklus layanan pelanggan. Agen ini dapat membantu membuat kasus baru, memperbarui informasi, mendorong penyelesaian kasus, menindaklanjuti pelanggan, dan menutup kasus sesuai aturan organisasi yang telah dikonfigurasi. Tujuannya bukan untuk menggantikan perwakilan layanan pelanggan manusia. Sebaliknya, agen ini menghilangkan beban administratif yang berulang sehingga para profesional layanan dapat lebih fokus pada situasi pelanggan yang kompleks dan interaksi yang membutuhkan empati tinggi.

Manajemen pengetahuan adalah hambatan utama lainnya. Solusi dukungan yang berharga sering kali terjebak di dalam kasus yang sudah ditutup, catatan internal, dan riwayat obrolan. Customer Knowledge Management Agent memeriksa catatan kasus yang sudah selesai untuk mengidentifikasi pengetahuan yang berpotensi dapat digunakan kembali dan menemukan celah dalam dokumentasi dukungan yang ada. Karena solusi sementara yang ditemukan dalam kasus lama mungkin sudah usang atau bersifat spesifik untuk pelanggan tertentu, agen ini menampilkan materinya sambil tetap melibatkan manusia untuk menentukan apa yang benar-benar menjadi panduan organisasi yang tepercaya.

Di departemen penjualan, Sales Qualification Agent untuk Dynamics 365 Sales menangani lonjakan besar prospek masuk yang sering kali membebani tim penjualan. Agen ini meneliti calon pelanggan, memprioritaskan prospek berdasarkan potensinya, dan bahkan menyusun draf email penjangkauan yang dipersonalisasi. Tenaga penjualan tetap memegang kendali penuh dalam memutuskan peluang mana yang layak mendapat perhatian, meninjau komunikasi, dan membangun hubungan manusia yang diperlukan untuk menutup kesepakatan.

Agen otonom tidak terbatas pada peran yang berhadapan dengan pelanggan; agen ini juga mengubah operasi back-office.

Di Business Central, Sales Order Agent mendukung proses penerimaan pesanan mulai dari penerimaan awal hingga konfirmasi, sehingga entri data manual berkurang drastis dan staf dapat berfokus pada permintaan yang tidak biasa serta pengecualian. Di departemen keuangan, tugas seperti penutupan akhir periode melibatkan persiapan dan rekonsiliasi dalam jumlah besar. Financial Reconciliation Agent membantu membersihkan dataset, sedangkan Account Reconciliation Agent di Dynamics 365 Finance membantu mencocokkan dan melunasi transaksi antara subbuku besar dan buku besar umum, sehingga akuntan dapat menyelidiki perbedaan dan memastikan keakuratan keuangan.

Tim pengadaan menghabiskan waktu yang tak terhitung untuk menghubungi pemasok guna mengonfirmasi pesanan pembelian dan tanggal pengiriman. Supplier Communications Agent untuk Dynamics 365 Supply Chain Management menangani tindak lanjut rutin dan membantu menandai potensi keterlambatan rantai pasokan jauh lebih awal. Sementara itu, dalam manajemen layanan lapangan, jadwal terus-menerus terganggu oleh lalu lintas, pembatalan, dan pekerjaan mendesak. Scheduling Operations Agent untuk Dynamics 365 Field Service membantu dispatcher menyesuaikan jadwal teknisi secara dinamis, sementara dispatcher manusia tetap mengendalikan prioritas pelanggan yang krusial dan komitmen berisiko tinggi.

Dengan semua kemampuan ini muncul pertanyaan penting: bagaimana kita menjaga sistem ini tetap aman dan andal? Organisasi harus mengonfigurasi dengan cermat tindakan apa saja yang boleh dilakukan oleh agen otonom. Bolehkah ia membaca catatan pelanggan? Bolehkah ia memperbaruinya? Bolehkah ia membuat draf email, atau bolehkah ia mengirim email tersebut tanpa persetujuan manusia? Izin dan pagar pengaman yang jelas adalah yang membedakan eksperimen yang kacau dari proses bisnis yang terkendali.

Otonom pasti tidak berarti tanpa pengawasan. Agen terkadang dapat salah memahami permintaan, beroperasi dengan data yang tidak lengkap, atau menghasilkan keluaran yang meleset. Setiap proses yang melibatkan keputusan bisnis yang berdampak, transaksi keuangan, masalah privasi, atau janji langsung kepada pelanggan memerlukan pengawasan manusia yang kuat. Organisasi harus secara rutin meninjau aktivitas agen, menganalisis umpan balik, memeriksa catatan yang diubah, dan menyempurnakan instruksi.

Jika Anda ingin memperkenalkan agen otonom ke dalam organisasi, pendekatan terbaik adalah memulai dari skala kecil. Pilih proses yang sempit dan sangat berulang, di mana kesalahan mudah dikenali dan cepat diperbaiki. Anda dapat memulai dengan meminta agen membuat draf pesan tindak lanjut internal untuk ditinjau, mengurutkan permintaan dukungan yang masuk, atau melakukan pra-kualifikasi prospek penjualan yang masuk.

Dengan memulai dari skala kecil, tim Anda dapat mengukur hasil, menyempurnakan instruksi sistem, menyesuaikan izin, dan membangun kepercayaan diri sebelum menghubungkan agen ke alur kerja operasional yang lebih kritis. Untuk mendengar lebih lanjut tentang bagaimana teknologi ini berkembang dan mendapatkan pembahasan lebih mendalam tentang arsitektur serta strategi di baliknya, pastikan Anda mendengarkan episode pendampingnya Dynamics 365 Autonomous Agents - Simply Explained. Terima kasih telah membaca, dan sampai jumpa di episode berikutnya!