Akhir dari Prompting: Mengapa Perusahaan Beralih ke AI Berbasis Agen

By Mirko Peters · 2026-08-26

Selamat datang di pembahasan mendalam kami tentang evolusi kecerdasan buatan perusahaan. Jika Anda mengikuti perkembangan dunia teknologi yang bergerak cepat, Anda kemungkinan besar telah menyadari adanya pergeseran besar dalam cara bisnis berinteraksi dengan model pembelajaran mesin.

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

Selamat datang di pembahasan mendalam kami tentang evolusi kecerdasan buatan perusahaan. Jika Anda mengikuti perkembangan dunia teknologi yang bergerak cepat, Anda kemungkinan besar telah menyadari adanya pergeseran besar dalam cara bisnis berinteraksi dengan model pembelajaran mesin. Selama bertahun-tahun, prompt engineering menjadi standar emas untuk mendapatkan keluaran dari model bahasa besar. Namun, ketika organisasi berupaya memperluas otomatisasi mereka, penyesuaian prompt secara manual mulai menunjukkan hambatan yang signifikan. Bisnis kini melampaui antarmuka obrolan sederhana dan mulai merangkul arsitektur otonom berbasis agen.

Untuk benar-benar memahami bagaimana transformasi ini memengaruhi organisasi Anda, kami menyarankan Anda menyimak episode podcast terkait, How to Build a Microsoft Copilot Agent Fabric. Dalam episode tersebut, kami mengulas sisi praktis dalam menyiapkan sistem-sistem ini, serta membahas arsitektur, pilihan operasional, dan strategi implementasi nyata di lingkungan perusahaan.

Poin Penting

• Beralih dari prompt engineering ke AI berbasis agen untuk meningkatkan efisiensi dan produktivitas.
• Orkestrasi agen mengotomatisasi tugas, sehingga secara signifikan mengurangi waktu pemrosesan dan biaya manusia.
• Agen khusus menangani alur kerja yang kompleks, sehingga memungkinkan pengambilan keputusan yang proaktif.
• Alur kerja berbasis peristiwa memungkinkan respons seketika terhadap perubahan, sehingga meningkatkan efisiensi operasional.
• Arsitektur data yang kuat sangat penting bagi akurasi pengambilan keputusan AI dan kinerjanya.
• Gunakan kerangka kerja DBS untuk membekali agen dengan keterampilan khusus demi pelaksanaan tugas yang lebih baik.
• Terapkan tata kelola dan langkah keamanan yang kokoh untuk melindungi data dan memastikan kepatuhan.
• Mulailah dari skala kecil dengan proyek percontohan untuk mengumpulkan umpan balik sebelum memperluas solusi AI ke seluruh organisasi Anda.

Akhir Prompting dan Era Baru AI

Mengapa Prompting Memiliki Keterbatasan

Mungkin Anda masih ingat ketika prompt engineering menjadi cara utama untuk mendapatkan hasil dari AI. Pada masa awal, Anda harus menyusun setiap prompt dengan cermat. Metode ini berhasil ketika tugasnya sederhana. Seiring model AI semakin canggih, tuntutan terhadapnya pun meningkat. Anda membutuhkan lebih dari sekadar prompt yang tertulis dengan baik. Perusahaan menemukan bahwa mengelola konteks di sekitar prompt menjadi sama pentingnya dengan prompt itu sendiri.

Banyak organisasi menghadapi tantangan ketika mencoba memperluas penerapan AI dengan prompt engineering. Tabel berikut menunjukkan beberapa keterbatasan utama yang mungkin Anda temui:

Anda dapat melihat bahwa masalah-masalah ini membuat prompt engineering sulit diandalkan untuk kebutuhan bisnis yang kompleks. Perusahaan menyadari bahwa penyesuaian prompt memberikan manfaat yang semakin kecil seiring waktu. Mereka menemukan bahwa membangun pipeline konteks yang lebih baik meningkatkan kinerja AI. Di bidang seperti kesehatan dan hukum, penambahan dokumentasi real-time menghasilkan persetujuan klien yang lebih tinggi. Ketika tugas menjadi semakin kompleks, organisasi menyadari bahwa memperbaiki informasi yang diberikan kepada AI lebih efektif daripada sekadar mengubah prompt. Pergeseran ini menandai awal dari Akhir Prompting untuk AI perusahaan.

Kebangkitan AI Berbasis Agen

Kini Anda memiliki kesempatan untuk melampaui cara lama dalam bekerja dengan AI. AI berbasis agen menghadirkan pendekatan baru. Alih-alih menunggu instruksi dari Anda, agen-agen ini bertindak sendiri. Mereka dapat menangani alur kerja yang kompleks, mengambil keputusan, bahkan memecah tujuan menjadi langkah-langkah yang lebih kecil. Gaya proaktif ini mengubah cara Anda memanfaatkan AI dalam bisnis.

Berikut beberapa cara AI berbasis agen menonjol:

• AI agentik tidak sekadar bereaksi. Ia merasakan, bernalar, dan bertindak dalam satu lingkaran berkelanjutan.
• Ia dapat memahami tujuan Anda, merencanakan langkah-langkah, dan menggunakan berbagai alat untuk mencapai hasil.
• Sistem-sistem ini terintegrasi dengan proses bisnis Anda, sehingga pekerjaan Anda menjadi lebih cepat dan lebih andal.

Mari kita bandingkan orkestrasi agen dengan rekayasa prompt:

Dengan orkestrasi agen, Anda memperoleh sistem yang fleksibel dan kuat. Platform teknologi utama memimpin transisi ini dengan menawarkan alat seperti Azure AI Foundry dan Copilot Studio. Platform ini membantu Anda merancang, menerapkan, dan mengelola agen dengan tata kelola serta pemantauan bawaan. Anda dapat membangun agen low-code dan menggunakannya di berbagai suite kolaborasi serta perangkat lunak perusahaan.

The End of Prompting menandai era baru. Anda tidak lagi perlu bergantung pada prompt yang rapuh. Sebaliknya, Anda dapat menggunakan AI berbasis agen untuk mendorong inovasi, meningkatkan produktivitas, dan tetap unggul dalam dunia yang terus berubah.

Apa Itu Copilot Agent Fabric

Microsoft Copilot Agent Fabric memberi Anda cara baru untuk bekerja dengan AI. Anda beralih dari prompt sederhana ke sistem tempat agen menangani tugas, mengambil keputusan, dan bekerja sama. Bagian ini menjelaskan cara kerja Copilot Agent Fabric dan alasan pentingnya bagi bisnis Anda.

Komponen Inti: Peristiwa, Penalaran, Orkestrasi

Anda dapat membayangkan Copilot Agent Fabric sebagai sebuah tim dengan peran yang berbeda-beda. Setiap bagian membantu sistem berjalan lancar dan menghasilkan hasil. Tabel di bawah ini menunjukkan komponen utama dan cara kontribusinya terhadap orkestrasi AI:

Peristiwa memulai proses. Misalnya, prospek penjualan baru atau perubahan inventaris dapat memicu sebuah peristiwa. Sistem kemudian menggunakan penalaran untuk memutuskan langkah berikutnya. Orkestrasi menyatukan semuanya. Orkestrasi memastikan agen yang tepat mendapatkan tugas yang tepat. Data Agent memberikan wawasan bisnis yang terstruktur, yang membantu penalaran kompleks dan orkestrasi di seluruh sistem perusahaan Anda. Ketika Anda menggunakan agen Copilot Studio bersama agen Fabric, Anda mendapatkan penalaran yang lebih baik atas data bisnis Anda. Pengaturan ini menghubungkan kebutuhan bisnis Anda langsung ke data, sehingga hasilnya lebih akurat dan bermanfaat.

Anda juga dapat menggunakan Microsoft Agents SDK untuk mengorkestrasi berbagai agen. Dengan cara ini, Anda dapat menggunakan ulang keterampilan dan mengurangi pekerjaan tambahan. Orkestrasi multiagen memungkinkan agen bekerja sama, menalar atas kumpulan data besar, dan menghasilkan hasil dengan konteks bisnis yang utuh.

Agen Khusus dan Peran

Copilot Agent Fabric menggunakan agen khusus. Setiap agen memiliki tugas yang jelas. Anda dapat menetapkan peran berdasarkan kebutuhan bisnis Anda:

• Data Agent bekerja dengan data perusahaan Anda, menyediakan akses melalui antarmuka pengguna yang bersih.
• Operations Agent mengotomatisasi siklus Observe-Analyze-Decide-Act, menangani data real-time agar bisnis Anda tetap berjalan lancar.
• Saat Anda menyiapkan Operations Agent, Anda menentukan tujuan bisnis, instruksi, sumber pengetahuan, dan tindakan.

Anda mengendalikan siapa yang dapat menggunakan setiap agen. Misalnya, hanya pengguna dengan izin yang tepat yang dapat mengakses Data Agent tertentu. Sistem izin berbasis peran mengelola hal ini, sehingga data Anda tetap aman dan terlindungi.

Struktur ini membantu Anda menghindari kebingungan. Setiap agen mengetahui tugasnya. Orkestrator menugaskan pekerjaan, mencegah tumpang tindih atau langkah yang terlewat. Anda mendapatkan sistem yang sekaligus aman dan efisien.

Dari AI Reaktif ke AI Proaktif

Dengan Copilot Agent Fabric, Anda beralih dari sistem reaktif ke sistem proaktif. Di masa lalu, Anda harus menunggu masalah muncul sebelum dapat bertindak. Kini, agen dapat mendeteksi perubahan dan merespons seketika. Misalnya, peristiwa kapasitas real-time memberi Anda sinyal instan tentang penggunaan sistem, memicu alur kerja otomatis sehingga tim Anda dapat bertindak sebelum masalah membesar.

Tabel di bawah ini menunjukkan bagaimana pergeseran ini membantu berbagai peran operasional:

Anda juga melihat perubahan dalam cara Anda mengelola kapasitas. Alih-alih bereaksi terhadap masalah, Anda sekarang dapat merespons seketika. Otomatisasi memungkinkan tim Anda memperbaiki masalah begitu masalah itu muncul. Pendekatan proaktif ini menghemat waktu dan mengurangi kesalahan.

Banyak organisasi sudah merasakan manfaatnya. Perusahaan besar yang menerapkan solusi Copilot berhasil menghemat banyak jam per pengguna setiap minggu, memangkas secara drastis siklus analisis kampanye, mengurangi waktu pengodean ETL, dan mempercepat penyelesaian dukungan pelanggan. Hasil ini menunjukkan bagaimana Copilot Agent Fabric mengubah alur kerja dan mendukung *End of Prompting* dalam AI perusahaan.

Tips: Saat Anda menggunakan Copilot Agent Fabric, Anda memberdayakan tim untuk fokus pada pekerjaan bernilai tinggi. Agen menangani tugas rutin, sehingga Anda dapat menghabiskan lebih banyak waktu untuk strategi dan inovasi.

Orkestrasi Agen di Copilot Fabric

Alur Kerja Berbasis Peristiwa

Anda dapat mengotomatisasi proses bisnis dengan alur kerja berbasis peristiwa di Copilot Agent Fabric. Ketika suatu peristiwa terjadi, misalnya pesanan baru, peringatan sensor, atau perubahan persediaan, agen langsung merespons. Pendekatan ini membantu Anda bertindak cepat dan mengambil keputusan yang lebih baik. Anda tidak perlu menunggu seseorang menyadari masalah atau mengirim perintah.

Berikut cara alur kerja berbasis peristiwa memberikan manfaat yang terukur:

Anda dapat melihat bahwa agen membantu Anda merespons peristiwa saat terjadi. Hal ini mengurangi keterlambatan dan meningkatkan hasil di berbagai industri.

Penalaran Cerdas

Copilot Agent Fabric memberi agen Anda kemampuan untuk bernalar dan membuat pilihan yang cerdas. Agen melakukan lebih dari sekadar mengikuti instruksi sederhana. Mereka menganalisis data, menafsirkan situasi, dan memutuskan langkah selanjutnya. Penalaran mendalam ini memungkinkan Anda menangani skenario bisnis yang kompleks dengan percaya diri.

Anda memperoleh manfaat dari fitur-fitur berikut:

• Agen menjalankan proses multi-langkah secara otomatis dan sesuai konteks.
• Agen terhubung dengan sistem perusahaan utama untuk mengumpulkan informasi dan menindaklanjutinya.
• Anda menerima jawaban berbasis data dan saran tindakan langsung di lingkungan obrolan Anda.

Dengan penalaran cerdas, Anda melampaui dasbor dasar. Agen menggunakan data waktu nyata untuk memberi Anda wawasan dan rekomendasi tingkat lanjut. Pergeseran ini mendukung *End of Prompting* dengan membiarkan AI memandu keputusan Anda, bukan sekadar merespons pertanyaan Anda.

Catatan: Saat Anda menggunakan penalaran cerdas, Anda membuka cara-cara baru untuk memecahkan masalah dan mendorong bisnis Anda maju.

Lapisan Orkestrasi

Lapisan orkestrasi di Copilot Agent Fabric berfungsi sebagai pusat kendali untuk agen AI Anda. Anda merancang agen dan menghubungkannya ke sistem bisnis Anda menggunakan alat low-code. Lapisan ini memudahkan Anda membangun, menerapkan, dan mengelola agen di seluruh organisasi.

Berikut yang Anda peroleh dari lapisan orkestrasi:

• Anda memperluas AI ke berbagai departemen tanpa menduplikasi upaya.
• Anda memastikan konsistensi data dan kepatuhan dengan memusatkan akses.
• Anda mempercepat inovasi dengan memungkinkan agen berkolaborasi layaknya tim.

Anda dapat membuat templat untuk agen dan menggunakannya kembali di berbagai bagian organisasi Anda. Orkestrasi yang tahan lama mendukung kemampuan baru dan membantu Anda mengintegrasikannya ke dalam alur kerja yang sudah ada. Model ini mengubah proyek AI yang terisolasi menjadi proses yang dapat diulang, sehingga lebih mudah untuk bertumbuh dan beradaptasi seiring perubahan kebutuhan Anda.

Tips: Lapisan orkestrasi membantu Anda menstandarkan strategi AI dan memperoleh nilai maksimal dari investasi Anda.

Arsitektur Data dan Protokol MCP

Mengapa Struktur Data Penting

Anda memerlukan struktur data yang kuat untuk mendapatkan hasil terbaik dari agen AI. Ketika data Anda tertata dengan baik, agen dapat mengambil keputusan yang lebih baik dan menghindari kesalahan. Jika data Anda berantakan atau tidak jelas, agen mungkin memberi jawaban yang terlalu yakin atau keliru. Hal ini dapat berujung pada keputusan bisnis yang buruk.

Studi menunjukkan bahwa efektivitas orkestrasi agen AI bergantung pada cara Anda menyusun data. Model probabilistik dan Bayesian, misalnya, membantu agen mengambil keputusan ketika mereka tidak memiliki semua fakta. Model-model ini menggunakan estimasi belief-state dan model observasi untuk menjaga keputusan agen tetap terkalibrasi dengan baik. Jika struktur data Anda lemah, agen mungkin melewatkan detail penting atau membuat kesalahan dalam penilaian. Struktur data yang andal membantu agen bernalar dengan keyakinan dan akurasi.

Anda sebaiknya selalu berfokus pada pembangunan fondasi data yang kokoh. Ini berarti menggunakan relasi yang jelas, metadata yang kuat, dan lapisan semantik tersertifikasi. Ketika Anda melakukannya, Anda membantu agen Anda memberikan hasil yang lebih baik bagi bisnis Anda.

Model Context Protocol (MCP)

Model Context Protocol (MCP) berfungsi sebagai konektor universal untuk agen AI Anda. Anda tidak perlu membangun tautan khusus untuk setiap sistem. MCP memungkinkan agen Anda berkomunikasi dengan banyak aplikasi perusahaan melalui satu standar. Hal ini menghemat waktu Anda dan mengurangi kompleksitas.

Dalam penyiapan multi-agen, agen koordinator utama menggunakan MCP untuk memberi agen lain akses aman ke perangkat lunak perusahaan Anda. MCP menjaga data Anda tetap aman dengan mengikuti kebijakan keamanan Anda. MCP juga memberi Anda pengawasan atas apa yang dilakukan agen Anda dan bagaimana mereka mengambil keputusan.

MCP menghubungkan agen AI Anda ke berbagai alat bisnis, seperti:

• Platform CRM
• Solusi ERP
• Data warehouse
• Basis pengetahuan
• Aplikasi bisnis internal

Dengan MCP, Anda dapat memperluas solusi AI ke seluruh perusahaan tanpa perlu khawatir dengan kerumitan integrasi.

Integrasi dengan Sistem Perusahaan

Anda ingin agen AI Anda bekerja dengan lancar bersama sistem yang sudah ada. Copilot Agent Fabric mendukung praktik terbaik untuk integrasi. Anda sebaiknya selalu menggunakan lapisan semantik tersertifikasi. Hal ini menjaga data Anda tetap bersih dan memastikan agen hanya menggunakan informasi tepercaya.

Patuhi label sensitivitas dan kebijakan keamanan. Hal ini mencegah kebocoran data dan menjaga keamanan bisnis Anda. Terapkan kebijakan tata kelola dan akses berbasis peran untuk mengontrol siapa yang dapat menggunakan setiap agen. Kelola identitas agen untuk operasi yang aman.

Berikut tabel praktik terbaik untuk mengintegrasikan Copilot Agent Fabric dengan arsitektur data Anda:

Anda juga sebaiknya menggunakan penalaran yang berorientasi semantik. Artinya, agen bekerja dengan model bisnis, bukan tabel mentah. Semua interaksi tetap diaudit dan sesuai kebijakan. Data Agent dapat membagikan wawasan kepada tim kolaboratif, agen alur kerja, atau agen yang terhubung ke ERP. Pendekatan ini membantu Anda memperoleh nilai maksimal dari investasi AI Anda.

Tips: Arsitektur data yang kuat dan MCP membuat agen AI Anda lebih cerdas, lebih aman, dan lebih mudah dikelola.

Kolaborasi Agen dan Kerangka Keterampilan

Komunikasi Agent-to-Agent

Anda dapat membuka tingkat produktivitas baru ketika agen AI Anda berkomunikasi langsung satu sama lain. Di Copilot Agent Fabric, agen tidak bekerja secara terisolasi. Mereka berbagi informasi, mengoordinasikan tugas, dan meneruskan konteks satu sama lain. Pendekatan ini membantu Anda memecahkan masalah bisnis yang kompleks lebih cepat. Misalnya, Data Agent dapat mengumpulkan wawasan dari sistem perusahaan Anda dan mengirimkannya ke Operations Agent. Operations Agent kemudian bertindak berdasarkan wawasan tersebut, mengotomatiskan keputusan dan tindakan.

Platform orkestrasi modern mendukung protokol Agent-to-Agent (A2A) terbuka. Protokol ini memungkinkan agen dari platform berbeda bekerja sama. Anda mendapatkan fleksibilitas karena agen Anda dapat berbagi konteks dan berkolaborasi di seluruh proses bisnis nyata. Interoperabilitas ini berarti Anda tidak perlu membangun ulang solusi untuk setiap alur kerja baru. Anda dapat memperluas solusi AI seiring pertumbuhan bisnis Anda.

Tips: Ketika agen saling berkomunikasi, Anda mengurangi serah terima manual dan mempercepat alur kerja Anda.

Membangun Keterampilan dengan DBS

Anda dapat memberikan keterampilan khusus kepada agen Anda menggunakan kerangka DBS (Direction, Blueprints, Solutions). Kerangka ini membantu Anda menentukan apa yang harus dilakukan setiap agen, bagaimana melakukannya, dan sumber daya apa yang boleh digunakannya. Tabel di bawah ini menunjukkan bagaimana setiap komponen mendukung pembangunan keterampilan:

Anda mulai dengan menetapkan Direction. Ini memberi tahu agen tujuan yang harus dikejar. Blueprint memberi agen Anda aturan dan pedoman yang harus diikuti. Solusi menyediakan alat dan integrasi yang dibutuhkan agen untuk menyelesaikan tugasnya. Dengan menggunakan DBS, Anda memastikan setiap agen bertindak dengan tujuan dan konsistensi. Anda juga mempermudah pembaruan atau perluasan kemampuan agen seiring perubahan bisnis Anda.

Menskalakan Kolaborasi

Anda dapat menskalakan kolaborasi agen di seluruh organisasi dengan Copilot Agent Fabric. Pembaruan platform secara rutin terus meningkatkan cara agen berkoordinasi dan semakin matang secara operasional. Agen kini bekerja dengan arsitektur berbasis fabric untuk mengakses data dan analitik perusahaan, yang memperkuat kemampuan kolaboratif mereka. Fokus pada koordinasi, bukan tugas yang terisolasi, membantu Anda mengelola alur kerja yang kompleks dengan lebih mudah.

• Sistem multi-agen memungkinkan agen-agen khusus bekerja sama secara efisien.
• Alur kerja evaluasi yang terstruktur memvalidasi perilaku agen sebelum Anda menerapkannya, sehingga membangun keyakinan operasional.
• Anda dapat mengelola banyak agen di berbagai alur kerja tanpa menambah kerumitan.

Lingkungan orkestrasi telah berkembang menjadi lapisan kontrol tingkat perusahaan. Agen kini berkolaborasi lintas platform, tidak hanya di dalam satu alat. Protokol A2A terbuka mendukung interoperabilitas, sehingga agen dapat berbagi konteks dan bekerja sama secara real-time. Pergeseran ini memungkinkan Anda memenuhi kebutuhan bisnis nyata dengan tim agen, bukan hanya bot dengan satu tugas.

Catatan: Seiring Anda menskalakan kolaborasi, Anda memperoleh otomasi yang lebih andal dan hasil bisnis yang lebih baik.

Contoh Nyata: Copilot Agent Fabric dalam Praktik

Transformasi Alur Kerja

Anda dapat melihat dampak Copilot Agent Fabric di berbagai industri. Ketika Anda menerapkan sistem ini, Anda beralih dari pekerjaan manual yang reaktif menjadi alur kerja otomatis yang proaktif. Berikut beberapa contoh bagaimana organisasi menggunakan Copilot Agent Fabric untuk mentransformasi operasional mereka:

• Perusahaan AdTech menggunakan Copilot untuk menganalisis data real-time, mengoptimalkan kampanye, dan memangkas waktu dari data menuju keputusan.
• Dalam manufaktur digital, Anda dapat memanfaatkan data operasional untuk menemukan pola dan meningkatkan efisiensi, sehingga akar masalah lebih cepat ditemukan dan indikator kinerja utama dapat distandarisasi.
• Perusahaan FinTech mengubah laporan statis menjadi intelijen real-time, sehingga manajemen risiko lebih baik dan keputusan dapat diambil lebih cepat.
• Organisasi Healthtech menggabungkan berbagai kumpulan data, mendefinisikan kelompok pasien, dan melacak metrik operasional untuk wawasan layanan kesehatan yang lebih cepat.
• Perusahaan logistik menggunakan data real-time untuk meningkatkan perencanaan dan efisiensi, beralih dari sekadar merespons masalah menuju pengelolaan operasi secara proaktif.

Ketika Anda mengadopsi Copilot Agent Fabric, Anda mengurangi beban administrasi dan mempercepat penyampaian layanan. Banyak organisasi melaporkan tingkat adopsi karyawan yang tinggi, dengan sebagian besar karyawan terlibat setiap minggu. Anda juga memungkinkan siklus keputusan yang lebih cepat dan menerima panduan yang lebih personal. Dengan penerapan yang terstruktur, perusahaan mencapai adopsi aktif yang tinggi dan imbal hasil investasi yang signifikan dalam kurun waktu tiga tahun.

Pelajaran Utama dan Praktik Terbaik

Anda dapat belajar dari organisasi yang telah menerapkan Copilot Agent Fabric. Berikut beberapa praktik terbaik agar Anda berhasil:

1. Mulai dengan tata kelola yang kuat. Bangun strategi pelabelan dan perlindungan data yang jelas untuk menjaga keamanan informasi dan memenuhi kebutuhan kepatuhan.
2. Uji coba dulu, lalu skalakan. Mulailah dengan kelompok kecil untuk mengumpulkan masukan dan menyempurnakan pendekatan Anda sebelum peluncuran ke seluruh perusahaan.
3. Komunikasikan sejak awal dan secara rutin. Pastikan semua pihak mendapat informasi dan libatkan pimpinan untuk mendorong adopsi.
4. Berdayakan champion. Identifikasi karyawan yang dapat berbagi tips dan contoh nyata untuk membantu yang lain.
5. Investasikan pada pelatihan. Sediakan sumber belajar agar pengguna percaya diri menggunakan Copilot dalam pekerjaan sehari-hari.
6. Ukur dan optimalkan. Pantau penggunaan, kumpulkan masukan, dan sempurnakan penerapan Anda untuk memaksimalkan hasil.
7. Rencanakan dukungan. Siapkan dukungan layanan mandiri dan dukungan dari manusia melalui saluran yang tepat agar karyawan cepat mendapat bantuan.
8. Perluas dengan agen. Seiring kematangan organisasi Anda, jajaki agentic AI untuk mengotomatisasi lebih banyak alur kerja dan membuka produktivitas yang lebih besar.

Anda dapat melihat bahwa End of Prompting bukan sekadar pergeseran teknis. Ini adalah perubahan cara Anda bekerja, merencanakan, dan memberikan nilai. Dengan mengikuti pelajaran ini, Anda menyiapkan organisasi untuk kesuksesan jangka panjang bersama Copilot Agent Fabric.

Tata Kelola, Keamanan, dan Tren Masa Depan

Model Tata Kelola

Anda memerlukan tata kelola yang kuat untuk mengelola Copilot Agent Fabric di organisasi Anda. Tata kelola yang baik membantu Anda mengendalikan data, melindungi privasi, dan membangun kepercayaan terhadap AI. Anda dapat menggunakan kerangka kerja yang mencakup semua area penting. Tabel di bawah ini menunjukkan pilar utama tata kelola untuk AI berbasis agen:

Anda dapat menghubungkan pilar-pilar ini dengan platform analitik utama untuk kontrol yang lebih baik. Kerangka kerja ini membantu Anda menemukan, melindungi, dan mengelola semua interaksi AI. Anda dapat memastikan organisasi Anda mematuhi aturan dan mengurangi risiko dari penggunaan AI.

• Terintegrasi dengan mesin analitik untuk tata kelola yang lebih baik.
• Menyediakan kerangka kerja untuk menemukan, melindungi, dan mengelola interaksi AI.
• Bertujuan memastikan kepatuhan dan mengurangi risiko yang terkait dengan penggunaan AI.

Tips: Mulailah dengan kebijakan yang jelas dan perbaruilah seiring berkembangnya sistem AI Anda.

Keamanan dalam Fabric Agen

Keamanan sangat penting saat Anda menggunakan fabric agen. Anda ingin menjaga data tetap aman dan mengontrol siapa yang dapat mengaksesnya. Copilot Agent Fabric menggunakan beberapa protokol keamanan untuk melindungi bisnis Anda:

• Manajemen Identitas Dinamis: Agen menggunakan identitas sementara. Mereka tidak menyimpan izin permanen, sehingga penyerang lebih sulit menyalahgunakan akses.
• Akses Hak Minimum: Sistem hanya memberikan agen izin yang mereka butuhkan untuk setiap tugas, sehingga membatasi risiko jika terjadi kesalahan.
• Manajemen Izin saat Runtime: Izin berubah seiring agen bekerja. Sistem memeriksa apa yang dibutuhkan agen pada setiap langkah.

Protokol-protokol ini membantu Anda mengelola keamanan secara real time. Anda dapat yakin bahwa agen AI Anda hanya akan melakukan apa yang Anda izinkan.

Catatan: Tinjau pengaturan keamanan Anda secara rutin agar tetap mengikuti ancaman baru.

Mempersiapkan Evolusi AI

Anda akan melihat perubahan besar dalam cara bisnis menggunakan AI berbasis agen. Perusahaan mulai meningkatkan skala sistem multi-agen, sehingga lingkungan TI dan bisnis menjadi lebih kompleks. Alur kerja akan menjadi modular. Anda dapat menggunakan agen yang dibangun oleh tim Anda atau membelinya dari penyedia lain.

Peran baru akan muncul untuk membantu orang bekerja dengan agen AI. Para ahli memprediksi bahwa sebagian besar perangkat lunak perusahaan segera akan menyertakan AI agentik, dengan persentase signifikan keputusan kerja harian dibuat tanpa masukan manusia.

• Bisnis akan meningkatkan skala sistem multi-agen, sehingga lingkungan TI dan bisnis menjadi lebih kompleks.
• Alur kerja perusahaan akan menjadi modular, menggunakan agen internal maupun pihak ketiga.
• Peran baru bagi pekerja akan berfokus pada kolaborasi dengan agen AI.
• Analis memprediksi bahwa sebagian besar perangkat lunak perusahaan akan menyertakan AI agentik, dengan banyak keputusan rutin ditangani secara otonom oleh agen AI.

Anda dapat bersiap dengan membangun keterampilan, memperbarui kebijakan, dan tetap fleksibel. Masa depan AI akan membawa peluang baru untuk pertumbuhan dan inovasi.

Sorotan: Tetaplah ingin tahu dan terus belajar. Dunia AI berubah dengan cepat, dan Anda dapat memimpin jalannya.

Anda kini melihat mengapa orkestrasi agen mengungguli prompt engineering dalam AI perusahaan. Agen khusus menangani tugas secara efisien, mengisolasi kesalahan, dan memberikan hasil yang konsisten.

Dengan Copilot Agent Fabric, Anda mendapatkan sistem yang mendorong kolaborasi dan mengotomatisasi alur kerja. Pendekatan AI baru ini membantu Anda mengelola ekosistem cerdas dan mendukung inovasi berkelanjutan. Tata kelola yang kuat memastikan organisasi Anda tetap aman dan siap menghadapi masa depan.

Pertanyaan Umum

Apa itu Copilot Agent Fabric?

Copilot Agent Fabric adalah kerangka kerja perusahaan. Anda menggunakannya untuk membangun, menerapkan, dan mengelola agen AI. Agen-agen ini mengotomatiskan tugas, membuat keputusan, dan bekerja sama untuk meningkatkan alur kerja bisnis Anda.

Bagaimana agen di Copilot Agent Fabric berkomunikasi?

Agen berbagi informasi menggunakan protokol terbuka. Anda dapat menghubungkan agen dari platform yang berbeda. Hal ini membantu agen Anda memecahkan masalah kompleks dengan bekerja sebagai satu tim.

Bisakah saya mengintegrasikan Copilot Agent Fabric dengan sistem bisnis saya yang sudah ada?

Bisa. Copilot Agent Fabric menggunakan Model Context Protocol (MCP). MCP memungkinkan agen Anda terhubung ke CRM, ERP, dan alat perusahaan lainnya tanpa kode kustom.

Apakah data saya aman dengan Copilot Agent Fabric?

Data Anda tetap terlindungi. Copilot Agent Fabric menggunakan manajemen identitas dinamis dan akses dengan hak paling minimum. Anda mengontrol siapa yang dapat mengakses setiap agen dan data apa yang mereka gunakan.

Keterampilan apa yang dapat saya berikan kepada agen saya?

Anda dapat menambahkan keterampilan menggunakan kerangka kerja DBS:

Hal ini membantu agen Anda bertindak dengan tujuan yang jelas.

Bagaimana Copilot Agent Fabric membantu tim saya?

Anda menghemat waktu dengan mengotomatiskan pekerjaan rutin. Agen menangani tugas-tugas sehingga tim Anda dapat fokus pada strategi dan inovasi. Anda juga mendapatkan keputusan yang lebih cepat dan lebih akurat.

Apakah saya memerlukan keterampilan coding untuk menggunakan Copilot Agent Fabric?

Anda tidak perlu menulis kode. Platform studio menyediakan alat low-code dan no-code. Anda dapat merancang dan mengelola agen dengan antarmuka yang sederhana.

Bagaimana cara memulai dengan Copilot Agent Fabric?

Mulailah dari yang kecil. Pilih satu alur kerja untuk diotomatiskan. Gunakan studio desain orkestrasi untuk membangun agen pertama Anda. Uji, kumpulkan umpan balik, lalu perluas ke lebih banyak proses.

🎧 Dengarkan episode ini

Ingin penjelasan praktis tentang How to Build a Microsoft Copilot Agent Fabric? Episode ini mengurai topik tersebut dengan bahasa yang jelas dan menunjukkan mengapa topik ini penting untuk Microsoft 365, Azure, Power Platform, keamanan, AI, dan dunia kerja modern.

Dengarkan episode ini jika Anda ingin:

• Memahami konsep utama di balik How to Build a Microsoft Copilot Agent Fabric
• Melihat bagaimana topik ini berada dalam ekosistem teknologi Microsoft yang lebih luas
• Mempelajari di mana topik ini dapat memberikan nilai praktis bagi organisasi Anda

Anda mungkin juga menikmati episode M365 FM terkait berikut:

• Membangun Copilot Multi-Agent yang Dapat Diaudit di Microsoft 365
• Membangun Model Data dengan Copilot di Microsoft Fabric
• Copilot for Microsoft Fabric - Simply Explained
• AI Multi-Agent dengan Microsoft Copilot dan SharePoint – Reshmee Auckloo [MVP]
• Enterprise AI Agent Fabric: Architecture Beyond Chatbots

Temukan lebih banyak diskusi praktis tentang Microsoft di M365 FM.

Terakhir ditinjau: Juli 2026.

Siapa yang Sebaiknya Mendengarkan

Episode ini ditujukan bagi administrator Microsoft, arsitek, pengembang, profesional keamanan, dan pemimpin bisnis yang membutuhkan landasan praktis sebelum mengambil keputusan terkait implementasi, operasi, atau tata kelola.

🎧 Anda Juga Sebaiknya Mendengarkan

• Microsoft Fabric — Langkah lanjutan yang sangat terkait untuk memperluas topik ini.
• Microsoft Graph Data Connect — Langkah lanjutan yang sangat terkait untuk memperluas topik ini.
• Power BI Copilot — Langkah lanjutan yang sangat terkait untuk memperluas topik ini.