Tahun ini, hampir semua eksekutif bilang perusahaan mereka sudah menerapkan AI agent, dan lebih dari separuh karyawan sudah memakainya sehari-hari. Angka ini terdengar seperti kabar baik, sampai dilihat lebih dalam. Gartner memproyeksikan lebih dari 40 persen proyek agentic AI akan dibatalkan sebelum akhir 2027, dan dari perusahaan yang sudah mencoba AI agent, kurang dari 10 persen yang benar-benar berhasil men-scale penggunaannya sampai memberi nilai nyata ke bisnis. Ada jarak besar antara "sudah pakai" dan "benar-benar berhasil."
Kesenjangan ini bukan soal teknologinya belum matang. Riset McKinsey "State of AI 2026" justru menunjukkan sebaliknya, porsi perusahaan besar yang men-scale agent di satu fungsi bisnis atau lebih naik dari 27 persen menjadi 40 persen hanya dalam setahun. Masalahnya bukan di kemampuan AI-nya, tapi di cara perusahaan mendekati implementasinya.
Pola yang bikin proyek AI agent mandek di tahap pilot
Sebagian besar proyek yang gagal berkembang punya ciri yang sama. Pertama, agent dibangun untuk mendemonstrasikan kemampuan, bukan untuk menyelesaikan satu masalah operasional yang jelas batasnya. Ketika demo berhasil tapi tidak ada metrik konkret yang berubah (waktu proses lebih cepat, error lebih sedikit, biaya turun) proyek kehilangan alasan untuk dilanjutkan.
Kedua, agent ditempel ke alur kerja lama tanpa alur kerja itu sendiri disesuaikan. AI agent yang paling efektif bukan yang menggantikan satu langkah manual, tapi yang dirancang bersamaan dengan ulang desain prosesnya. Tanpa itu, agent jadi lapisan tambahan yang justru menambah friksi, bukan menghilangkannya. Kami membahas pola serupa dari sisi arsitektur di kenapa bisnis mulai beralih ke orkestrasi multi-agent.
Ketiga, tidak ada yang benar-benar memiliki hasilnya. Proyek AI sering berada di antara tim IT yang membangun dan tim bisnis yang memakai, tanpa satu pihak yang bertanggung jawab penuh atas dampaknya. Begitu proyek lepas dari sorotan awal, tidak ada yang mendorongnya untuk terus disempurnakan.
Sektor yang justru memimpin adopsi produksi
Menariknya, sektor perbankan dan asuransi memimpin adopsi AI agent di tahap produksi, dengan 47 persen perusahaan di sektor ini sudah menjalankan agent secara nyata, jauh di atas rata-rata industri di angka 31 persen. Ini sektor yang paling diatur, paling berisiko tinggi, dan paling tidak toleran terhadap kesalahan. Justru di sanalah AI agent paling berhasil di-scale.
Alasannya masuk akal. Sektor ini terbiasa mendefinisikan proses secara sangat presisi sejak awal, punya standar audit trail yang ketat, dan punya metrik keberhasilan yang sudah terukur jauh sebelum AI masuk ke gambar. Kedisiplinan yang sama juga jadi syarat dasar begitu agent diberi akses ke data bisnis, sesuatu yang pernah kami bahas lebih jauh di kenapa cuma 16 persen perusahaan yang benar-benar mengawasi akses AI agent ke data bisnis. AI agent di sektor ini tidak diperkenalkan sebagai eksperimen, tapi sebagai komponen dari sistem yang tanggung jawabnya sudah jelas sejak hari pertama.
Yang membedakan proyek yang berhasil berkembang
Perusahaan yang berhasil men-scale AI agent-nya cenderung melakukan tiga hal secara konsisten.
AI agent bukan lagi soal apakah teknologinya bekerja. Teknologinya sudah bekerja. Pertanyaannya sekarang adalah apakah perusahaan mendesain sistem di sekitarnya dengan disiplin yang sama seperti mendesain proses bisnis penting lainnya.