Kehadiran kecerdasan buatan (AI) di dunia bisnis modern saat ini ibarat gelombang besar yang menyapu hampir seluruh sektor industri.
Berdasarkan data McKinsey, sebanyak 89 persen perusahaan kini telah menggunakan AI secara rutin. Sebagian besar di antaranya sedang bereksperimen dengan agen AI, sebuah sistem otonom yang mampu menjalankan tugas kompleks lintas sistem.
Namun, di balik antusiasme tinggi itu, realitas agen AI di lapangan menunjukkan hasil yang masih jauh dari memuaskan. Kesenjangan yang signifikan masih menganga antara tingkat adopsi dan keberhasilan ekonomi yang diraih perusahaan.
Dalam McKinsey Technology Trends Outlook 2026, firma konsultan itu mencatat bahwa hanya 37 persen perusahaan yang melaporkan adanya dampak positif terhadap laba operasional (EBIT) dari program AI, terlebih adanya penerapan agen otonom yang lebih baru.
Kompleksitas Teknis dan Lonjakan Biaya Operasional
Persoalan utama dari pemanfaatan agen AI terletak pada kompleksitas dan pembengkakan biaya infrastruktur teknologi informasi (IT).
Supaya agen AI dapat berfungsi secara andal, perusahaan dipaksa melakukan pembaruan besar pada tech stack atau tumpukan teknologi yang sudah ada.
Tidak hanya pada tahap awal, kebutuhan sumber daya saat operasional juga melonjak drastis. Alur kerja berbasis agen AI jauh lebih intensif dalam mengonsumsi daya komputasi dibandingkan interaksi chatbot sederhana.
Sistem itu mengandalkan perulangan inferensi (inference loops), pemanggilan perangkat lunak (tool calls), langkah pencarian data (retrieval steps), hingga koordinasi lintas sistem secara berkesinambungan.
Perhitungan McKinsey menunjukkan bahwa satu alur kerja agen tunggal memerlukan sumber daya komputasi 5 hingga 30 kali lipat lebih besar daripada kueri chatbot biasa.
Dampaknya langsung terasa pada anggaran perusahaan, sebuah survei terbaru dari firma itu mengungkapkan bahwa 93 persen partisipan mengaku anggaran AI mereka jebol gara-gara lonjakan kebutuhan komputasi ini.
Tantangan dalam Sektor Pengembangan Perangkat Lunak
Salah satu sektor yang digadang-gadang paling diuntungkan oleh kehadiran agen AI adalah rekayasa perangkat lunak (software development).
McKinsey memperkirakan jika diterapkan secara sukses, agen AI dapat membuka nilai tambah hingga hampir satu triliun dolar bagi korporasi.
Potensinya pun melampaui sekadar mempercepat penulisan kode (code generation). Agen AI mampu menganalisis kebutuhan, membuat kode, menjalankan pengujian, mendeteksi bug, hingga menangani proses deployment.
Kendati demikian, praktiknya di lapangan baru dinikmati oleh segelintir pihak. Studi McKinsey menemukan bahwa hanya seperempat perusahaan yang menggunakan agen AI untuk pengembangan perangkat lunak berhasil mempercepat siklus pengembangan secara signifikan.
Kesenjangan kinerja antar-pengembang pun sangat mencolok. Sekitar 80 persen pengembang yang memakai perangkat AI hanya mendulang kenaikan produktivitas sekitar 3 persen.
Sementara itu, kelompok 20 persen teratas mampu meraup lonjakan hingga 55 persen. Ironisnya, pada 30 persen perusahaan lainnya, produktivitas justru mengalami penurunan setelah tim pengembang mulai menggunakan agen pemrogram (coding agents).
Seperti diungkapkan dalam laporan tersebut, hampir semua orang menulis kode berdasarkan “perasaan”, tetapi cara itu tidak selalu berujung pada nilai tambah nyata.
Kualitas versus Kuantitas serta Krisis Kepercayaan
Akar dari penurunan produktivitas itu kerap bermuara pada paradoks volume kode. Kendati perangkat AI mendongkrak aktivitas pemrograman hingga 180 persen, jumlah rilis perangkat lunak yang benar-benar dipublikasikan ternyata hanya 30 persen.
Hal ini menggeser tolok ukur utama, yaitu keuntungan ekonomi tidak ditentukan oleh seberapa banyak baris kode yang dihasilkan atau frekuensi interaksi AI, melainkan dari hasil akhir proses pengembangan secara utuh.
Di samping itu, persoalan kepercayaan publik internal turut menjadi batu sandungan. Sekitar 46 persen pengembang di seluruh dunia dilaporkan secara aktif tidak mempercayai keakuratan perangkat AI.
Hanya sepertiga yang memberikan kepercayaan secara prinsip, sementara segelintir kecil sekitar 3 persen yang memiliki keyakinan penuh terhadap hasil kerja sistem tersebut.
Harapan di Tengah Kurva Pembelajaran
Di luar berbagai kendala awal tersebut, arus investasi modal justru mengalir deras. Menurut McKinsey, investasi di sektor solusi perangkat lunak berbasis agen melesat dari hampir nihil pada 2023 menjadi sekitar USD5 miliar atau Rp78 triliun pada 2025.
Bahkan pada paruh pertama 2026, angka itu melampaui USD61 miliar, terutama didorong oleh akuisisi Cursor senilai USD60 miliar dalam bentuk saham oleh SpaceX. Lowongan pekerjaan di bidang terkait pun meroket hingga 221 persen antara rentang 2024 dan 2025.
Banyak pihak meyakini bahwa rekam jejak yang kurang memuaskan ini tidak akan permanen. Saat ini, agen AI masih berada di fase awal perkembangannya.
Manfaat nyata bagi korporasi diproyeksikan akan meningkat seiring matangnya teknologi serta integrasinya yang semakin mendalam.
Perkembangan perangkat pengembangan agen terkini dari Anthropic dan OpenAI terbukti kian membaik dalam hal pemanfaatan tools dan interaksi komputer.
Di saat yang sama, kerangka kerja (framework) seperti LangGraph dari LangChain turut memperkuat aspek orkestrasi serta kontrol human-in-the-loop yang esensial untuk memandu agen menyelesaikan alur kerja yang lebih panjang dan rumit.
Kemajuan ini tecermin dari indikator kemampuan agen AI dalam menangani tugas yang lebih panjang dari awal hingga akhir. Model penilaian dari lembaga nirlaba Model Evaluation and Threat Research (METR) mencatat peningkatan horison waktu di mana model AI dapat menyelesaikan tugas secara mandiri.
Untuk model seperti Claude Opus 4.6, METR memperkirakan separuh dari tugas rekayasa perangkat lunak berpeluang diselesaikan secara otonom dalam waktu sekitar 12 jam.
Kendati demikian, sempat muncul perdebatan mengenai apakah metrik waktu itu mengukur durasi pengerjaan AI atau estimasi waktu kerja manusia.
Meskipun begitu, para ahli menegaskan bahwa tren peningkatan performa model yang kian cepat merupakan sebuah keniscayaan. Seperti ditekankan oleh peneliti AI METR, Sydney Von Arx, dalam wawancaranya dengan MIT Technology Review:
”Saya bisa berspekulasi sepuasnya tentang apakah ini masuk akal atau tidak, tetapi trennya ada di sana,” ucapnya.
Pada akhirnya, korporasi dituntut untuk menggeser fokus dari sekadar mengejar adopsi massal agar investasi bernilai miliaran dolar tersebut tidak berakhir sebagai pemborosan.
Fokus baru itu mencakup penerapan kasus bisnis (business case) yang terukur, penjagaan kualitas keluaran, serta penguatan tata kelola keamanan yang matang.
