Pertanyaan strategis yang muncul di banyak meja CDO Indonesia tahun ini sederhana: di mana sebenarnya posisi perusahaan kita dalam adopsi agentic AI dibandingkan benchmark global, dan apa yang harus dilakukan dalam 12 bulan ke depan agar tidak tertinggal dari pasar tanpa juga membakar anggaran untuk teknologi yang belum matang.
Jawaban yang akurat membutuhkan tiga lapis data: state of adoption global, posisi relatif Indonesia, dan diferensiasi antar sektor. Tulisan ini menyusun tiga lapis tersebut berdasarkan riset industri terkini dan observasi lapangan pada engagement enterprise di Indonesia.
Adopsi Agentic AI Global: Dari Eksperimen ke Production
Laporan McKinsey The state of AI: How organizations are rewiring to capture value (2025) mencatat bahwa 78 persen organisasi global sudah menggunakan AI di setidaknya satu fungsi bisnis — naik dari 55 persen pada 2023. Namun yang lebih signifikan adalah pergeseran kategori penggunaan: dari generative AI untuk produktivitas individu menuju agentic AI untuk otomasi workflow yang melibatkan multiple step, akses sistem internal, dan pengambilan keputusan kondisional.
Gartner dalam Hype Cycle for Artificial Intelligence, 2025 memposisikan AI agents pada fase Peak of Inflated Expectations dengan estimasi mainstream adoption 2-5 tahun. Karakteristik fase ini penting untuk dipahami pengambil keputusan: ekspektasi pasar melampaui kapabilitas teknologi rata-rata, namun kasus produksi yang sukses sudah mulai muncul di beberapa sektor pelopor.
IDC Worldwide AI and Generative AI Spending Guide memproyeksikan belanja agentic AI global mencapai USD 47 miliar pada 2030, dengan compound annual growth rate 41 persen dari 2024. Distribusi belanja terkonsentrasi di tiga sektor: financial services, healthcare, dan technology — dengan financial services menyumbang hampir sepertiga dari total belanja awal.
Yang relevan dari data global ini bukan angkanya. Yang relevan adalah karakteristik adopsi: agentic AI bukan teknologi yang menunggu mainstream, namun juga belum komoditas. Organisasi yang membangun kapabilitas sekarang sedang membentuk pattern internal yang akan menjadi keunggulan operasional dalam siklus 3-5 tahun ke depan.
Posisi Indonesia: Asimetris dan Sektoral
Indonesia tidak punya benchmark adopsi agentic AI yang setara dengan State of AI Report McKinsey. Yang tersedia adalah data adopsi AI umum dari beberapa sumber: Microsoft AI in Asia Pacific (2024), KADIN Indonesia AI Readiness Index (2024), dan IDC ASEAN tracker. Triangulasi dari sumber-sumber tersebut menggambarkan posisi Indonesia yang asimetris.
Pertama, level adopsi AI umum di perusahaan menengah Indonesia berada pada kisaran 30-40 persen — kira-kira 18-24 bulan di belakang benchmark global. Angka ini menyembunyikan variansi besar antar sektor.
Kedua, sektor yang memimpin adopsi adalah financial services (perbankan menengah-besar dan fintech mature), telekomunikasi, dan e-commerce platform. Karakteristik bersama sektor pelopor ini: data volume tinggi, infrastruktur cloud sudah mature, talent engineering sudah ada, dan regulasi sudah cukup jelas (OJK untuk perbankan, BSSN untuk telco).
Ketiga, sektor yang tertinggal adalah manufaktur tradisional, properti, healthcare swasta, dan sebagian besar BUMN non-keuangan. Karakteristik bersama: legacy system dominant, infrastruktur cloud baru transisi, talent engineering AI scarce, dan regulasi sektoral masih dalam pembentukan.
Khusus untuk agentic AI — bukan AI umum — gap antara sektor pelopor dan tertinggal menjadi lebih besar. Engagement lapangan menunjukkan bahwa bahkan sektor pelopor mayoritas masih pada tahap pilot, dengan kurang dari 15 persen yang sudah deploy agent ke production dengan governance dan observability yang memadai.
Tiga Hambatan Struktural Adopsi Agentic AI di Indonesia
Berdasarkan engagement di beberapa enterprise Indonesia dan tren yang konsisten dengan laporan BCG Where's the Value in AI? (2024), tiga hambatan struktural muncul berulang.
Hambatan pertama: ambiguitas regulasi. UU Perlindungan Data Pribadi No. 27/2022 sudah diundangkan, namun aturan turunan untuk sistem AI yang memproses data pribadi belum lengkap. PSE Kominfo registration menjadi salah satu titik yang sering kurang jelas posisinya untuk vendor AI dan client enterprise yang menggunakan layanan AI. Ambiguitas ini membuat banyak organisasi memilih wait-and-see, terutama untuk use case berisiko tinggi.
Hambatan kedua: data sovereignty dan residency. Sebagian besar agentic AI workload kelas enterprise menggunakan model dari penyedia global (Anthropic, OpenAI, Google) yang inferensinya terjadi di luar Indonesia. Untuk client di sektor regulated, ini menimbulkan pertanyaan kepatuhan yang belum punya jawaban standar. Pattern arsitektur yang sudah teruji menggabungkan model global untuk inference non-sensitif dengan model local atau private endpoint untuk data sensitif — namun pattern ini masih jarang diimplementasi di luar sektor financial services.
Hambatan ketiga: talent gap. McKinsey Tech Trends Outlook 2025 memperkirakan global shortage untuk AI engineer dengan kompetensi production-grade pada level 60-70 persen dari demand. Untuk Indonesia, gap diperkirakan lebih besar karena ekosistem AI engineering masih relatif baru. Yang langka khususnya bukan AI/ML engineer generalis, namun engineer yang sudah deploy multi-agent system ke production dengan observability dan governance — kompetensi yang baru berkembang di luar negeri sekalipun.
Posisi Indonesia bukan soal tertinggal, melainkan berada di titik keputusan yang menentukan.
Diferensiasi Antar Sektor: Bukan Semua Use Case Sama Matang
Pengambil keputusan sering membuat error generalisasi: menganggap semua use case agentic AI sama matangnya. Realita lapangan lebih nuansa.
Use case yang sudah mature untuk Indonesia. Dokumen-intensive workflow di sektor legal, asuransi, dan banking sudah punya pattern arsitektur yang teruji: retrieval-augmented generation dengan citation traceability, hybrid retrieval (semantic + lexical), confidence threshold, dan fallback. Use case di kategori ini punya path to production yang relatif jelas.
Use case yang masih emerging. Customer-facing conversational agent untuk transaksi finansial, autonomous agent untuk operasi infrastructure, dan multi-agent system untuk complex decision-making. Use case di kategori ini punya pilot yang sukses di beberapa enterprise, namun production deployment masih membutuhkan investasi besar di guardrail, governance, dan human-in-the-loop pattern.
Use case yang masih spekulatif. Fully autonomous agent untuk pengambilan keputusan bisnis strategis, agent-to-agent negotiation cross-organisasi, dan self-improving agent dengan minimal human oversight. Belum ada production reference yang cukup untuk justifikasi investasi enterprise saat ini.
Pengambil keputusan yang sehat membedakan tiga kategori ini saat menyusun roadmap. Investasi pada use case mature memberikan ROI dalam siklus 6-12 bulan. Investasi pada use case emerging membutuhkan kesabaran dan ekspektasi yang dikelola. Investasi pada use case spekulatif sebaiknya dilakukan sebagai eksperimen kecil dengan budget terbatas.
Inflection Point: Indikator 2026-2027
Beberapa indikator yang patut diawasi pengambil keputusan untuk membaca pergeseran fase adopsi di Indonesia.
Pertama, kelengkapan aturan turunan UU PDP yang spesifik untuk sistem AI. Bila Kominfo dan otoritas sektoral menerbitkan pedoman yang cukup detail dalam 12-18 bulan ke depan, ambiguitas regulasi berkurang signifikan dan adopsi enterprise di sektor regulated bisa percepat.
Kedua, masuknya model AI yang di-host secara regional di Indonesia atau Asia Tenggara dari penyedia hyperscaler global. Penambahan endpoint regional mengurangi friction data residency dan latency, membuka path untuk use case yang sebelumnya terkendala.
Ketiga, perkembangan ekosistem talent. Bila program pendidikan formal dan bootcamp swasta mulai menghasilkan AI engineer dengan kompetensi production-grade dalam 12-24 bulan ke depan, hambatan talent berkurang dan biaya engagement turun secara material.
Keempat, munculnya 2-3 case study Indonesia yang publikasi metrics konkret (latency, akurasi, biaya per inference, ROI) di sektor pelopor. Case study konkret menjadi referensi yang dipakai procurement dan vendor selection committee di sektor lain.
Implikasi untuk Pengambil Keputusan
Tiga implikasi praktis muncul dari analisis di atas untuk CTO, CDO, dan COO mid-corp Indonesia yang menyusun roadmap AI.
Implikasi pertama: prioritaskan use case yang sudah mature. Investasi pertama agentic AI sebaiknya dialokasikan pada dokumen-intensive workflow yang sudah punya path to production teruji. Kapabilitas dan governance internal yang dibangun dari engagement ini menjadi modal untuk use case yang lebih kompleks.
Implikasi kedua: bangun evaluation framework sebelum vendor selection. Pasar vendor AI di Indonesia saat ini punya variansi kualitas yang besar antara firm yang sudah pengalaman production dan firm yang baru masuk pasar. Procurement yang mengevaluasi vendor tanpa framework yang jelas berisiko memilih vendor berdasarkan demo, yang sering tidak merefleksikan production behavior. Kriteria evaluation yang relevan akan dibahas di edisi Insights berikutnya pada pillar Implementation Practice.
Implikasi ketiga: rencanakan governance bersamaan dengan implementasi. Observability, audit trail, dan human-in-the-loop pattern bukan add-on yang ditambahkan setelah agent jalan — ini fondasi yang harus dirancang sejak fase awal. Organisasi yang mendahulukan governance terbukti punya path to production yang lebih cepat dibandingkan organisasi yang menambahkan governance retroaktif.
Adopsi agentic AI di Indonesia berada pada fase yang menarik: terlalu awal untuk dianggap mainstream, namun cukup matang untuk use case spesifik di sektor spesifik. Pengambil keputusan yang menyusun roadmap dengan diferensiasi kategori use case, evaluation framework yang solid, dan governance yang dirancang sejak awal akan punya keunggulan operasional yang material dalam 24-36 bulan ke depan.
Tim engineer dan solution architect PT Widigital Tri Buana mengimplementasi agentic AI untuk enterprise Indonesia dengan fokus pada use case yang sudah mature dan governance production-grade. Untuk diskusi engagement, hubungi tim kami melalui widigitaltribuana.com.
Referensi
- McKinsey & Company. The state of AI: How organizations are rewiring to capture value. McKinsey Quarterly, 2025.
- Gartner. Hype Cycle for Artificial Intelligence, 2025. Gartner Research.
- IDC. Worldwide AI and Generative AI Spending Guide. International Data Corporation, 2025.
- BCG. Where's the Value in AI?. Boston Consulting Group, 2024.
- McKinsey & Company. McKinsey Technology Trends Outlook 2025. McKinsey Digital, 2025.