Hal yang sering ditanyakan tentang engagement Agentic AI.

Agentic AI adalah sistem perangkat lunak yang mampu mengambil keputusan dan menjalankan urutan tindakan untuk menyelesaikan tujuan bisnis, bukan sekadar membalas pertanyaan atau mengeksekusi script tetap. Chatbot menjawab pesan satu per satu. Automation tools menjalankan langkah yang sudah didefinisikan. AI agent menerima tujuan, memilih langkah, memanggil tool atau sistem internal, dan menyesuaikan strategi jika kondisi berubah.

Untuk organisasi, perbedaan praktisnya adalah cakupan workflow: chatbot menyelesaikan satu interaksi, agent menyelesaikan satu proses end-to-end seperti review dokumen, triase tiket, atau pencocokan kontrak.

Prototype menunjukkan bahwa pendekatan secara konsep bisa jalan. Implementasi production-grade dirancang untuk dijalankan setiap hari dengan beban riil, integrasi sistem internal yang nyata, audit trail yang dapat dipertanggungjawabkan, dan kontrol error yang tidak menggantung proses bisnis.

Kami fokus pada production-grade. Setiap agent yang dikirim ke klien dilengkapi observability, fallback path, batas operasional, dan dokumentasi runbook agar tim klien dapat memantau dan mengintervensi tanpa bergantung sepenuhnya pada vendor.

Fokus utama kami adalah perusahaan menengah hingga besar di Indonesia yang sudah memiliki proses internal yang matang dan beban operasional yang cukup untuk dijustifikasi melalui automation berbasis AI agent. Mid-corp dengan tim operasi belasan sampai ratusan orang adalah ICP utama, karena karakteristiknya: proses sudah terdefinisi, data terstruktur cukup tersedia, dan ada Sponsor di level direksi atau VP yang bisa mengambil keputusan teknologi.

Untuk organisasi yang lebih kecil atau yang belum memiliki proses baseline, biasanya kami arahkan ke Diagnostic Workshop terlebih dahulu sebelum komitmen lebih besar.

Indikator kesiapan yang paling konsisten kami lihat: (1) ada workflow yang volume dan repetisinya cukup tinggi sehingga ROI dapat dihitung; (2) data input untuk workflow tersebut sudah terdokumentasi atau bisa diakses melalui sistem yang ada; (3) ada Sponsor di level direksi yang bersedia mendampingi proses; (4) tim operasional bersedia menjadi bagian dari evaluasi hasil.

Diagnostic Workshop dirancang untuk memvalidasi indikator-indikator ini secara terstruktur, sebelum komitmen implementasi yang lebih besar.

Diagnostic Workshop adalah engagement satu hari onsite atau online yang menghasilkan tiga deliverable utama: (1) pemetaan tiga peluang implementasi AI agent yang paling relevan untuk konteks organisasi; (2) estimasi ROI awal untuk peluang prioritas; (3) rekomendasi langkah berikutnya, termasuk apakah Pilot Build layak dijalankan.

Di dalamnya termasuk sesi diskusi dengan tim klien, review workflow yang menjadi kandidat, dan dokumen laporan ringkas yang dapat dibagikan ke stakeholder internal. Lingkup dan investasi dibahas pada diskusi awal; tidak ada biaya tersembunyi.

Pilot Build dan Managed Retainer adalah engagement yang ruang lingkupnya sangat dipengaruhi oleh kompleksitas workflow target, jumlah sistem yang harus diintegrasikan, dan tingkat ketelitian governance yang dibutuhkan. Menampilkan satu angka publik akan menyesatkan, karena dua organisasi dengan kebutuhan yang berbeda akan mendapat estimasi yang berbeda secara signifikan.

Untuk transparansi, kerangka pricing dijelaskan secara penuh setelah Diagnostic Workshop atau setelah sesi diskusi awal dengan tim teknis kami, sehingga estimasi yang diberikan benar-benar berdasarkan ruang lingkup aktual.

Ruang lingkup Pilot Build ditentukan oleh: (1) batas workflow yang menjadi target — satu proses end-to-end yang spesifik, bukan platform umum; (2) jumlah sistem internal yang harus diintegrasikan, misalnya ERP, CRM, knowledge base, atau ticketing; (3) tingkat kebutuhan governance, termasuk audit trail dan human-in-loop; (4) volume transaksi yang harus dilayani per periode.

Kami mendorong ruang lingkup yang fokus dan terukur, sehingga Pilot dapat diuji secara obyektif dengan metrik bisnis yang jelas sebelum diskusi ekspansi ke Managed Retainer.

Secara teknis bisa, terutama jika tim internal sudah memiliki analisis workflow yang matang dan dokumen requirement yang siap. Namun untuk sebagian besar organisasi, Diagnostic Workshop justru menghemat biaya total, karena Workshop memvalidasi apakah workflow yang dipilih benar-benar kandidat terbaik untuk AI agent dan apakah ROI yang diharapkan realistis.

Dalam praktiknya, sekitar dua dari tiga klien yang masuk via Workshop melanjutkan ke Pilot, dan ruang lingkup Pilot yang dihasilkan biasanya lebih tepat sasaran.

Diagnostic Workshop menggunakan skema pembayaran penuh di muka melalui transfer bank, dengan invoice resmi (PPN sesuai status PKP). Pilot Build menggunakan skema milestone — pembayaran terbagi atas tahapan delivery yang disepakati di Statement of Work, biasanya tiga sampai empat milestone dengan validasi obyektif per tahap. Managed Retainer menggunakan skema bulanan dengan invoice di awal periode pelayanan.

Semua pembayaran melalui transfer bank ke rekening atas nama PT Widigital Tri Buana. Skema dan detail dituangkan dalam kontrak yang ditandatangani sebelum engagement dimulai.

Tidak diperlukan sebagai prasyarat. Engagement bersama kami sudah mencakup engineer, solution architect, dan AI specialist yang menangani implementasi end-to-end. Banyak klien memilih untuk tidak membentuk tim AI internal di tahap awal, justru karena salah satu manfaat engagement vendor adalah eliminasi risiko hiring di area yang masih berkembang.

Untuk Managed Retainer jangka panjang, kami merekomendasikan klien memiliki satu Product Owner internal yang menjadi titik koordinasi, namun ini bukan posisi engineer melainkan posisi business stakeholder.

Integrasi adalah bagian standar dari Pilot Build dan dirancang berdasarkan API atau mekanisme akses yang tersedia di sistem klien. Untuk sistem mainstream seperti SAP, Oracle, Salesforce, HubSpot, Zoho, atau platform internal yang memiliki REST API, integrasi mengikuti pola standar dengan service account khusus.

Untuk sistem legacy tanpa API formal, kami menggunakan pendekatan adapter — middleware ringan yang menjembatani agent dengan sistem target. Strategi integrasi dipetakan di Diagnostic Workshop dan dijelaskan dalam Statement of Work sebelum implementasi dimulai.

Pilihan stack disesuaikan dengan kebutuhan workflow, batas keamanan klien, dan preferensi cloud provider yang digunakan organisasi. Untuk komponen LLM, kami bekerja dengan model dari penyedia mainstream (Anthropic, OpenAI, Google) serta model open-source yang dapat dijalankan di infrastruktur klien jika kebutuhan privasi mengharuskannya.

Untuk komponen orchestration, retrieval, observability, dan integration kami menggunakan kombinasi tools open-source dan commercial yang telah terbukti production-grade. Pilihan stack final didiskusikan secara transparan dalam tahap arsitektur Pilot Build, termasuk konsekuensi biaya operasional jangka panjangnya.

Ketiga opsi tersedia, tergantung kebutuhan keamanan, regulasi, dan profil biaya operasional klien. Cloud-hosted adalah default untuk organisasi tanpa kebutuhan regulasi spesifik, karena profil biayanya paling efisien dan scaling-nya paling fleksibel.

On-premise atau hybrid digunakan untuk organisasi di sektor regulated (perbankan, kesehatan, government, BUMN sektor strategis) atau organisasi yang memiliki kebijakan data residency ketat. Untuk konfigurasi ini, kami merancang arsitektur yang memungkinkan komponen sensitif tetap di dalam perimeter klien sementara komponen non-sensitif dapat memanfaatkan layanan cloud.

Penanganan data mengikuti prinsip minimisasi — agent hanya mengakses data yang diperlukan untuk menyelesaikan workflow target, melalui credentials dengan scope terbatas. Data klien tidak digunakan untuk training model dan tidak dibagikan ke pihak ketiga di luar penyedia infrastruktur yang disepakati dalam kontrak.

Untuk komunikasi antar komponen, kami menerapkan enkripsi in-transit standar. Untuk data at-rest yang menjadi bagian dari workflow agent, mekanisme penyimpanan dirancang sesuai kebutuhan retention dan akses yang disepakati. Detail spesifik per engagement dituangkan dalam Data Processing Agreement yang menyertai kontrak utama.

Ya, dan ini bagian standar dari implementasi yang kami kirim. Setiap agent dirancang dengan logging keputusan, termasuk input yang diterima, tool yang dipanggil, hasil tool, dan output yang dihasilkan. Log ini menjadi audit trail yang dapat di-query oleh tim klien melalui dashboard observability yang menjadi bagian dari delivery.

Untuk workflow dengan dampak material (finansial, legal, customer-facing), kami merancang human-in-loop checkpoint yang memerlukan approval manusia sebelum agent mengeksekusi tindakan tertentu. Tingkat granularitas audit dan checkpoint dapat dikonfigurasi sesuai kebijakan internal klien.

Kami merancang implementasi untuk memenuhi prinsip-prinsip UU Pelindungan Data Pribadi No. 27 Tahun 2022, termasuk minimisasi data, transparansi pemrosesan, hak subjek data, dan kewajiban pemberitahuan pelanggaran data. Untuk setiap engagement yang melibatkan pemrosesan data pribadi, kami menyusun pemetaan data flow dan mendokumentasikan dasar pemrosesan sesuai dengan ketentuan undang-undang.

Compliance penuh memerlukan kolaborasi antara penyedia teknologi dan pengendali data (klien). WTB menyediakan kerangka teknis dan dokumentasi yang mendukung pemenuhan kewajiban klien sebagai pengendali data. Untuk verifikasi compliance terhadap audit eksternal atau interpretasi spesifik regulasi sektoral, kami merekomendasikan klien melibatkan konsultan hukum atau Data Protection Officer internal.

Secara teknis bisa. Pada akhir Pilot Build, klien menerima dokumentasi runbook, akses ke kode dan konfigurasi, serta knowledge transfer ke tim internal yang ditunjuk. Untuk organisasi yang memiliki tim engineering kuat dan kapasitas untuk memantau, memperbarui prompt, dan menangani edge case yang muncul, melanjutkan tanpa retainer adalah opsi yang valid.

Namun sebagian besar klien memilih melanjutkan dengan Managed Retainer, terutama karena karakteristik agent yang terus berkembang sejalan dengan perubahan model, perilaku user, dan kebutuhan bisnis. Retainer memberi akses terus-menerus ke tim WTB untuk iterasi, monitoring proaktif, dan ekspansi kapabilitas tanpa membentuk tim AI internal.

Update model dan prompt adalah aktivitas yang berkelanjutan untuk agent production-grade. Penyedia model utama (Anthropic, OpenAI, Google) secara berkala merilis versi baru dengan karakteristik berbeda. Perilaku user juga berkembang, dan edge case baru muncul setelah sistem berjalan beberapa bulan.

Untuk klien Managed Retainer, update ini menjadi bagian dari pelayanan rutin, dengan proses regression test sebelum perubahan dipromosikan ke production. Untuk klien yang tidak melanjutkan retainer, kami mendokumentasikan prosedur update dalam runbook agar tim internal dapat melakukannya secara mandiri.

Ya, knowledge transfer adalah bagian standar dari Pilot Build delivery. Pada fase penutupan Pilot, kami melaksanakan sesi transfer ke tim teknis dan business stakeholder yang ditunjuk klien, mencakup arsitektur sistem, prosedur monitoring, panduan troubleshooting, dan dokumentasi runbook.

Untuk organisasi yang ingin membentuk kapasitas internal lebih dalam, kami menyediakan training program yang dapat dilampirkan pada engagement Pilot atau Retainer, mencakup praktik prompt engineering, dasar evaluation, dan operasional agent. Detail dan biaya training program disusun terpisah sesuai kebutuhan tim klien.