review1st.com — Penerapan agen AI (AI agent) di dunia bisnis berkembang pesat. Laporan terbaru Salesforce, Agentic Enterprise Index 2026, menunjukkan jumlah agen AI yang diaktifkan oleh organisasi meningkat hampir tiga kali lipat dalam setahun.
Pada saat yang sama, waktu yang dibutuhkan perusahaan untuk membuat agen baru turun 53%.Laporan ini menganalisis data agregat penggunaan Agentforce dan produk Salesforce lainnya sepanjang Februari 2025 hingga April 2026.
Tujuannya adalah melihat bagaimana berbagai industri menerapkan agen AI, meningkatkan kepercayaan terhadap teknologi tersebut, serta menghasilkan return on investment (ROI).
Temuan tersebut menunjukkan bahwa perusahaan mulai bergerak dari penggunaan AI yang sekadar memberikan jawaban menuju AI agentik yang mampu mengambil tindakan, menjalankan alur kerja, dan menyelesaikan pekerjaan secara mandiri.
Salesforce Agentic Enterprise Index 2026: Temuan Utama
Beberapa temuan penting dalam laporan Salesforce antara lain:
- Jumlah agen AI yang diaktifkan setiap organisasi meningkat hampir tiga kali lipat dalam setahun.
- Waktu rata-rata pembuatan agen AI turun 53% selama periode analisis.
- Kemampuan agen AI meningkat dari rata-rata dua menjadi enam keterampilan.
- Saat permintaan mencapai puncaknya, agen AI di sektor ritel dapat menjalankan rata-rata sembilan keterampilan, atau meningkat hingga 350%.
- Output Agentic Work Unit (AWU) tumbuh dengan compound monthly growth rate (CMGR) sebesar 15% hingga April 2026.
- Pertumbuhan output AWU di sektor publik mencapai 227 kali, sementara kesehatan dan ilmu hayati mencapai 19 kali.
- Penggunaan agen AI oleh karyawan meningkat 300% dalam setahun.
- Agen AI mampu menyelesaikan sekitar 7 dari 10 percakapan layanan pelanggan tanpa bantuan manusia.
Data tersebut memperlihatkan bahwa penggunaan agen AI tidak hanya meningkat dari sisi jumlah, tetapi juga semakin kompleks dan terintegrasi dengan proses bisnis.
Dua Model Penerapan Agen AI di Dunia Bisnis
Salesforce menemukan dua pola utama dalam penerapan agen AI di berbagai industri.
- AI untuk volume tinggi dan tugas spesifik
Model ini banyak ditemukan pada industri yang berinteraksi langsung dengan konsumen, seperti ritel. Prioritas utamanya adalah kecepatan, volume, dan kemampuan menangani kebutuhan pelanggan secara langsung.
Agen AI biasanya mengerjakan tugas yang spesifik dan berulang. Di sektor ritel, misalnya, rata-rata agen menjalankan satu hingga dua tindakan hampir sepanjang tahun.
Model ini memungkinkan perusahaan mengotomatisasi pekerjaan rutin dalam jumlah besar tanpa harus membuat setiap agen memiliki kemampuan yang terlalu kompleks.
- AI serbaguna untuk proses kompleks dan multitahap
Model kedua lebih banyak ditemukan pada industri dengan operasional kompleks dan regulasi ketat, seperti manufaktur, layanan keuangan, kesehatan, dan sektor publik.
Alih-alih hanya berfokus pada volume interaksi, perusahaan membangun agen yang mampu menjalankan berbagai tugas, menggunakan logika bisnis lintas fungsi, dan bekerja melalui beberapa tahap proses.
Menurut Salesforce, kedua pendekatan tersebut tidak saling bertentangan. Perusahaan dapat menggunakan agen AI berkecepatan tinggi untuk memenuhi lonjakan permintaan sekaligus memanfaatkan agen yang lebih canggih untuk menangani pekerjaan kompleks.
Penerapan Agen AI Meningkat Hampir Tiga Kali Lipat
Rata-rata jumlah agen AI yang diaktifkan setiap organisasi meningkat hampir tiga kali lipat dalam satu tahun.
Setelah akses tersedia, perusahaan rata-rata hanya membutuhkan sekitar dua hari untuk membuat agen AI. Waktu tersebut terus menurun setiap bulan dan secara keseluruhan telah berkurang 53% selama periode penelitian.
Namun, meningkatnya jumlah agen tidak otomatis berarti meningkatnya dampak bisnis. Karena itu, Salesforce memperkenalkan metrik Agentic Work Unit (AWU).
Apa Itu Agentic Work Unit?
AWU merupakan metrik yang digunakan untuk mengukur pekerjaan yang benar-benar diselesaikan oleh agen AI.
Satu AWU merepresentasikan satu tugas yang berhasil diselesaikan agen AI—sebuah titik ketika kemampuan AI diterjemahkan menjadi pekerjaan nyata.
Hingga April 2026, output AWU dari agen Agentforce tumbuh dengan CMGR sebesar 15%.
Industri yang berhadapan langsung dengan konsumen mencatat pertumbuhan output AWU paling agresif. Di sektor ritel, agen AI terutama digunakan untuk menyelesaikan pekerjaan rutin dan spesifik dalam volume besar.
Agen AI Semakin Canggih dan Serbaguna
Agen AI tidak lagi hanya digunakan untuk menjawab pertanyaan sederhana.
Pada awal 2025, rata-rata agen AI memiliki sekitar dua keterampilan. Kini, jumlah tersebut meningkat menjadi rata-rata enam keterampilan.
Peningkatan kemampuan tersebut bahkan lebih terlihat ketika permintaan meningkat.
Pada puncak musim belanja, agen AI di sektor ritel rata-rata mampu menjalankan sembilan keterampilan, meningkat hingga 350%. Artinya, ketika volume permintaan pelanggan meningkat, agen dapat menangani pekerjaan yang lebih kompleks dan terdiri dari beberapa tahapan.
Sebagai contoh, agen layanan pelanggan tidak hanya menjawab pertanyaan mengenai pesanan. Agen juga dapat mengakses catatan penjualan, menerapkan aturan bisnis, memberikan rekomendasi yang dipersonalisasi, hingga menjalankan tindakan lanjutan.
Agen AI Mulai Beralih dari Percakapan ke Eksekusi
Perubahan penting dalam perkembangan AI agentik adalah pergeseran dari chatbot pasif menjadi agen yang mampu melakukan tindakan.
Agen AI kini semakin sering:
- Mengakses data bisnis.
- Menerapkan aturan dan logika bisnis.
- Memicu workflow.
- Memperbarui catatan.
- Memproses pengembalian dana.
- Menjadwalkan ulang pertemuan.
- Memberikan rekomendasi berdasarkan konteks pelanggan.
Rasio tindakan terhadap output agen AI juga tumbuh dengan CMGR sebesar 15%.
Kemampuan menjalankan tindakan di berbagai sistem cloud menjadi semakin penting. Salah satu pendekatan yang mendukung hal tersebut adalah arsitektur headless, yang memisahkan logika sistem dari antarmuka pengguna.
Dengan pendekatan tersebut, agen AI dapat memproses tugas, menjalankan tindakan, dan memicu workflow dari berbagai titik interaksi.
Industri dengan Operasional Kompleks Mengembangkan Agen AI Lebih Canggih
Industri yang memiliki regulasi ketat dan proses operasional kompleks cenderung memprioritaskan kecanggihan agen AI dibandingkan sekadar volume penggunaan.
Salesforce mengukur kompleksitas tersebut melalui Sophistication Index atau Indeks Kecanggihan.
Indeks ini memetakan tindakan agen ke dalam lima tingkat kompleksitas kognitif.
Tingkat 1–3: Membaca, Mengoordinasikan, dan Menyintesis
Kemampuan pada tingkat ini relatif standar dan berisiko rendah, misalnya:
- Mengakses data.
- Menyusun email.
- Merangkum dokumen.
- Menggabungkan informasi.
- Tingkat 4–5: Menulis, Menganalisis, dan Mengurai
Pada tingkat lebih tinggi, agen melakukan pekerjaan yang lebih kompleks, seperti memperbarui kolom basis data atau mengekstrak parameter bertingkat dari masukan pengguna secara terprogram.
Dengan mengukur tingkat kompleksitas yang digunakan agen, Salesforce dapat melihat industri mana yang telah menggunakan AI untuk menangani pekerjaan kompleks, bukan sekadar mengotomatisasi pekerjaan rutin dalam volume tinggi.
Manufaktur, Keuangan, dan Kesehatan Membangun Agen AI yang Lebih Kompleks
Sektor manufaktur, layanan keuangan, serta health and life sciences (HLS) menunjukkan jaringan agen AI yang lebih canggih dibandingkan sektor yang selama ini dikenal sebagai pelopor AI, seperti teknologi dan ritel.
Agen di sektor tersebut digunakan untuk berbagai pekerjaan, mulai dari mengambil dan merangkum data hingga menyusun komunikasi serta memperbarui catatan secara langsung.
Meskipun menghasilkan volume AWU yang lebih kecil, pertumbuhannya sangat signifikan. Output AWU di sektor publik meningkat 227 kali lipat, sedangkan HLS meningkat 19 kali lipat.
Layanan Keuangan Menggabungkan Skala dan Kepatuhan
Layanan keuangan menjadi salah satu contoh industri yang mampu menggabungkan agen AI canggih dengan penerapan dalam skala besar.
Sektor ini menyumbang sekitar 10% dari total output AWU agen AI per bulan. Penggunaannya juga dipengaruhi oleh lonjakan kebutuhan konsumen secara musiman, termasuk pada periode batas akhir pelaporan pajak.
Hal ini menunjukkan bahwa otomatisasi AI dalam volume tinggi dan kebutuhan kepatuhan yang kompleks dapat berjalan secara bersamaan.
Studi Kasus: Siemens Menggunakan Multi-Agent AI untuk Kualifikasi Prospek
Siemens menjual ribuan produk perangkat keras dan perangkat lunak melalui tujuh unit bisnis yang terpisah serta memiliki sekitar 18.000 tenaga penjualan.
Setiap minggu, perusahaan menerima sekitar 2.800 prospek masuk yang belum terkualifikasi. Informasi penting seperti anggaran, kewenangan pengambilan keputusan, dan jadwal pembelian sering kali belum tersedia.
Kondisi tersebut membuat tenaga penjualan harus menghabiskan waktu untuk mengejar prospek yang kurang sesuai, sementara prospek potensial lainnya berisiko tidak tertangani.
Dengan Agentforce, Siemens membagi proses kualifikasi tersebut ke dalam workflow multi-agent AI yang terkoordinasi.
Agen pertama berinteraksi dengan prospek dan membangun hubungan. Agen berikutnya mengumpulkan informasi yang belum tersedia, menerapkan aturan kualifikasi, lalu meneruskan prospek dengan konteks yang lebih lengkap lintas divisi.
Orkestrasi multi-agent tersebut memungkinkan proses kompleks ditangani secara berkelanjutan, termasuk 24 jam sehari dan tujuh hari seminggu.
Penerapan AI Agentik Mendorong Efisiensi dan Pertumbuhan Penjualan
Dampak agen AI mulai terlihat tidak hanya dalam produktivitas, tetapi juga dalam pertumbuhan bisnis.
Perusahaan yang menggunakan agen AI mencatat pertumbuhan penjualan yang lebih kuat dibandingkan perusahaan yang tidak menggunakannya. Tren ini paling terlihat pada sektor ritel dan konsumen selama periode belanja liburan.
“Baik ketika perusahaan mengaktifkan agen AI untuk beroperasi dalam skala besar maupun mengorkestrasikannya melalui rangkaian proses yang kompleks dan bertahap, intinya agen tersebut menghadirkan nilai nyata,” ujar Joe Inzerillo, President of Enterprise AI and Technology Salesforce.
Menurutnya, ROI agen AI tidak hanya terlihat dari pertumbuhan penjualan, tetapi juga dari efisiensi eksekusi.
Perkembangan tersebut menandai pergeseran dari chatbot pasif dan model prediktif menuju agen AI berbasis eksekusi yang benar-benar mampu bekerja dan menghasilkan nilai bisnis.
Kepercayaan terhadap Agen AI Terus Meningkat
Meningkatnya penggunaan oleh karyawan menjadi salah satu indikator bahwa kepercayaan terhadap agen AI semakin kuat.
Sepanjang periode analisis, frekuensi rata-rata interaksi karyawan dengan agen AI per minggu meningkat 300% dalam setahun.
Agen di Slack, misalnya, mencatat rata-rata 67 sesi per minggu. Jumlah tersebut meningkat tiga kali lipat pada April dibandingkan Februari.
Slackbot Menjadi Contoh Penerapan AI Internal
Salesforce juga menggunakan Slackbot sebagai contoh penerapan agen AI untuk tenaga kerja internal.
Sebanyak 83% karyawan Salesforce menggunakannya secara rutin. Slackbot dapat membantu menghemat waktu kerja rata-rata hingga lima jam per karyawan setiap minggu.
Karyawan memanfaatkan Slackbot untuk berbagai pekerjaan sehari-hari, seperti merangkum percakapan yang terlewat, menyusun konten, serta membuat dokumen ringkas dengan menggabungkan metrik dan file dari berbagai kanal serta aplikasi.
Agen AI Semakin Banyak Menangani Layanan Pelanggan
Kepercayaan terhadap agen AI juga meningkat dari sisi pelanggan.
Dalam lima kuartal terakhir, agen AI menangani percakapan layanan pelanggan 170 kali lebih banyak dibandingkan tahun-tahun sebelumnya.
Meski digunakan dalam skala yang jauh lebih besar, agen AI secara konsisten mampu menyelesaikan sekitar 7 dari 10 percakapan tanpa bantuan manusia.
Studi terbaru Salesforce juga menemukan bahwa 77% konsumen yang berinteraksi dengan agen AI pendamping belanja di situs resmi merasa lebih yakin terhadap keputusan pembelian dibandingkan konsumen yang tidak menggunakan agen tersebut.
Di organisasi layanan pelanggan, dampak terbesar agen AI terlihat pada kepuasan pelanggan. Dampaknya bahkan lebih besar dibandingkan peningkatan produktivitas staf layanan, rata-rata waktu penanganan, retensi pelanggan, maupun waktu respons pertama.
Masa Depan AI Agentik: Skala Besar dan Kompleksitas Berjalan Bersamaan
Perkembangan tenaga kerja digital menunjukkan bahwa perusahaan tidak lagi harus memilih antara agen AI yang cepat diterapkan dan agen AI yang mampu menangani pekerjaan kompleks.
Keduanya dapat berjalan secara bersamaan.
Perusahaan dapat menggunakan agen AI dengan cepat untuk meningkatkan output ketika permintaan melonjak, sekaligus mempertahankan agen dengan kemampuan penalaran dan logika lintas fungsi untuk menangani workflow yang kompleks.
Temuan Salesforce Agentic Enterprise Index 2026 menunjukkan bahwa masa depan AI agentik bukan sekadar tentang memiliki lebih banyak agen, tetapi tentang bagaimana agen tersebut mampu mengubah kecerdasan menjadi pekerjaan nyata.
Dengan penerapan yang tepat, agen AI dapat membantu perusahaan meningkatkan efisiensi, mempercepat layanan pelanggan, menangani volume pekerjaan yang lebih besar, dan menciptakan peluang pertumbuhan baru.
Metodologi Salesforce Agentic Enterprise Index 2026
Salesforce menganalisis dan mengagregasi data penggunaan dari sekelompok perusahaan yang memanfaatkan Agentforce dan produk Salesforce lainnya untuk memahami penerapan agen AI di lingkungan kerja.
Salesforce Agentic Enterprise Index 2026 mencakup tren penggunaan sepanjang Februari 2025 hingga April 2026 dan mengkaji aktivitas serta keterlibatan perusahaan yang menggunakan agen AI untuk mendorong ROI.
Untuk masuk dalam kumpulan data penelitian, perusahaan harus memiliki setidaknya satu agen aktif di lingkungan produksi setiap bulan selama periode analisis.
Salesforce menegaskan bahwa hasil penelitian tersebut tidak mencerminkan kinerja Salesforce.
Versi ini sudah dibuat dengan fokus pada search intent, keyword placement, heading hierarchy, featured-snippet potential, readability, dan internal-link opportunities, tanpa membuat keyword terasa dipaksakan.
