Riset Agen AI untuk Modernisasi TI Mulai Diadopsi 10% Perusahaan

*Erica, Redaksi Indonesia Finance Today*

Riset terbaru menunjukkan penerapan Agen AI untuk Modernisasi TI mulai bergerak dari tahap uji coba menuju penggunaan nyata di perusahaan, meski baru sekitar 10 persen organisasi yang mengadopsinya secara terstruktur. Teknologi ini menjanjikan percepatan pembaruan sistem lama, otomatisasi pekerjaan rutin, hingga pengurangan biaya proyek transformasi yang selama ini terkenal lambat dan mahal.

Mengapa Agen AI untuk Modernisasi TI Mulai Masuk Agenda Direksi

Dalam beberapa tahun terakhir, modernisasi teknologi informasi menjadi prioritas di banyak perusahaan yang masih bergantung pada sistem lama berbasis mainframe, aplikasi monolitik, atau kode warisan yang sulit disentuh. Agen AI untuk Modernisasi TI hadir sebagai lapisan kecerdasan yang mampu membaca dokumentasi lama, memetakan ketergantungan aplikasi, dan merekomendasikan langkah konversi dengan lebih cepat dibanding pendekatan tradisional.

Di banyak organisasi, proyek pembaruan sistem kerap tertunda karena keterbatasan talenta yang memahami teknologi lama dan baru sekaligus. Di sisi lain, tekanan bisnis untuk menghadirkan layanan digital yang lebih lincah terus meningkat. Laporan dari sejumlah konsultan global dan vendor teknologi menunjukkan perusahaan mulai menjajaki agen AI sebagai “asisten teknis” yang membantu tim TI melakukan analisis kode, refactoring, hingga simulasi skenario migrasi tanpa harus menulis ulang semuanya dari nol.

Gambaran Riset Adopsi Agen AI di Lingkungan Perusahaan

Riset pasar yang dirilis beberapa lembaga analis teknologi internasional sepanjang dua tahun terakhir menunjukkan pola serupa. Sekitar 10 persen perusahaan yang disurvei mengaku telah menggunakan agen AI dalam proyek modernisasi, baik pada tahap pilot maupun fase produksi terbatas. Persentase ini tergolong kecil, namun dianggap signifikan karena menyangkut area yang sangat kritis yaitu sistem inti perusahaan.

Mayoritas responden yang sudah mengadopsi agen AI menyebut tiga alasan utama. Pertama, kebutuhan mempercepat pemetaan aplikasi dan infrastruktur yang kompleks. Kedua, dorongan untuk mengurangi ketergantungan pada konsultan eksternal yang biayanya tinggi. Ketiga, keinginan mengurangi risiko kesalahan manual dalam proses migrasi.

Perusahaan yang belum mengadopsi, namun sedang mempertimbangkan, biasanya terhambat oleh kekhawatiran keamanan data, ketidakjelasan model tata kelola AI, serta belum matangnya standar internal untuk penggunaan teknologi baru ini. Beberapa juga menunggu referensi keberhasilan dari industri sejenis sebelum melangkah lebih jauh.

Cara Kerja Agen AI untuk Modernisasi TI di Lapangan

Secara teknis, agen AI untuk Modernisasi TI bukan sekadar chatbot yang menjawab pertanyaan pengembang. Agen ini dirancang sebagai entitas perangkat lunak otonom yang dapat menjalankan rangkaian tugas teknis berdasarkan tujuan tertentu, dengan kemampuan mengakses dokumentasi, repositori kode, tiket insiden, hingga log sistem.

Dalam proyek pembaruan sistem, agen AI umumnya menjalankan beberapa fungsi berikut:

1. Analisis kode dan dokumentasi
Agen AI memindai basis kode lama, mengidentifikasi bahasa pemrograman, pola arsitektur, serta ketergantungan antar modul. Dari sana, agen menyusun ringkasan struktur aplikasi, area berisiko tinggi, dan komponen yang paling layak dimigrasikan lebih dulu.

2. Pemetaan ketergantungan sistem
Banyak organisasi tidak lagi memiliki dokumentasi lengkap atas aliran data dan integrasi antarsistem. Agen AI membantu memetakan hubungan tersebut dengan membaca log, skema basis data, dan konfigurasi integrasi, lalu menyajikan visualisasi yang dapat digunakan arsitek TI untuk merencanakan migrasi.

3. Rekomendasi target arsitektur
Berdasarkan pola penggunaan, beban kerja, dan kebutuhan bisnis, agen AI dapat memberikan rekomendasi apakah suatu modul lebih cocok diarahkan ke arsitektur berbasis layanan mikro, fungsi tanpa server, atau tetap dipertahankan dalam bentuk tertentu dengan perbaikan terbatas.

4. Otomatisasi refactoring dan konversi kode
Beberapa vendor menyediakan agen AI yang mampu mengusulkan perubahan kode, memecah modul besar, hingga menyusun kerangka layanan baru. Pengembang kemudian melakukan peninjauan, pengujian, dan penyempurnaan, sehingga proses refactoring tidak sepenuhnya manual.

5. Dukungan pengujian dan validasi
Agen AI dapat membantu menghasilkan skenario uji, skrip otomatis, dan analisis hasil pengujian, termasuk mendeteksi regresi fungsi kritis. Hal ini mengurangi beban tim QA yang sering menjadi bottleneck dalam proyek migrasi.

Menurut saya, pergeseran dari alat bantu pasif menjadi agen yang dapat menjalankan rangkaian tugas teknis secara mandiri adalah titik kunci yang membedakan gelombang modernisasi kali ini dibanding upaya pembaruan sistem sebelumnya.

Manfaat Nyata dan Penghematan dalam Proyek Modernisasi

Perusahaan yang sudah mengimplementasikan agen AI melaporkan beberapa manfaat yang dapat diukur. Salah satunya adalah pengurangan waktu analisis awal sistem lama yang biasanya memakan berbulan-bulan. Dengan agen AI, pemetaan awal dapat dipangkas menjadi beberapa minggu, meski tetap memerlukan verifikasi manual.

Penghematan biaya juga menjadi argumen kuat. Riset sejumlah konsultan menunjukkan bahwa fase discovery dan desain arsitektur ulang dapat menyumbang porsi besar dari total biaya modernisasi. Ketika agen AI mengambil alih sebagian pekerjaan analitis, perusahaan dapat mengurangi jam kerja konsultan eksternal dan mengalokasikan anggaran ke tahap implementasi dan pengujian.

Manfaat lain yang sering disebut adalah transfer pengetahuan. Di banyak organisasi, pengetahuan tentang sistem lama hanya dimiliki segelintir karyawan senior yang akan pensiun. Agen AI membantu menangkap pola dan dokumentasi yang tercecer, sehingga pengetahuan tersebut lebih terdokumentasi dan dapat diakses generasi pengembang berikutnya.

Risiko, Batasan, dan Tantangan Pengawasan Manusia

Meski menjanjikan, penggunaan agen AI dalam modernisasi tidak lepas dari risiko. Pertama, kualitas rekomendasi sangat bergantung pada data yang tersedia. Jika dokumentasi tidak lengkap, log tidak terstruktur, atau repositori kode berantakan, agen AI bisa menghasilkan analisis yang keliru.

Kedua, ada risiko kepercayaan berlebihan pada saran teknis yang dihasilkan algoritma. Beberapa studi kasus menunjukkan agen AI dapat mengusulkan refactoring yang tampak rapi namun mengabaikan persyaratan non fungsional seperti kinerja, kepatuhan, atau pola penggunaan di dunia nyata. Karena itu, pengawasan manusia tetap wajib pada setiap langkah penting.

Ketiga, isu keamanan dan privasi data menjadi perhatian besar, terutama bila agen AI bergantung pada model yang dilatih di luar lingkungan perusahaan. Organisasi yang bergerak di sektor keuangan, kesehatan, dan layanan publik biasanya mensyaratkan model yang berjalan di lingkungan tertutup, dengan kontrol akses ketat dan audit log lengkap atas setiap aktivitas agen.

Selain itu, regulasi terkait penggunaan AI yang mulai disusun di berbagai yurisdiksi menuntut perusahaan memiliki tata kelola yang jelas. Hal ini mencakup siapa yang bertanggung jawab atas keputusan yang diambil berdasarkan rekomendasi agen AI, bagaimana mencatat jejak keputusan, dan cara menangani jika terjadi insiden.

Strategi Implementasi Bertahap di Organisasi Besar

Mengamati pola adopsi di perusahaan yang sudah lebih dulu mencoba, terdapat beberapa pendekatan yang banyak dipilih. Langkah awal biasanya berupa pilot project pada sistem yang tidak sepenuhnya kritis namun cukup kompleks untuk menguji kemampuan agen AI.

Pada tahap ini, tim TI memilih satu atau dua aplikasi yang mewakili karakteristik umum sistem lama, lalu meminta agen AI melakukan analisis ketergantungan, pemetaan modul, dan usulan target arsitektur. Hasilnya dibandingkan dengan penilaian manual tim arsitek untuk mengukur akurasi dan manfaat waktu.

Jika hasil pilot dinilai memadai, perusahaan mulai memperluas cakupan ke aplikasi yang lebih penting, sambil menyusun pedoman internal. Pedoman tersebut mencakup standar penggunaan agen AI, kriteria sistem yang layak dimodernisasi dengan bantuan agen, serta mekanisme persetujuan dan audit.

Beberapa organisasi juga membentuk tim lintas fungsi yang terdiri dari arsitek TI, pengembang, pakar keamanan, dan perwakilan bisnis. Tim ini bertugas menilai rekomendasi agen AI, memutuskan prioritas migrasi, dan memastikan perubahan arsitektur tetap sejalan dengan tujuan bisnis.

Agen AI untuk Modernisasi TI dalam Ekosistem Vendor dan Open Source

Pasar solusi agen AI berkembang cepat dengan berbagai pendekatan. Vendor besar menawarkan platform menyeluruh yang mengintegrasikan kemampuan analisis kode, orkestrasi agen, hingga dasbor tata kelola. Sementara itu, komunitas open source menyediakan kerangka kerja yang memungkinkan perusahaan membangun agen AI sendiri di atas model bahasa besar yang dapat dijalankan di lingkungan lokal.

Perusahaan yang memilih solusi komersial biasanya mengutamakan dukungan, integrasi ke alat pengembangan yang sudah ada, serta sertifikasi keamanan. Di sisi lain, pendekatan open source lebih menarik bagi organisasi dengan tim teknis kuat yang ingin mengendalikan penuh arsitektur dan alur data.

Kombinasi keduanya juga mulai terlihat. Beberapa organisasi memanfaatkan platform komersial untuk orkestrasi dan pemantauan, namun menggunakan model AI yang dijalankan di infrastruktur sendiri. Pendekatan hibrida ini bertujuan menyeimbangkan kecepatan implementasi dengan kontrol terhadap data dan biaya jangka panjang.

Peran Agen AI untuk Modernisasi TI dalam Mengatasi Kesenjangan Talenta

Kelangkaan talenta yang menguasai sekaligus teknologi lama dan arsitektur cloud modern menjadi salah satu hambatan terbesar proyek pembaruan sistem. Agen AI untuk Modernisasi TI dipandang sebagai cara untuk mengurangi tekanan tersebut, bukan menggantikan sepenuhnya peran pengembang dan arsitek.

Dengan agen AI yang mampu menjelaskan struktur kode lama, memetakan alur data, dan mengusulkan pola desain baru, pengembang yang sebelumnya tidak terbiasa dengan teknologi warisan dapat lebih cepat memahami ruang masalah. Ini memperluas basis talenta yang dapat dilibatkan, sehingga ketergantungan pada segelintir ahli lama berkurang.

Di sisi lain, organisasi tetap perlu berinvestasi pada pelatihan. Pengembang dan arsitek harus memahami cara mengevaluasi keluaran agen AI, mengenali kelemahannya, dan menggabungkan wawasan algoritma dengan pengetahuan domain bisnis. Tanpa itu, risiko mengikuti saran teknis yang tidak selaras dengan kebutuhan perusahaan akan meningkat.

> Saya melihat agen AI berfungsi seperti rekan kerja baru yang sangat cepat membaca dan merangkum, namun belum memahami budaya dan prioritas perusahaan. Nilainya tinggi jika diarahkan dengan benar, tetapi berbahaya jika dibiarkan berjalan tanpa pengawasan.

Studi Kasus Pola Manfaat di Berbagai Sektor Industri

Di sektor keuangan, agen AI mulai digunakan untuk menganalisis portofolio aplikasi inti yang sudah berjalan puluhan tahun. Bank dan perusahaan asuransi memanfaatkan agen ini untuk mengidentifikasi modul yang paling banyak digunakan, titik rawan kegagalan, serta area yang bisa dipecah menjadi layanan yang lebih kecil tanpa mengganggu sistem pembayaran atau klaim.

Perusahaan ritel dan logistik memanfaatkan agen AI untuk memetakan integrasi antara sistem persediaan, penjualan, dan distribusi. Dengan gambaran yang lebih jelas, mereka dapat merencanakan migrasi ke platform berbasis cloud secara bertahap, mengurangi risiko gangguan pada operasi harian.

Di sektor publik, beberapa inisiatif transformasi digital mencoba menggunakan agen AI untuk meninjau aplikasi pelayanan masyarakat yang tersebar di berbagai instansi. Tantangannya lebih besar karena variasi standar pengembangan, namun potensi penghematan anggaran dan peningkatan kualitas layanan mendorong eksperimen berkelanjutan.

Indikator Kesiapan Organisasi Mengadopsi Agen AI

Tidak semua perusahaan berada pada titik yang sama dalam perjalanan modernisasi. Beberapa indikator dapat membantu menilai apakah organisasi siap mengadopsi agen AI untuk Modernisasi TI secara bertahap.

Pertama, tingkat dokumentasi dan pengelolaan kode. Organisasi yang sudah menerapkan repositori terpusat, standar pengembangan, dan praktik pengujian yang cukup disiplin cenderung lebih mudah memanfaatkan agen AI karena datanya lebih terstruktur.

Kedua, keberadaan kerangka tata kelola TI dan keamanan yang jelas. Agen AI akan mengakses data sensitif, sehingga diperlukan kebijakan hak akses, enkripsi, serta pemantauan aktivitas yang memadai. Tanpa itu, manfaat teknologi bisa tertutup oleh risiko baru yang muncul.

Ketiga, dukungan manajemen puncak. Proyek modernisasi jarang berhasil jika hanya digerakkan dari level teknis. Keterlibatan direksi dalam menetapkan prioritas, menyediakan anggaran, dan menyeimbangkan risiko jangka pendek dengan manfaat jangka panjang akan sangat menentukan keberhasilan adopsi.

Arah Perkembangan dan Pertanyaan Lanjutan bagi Perusahaan

Seiring meningkatnya kemampuan model bahasa besar dan kerangka kerja orkestrasi agen, penerapan agen AI untuk Modernisasi TI diperkirakan akan meluas dari 10 persen perusahaan awal menuju kelompok yang lebih besar. Namun kecepatan perluasan ini akan sangat dipengaruhi regulasi, kesiapan organisasi, dan kepercayaan terhadap teknologi.

Bagi perusahaan yang sedang menimbang langkah, beberapa pertanyaan kunci patut diajukan. Sistem mana yang paling kritis dan mana yang paling layak dijadikan ajang uji coba. Sejauh mana organisasi siap membuka akses kode dan dokumentasi kepada agen AI. Bagaimana memastikan keputusan arsitektural tetap berada di tangan manusia yang memahami strategi bisnis.

Diskusi semacam ini menentukan apakah agen AI akan menjadi alat bantu yang mempercepat pembaruan sistem, atau justru menambah lapisan kompleksitas baru. Bagi 10 persen perusahaan yang sudah melangkah, pengalaman mereka akan menjadi rujukan penting bagi gelombang adopsi berikutnya.