“The best way to predict the future is to invent it.”
— Alan Kay
Masih ingat nggak beberapa tahun lalu, waktu pertama kali nyobain ChatGPT?
Kita ngetik pertanyaan.
Enter.
Terus beberapa detik kemudian muncul jawaban panjang.
“Wah gila… AI bisa nulis juga.”
Hahaha.
Lalu makin ke sini, kita makin terbiasa. ChatGPT dipakai buat bikin email, artikel, ide konten, proposal, analisis, sampai sekadar nanya, “Makan apa siang ini?” Ya… AI juga akhirnya jadi korban manusia yang bingung mau makan apa. Wkwk.
Tapi di tahun 2026 ini, ada perubahan yang menurutku jauh lebih menarik.
AI mulai nggak cuma ditanya:
“Tolong buatin ini.”
Tapi mulai dikasih tujuan:
“Tolong kerjakan ini sampai selesai.”
Sekilas kedengarannya mirip.
Padahal…
beda banget.
Dan di sinilah kamu mulai perlu kenalan sama istilah yang belakangan makin ramai dibicarakan:
Agentic AI.
Tenang.
Kalau kamu baru dengar istilahnya dan langsung mikir:
“Waduh, apaan lagi nih? Kemarin prompting, sekarang agentic-agentic…”
Santai.
Kita nggak akan bahas ini kayak kelas computer science.
Kita coba pahami dengan bahasa manusia normal aja. Wkwk.
Masalahnya, Selama Ini Kita Masih Memperlakukan AI Kayak Google yang Bisa Ngobrol
Coba ingat cara kamu menggunakan AI sekarang.
“Bikinin email follow-up.”
AI jawab.
Kamu copy.
Buka Gmail.
Paste.
Kirim.
Besok kamu balik lagi.
“Bantu analisis prospect ini.”
AI jawab lagi.
Kamu copy lagi.
Buka CRM.
Update lagi.
Begitu terus.
AI-nya memang membantu, tetapi kamu masih menjadi operatornya.
Kamu yang mikirin langkah pertama.
Kamu yang mindahin hasilnya.
Kamu yang buka aplikasi berikutnya.
Kamu yang kasih instruksi berikutnya.
Jadi sebenarnya kita belum sepenuhnya “mendelegasikan pekerjaan”.
Kita baru mempercepat pekerjaan.
Nah, Agentic AI mulai mengubah pola itu.
Dalam sistem agentic, AI bisa diberikan sebuah goal, kemudian mencoba menyusun langkah-langkah yang diperlukan, menggunakan tools yang tersedia, mengambil informasi, menjalankan beberapa pekerjaan, lalu membawa hasilnya kembali ke kamu.
IBM menjelaskan AI agent sebagai sistem yang dapat menjalankan tugas secara mandiri dengan merancang workflow dan menggunakan tools yang tersedia.
Jadi sederhananya…
AI biasa itu kayak kamu punya orang pintar yang duduk di sebelahmu.
Kamu tanya:
“Bro, bikinin email dong.”
Dia bikin.
Selesai.
Sementara Agentic AI lebih mirip kamu punya asisten.
Kamu bilang:
“Bro, cek prospect yang belum difollow-up minggu ini, cari lima yang paling potensial, pelajari company-nya, terus siapin draft email follow-up buat gue review.”
Nah.
Dia bukan cuma bikin email.
Dia harus ngerti dulu:
Data prospect-nya di mana?
Mana yang belum difollow-up?
Mana yang lebih potensial?
Informasi company-nya apa?
Apa percakapan terakhirnya?
Baru kemudian dia menyiapkan follow-up.
Agentic AI Membuka Peluang Besar: AI Bukan Lagi Cuma Tempat Bertanya
Menurutku, ini perubahan mindset paling penting.
Selama beberapa tahun terakhir kita diajarin:
“Belajar prompting supaya AI kasih jawaban bagus.”
Masuk akal.
Tapi Agentic AI membawa kita ke tahap berikutnya:
“Belajar mendesain pekerjaan supaya AI bisa membantu menjalankannya.”
Nah lho.
Jadi skill-nya bukan cuma nulis prompt keren.
Kamu mulai perlu ngerti:
Apa tujuannya?
Langkah kerjanya apa saja?
Data apa yang dibutuhkan?
Tools apa yang perlu diakses?
Mana yang boleh otomatis?
Mana yang tetap harus kamu approve?
Makanya Agentic AI menurutku menarik banget buat dunia kerja.
Bukan karena besok pagi semua pekerjaan langsung dikerjakan robot.
Nggak segitunya juga.
Tapi karena banyak pekerjaan kecil yang selama ini menyedot waktu bisa mulai diserahkan ke sistem.
McKinsey bahkan melihat pola ini mulai nyata di B2B sales. Berdasarkan survei 2026 terhadap hampir 4.000 buyer dan seller di 13 negara, mereka menyoroti bagaimana perusahaan mulai merancang ulang commercial workflow dengan bantuan agentic AI, sementara kemampuan manusia seperti memahami kebutuhan customer dan membangun kepercayaan tetap penting.
Artinya bukan:
manusia vs AI.
Tapi mulai berubah menjadi:
manusia + AI + workflow yang benar.
Generative AI, Automation, dan Agentic AI Itu Sama Nggak?
Nah, sebelum makin jauh, kita lurusin dulu.
Karena istilah AI sekarang banyak banget.
Kadang belum selesai ngerti satu istilah…
udah keluar tiga istilah baru.
Wkwk.
Generative AI
Generative AI fokusnya menghasilkan sesuatu.
Kamu bilang:
“Buat artikel.”
Jadi artikel.
“Buat gambar.”
Jadi gambar.
“Buat headline.”
Jadi headline.
Dia jago bikin output.
Automation
Automation fokusnya menjalankan aturan yang sudah ditentukan.
Misalnya:
Kalau ada lead masuk dari website → masukkan ke CRM → kirim email otomatis.
Semua jalurnya sudah kamu tentukan.
Kalau A terjadi, lakukan B.
Agentic AI
Agentic AI sedikit berbeda.
Kamu lebih banyak memberikan tujuan, konteks, tools, dan batasan.
Misalnya:
“Cari prospect yang paling layak difollow-up hari ini.”
Nah…
AI perlu menentukan apa yang harus dicek.
Kapan terakhir prospect dihubungi.
Nilai deal-nya berapa.
Ada buying signal atau nggak.
Percakapan terakhir ngomongin apa.
Kemudian menyusun rekomendasinya.
Jadi kalau mau dibikin simpel:
Generative AI = membuat.
Automation = menjalankan aturan.
Agentic AI = mengejar tujuan melalui beberapa langkah.
Udah.
Nggak perlu dibikin terlalu mistis. Wkwk.
4 Masalah Saat Mulai Menggunakan Agentic AI
- Karena AI Bisa Bertindak, Kesalahannya Juga Bisa Ikut Bertindak
Ini penting.
Kalau ChatGPT salah kasih jawaban, biasanya kamu tinggal bilang:
“Bro, salah nih.”
Revisi.
Selesai.
Tapi bayangkan AI punya akses mengirim email.
Mengubah CRM.
Mengedit file.
Mengakses browser.
Mengatur campaign.
Nah…
kesalahan sekarang bukan cuma salah paragraf.
Kesalahannya bisa berubah jadi action.
Kebayang nggak agent salah baca instruksi lalu mengirim email promo yang belum final ke 10.000 customer?
Hmm…
Besok mungkin bukan AI-nya yang dimarahin bos.
Kamu. Wkwk.
Makanya Agentic AI perlu guardrail.
Untuk pekerjaan tertentu, agent boleh otomatis.
Untuk pekerjaan sensitif, manusia tetap harus kasih approval.
- AI Pintar Tapi Nggak Punya Data, Ya Bingung Juga
Bayangin kamu punya karyawan super pintar.
Hari pertama masuk kantor.
Terus kamu bilang:
“Tolong analisis kenapa sales kita turun.”
Dia jawab:
“Datanya mana?”
Kamu bilang:
“Rahasia.”
Ya gimana… wkwk.
Agent juga begitu.
Supaya berguna, dia perlu akses ke konteks yang benar.
Bisa CRM.
Dokumen.
Database.
Email.
Analytics.
Knowledge base.
Microsoft sendiri menekankan bahwa kemampuan AI agent sangat bergantung pada tools, skills, dan informasi yang bisa diaksesnya. Dalam sales, informasi penting bahkan sering tersebar di luar CRM.
Jadi sebelum sibuk cari agent paling canggih…
coba tanya dulu:
Data kerja kamu sudah rapi belum?
- Semakin Banyak Akses, Semakin Besar Risikonya
Nah, ini juga suka bikin orang terlalu semangat.
Baru install agent.
Hari pertama:
“Kasih akses email.”
Hari kedua:
“Kasih akses Drive.”
Hari ketiga:
“Kasih CRM sekalian.”
Hari keempat:
“Password server kasih juga.”
Lho…
pelan-pelan. Wkwk.
Agentic AI memang powerful karena bisa menggunakan tools.
Tapi semakin banyak akses yang diberikan, semakin penting keamanan, permission, sandboxing, dan approval.
OpenClaw sendiri mengingatkan pengguna bahwa tools pada main session dapat berjalan pada host jika sandboxing tidak dikonfigurasi, sehingga dokumentasinya menyarankan pengguna memahami panduan keamanan sebelum membuka akses lebih jauh.
Jadi…
powerful bukan berarti kasih akses semuanya.
- Nggak Semua Pekerjaan Butuh Agentic AI
Ini juga perlu jujur.
Kadang teknologi baru datang…
semuanya pengen dimasukin AI.
Padahal kamu cuma mau:
“Kalau ada form masuk, kirim notifikasi WhatsApp.”
Ya pakai automation biasa juga bisa.
Nggak perlu bikin AI agent yang mikir keras tentang makna kehidupan lead tersebut.
Wkwk.
Agentic AI paling berguna ketika pekerjaannya membutuhkan:
beberapa langkah,
analisis konteks,
pemilihan tindakan,
penggunaan beberapa tools,
dan keputusan yang bisa berbeda tergantung situasi.
Nah, Terus OpenClaw Itu Apaan?
Sekarang kita masuk ke nama yang belakangan cukup happening:
OpenClaw.
Secara sederhana, OpenClaw adalah open-source AI assistant yang bisa berjalan di perangkat sendiri dan dihubungkan dengan channel komunikasi yang sudah biasa kamu gunakan.
WhatsApp.
Telegram.
Slack.
Teams.
Discord.
Dan banyak lainnya.
OpenClaw menyebut dirinya sebagai assistant yang berjalan di perangkat pengguna dan dapat berinteraksi lewat lebih dari 20 channel, dengan state, memory, dan credential tersimpan pada hardware pengguna.
Coba bayangin…
Biasanya mau menggunakan AI:
buka ChatGPT.
Sekarang bayangkan dari Telegram kamu cukup chat:
“Cek pekerjaan gue hari ini.”
Agent mengecek workflow yang sudah kamu izinkan.
Kemudian jawab:
“Kamu punya tiga prospect yang perlu difollow-up, satu proposal belum dikirim, dan jam 14.00 ada meeting dengan Client A. Mau aku siapkan briefing meeting-nya?”
Nah.
Mulai kerasa beda, kan?
AI-nya bukan lagi terasa kayak website.
Tapi kayak assistant.
OpenClaw juga bisa memakai berbagai model dan memperluas kemampuannya dengan tools, skills, serta plugins. Bahkan satu Gateway dapat digunakan sebagai personal assistant ataupun deployment untuk sebuah tim.
Menurutku, di sinilah daya tariknya.
AI mulai masuk ke tempat kamu memang bekerja.
Bukan kamu yang terus-terusan pindah tempat untuk menemui AI.
Hermes AI Itu Apaan Lagi?
Belum selesai OpenClaw…
muncul lagi:
Hermes Agent.
Hahaha.
Tenang.
Hermes Agent adalah project open-source dari Nous Research yang menarik karena membawa konsep self-improving agent.
Maksudnya bukan AI tiba-tiba sadar diri terus bikin perusahaan sendiri ya.
Santai. Wkwk.
Hermes dirancang memiliki learning loop yang bisa membuat skill dari pengalaman, memperbaiki skill tersebut selama digunakan, menyimpan pengetahuan, serta mencari kembali percakapan masa lalu.
Nah…
ini menarik banget.
Karena masalah kita dengan AI selama ini kadang begini:
Hari Senin:
“Bro, cara bikin report gue begini ya.”
AI:
“Oke.”
Jumat:
“Bikin report lagi.”
AI:
“Formatnya gimana?”
Lho…
kenalan lagi.
Wkwk.
Konsep persistent memory dan reusable skill mencoba mengurangi masalah itu.
Misalnya setiap Jumat kamu punya pekerjaan:
Ambil data campaign.
Bandingkan dengan minggu lalu.
Cari campaign yang performanya turun.
Buat kesimpulan.
Kasih rekomendasi.
Kalau workflow itu bisa disimpan sebagai skill, lama-lama kamu nggak perlu menjelaskan semuanya dari nol.
Hermes versi 2026 bahkan sudah membawa kemampuan seperti persistent memory untuk scheduled jobs, Bot Mode dengan beberapa agent, MCP integration, browser capabilities, sampai kemampuan mengarahkan subagent yang sedang bekerja.
Kedengarannya mulai kayak punya tim digital kecil, kan?
OpenClaw vs Hermes AI, Bagusan Mana?
Nah.
Pertanyaan kesukaan netizen.
“Bagusan mana, bro?”
Wkwk.
Menurutku jangan mulai dari situ.
OpenClaw menarik karena pendekatannya sebagai assistant yang hidup di device dan channel yang kamu gunakan sehari-hari, dengan fleksibilitas model, tools, plugin, dan deployment.
Sementara Hermes sangat menonjolkan kemampuan belajar dari pengalaman, persistent memory, skills, scheduling, berbagai tools, dan fleksibilitas model.
Tapi…
daripada kamu ribut:
“OpenClaw vs Hermes siapa menang?”
Lebih baik tanya:
“Gue sebenarnya mau mendelegasikan pekerjaan apa?”
Nah.
Itu baru pertanyaan penting.
Karena jangan sampai tools-nya dulu yang dicari…
masalahnya belakangan.
Kayak beli treadmill mahal dulu.
Olahraganya…
tahun depan.
Wkwk.
Agentic AI Bisa Dipakai Apa di Dunia Sales?
Sekarang kita bikin lebih nyata.
Misalnya kamu kerja sebagai salesperson.
Coba hitung berapa banyak waktu sehari yang habis untuk:
buka CRM,
baca email,
cari informasi prospect,
update opportunity,
buat follow-up,
persiapan meeting,
bikin laporan,
dan mengecek pipeline.
Padahal pekerjaan sales yang sebenarnya bernilai tinggi justru:
ngobrol.
menggali kebutuhan.
membangun kepercayaan.
negosiasi.
closing.
Microsoft bahkan mengutip temuan bahwa seller rata-rata menghabiskan sekitar 25 jam per minggu pada aktivitas yang sebenarnya bisa didelegasikan, diotomatisasi, atau disederhanakan.
Nah lho.
Di sinilah agentic workflow mulai masuk akal.
- Prospect Research Agent
Kamu kasih daftar perusahaan.
Agent membantu membaca website mereka, mengumpulkan informasi yang tersedia, memahami bisnisnya, lalu membuat account brief.
Jadi sebelum telepon prospect…
kamu nggak datang modal:
“Pak, perusahaannya bergerak di bidang apa ya?”
Wkwk.
- Meeting Preparation Agent
Sebelum meeting, agent bisa membantu menyiapkan:
ringkasan perusahaan,
history komunikasi,
pembicaraan terakhir,
kemungkinan kebutuhan,
dan pertanyaan yang sebaiknya kamu tanyakan.
Jadi kamu masuk meeting dengan konteks.
Bukan masuk meeting sambil masih scroll CRM.
- Follow-Up Agent
Selesai meeting?
Agent membaca notes atau transcript.
Mengambil action item.
Membuat draft follow-up.
Menyiapkan update CRM.
Kamu tinggal review.
Approve.
Kirim.
Nah…
itu baru efisiensi.
- Pipeline Monitoring Agent
Daripada tiap pagi mengecek puluhan opportunity satu-satu, agent bisa membantu memberi sinyal:
“Deal A sudah 10 hari nggak ada aktivitas.”
“Deal B sudah dekat closing date tapi belum ada next step.”
“Prospect C membalas email kemarin malam.”
Jadi pekerjaan sales bergeser.
Dari:
mencari apa yang harus dikerjakan
menjadi:
memilih tindakan terbaik dari informasi yang sudah dirangkum.
Agentic AI Bisa Dipakai Apa di Advertising?
Nah, buat kamu yang kerja di advertising atau digital marketing…
ini juga seru.
Karena advertising isinya memang banyak aktivitas berulang.
Research.
Creative.
Campaign.
Data.
Analisis.
Report.
Repeat.
- Market Research
Agent bisa membantu mengumpulkan informasi dari berbagai sumber yang diizinkan.
Apa yang lagi dibahas market?
Apa pain point customer?
Kompetitor lagi membawa angle apa?
Pertanyaan apa yang sering muncul?
Kemudian semua itu dirangkum menjadi research brief.
Jadi kamu nggak mulai creative campaign dari:
“Hmm…
hari ini bikin iklan apa ya?”
- Creative Development
Dari research tadi, AI bisa membantu menurunkan:
angle,
headline,
hook,
script,
CTA,
dan variasi creative.
Tapi ingat.
Agent bisa bantu produksi.
Manusia tetap perlu menjaga taste.
Karena kalau semua iklan 100% diserahkan AI tanpa judgment…
nanti satu internet bunyinya sama semua.
“Di era digital yang serba cepat…”
Hahaha.
- Campaign Monitoring
Bayangkan setiap pagi agent membaca data campaign.
Kemudian bilang:
“Campaign A CTR-nya turun 23% dibanding rata-rata tujuh hari.”
“Creative B mulai fatigue.”
“CPA audience C meningkat.”
“Ini tiga kemungkinan penyebabnya.”
Nah.
Kamu tidak harus mulai pagi dengan buka spreadsheet.
Kamu mulai pagi dengan insight.
- Reporting
Nah ini favorit.
Wkwk.
Daripada Jumat sore masih copy angka dari tiga dashboard…
agent bisa mengambil data yang diizinkan, menyusun perbandingan, mencari perubahan signifikan, lalu membuat draft report.
Kamu tinggal masuk ke pekerjaan yang lebih bernilai:
Kenapa ini terjadi?
Apa yang harus dilakukan?
Apa yang perlu dites minggu depan?
McKinsey pada survei Februari 2026 terhadap 182 pemimpin advertising dan marketing di AS menemukan tiga perempat responden memperkirakan AI meningkatkan total media spend, sementara sepertiga memperkirakan setidaknya 10% peningkatan ROAS. Itu adalah ekspektasi responden, bukan jaminan hasil, tetapi cukup menunjukkan seberapa serius industri advertising mulai melihat pergeseran AI ini.
Mereka juga melihat marketing semakin bergeser dari sekadar campaign terpisah menuju workflow yang menyatukan insight, content, commerce, personalization, dan performance secara terus-menerus.
Jadi…
Agentic AI di advertising bukan cuma soal:
“AI bikin copy iklan.”
Itu mah kita udah dari kemarin-kemarin.
Level berikutnya adalah:
AI membantu menjalankan workflow advertising.
Kelebihan Agentic AI: Kerjaan Nggak Cuma Lebih Cepat, Tapi Bisa Mulai Didelegasikan
Menurutku ini inti besarnya.
Generative AI membantu kamu lebih cepat bekerja.
Agentic AI mulai memungkinkan kamu mengurangi pekerjaan yang harus kamu sentuh sendiri.
Bedanya tipis kalau dibaca.
Tapi gede banget kalau dialami.
Misalnya dulu kamu butuh 30 menit:
buka CRM,
cek prospect,
baca email,
cari informasi company,
bikin follow-up.
Kalau agent bisa menyiapkan 80% proses tersebut…
kamu tinggal fokus di 20% bagian yang benar-benar membutuhkan manusia.
Relationship.
Empathy.
Judgment.
Taste.
Negotiation.
Strategy.
Decision making.
Dan menurutku justru di era AI…
hal-hal yang sangat manusiawi tadi akan semakin mahal.
Tapi Jangan Salah: Agentic AI Bukan Berarti Semua Diserahkan ke AI
Aku ngerti kok kalau setelah baca sampai sini kamu mulai mikir:
“Wah, berarti nanti AI jalan sendiri dong?”
Bisa iya.
Tapi bukan berarti harus.
Ada pekerjaan yang aman untuk dibuat otomatis.
Misalnya:
merangkum data.
membuat draft.
mengelompokkan informasi.
mengingatkan task.
Ada pekerjaan yang sebaiknya tetap memakai approval manusia.
Mengirim proposal penting.
Mengubah harga.
Mengatur budget advertising besar.
Mengirim ribuan email.
Menghapus data.
Melakukan transaksi.
Prinsip sederhananya:
Semakin besar konsekuensi sebuah tindakan, semakin penting manusia tetap ada di dalam loop.
Jadi jangan bangga dulu karena agent kamu bisa melakukan semuanya.
Kadang agent paling bagus justru agent yang tahu:
kapan harus berhenti dan bertanya ke kamu.
Jadi, Perlukah Orang Awam Belajar Agentic AI di Tahun 2026?
Menurutku…
kamu nggak harus langsung install OpenClaw malam ini.
Nggak harus langsung belajar coding.
Nggak harus langsung bikin lima agent.
Santai.
Yang jauh lebih penting adalah mulai memahami cara berpikirnya.
Selama ini kita belajar:
Bagaimana memberikan prompt ke AI?
Sekarang coba naik satu level:
Bagaimana sebuah pekerjaan sebenarnya berjalan?
Apa input-nya?
Apa langkahnya?
Apa tools-nya?
Apa keputusannya?
Mana yang bisa didelegasikan?
Mana yang nggak boleh?
Kalau kamu sudah bisa menjawab pertanyaan-pertanyaan itu…
sebenarnya kamu sudah mulai berpikir secara agentic.
Teknologinya bisa berganti.
Hari ini OpenClaw.
Hari ini Hermes.
Besok mungkin ada lagi tools baru.
Tapi kemampuan memetakan pekerjaan tetap berguna.
Mirip zaman internet dulu.
Yang penting bukan sekadar hafal nama browser.
Tapi memahami bahwa internet mengubah cara kita mencari informasi, berkomunikasi, bekerja, dan berbisnis.
Agentic AI menurutku sedang menuju arah yang sama.
Bukan sekadar tools baru.
Tapi cara baru dalam membagi pekerjaan antara manusia dan mesin.
Penutup: Dulu Kita Belajar Ngobrol Sama AI, Sekarang Kita Mulai Belajar Memimpin AI
Kalau dipikir-pikir…
perjalanannya menarik juga.
Awalnya kita kagum karena AI bisa jawab pertanyaan.
Lalu kita belajar prompting.
Kemudian AI mulai bisa menggunakan tools.
Punya memory.
Mengakses aplikasi.
Menjalankan beberapa langkah.
Dan sekarang kita mulai berbicara soal agent.
Mungkin beberapa tahun lalu skill pentingnya adalah:
“Bagaimana cara bertanya kepada AI?”
Di tahun 2026 dan setelahnya, pertanyaannya pelan-pelan berubah menjadi:
“Bagaimana cara memberi AI pekerjaan yang jelas, aman, dan benar-benar berguna?”
Nah…
itu level yang berbeda.
Karena kamu bukan cuma menjadi user AI.
Kamu mulai seperti orang yang mengelola digital worker.
Agent bisa melakukan banyak hal.
Tapi kamu tetap harus menentukan arah.
Agent bisa bergerak cepat.
Tapi kamu tetap harus memastikan dia bergerak ke tempat yang benar.
Jadi daripada terlalu takut dengan pertanyaan:
“Apakah AI akan mengambil pekerjaan kita?”
Mungkin ada pertanyaan yang lebih berguna untuk dipikirkan:
“Dari semua pekerjaan yang aku lakukan sekarang, bagian mana yang sebenarnya nggak harus aku kerjakan sendiri lagi?”
Kalau kamu sudah mulai menemukan jawabannya…
bisa jadi, kamu sudah mulai memahami Agentic AI.
Bukan dari definisinya.
Tapi dari cara memanfaatkannya.
Memahami Agentic AI di Tahun 2026: OpenClaw, Hermes AI, dan Cara Memanfaatkannya di Dunia Kerja
5 Judul SEO-Friendly
- Memahami Agentic AI di Tahun 2026: OpenClaw, Hermes AI, dan Dunia Kerja
- Apa Itu Agentic AI? Kenalan dengan OpenClaw dan Hermes AI di 2026
- Agentic AI 2026: Saat AI Nggak Cuma Ngobrol, Tapi Mulai Bekerja
- OpenClaw dan Hermes AI: Cara Memahami Agentic AI untuk Orang Awam
- Agentic AI untuk Sales dan Advertising: Peluang Baru di Tahun 2026
Meta Title: Agentic AI 2026: OpenClaw, Hermes AI & Dunia Kerja
Meta Description: Pahami Agentic AI dengan bahasa sederhana. Kenalan dengan OpenClaw, Hermes AI, dan contoh penggunaannya untuk sales serta advertising.
Meta Tags: Agentic AI, OpenClaw, Hermes AI
“The best way to predict the future is to invent it.”
— Alan Kay
Masih ingat nggak beberapa tahun lalu, waktu pertama kali nyobain ChatGPT?
Kita ngetik pertanyaan.
Enter.
Terus beberapa detik kemudian muncul jawaban panjang.
“Wah gila… AI bisa nulis juga.”
Hahaha.
Lalu makin ke sini, kita makin terbiasa. ChatGPT dipakai buat bikin email, artikel, ide konten, proposal, analisis, sampai sekadar nanya, “Makan apa siang ini?” Ya… AI juga akhirnya jadi korban manusia yang bingung mau makan apa. Wkwk.
Tapi di tahun 2026 ini, ada perubahan yang menurutku jauh lebih menarik.
AI mulai nggak cuma ditanya:
“Tolong buatin ini.”
Tapi mulai dikasih tujuan:
“Tolong kerjakan ini sampai selesai.”
Sekilas kedengarannya mirip.
Padahal…
beda banget.
Dan di sinilah kamu mulai perlu kenalan sama istilah yang belakangan makin ramai dibicarakan:
Agentic AI.
Tenang.
Kalau kamu baru dengar istilahnya dan langsung mikir:
“Waduh, apaan lagi nih? Kemarin prompting, sekarang agentic-agentic…”
Santai.
Kita nggak akan bahas ini kayak kelas computer science.
Kita coba pahami dengan bahasa manusia normal aja. Wkwk.
Masalahnya, Selama Ini Kita Masih Memperlakukan AI Kayak Google yang Bisa Ngobrol
Coba ingat cara kamu menggunakan AI sekarang.
“Bikinin email follow-up.”
AI jawab.
Kamu copy.
Buka Gmail.
Paste.
Kirim.
Besok kamu balik lagi.
“Bantu analisis prospect ini.”
AI jawab lagi.
Kamu copy lagi.
Buka CRM.
Update lagi.
Begitu terus.
AI-nya memang membantu, tetapi kamu masih menjadi operatornya.
Kamu yang mikirin langkah pertama.
Kamu yang mindahin hasilnya.
Kamu yang buka aplikasi berikutnya.
Kamu yang kasih instruksi berikutnya.
Jadi sebenarnya kita belum sepenuhnya “mendelegasikan pekerjaan”.
Kita baru mempercepat pekerjaan.
Nah, Agentic AI mulai mengubah pola itu.
Dalam sistem agentic, AI bisa diberikan sebuah goal, kemudian mencoba menyusun langkah-langkah yang diperlukan, menggunakan tools yang tersedia, mengambil informasi, menjalankan beberapa pekerjaan, lalu membawa hasilnya kembali ke kamu.
IBM menjelaskan AI agent sebagai sistem yang dapat menjalankan tugas secara mandiri dengan merancang workflow dan menggunakan tools yang tersedia.
Jadi sederhananya…
AI biasa itu kayak kamu punya orang pintar yang duduk di sebelahmu.
Kamu tanya:
“Bro, bikinin email dong.”
Dia bikin.
Selesai.
Sementara Agentic AI lebih mirip kamu punya asisten.
Kamu bilang:
“Bro, cek prospect yang belum difollow-up minggu ini, cari lima yang paling potensial, pelajari company-nya, terus siapin draft email follow-up buat gue review.”
Nah.
Dia bukan cuma bikin email.
Dia harus ngerti dulu:
Data prospect-nya di mana?
Mana yang belum difollow-up?
Mana yang lebih potensial?
Informasi company-nya apa?
Apa percakapan terakhirnya?
Baru kemudian dia menyiapkan follow-up.
Itulah bedanya.
Agentic AI Membuka Peluang Besar: AI Bukan Lagi Cuma Tempat Bertanya
Menurutku, ini perubahan mindset paling penting.
Selama beberapa tahun terakhir kita diajarin:
“Belajar prompting supaya AI kasih jawaban bagus.”
Masuk akal.
Tapi Agentic AI membawa kita ke tahap berikutnya:
“Belajar mendesain pekerjaan supaya AI bisa membantu menjalankannya.”
Nah lho.
Jadi skill-nya bukan cuma nulis prompt keren.
Kamu mulai perlu ngerti:
Apa tujuannya?
Langkah kerjanya apa saja?
Data apa yang dibutuhkan?
Tools apa yang perlu diakses?
Mana yang boleh otomatis?
Mana yang tetap harus kamu approve?
Makanya Agentic AI menurutku menarik banget buat dunia kerja.
Bukan karena besok pagi semua pekerjaan langsung dikerjakan robot.
Nggak segitunya juga.
Tapi karena banyak pekerjaan kecil yang selama ini menyedot waktu bisa mulai diserahkan ke sistem.
McKinsey bahkan melihat pola ini mulai nyata di B2B sales. Berdasarkan survei 2026 terhadap hampir 4.000 buyer dan seller di 13 negara, mereka menyoroti bagaimana perusahaan mulai merancang ulang commercial workflow dengan bantuan agentic AI, sementara kemampuan manusia seperti memahami kebutuhan customer dan membangun kepercayaan tetap penting.
Artinya bukan:
manusia vs AI.
Tapi mulai berubah menjadi:
manusia + AI + workflow yang benar.
Generative AI, Automation, dan Agentic AI Itu Sama Nggak?
Nah, sebelum makin jauh, kita lurusin dulu.
Karena istilah AI sekarang banyak banget.
Kadang belum selesai ngerti satu istilah…
udah keluar tiga istilah baru.
Wkwk.
Generative AI
Generative AI fokusnya menghasilkan sesuatu.
Kamu bilang:
“Buat artikel.”
Jadi artikel.
“Buat gambar.”
Jadi gambar.
“Buat headline.”
Jadi headline.
Dia jago bikin output.
Automation
Automation fokusnya menjalankan aturan yang sudah ditentukan.
Misalnya:
Kalau ada lead masuk dari website → masukkan ke CRM → kirim email otomatis.
Semua jalurnya sudah kamu tentukan.
Kalau A terjadi, lakukan B.
Agentic AI
Agentic AI sedikit berbeda.
Kamu lebih banyak memberikan tujuan, konteks, tools, dan batasan.
Misalnya:
“Cari prospect yang paling layak difollow-up hari ini.”
Nah…
AI perlu menentukan apa yang harus dicek.
Kapan terakhir prospect dihubungi.
Nilai deal-nya berapa.
Ada buying signal atau nggak.
Percakapan terakhir ngomongin apa.
Kemudian menyusun rekomendasinya.
Jadi kalau mau dibikin simpel:
Generative AI = membuat.
Automation = menjalankan aturan.
Agentic AI = mengejar tujuan melalui beberapa langkah.
Udah.
Nggak perlu dibikin terlalu mistis. Wkwk.
4 Masalah Saat Mulai Menggunakan Agentic AI
- Karena AI Bisa Bertindak, Kesalahannya Juga Bisa Ikut Bertindak
Ini penting.
Kalau ChatGPT salah kasih jawaban, biasanya kamu tinggal bilang:
“Bro, salah nih.”
Revisi.
Selesai.
Tapi bayangkan AI punya akses mengirim email.
Mengubah CRM.
Mengedit file.
Mengakses browser.
Mengatur campaign.
Nah…
kesalahan sekarang bukan cuma salah paragraf.
Kesalahannya bisa berubah jadi action.
Kebayang nggak agent salah baca instruksi lalu mengirim email promo yang belum final ke 10.000 customer?
Hmm…
Besok mungkin bukan AI-nya yang dimarahin bos.
Kamu. Wkwk.
Makanya Agentic AI perlu guardrail.
Untuk pekerjaan tertentu, agent boleh otomatis.
Untuk pekerjaan sensitif, manusia tetap harus kasih approval.
- AI Pintar Tapi Nggak Punya Data, Ya Bingung Juga
Bayangin kamu punya karyawan super pintar.
Hari pertama masuk kantor.
Terus kamu bilang:
“Tolong analisis kenapa sales kita turun.”
Dia jawab:
“Datanya mana?”
Kamu bilang:
“Rahasia.”
Ya gimana… wkwk.
Agent juga begitu.
Supaya berguna, dia perlu akses ke konteks yang benar.
Bisa CRM.
Dokumen.
Database.
Email.
Analytics.
Knowledge base.
Microsoft sendiri menekankan bahwa kemampuan AI agent sangat bergantung pada tools, skills, dan informasi yang bisa diaksesnya. Dalam sales, informasi penting bahkan sering tersebar di luar CRM.
Jadi sebelum sibuk cari agent paling canggih…
coba tanya dulu:
Data kerja kamu sudah rapi belum?
- Semakin Banyak Akses, Semakin Besar Risikonya
Nah, ini juga suka bikin orang terlalu semangat.
Baru install agent.
Hari pertama:
“Kasih akses email.”
Hari kedua:
“Kasih akses Drive.”
Hari ketiga:
“Kasih CRM sekalian.”
Hari keempat:
“Password server kasih juga.”
Lho…
pelan-pelan. Wkwk.
Agentic AI memang powerful karena bisa menggunakan tools.
Tapi semakin banyak akses yang diberikan, semakin penting keamanan, permission, sandboxing, dan approval.
OpenClaw sendiri mengingatkan pengguna bahwa tools pada main session dapat berjalan pada host jika sandboxing tidak dikonfigurasi, sehingga dokumentasinya menyarankan pengguna memahami panduan keamanan sebelum membuka akses lebih jauh.
Jadi…
powerful bukan berarti kasih akses semuanya.
- Nggak Semua Pekerjaan Butuh Agentic AI
Ini juga perlu jujur.
Kadang teknologi baru datang…
semuanya pengen dimasukin AI.
Padahal kamu cuma mau:
“Kalau ada form masuk, kirim notifikasi WhatsApp.”
Ya pakai automation biasa juga bisa.
Nggak perlu bikin AI agent yang mikir keras tentang makna kehidupan lead tersebut.
Wkwk.
Agentic AI paling berguna ketika pekerjaannya membutuhkan:
beberapa langkah,
analisis konteks,
pemilihan tindakan,
penggunaan beberapa tools,
dan keputusan yang bisa berbeda tergantung situasi.
Nah, Terus OpenClaw Itu Apaan?
Sekarang kita masuk ke nama yang belakangan cukup happening:
OpenClaw.
Secara sederhana, OpenClaw adalah open-source AI assistant yang bisa berjalan di perangkat sendiri dan dihubungkan dengan channel komunikasi yang sudah biasa kamu gunakan.
WhatsApp.
Telegram.
Slack.
Teams.
Discord.
Dan banyak lainnya.
OpenClaw menyebut dirinya sebagai assistant yang berjalan di perangkat pengguna dan dapat berinteraksi lewat lebih dari 20 channel, dengan state, memory, dan credential tersimpan pada hardware pengguna.
Coba bayangin…
Biasanya mau menggunakan AI:
buka ChatGPT.
Sekarang bayangkan dari Telegram kamu cukup chat:
“Cek pekerjaan gue hari ini.”
Agent mengecek workflow yang sudah kamu izinkan.
Kemudian jawab:
“Kamu punya tiga prospect yang perlu difollow-up, satu proposal belum dikirim, dan jam 14.00 ada meeting dengan Client A. Mau aku siapkan briefing meeting-nya?”
Nah.
Mulai kerasa beda, kan?
AI-nya bukan lagi terasa kayak website.
Tapi kayak assistant.
OpenClaw juga bisa memakai berbagai model dan memperluas kemampuannya dengan tools, skills, serta plugins. Bahkan satu Gateway dapat digunakan sebagai personal assistant ataupun deployment untuk sebuah tim.
Menurutku, di sinilah daya tariknya.
AI mulai masuk ke tempat kamu memang bekerja.
Bukan kamu yang terus-terusan pindah tempat untuk menemui AI.
Hermes AI Itu Apaan Lagi?
Belum selesai OpenClaw…
muncul lagi:
Hermes Agent.
Hahaha.
Tenang.
Hermes Agent adalah project open-source dari Nous Research yang menarik karena membawa konsep self-improving agent.
Maksudnya bukan AI tiba-tiba sadar diri terus bikin perusahaan sendiri ya.
Santai. Wkwk.
Hermes dirancang memiliki learning loop yang bisa membuat skill dari pengalaman, memperbaiki skill tersebut selama digunakan, menyimpan pengetahuan, serta mencari kembali percakapan masa lalu.
Nah…
ini menarik banget.
Karena masalah kita dengan AI selama ini kadang begini:
Hari Senin:
“Bro, cara bikin report gue begini ya.”
AI:
“Oke.”
Jumat:
“Bikin report lagi.”
AI:
“Formatnya gimana?”
Lho…
kenalan lagi.
Wkwk.
Konsep persistent memory dan reusable skill mencoba mengurangi masalah itu.
Misalnya setiap Jumat kamu punya pekerjaan:
Ambil data campaign.
Bandingkan dengan minggu lalu.
Cari campaign yang performanya turun.
Buat kesimpulan.
Kasih rekomendasi.
Kalau workflow itu bisa disimpan sebagai skill, lama-lama kamu nggak perlu menjelaskan semuanya dari nol.
Hermes versi 2026 bahkan sudah membawa kemampuan seperti persistent memory untuk scheduled jobs, Bot Mode dengan beberapa agent, MCP integration, browser capabilities, sampai kemampuan mengarahkan subagent yang sedang bekerja.
Kedengarannya mulai kayak punya tim digital kecil, kan?
OpenClaw vs Hermes AI, Bagusan Mana?
Nah.
Pertanyaan kesukaan netizen.
“Bagusan mana, bro?”
Wkwk.
Menurutku jangan mulai dari situ.
OpenClaw menarik karena pendekatannya sebagai assistant yang hidup di device dan channel yang kamu gunakan sehari-hari, dengan fleksibilitas model, tools, plugin, dan deployment.
Sementara Hermes sangat menonjolkan kemampuan belajar dari pengalaman, persistent memory, skills, scheduling, berbagai tools, dan fleksibilitas model.
Tapi…
daripada kamu ribut:
“OpenClaw vs Hermes siapa menang?”
Lebih baik tanya:
“Gue sebenarnya mau mendelegasikan pekerjaan apa?”
Nah.
Itu baru pertanyaan penting.
Karena jangan sampai tools-nya dulu yang dicari…
masalahnya belakangan.
Kayak beli treadmill mahal dulu.
Olahraganya…
tahun depan.
Wkwk.
Agentic AI Bisa Dipakai Apa di Dunia Sales?
Sekarang kita bikin lebih nyata.
Misalnya kamu kerja sebagai salesperson.
Coba hitung berapa banyak waktu sehari yang habis untuk:
buka CRM,
baca email,
cari informasi prospect,
update opportunity,
buat follow-up,
persiapan meeting,
bikin laporan,
dan mengecek pipeline.
Padahal pekerjaan sales yang sebenarnya bernilai tinggi justru:
ngobrol.
menggali kebutuhan.
membangun kepercayaan.
negosiasi.
closing.
Microsoft bahkan mengutip temuan bahwa seller rata-rata menghabiskan sekitar 25 jam per minggu pada aktivitas yang sebenarnya bisa didelegasikan, diotomatisasi, atau disederhanakan.
Nah lho.
Di sinilah agentic workflow mulai masuk akal.
- Prospect Research Agent
Kamu kasih daftar perusahaan.
Agent membantu membaca website mereka, mengumpulkan informasi yang tersedia, memahami bisnisnya, lalu membuat account brief.
Jadi sebelum telepon prospect…
kamu nggak datang modal:
“Pak, perusahaannya bergerak di bidang apa ya?”
Wkwk.
- Meeting Preparation Agent
Sebelum meeting, agent bisa membantu menyiapkan:
ringkasan perusahaan,
history komunikasi,
pembicaraan terakhir,
kemungkinan kebutuhan,
dan pertanyaan yang sebaiknya kamu tanyakan.
Jadi kamu masuk meeting dengan konteks.
Bukan masuk meeting sambil masih scroll CRM.
- Follow-Up Agent
Selesai meeting?
Agent membaca notes atau transcript.
Mengambil action item.
Membuat draft follow-up.
Menyiapkan update CRM.
Kamu tinggal review.
Approve.
Kirim.
Nah…
itu baru efisiensi.
- Pipeline Monitoring Agent
Daripada tiap pagi mengecek puluhan opportunity satu-satu, agent bisa membantu memberi sinyal:
“Deal A sudah 10 hari nggak ada aktivitas.”
“Deal B sudah dekat closing date tapi belum ada next step.”
“Prospect C membalas email kemarin malam.”
Jadi pekerjaan sales bergeser.
Dari:
mencari apa yang harus dikerjakan
menjadi:
memilih tindakan terbaik dari informasi yang sudah dirangkum.
Agentic AI Bisa Dipakai Apa di Advertising?
Nah, buat kamu yang kerja di advertising atau digital marketing…
ini juga seru.
Karena advertising isinya memang banyak aktivitas berulang.
Research.
Creative.
Campaign.
Data.
Analisis.
Report.
Repeat.
- Market Research
Agent bisa membantu mengumpulkan informasi dari berbagai sumber yang diizinkan.
Apa yang lagi dibahas market?
Apa pain point customer?
Kompetitor lagi membawa angle apa?
Pertanyaan apa yang sering muncul?
Kemudian semua itu dirangkum menjadi research brief.
Jadi kamu nggak mulai creative campaign dari:
“Hmm…
hari ini bikin iklan apa ya?”
- Creative Development
Dari research tadi, AI bisa membantu menurunkan:
angle,
headline,
hook,
script,
CTA,
dan variasi creative.
Tapi ingat.
Agent bisa bantu produksi.
Manusia tetap perlu menjaga taste.
Karena kalau semua iklan 100% diserahkan AI tanpa judgment…
nanti satu internet bunyinya sama semua.
“Di era digital yang serba cepat…”
Hahaha.
- Campaign Monitoring
Bayangkan setiap pagi agent membaca data campaign.
Kemudian bilang:
“Campaign A CTR-nya turun 23% dibanding rata-rata tujuh hari.”
“Creative B mulai fatigue.”
“CPA audience C meningkat.”
“Ini tiga kemungkinan penyebabnya.”
Nah.
Kamu tidak harus mulai pagi dengan buka spreadsheet.
Kamu mulai pagi dengan insight.
- Reporting
Nah ini favorit.
Wkwk.
Daripada Jumat sore masih copy angka dari tiga dashboard…
agent bisa mengambil data yang diizinkan, menyusun perbandingan, mencari perubahan signifikan, lalu membuat draft report.
Kamu tinggal masuk ke pekerjaan yang lebih bernilai:
Kenapa ini terjadi?
Apa yang harus dilakukan?
Apa yang perlu dites minggu depan?
McKinsey pada survei Februari 2026 terhadap 182 pemimpin advertising dan marketing di AS menemukan tiga perempat responden memperkirakan AI meningkatkan total media spend, sementara sepertiga memperkirakan setidaknya 10% peningkatan ROAS. Itu adalah ekspektasi responden, bukan jaminan hasil, tetapi cukup menunjukkan seberapa serius industri advertising mulai melihat pergeseran AI ini.
Mereka juga melihat marketing semakin bergeser dari sekadar campaign terpisah menuju workflow yang menyatukan insight, content, commerce, personalization, dan performance secara terus-menerus.
Jadi…
Agentic AI di advertising bukan cuma soal:
“AI bikin copy iklan.”
Itu mah kita udah dari kemarin-kemarin.
Level berikutnya adalah:
AI membantu menjalankan workflow advertising.
Kelebihan Agentic AI: Kerjaan Nggak Cuma Lebih Cepat, Tapi Bisa Mulai Didelegasikan
Menurutku ini inti besarnya.
Generative AI membantu kamu lebih cepat bekerja.
Agentic AI mulai memungkinkan kamu mengurangi pekerjaan yang harus kamu sentuh sendiri.
Bedanya tipis kalau dibaca.
Tapi gede banget kalau dialami.
Misalnya dulu kamu butuh 30 menit:
buka CRM,
cek prospect,
baca email,
cari informasi company,
bikin follow-up.
Kalau agent bisa menyiapkan 80% proses tersebut…
kamu tinggal fokus di 20% bagian yang benar-benar membutuhkan manusia.
Relationship.
Empathy.
Judgment.
Taste.
Negotiation.
Strategy.
Decision making.
Dan menurutku justru di era AI…
hal-hal yang sangat manusiawi tadi akan semakin mahal.
Tapi Jangan Salah: Agentic AI Bukan Berarti Semua Diserahkan ke AI
Aku ngerti kok kalau setelah baca sampai sini kamu mulai mikir:
“Wah, berarti nanti AI jalan sendiri dong?”
Bisa iya.
Tapi bukan berarti harus.
Ada pekerjaan yang aman untuk dibuat otomatis.
Misalnya:
merangkum data.
membuat draft.
mengelompokkan informasi.
mengingatkan task.
Ada pekerjaan yang sebaiknya tetap memakai approval manusia.
Mengirim proposal penting.
Mengubah harga.
Mengatur budget advertising besar.
Mengirim ribuan email.
Menghapus data.
Melakukan transaksi.
Prinsip sederhananya:
Semakin besar konsekuensi sebuah tindakan, semakin penting manusia tetap ada di dalam loop.
Jadi jangan bangga dulu karena agent kamu bisa melakukan semuanya.
Kadang agent paling bagus justru agent yang tahu:
kapan harus berhenti dan bertanya ke kamu.
Jadi, Perlukah Orang Awam Belajar Agentic AI di Tahun 2026?
Menurutku…
kamu nggak harus langsung install OpenClaw malam ini.
Nggak harus langsung belajar coding.
Nggak harus langsung bikin lima agent.
Santai.
Yang jauh lebih penting adalah mulai memahami cara berpikirnya.
Selama ini kita belajar:
Bagaimana memberikan prompt ke AI?
Sekarang coba naik satu level:
Bagaimana sebuah pekerjaan sebenarnya berjalan?
Apa input-nya?
Apa langkahnya?
Apa tools-nya?
Apa keputusannya?
Mana yang bisa didelegasikan?
Mana yang nggak boleh?
Kalau kamu sudah bisa menjawab pertanyaan-pertanyaan itu…
sebenarnya kamu sudah mulai berpikir secara agentic.
Teknologinya bisa berganti.
Hari ini OpenClaw.
Hari ini Hermes.
Besok mungkin ada lagi tools baru.
Tapi kemampuan memetakan pekerjaan tetap berguna.
Mirip zaman internet dulu.
Yang penting bukan sekadar hafal nama browser.
Tapi memahami bahwa internet mengubah cara kita mencari informasi, berkomunikasi, bekerja, dan berbisnis.
Agentic AI menurutku sedang menuju arah yang sama.
Bukan sekadar tools baru.
Tapi cara baru dalam membagi pekerjaan antara manusia dan mesin.
Penutup: Dulu Kita Belajar Ngobrol Sama AI, Sekarang Kita Mulai Belajar Memimpin AI
Kalau dipikir-pikir…
perjalanannya menarik juga.
Awalnya kita kagum karena AI bisa jawab pertanyaan.
Lalu kita belajar prompting.
Kemudian AI mulai bisa menggunakan tools.
Punya memory.
Mengakses aplikasi.
Menjalankan beberapa langkah.
Dan sekarang kita mulai berbicara soal agent.
Mungkin beberapa tahun lalu skill pentingnya adalah:
“Bagaimana cara bertanya kepada AI?”
Di tahun 2026 dan setelahnya, pertanyaannya pelan-pelan berubah menjadi:
“Bagaimana cara memberi AI pekerjaan yang jelas, aman, dan benar-benar berguna?”
Nah…
itu level yang berbeda.
Karena kamu bukan cuma menjadi user AI.
Kamu mulai seperti orang yang mengelola digital worker.
Agent bisa melakukan banyak hal.
Tapi kamu tetap harus menentukan arah.
Agent bisa bergerak cepat.
Tapi kamu tetap harus memastikan dia bergerak ke tempat yang benar.
Jadi daripada terlalu takut dengan pertanyaan:
“Apakah AI akan mengambil pekerjaan kita?”
Mungkin ada pertanyaan yang lebih berguna untuk dipikirkan:
“Dari semua pekerjaan yang aku lakukan sekarang, bagian mana yang sebenarnya nggak harus aku kerjakan sendiri lagi?”
Kalau kamu sudah mulai menemukan jawabannya…
bisa jadi, kamu sudah mulai memahami Agentic AI.
Bukan dari definisinya.
Tapi dari cara memanfaatkannya.
Response (1)