Agentic AI vs generative AI sering dianggap sama karena keduanya memakai model bahasa, padahal pekerjaannya berbeda. Bayangkan tim CS yang memakai alat AI untuk menyusun draft balasan. Sistem lain membaca tiket, memeriksa status pesanan, memproses pengembalian dana, dan mengabari pelanggan tanpa diminta setiap langkahnya. Keduanya disebut AI, tetapi yang pertama membantu menulis, sedangkan yang kedua menjalankan pekerjaan.
Artikel ini menjelaskan perbedaan agentic AI dan generative AI dengan contoh nyata di layanan pelanggan. Anda juga mendapat perbandingan per tugas dan contoh alur kerja. Ada pula jawaban atas pertanyaan apakah ChatGPT termasuk agentic AI, panduan memilih pendekatan, dan risiko tata kelola yang perlu dipertimbangkan.
Apa Perbedaan Agentic AI dan Generative AI?
Generative AI menghasilkan konten baru seperti teks, gambar, atau kode sebagai respons terhadap sebuah prompt. Agentic AI mengejar tujuan dengan merencanakan langkah, memakai tools, dan menjalankan tindakan. Keduanya tidak bersaing karena agentic AI umumnya memakai kemampuan generatif sebagai bagian dari sistemnya, sehingga perbedaannya ada pada peran, bukan pada teknologi dasarnya.
Perbedaan ini menentukan cara bisnis menilai risiko dan manfaatnya. Keluaran generative AI biasanya ditinjau manusia sebelum dipakai, sedangkan agentic AI dapat menjalankan tindakan yang berdampak langsung pada pelanggan. Pembahasan konsep dasar yang lebih luas ada pada panduan agentic AI, sedangkan artikel ini fokus pada perbandingan dan pengambilan keputusan di layanan pelanggan.
Apa Itu Generative AI?
Generative AI adalah kecerdasan buatan yang menghasilkan konten baru berdasarkan pola dari data yang dipelajarinya. Pada layanan pelanggan, kemampuannya sering dipakai untuk menyusun draft balasan, meringkas percakapan panjang, menerjemahkan pesan, dan merapikan bahasa. Dua bagian berikut menjelaskan apa yang dikerjakannya dan batasannya.
1. Tugas yang Dikerjakan Generative AI
Generative AI bekerja ketika diberi instruksi, lalu menghasilkan keluaran yang sesuai. Agen CS bisa meminta ringkasan tiket yang panjang atau draft balasan yang sopan untuk pelanggan yang kecewa. Hasilnya berupa saran yang masih perlu dibaca dan dikirim oleh manusia.
2. Batasan dalam Layanan Pelanggan
Generative AI tidak menjalankan tindakan sendiri. Ia tidak membuka sistem pesanan atau memproses pengembalian dana, kecuali dihubungkan ke tools. Jawabannya juga bisa keliru bila tidak berpegang pada sumber yang benar, sehingga perlu ditinjau sebelum dikirim.
Apa Itu Agentic AI?
Agentic AI adalah pendekatan kecerdasan buatan yang berorientasi tujuan, yaitu merencanakan langkah, memakai tools, dan menjalankan tindakan untuk mencapai hasil tertentu. Pada layanan pelanggan, tujuannya bisa berupa menyelesaikan keluhan keterlambatan pesanan sampai tuntas. Empat bagian berikut menjelaskan ciri utama yang membedakannya.
1. Berorientasi Tujuan
Agentic AI tidak berhenti setelah satu jawaban. Ia diberi tujuan, misalnya pelanggan mendapat kepastian status pesanan, lalu menentukan langkah untuk mencapainya. Orientasi pada hasil inilah yang membedakannya dari alat yang hanya merespons instruksi.
2. Merencanakan dan Menjalankan Beberapa Langkah
Untuk mencapai tujuan, agentic AI memecah pekerjaan menjadi beberapa langkah dan menjalankannya berurutan. Contohnya membaca keluhan, memeriksa data pesanan, memilih solusi sesuai kebijakan, lalu mengonfirmasi ke pelanggan. Hasil satu langkah memengaruhi langkah berikutnya.
3. Memakai Tools dan Sistem Bisnis
Agentic AI terhubung ke sistem seperti data pesanan, CRM, atau helpdesk agar bisa membaca dan memperbarui informasi. Koneksi ini membuatnya mampu bertindak, bukan hanya berbicara. Pelajari cara kerja AI Agent untuk memahami mekanisme dasarnya.
4. Tetap Membutuhkan Batasan dan Pengawasan
Kemampuan bertindak berarti risiko yang lebih besar bila salah. Karena itu agentic AI perlu batas kewenangan, catatan tindakan, dan jalur ke manusia. Otonomi yang baik adalah otonomi yang dibatasi dengan jelas.
Perbandingan Agentic AI dan Generative AI pada Tugas Layanan Pelanggan
Perbedaan agentic AI dan generative AI paling jelas terlihat pada tugas sehari-hari tim CS. Generative AI membantu menghasilkan konten untuk tugas itu, sedangkan agentic AI menjalankan sebagian atau seluruh alurnya. Tabel berikut membandingkan peran keduanya pada lima tugas umum, sehingga Anda bisa langsung membayangkan padanannya di tim sendiri.
| Tugas layanan pelanggan | Dengan generative AI | Dengan agentic AI |
|---|---|---|
| Menulis balasan | Menyusun draft yang dikirim agen | Mengirim balasan sesuai aturan yang ditetapkan |
| Menjawab pertanyaan berulang | Menyusun jawaban dari prompt | Menjawab dari knowledge base dan menyerahkan bila tidak yakin |
| Memproses permintaan pengembalian dana | Menyarankan kalimat untuk pelanggan | Memeriksa syarat, memproses, dan mengonfirmasi |
| Menangani keluhan keterlambatan | Merangkum keluhan untuk agen | Memeriksa status, menawarkan solusi, dan mengeskalasi bila perlu |
| Menyusun laporan percakapan | Merangkum satu percakapan | Mengumpulkan data dari banyak percakapan dan menandai pola |
Pola yang sama terlihat di semua baris. Generative AI memberi bahan bagi manusia, sedangkan agentic AI mengambil sebagian pekerjaan yang sebelumnya dilakukan manusia. Pemahaman ini membantu Anda menentukan tugas mana yang benar-benar membutuhkan tindakan otomatis.
Contoh Alur Kerja Generative AI dan Agentic AI pada Satu Kasus
Satu kasus yang sama, yaitu pelanggan menanyakan pesanan yang terlambat, dapat ditangani dengan dua cara. Kedua contoh berikut hanya ilustrasi untuk menggambarkan perbedaan peran, bukan hasil dari perusahaan tertentu. Perhatikan siapa yang menjalankan tindakan pada tiap langkah, karena di situlah perbedaan terbesarnya, dan perhatikan juga kapan manusia mengambil alih.
1. Dengan Generative AI sebagai Asisten Agen
Pada alur ini, manusia tetap menjalankan semua tindakan, dan AI membantu menyusun bahasa.
- Pelanggan menulis bahwa pesanannya terlambat tiga hari
- Agen membuka sistem pesanan sendiri dan memeriksa statusnya
- Agen meminta generative AI menyusun balasan yang sopan dan menjelaskan keterlambatan
- Agen membaca draft, mengubahnya seperlunya, lalu mengirimkannya
Waktu penyusunan balasan menjadi lebih cepat, tetapi agen tetap mengerjakan pemeriksaan dan pengiriman. Beban kerjanya berkurang di sisi menulis, bukan di sisi tindakan.
2. Dengan Agentic AI sebagai Penangan Awal
Pada alur ini, sistem menjalankan sebagian besar langkah dan menyerahkan kasus yang melewati batas kewenangan.
- Pelanggan menulis bahwa pesanannya terlambat tiga hari
- Sistem membaca keluhan dan memeriksa status pesanan lewat sistem yang terhubung
- Sistem menyampaikan status terbaru dan menawarkan opsi sesuai kebijakan, seperti pengiriman prioritas
- Jika pelanggan meminta kompensasi di luar kebijakan, sistem menyerahkan percakapan ke agen beserta ringkasan kasus
Perbedaan utamanya terletak pada siapa yang menjalankan pemeriksaan dan tindak lanjut. Agen manusia terlibat hanya pada kasus yang membutuhkan keputusan di luar aturan.
Apakah ChatGPT Termasuk Agentic AI?
ChatGPT sebagai chatbot percakapan umumnya dikategorikan sebagai generative AI, karena ia menghasilkan jawaban dari prompt. Ia bisa menjadi bagian dari sistem agentic bila dihubungkan ke tools dan diberi tujuan untuk bertindak. Jadi statusnya bergantung pada cara ia dikonfigurasi, bukan pada namanya. Dua bagian berikut menjelaskan perbedaannya.
1. Sebagai Chatbot Percakapan Murni
Ketika pengguna mengetik pertanyaan dan menerima jawaban, ChatGPT bekerja sebagai generative AI. Ia menghasilkan teks dan menunggu instruksi berikutnya. Tidak ada tindakan di sistem bisnis yang dijalankan tanpa dihubungkan ke tools.
2. Ketika Dihubungkan ke Tools dan Tujuan
Model yang sama dapat dipakai sebagai otak dari sistem agentic bila diberi akses ke tools dan tujuan yang jelas. Dalam konfigurasi seperti itu, sistemnya agentic, sedangkan modelnya menyediakan kemampuan generatif. Artinya, pertanyaan yang tepat bukan apakah suatu model agentic, melainkan bagaimana sistem di sekelilingnya dirancang.
Kapan Bisnis Perlu Generative AI, Agentic AI, atau Keduanya?
Bisnis cukup memakai generative AI untuk tugas yang selesai dalam satu respons. Agentic AI layak dipakai untuk alur multi-langkah yang melibatkan sistem, dan keduanya dipakai bersama bila ingin kualitas bahasa sekaligus tindakan otomatis. Pilihan terbaik bergantung pada kebutuhan, bukan pada istilah yang sedang populer. Empat bagian berikut membantu Anda menilai.
1. Generative AI Cukup untuk Tugas yang Selesai di Satu Respons
Jika tugasnya berupa menulis, merangkum, atau menerjemahkan, generative AI sudah memadai. Risikonya relatif rendah karena manusia meninjau hasilnya. Cocok untuk tim yang ingin meningkatkan produktivitas tanpa mengubah alur kerja.
2. Agentic AI Layak untuk Alur Multi-Langkah
Jika penyelesaian masalah melibatkan beberapa sistem dan keputusan berurutan, agentic AI memberi dampak lebih besar. Contohnya pemrosesan pengembalian dana atau klaim yang melewati banyak tahap. Pelajari AI Agent dan agentic AI untuk customer service untuk gambaran penerapannya.
3. Keduanya Bekerja Bersama
Dalam praktik, kedua pendekatan saling melengkapi. Agentic AI menjalankan alur dan generative AI menyusun bahasa yang natural untuk pelanggan. Perbedaan dengan pendekatan agen tunggal dibahas pada agentic AI vs AI Agent.
4. Mulai dari Kebutuhan, Bukan dari Istilah
Mulailah dari masalah layanan yang ingin diselesaikan, misalnya waktu respons atau beban agen. Pilih pendekatan paling sederhana yang menjawab masalah itu. Menambah kompleksitas tanpa kebutuhan jelas hanya menambah biaya dan risiko.
Penerapan Agentic AI dan Generative AI di Berbagai Industri
Perbedaan agentic AI dan generative AI terlihat pada tiap industri dalam bentuk tugas yang dibantu dan tugas yang dijalankan. Generative AI umumnya membantu menyusun dan merangkum, sedangkan agentic AI menjalankan alur yang melibatkan sistem. Empat contoh berikut menunjukkan pembagian peran yang lazim, dan semuanya tetap perlu disesuaikan dengan kebijakan bisnis Anda.
1. E-commerce
Generative AI menyusun deskripsi produk dan balasan yang ramah untuk pelanggan. Agentic AI menangani alur status pesanan, perubahan alamat, dan pengembalian barang dengan membaca dan memperbarui data pesanan. Kasus sengketa tetap diteruskan ke agen manusia.
2. Perbankan dan Layanan Keuangan
Generative AI membantu merangkum percakapan dan menyusun penjelasan produk dalam bahasa sederhana. Agentic AI dapat menjalankan langkah awal seperti memeriksa status pengajuan, dengan batas kewenangan yang ketat. Verifikasi identitas dan keputusan kredit tetap melibatkan manusia dan sistem resmi.
3. Layanan Kesehatan
Generative AI membantu menyusun informasi umum dan pengingat jadwal dalam bahasa yang jelas. Agentic AI dapat mengatur jadwal kunjungan lewat sistem pendaftaran. Pertanyaan medis dan kondisi darurat tidak boleh ditangani sistem otomatis dan harus langsung diteruskan.
4. Telekomunikasi dan Layanan Berlangganan
Generative AI menyusun penjelasan tagihan yang mudah dipahami. Agentic AI dapat memeriksa tagihan, menjelaskan perubahan paket, dan memproses permintaan sederhana. Permintaan berhenti berlangganan yang disertai keluhan sebaiknya diteruskan ke agen.
Risiko dan Tata Kelola, Agentic AI Berbeda dari Generative AI
Agentic AI membutuhkan tata kelola yang lebih ketat karena ia menjalankan tindakan, sedangkan generative AI menghasilkan saran yang ditinjau manusia. Perbedaan ini menggeser fokus dari memeriksa isi jawaban menjadi mengawasi apa yang dilakukan sistem. Empat bagian berikut menjelaskan hal yang perlu disiapkan.
1. Saran Berbeda dari Tindakan
Kesalahan generative AI biasanya tertangkap oleh manusia sebelum sampai ke pelanggan. Kesalahan agentic AI bisa langsung berdampak, misalnya pengembalian dana yang salah. Karena itu, tingkat pengawasan perlu disesuaikan dengan dampak tindakannya.
2. Batas Kewenangan yang Jelas
Tetapkan tindakan apa yang boleh dijalankan sistem sendiri dan yang harus disetujui manusia. Batasi nilai transaksi, jenis kasus, dan data yang dapat diubah. Mulailah dengan kewenangan sempit, lalu perluas seiring kepercayaan.
3. Jejak Tindakan dan Audit
Catat setiap tindakan sistem beserta alasannya agar bisa ditelusuri. Jejak ini penting untuk audit, penanganan keluhan, dan perbaikan. Tanpa catatan, sulit menjelaskan mengapa sistem mengambil keputusan tertentu.
4. Handover ke Manusia
Sediakan jalur ke agen manusia untuk kasus di luar kewenangan, kasus sensitif, dan permintaan langsung pelanggan. Handover harus membawa ringkasan kasus. Pelanggan tidak boleh terjebak tanpa jalan keluar.
Cara Memilih Pendekatan AI untuk Layanan Pelanggan dalam 5 Langkah
Memilih pendekatan dilakukan dengan memetakan tugas CS dan memilah tugas yang berhenti di respons dari yang butuh tindakan. Setelah itu, tetapkan batas kewenangan, jalankan pilot, lalu ukur dan perluas. Urutan ini menjaga keputusan tetap berbasis kebutuhan. Lima langkah berikut menjelaskan prosesnya, mulai dari persiapan internal sampai evaluasi hasil.
1. Petakan Tugas Tim CS
Daftar tugas utama tim, mulai dari menjawab pertanyaan, memeriksa status, hingga memproses permintaan. Catat volume dan waktu yang dihabiskan untuk tiap tugas. Peta ini menunjukkan di mana AI memberi dampak terbesar.
2. Pilah Tugas yang Berhenti di Respons dan yang Butuh Tindakan
Tugas yang selesai dengan satu jawaban cocok untuk generative AI atau AI Agent berbasis knowledge base. Tugas yang butuh akses sistem dan beberapa langkah cocok untuk pendekatan agentic. Pilihan produk dapat dibantu dengan cara memilih AI Agent.
3. Tetapkan Batas Kewenangan
Tentukan tindakan apa yang boleh diotomasi dan kapan harus ada persetujuan manusia. Libatkan tim hukum, kepatuhan, dan keuangan bila tindakannya menyangkut uang atau data. Batas yang jelas mempercepat persetujuan internal.
4. Jalankan Pilot Satu Alur
Pilih satu alur dengan volume cukup dan aturan yang jelas. Jalankan pada sebagian pelanggan dan pantau hasilnya setiap hari pada minggu pertama. Kumpulkan kasus yang gagal untuk memperbaiki aturan dan sumber jawaban.
5. Ukur dan Perluas
Bandingkan hasil dengan kondisi sebelum pilot, misalnya waktu respons pertama, tingkat penyelesaian tanpa agen, dan kepuasan pelanggan. Perluas ke alur berikutnya hanya setelah hasil stabil. Pahami juga jenis AI Agent pada tipe AI Agent sebelum memperluas.
Bagaimana Qiscus Membantu Menerapkan AI untuk Layanan Pelanggan?
Qiscus membantu bisnis menerapkan AI untuk layanan pelanggan lewat AI Agent berbasis LLM yang dilatih dari knowledge base bisnis dan dilengkapi handover ke agen manusia. Qiscus, sebagai agentic customer engagement platform, menyatukan percakapan dan AI Agent dalam satu ekosistem. Tiap bagian berikut menjelaskan masalah, dampaknya, dan cara Qiscus menjawabnya.
1. Latih AI Agent dengan Knowledge Base Bisnis
Jawaban AI yang tidak berpegang pada sumber bisnis mudah keliru dan tidak konsisten. Dampaknya, pelanggan menerima informasi yang berbeda-beda. AI Agent customer service berbasis LLM dapat dilatih dengan knowledge base bisnis sehingga jawabannya mengikuti sumber yang disetujui.
2. Satukan Percakapan dalam Satu Dashboard
Percakapan yang tersebar di banyak kanal menyulitkan pengawasan AI. Dampaknya, tim tidak melihat apa yang dikatakan AI kepada pelanggan. Platform omnichannel chat menyatukan percakapan dalam satu dashboard sehingga tim dapat memantau interaksi AI dan agen.
3. Jaga Kendali dengan Handover ke Agen
AI yang tidak punya jalur ke manusia berisiko membuat pelanggan terjebak. Dampaknya, kepuasan turun pada kasus yang paling membutuhkan empati. AI Agent Qiscus menyerahkan kasus yang melewati batas ke agen manusia lewat aturan handover, dengan riwayat percakapan yang tetap terbaca.
4. Lihat Hasilnya pada Pelanggan Qiscus
Penerapan AI yang terstruktur dapat mengubah peran sistem dari sekadar membalas menjadi mengambil keputusan. PCS mentransformasi AI dari auto-responder menjadi pengambil keputusan dalam layanan pelanggannya. Konsultasikan kebutuhan AI untuk layanan pelanggan Anda dengan Qiscus untuk memetakan pendekatan yang paling relevan.
Mulai dari Satu Alur Layanan yang Berhenti di Jawaban
Agentic AI dan generative AI bukan pilihan satu lawan satu, melainkan dua peran yang bisa saling melengkapi. Mulailah dari satu alur layanan yang selama ini berhenti di jawaban dan menunggu manusia bertindak. Ukur hasilnya, tetapkan batas kewenangan, lalu perluas secara bertahap.
Jelajahi solusi customer engagement dari Qiscus untuk melihat bagaimana percakapan dan AI Agent bekerja dalam satu platform. Pelajari juga agentic RAG, perbedaan AI Agent dan chatbot, dan panduan AI Agent untuk customer service sebagai bahan lanjutan. Untuk membandingkan pilihan, baca software AI customer service terbaik.
Pertanyaan yang Sering Ditanyakan tentang Agentic AI vs Generative AI
Berikut jawaban singkat untuk enam pertanyaan yang paling sering muncul tentang agentic AI dan generative AI.
Apa perbedaan agentic AI dan generative AI?
Generative AI menghasilkan konten baru seperti teks atau gambar dari prompt, sedangkan agentic AI mengejar tujuan dengan merencanakan langkah, memakai tools, dan menjalankan tindakan. Agentic AI sering memakai kemampuan generatif sebagai bagian dari sistemnya.
Apakah ChatGPT termasuk agentic AI?
ChatGPT sebagai chatbot percakapan umumnya termasuk generative AI. Ia menjadi bagian dari sistem agentic bila dihubungkan ke tools dan diberi tujuan untuk bertindak, sehingga statusnya bergantung pada konfigurasi sistem di sekelilingnya.
Apakah agentic AI menggantikan generative AI?
Tidak. Keduanya saling melengkapi. Generative AI menyediakan kemampuan bahasa dan penalaran, sedangkan agentic AI mengatur tujuan, langkah, dan tindakan. Banyak sistem agentic memakai model generatif di dalamnya.
Apakah agentic AI lebih berisiko daripada generative AI?
Umumnya risikonya lebih tinggi karena agentic AI menjalankan tindakan yang berdampak langsung. Risiko dikendalikan dengan batas kewenangan, jejak tindakan, dan jalur handover ke manusia.
Mana yang cocok untuk customer service?
Generative AI cocok untuk membantu agen menulis dan merangkum, sedangkan agentic AI cocok untuk alur multi-langkah yang melibatkan sistem. Banyak bisnis memakai keduanya sesuai kebutuhan tiap alur.
Apakah AI Agent sama dengan agentic AI?
Tidak persis. AI Agent biasanya menyelesaikan satu tugas, sedangkan agentic AI lebih luas dan dapat mengoordinasikan beberapa agent dan tools. Perbedaannya dibahas pada artikel perbandingan agentic AI dan AI Agent.
