PIPI

JOISIE (Journal Of Information Systems And Informatics Engineering)JOISIE (Journal Of Information Systems And Informatics Engineering)

Perkembangan teknologi kecerdasan buatan (Artificial Intelligence/AI) telah mendorong lahirnya AI Agent sebagai komponen kunci dalam mendukung efisiensi dan automasi digital di berbagai sektor. AI Agent berfungsi sebagai sistem cerdas yang mampu melakukan tugas-tugas secara otonom dan adaptif, mulai dari chatbot hingga sistem multi-agent berbasis pembelajaran mesin. Penelitian ini bertujuan untuk menganalisis kontribusi AI Agent terhadap efisiensi operasional dan produktivitas kerja organisasi, serta mengevaluasi tantangan dan potensi pengembangannya di masa depan. Pendekatan penelitian dilakukan melalui Systematic Literature Review (SLR) dengan merujuk pada metodologi Kitchenham, yang mencakup proses pencarian, seleksi, dan evaluasi terhadap 31 artikel ilmiah dari tahun 2017–2025, dengan 28 artikel memenuhi kriteria inklusi. Pencarian literatur dilakukan melalui lima database ilmiah utama, yaitu IEEE Xplore, ResearchGate, SpringerLink, Scopus, dan arXiv, dengan kata kunci terkait AI Agent dan efisiensi automasi digital. Hasil analisis menunjukkan bahwa penerapan AI Agent dapat meningkatkan efisiensi operasional hingga 40% dan mengurangi waktu produksi sebesar 30%. Teknologi pendukung seperti Large Language Models (LLM), Internet of Things (IoT), dan arsitektur multi-agent turut memperkuat kemampuan adaptasi AI Agent dalam konteks industri kompleks. Namun, integrasi teknologi ini masih menghadapi kendala, seperti kurangnya kesiapan SDM, hambatan struktural organisasi, serta isu etika dan transparansi sistem. Sebagai usulan riset lanjutan, studi ini merekomendasikan pengembangan model evaluasi kinerja AI Agent lintas sektor, integrasi dengan teknologi emerging seperti digital twin dan edge computing, serta analisis kesiapan organisasi dalam implementasi sistem AI.

Analisis literatur menunjukkan bahwa AI Agent telah menjadi pilar utama automasi digital lintas sektor, meningkatkan efisiensi operasional hingga 40% dan mempercepat produksi sebesar 30%, serta memperluas kapabilitas melalui integrasi LLM, IoT, dan sistem multi‑agen.Namun, implementasi AI Agent masih menghadapi hambatan signifikan berupa kurangnya pemahaman teknis, kesiapan infrastruktur, serta tantangan etika dan transparansi, dengan 47% perusahaan mengalami kesulitan.Oleh karena itu, pengembangan ke depan harus menekankan optimalisasi kinerja teknis, penguatan tata kelola etis, dan peningkatan literasi teknologi untuk memastikan integrasi AI Agent yang strategis, bertanggung jawab, dan berkelanjutan.

Penelitian selanjutnya dapat menyelidiki bagaimana teknologi digital twin dapat digabungkan dengan AI Agent untuk mensimulasikan dan mengoptimalkan alur proses produksi pada industri manufaktur, dengan mengukur dampaknya terhadap efisiensi dan ketahanan sistem. Selain itu, penting untuk mengevaluasi pengaruh penerapan edge computing terhadap latensi dan keandalan operasi AI Agent dalam lingkungan IoT real‑time, serta merumuskan metrik performa yang dapat digunakan lintas sektor. Selanjutnya, diperlukan pengembangan kerangka kerja kesiapan organisasi yang mencakup pelatihan berpusat pada manusia, tata kelola etika, dan penilaian infrastruktur, guna memprediksi keberhasilan adopsi AI Agent; kerangka ini dapat divalidasi melalui studi kasus multi‑organisasi untuk menghasilkan panduan praktis yang dapat diadaptasi secara luas.

  1. Review of autonomous systems and collaborative AI agent frameworks. review autonomous systems ai agent... doi.org/10.30574/ijsra.2025.14.2.0439Review of autonomous systems and collaborative AI agent frameworks review autonomous systems ai agent doi 10 30574 ijsra 2025 14 2 0439
  2. IoT and AI Integration: An Experiment on Smart Manufacturing Efficiency in Industry 5.0 | BIO Web of... bio-conferences.org/10.1051/bioconf/20248601062IoT and AI Integration An Experiment on Smart Manufacturing Efficiency in Industry 5 0 BIO Web of bio conferences 10 1051 bioconf 20248601062
  3. Organizational Challenges in Adoption and Implementation of Artificial Intelligence. challenges adoption... scholarspace.manoa.hawaii.edu/handle/10125/107083Organizational Challenges in Adoption and Implementation of Artificial Intelligence challenges adoption scholarspace manoa hawaii edu handle 10125 107083
Read online
File size369.48 KB
Pages13
DMCAReport

Related /

ads-block-test