(0275) 2974 127
Perkembangan artificial intelligence (AI) tidak lagi hanya berkaitan dengan chatbot atau kemampuan menghasilkan teks, gambar, dan kode. AI kini semakin banyak digunakan untuk membantu menjalankan proses kerja secara otomatis melalui konsep AI workflow.
AI workflow memungkinkan AI ditempatkan di dalam rangkaian proses yang terdiri dari beberapa tahapan. AI dapat digunakan untuk memahami input, menganalisis informasi, mengambil keputusan berdasarkan konteks tertentu, menghasilkan output, hingga menjalankan tindakan melalui aplikasi atau layanan lain.
Konsep ini menjadi semakin penting karena perusahaan tidak hanya membutuhkan AI untuk menjawab pertanyaan, tetapi juga ingin mengintegrasikan kemampuan AI ke dalam proses bisnis yang berlangsung secara berulang dan terstruktur. Lantas, apa itu AI workflow, bagaimana cara kerjanya, apa manfaatnya, dan apa perbedaannya dengan workflow automation biasa?
AI workflow adalah rangkaian proses terstruktur yang menggunakan teknologi artificial intelligence untuk menjalankan, membantu, mengoordinasikan, atau mengoptimalkan berbagai tugas dalam suatu proses kerja. Dalam AI workflow, AI dapat ditempatkan pada satu atau beberapa tahapan proses. AI tidak selalu harus menjalankan seluruh workflow secara mandiri. Pada banyak implementasi, AI bekerja bersama manusia dan sistem otomatisasi tradisional.
IBM mendefinisikan AI workflow sebagai proses penggunaan teknologi dan produk yang didukung AI untuk mengotomatiskan tugas serta menyederhanakan aktivitas dalam organisasi. AI dapat menjalankan, mengoordinasikan, atau meningkatkan proses, baik secara mandiri maupun bersama pekerja manusia. Contohnya, sebuah perusahaan menerima ratusan email pelanggan setiap hari. Workflow sederhana dapat mengarahkan email ke tim customer service. Sementara itu, AI workflow dapat menambahkan kemampuan seperti:
Membaca isi email.
Mengidentifikasi maksud pelanggan.
Mengklasifikasikan jenis masalah.
Menentukan tingkat prioritas.
Mengambil informasi pelanggan dari database.
Membuat draft respons.
Mengirimkan kasus ke tim yang sesuai.
Meminta persetujuan manusia untuk kasus tertentu.
Mencatat hasil proses ke sistem CRM.
Dengan demikian, AI workflow bukan sekadar penggunaan AI, melainkan pengintegrasian kemampuan AI ke dalam alur proses yang memiliki input, tahapan pemrosesan, keputusan, dan output.
Secara umum, AI workflow bekerja dengan menghubungkan beberapa komponen untuk menjalankan proses secara terstruktur.
Alurnya dapat digambarkan sebagai Input → Pemrosesan → Analisis AI → Keputusan → Tindakan → Output → Monitoring.
Dalam penerapannya, workflow dapat memiliki percabangan, validasi, pengulangan, integrasi API, hingga persetujuan manusia.
1. Input atau Trigger
AI workflow dimulai ketika trigger atau pemicu tertentu terjadi. Trigger dapat berupa formulir yang dikirim, email masuk, file diunggah, pesanan baru dibuat, data pelanggan diperbarui, jadwal tertentu tercapai, prompt dari pengguna, atau request melalui API. Trigger ini menjadi titik awal yang membuat workflow mulai menjalankan proses yang telah ditentukan.
2. Pengumpulan Data
Setelah workflow dimulai, sistem mengumpulkan data yang dibutuhkan dari berbagai sumber, seperti database, CRM, ERP, email, cloud storage, API pihak ketiga, dokumen, atau knowledge base. Data tersebut memberikan konteks yang diperlukan agar AI dapat melakukan analisis dan menghasilkan output yang lebih relevan.
3. Pemrosesan dengan AI
Pada tahap ini, AI digunakan untuk melakukan tugas yang membutuhkan kemampuan analisis atau pemahaman, seperti mengklasifikasikan informasi, memahami bahasa, mengenali pola, membuat prediksi, merangkum dokumen, atau menghasilkan konten.
Teknologi yang digunakan dapat berupa machine learning, LLM, generative AI, computer vision, NLP, maupun AI agent, tergantung kebutuhan workflow. Tidak semua AI workflow harus menggunakan LLM karena model AI lain juga dapat digunakan untuk tugas tertentu.
4. Pengambilan Keputusan
Hasil analisis AI kemudian digunakan untuk menentukan langkah berikutnya dalam workflow. Misalnya, tiket pelanggan yang dianggap kritis dapat diteruskan kepada supervisor, pertanyaan sederhana dapat dijawab secara otomatis, atau dokumen yang belum lengkap dapat dikembalikan untuk meminta informasi tambahan. Pada tahap ini, AI dapat dikombinasikan dengan aturan bisnis (business rules) agar keputusan tetap sesuai dengan kebutuhan organisasi.
5. Action atau Eksekusi
Setelah keputusan ditentukan, workflow menjalankan tindakan yang sesuai. Tindakan tersebut dapat berupa mengirim email, membuat tiket, memperbarui CRM, menyimpan data, mengirim notifikasi, memanggil API, membuat dokumen, atau meminta persetujuan manusia. Dengan cara ini, hasil analisis AI tidak berhenti sebagai informasi, tetapi dapat dilanjutkan menjadi tindakan nyata dalam sistem.
6. Validasi dan Human Review
Untuk proses tertentu, terutama yang memiliki risiko tinggi, keputusan AI sebaiknya tetap melalui human review atau human-in-the-loop. Dalam pendekatan ini, AI memberikan analisis atau rekomendasi, kemudian manusia memeriksa hasil tersebut sebelum workflow menjalankan tindakan. Cara ini membantu mengurangi risiko kesalahan pada proses yang berkaitan dengan keuangan, keamanan, kepatuhan, atau keputusan bisnis penting.
7. Monitoring
Tahap terakhir adalah monitoring, yaitu memantau bagaimana workflow berjalan dan apakah hasilnya sesuai dengan tujuan. Hal yang dapat dipantau antara lain status eksekusi, waktu pemrosesan, error, biaya penggunaan AI, kualitas output, tingkat keberhasilan otomatisasi, dan seberapa sering manusia perlu melakukan intervensi. Monitoring penting untuk menemukan masalah sekaligus memastikan AI workflow benar-benar memberikan manfaat bagi proses bisnis.
AI workflow biasanya terdiri dari beberapa komponen yang saling terhubung.
| Komponen | Fungsi |
|---|---|
| Trigger | Memulai workflow ketika kondisi tertentu terjadi |
| Data source | Menyediakan data yang dibutuhkan |
| AI model | Menganalisis, mengklasifikasikan, memprediksi, atau menghasilkan output |
| Prompt/context | Memberikan instruksi dan konteks kepada model AI |
| Workflow engine | Mengatur urutan dan logika proses |
| Business rules | Menentukan aturan dan kondisi tertentu |
| API/integration | Menghubungkan workflow dengan sistem lain |
| AI agent | Menjalankan tugas yang membutuhkan reasoning dan penggunaan tools |
| Human approval | Memberikan pengawasan manusia pada tahapan tertentu |
| Output/action | Menjalankan tindakan berdasarkan hasil proses |
| Monitoring | Memantau performa dan keberhasilan workflow |
Komposisi tersebut tidak harus selalu lengkap. Workflow sederhana mungkin hanya membutuhkan trigger, AI model, dan output. Sebaliknya, workflow enterprise dapat melibatkan banyak sistem, database, API, AI model, agent, serta proses approval.
AI workflow sering dianggap sama dengan workflow automation. Keduanya memang berhubungan erat, tetapi tidak sepenuhnya identik. Workflow automation berfokus pada otomatisasi proses berdasarkan aturan atau urutan yang telah ditentukan. AI workflow menambahkan kemampuan AI untuk menangani tugas yang membutuhkan pemahaman, analisis, prediksi, generasi konten, atau pengambilan keputusan yang lebih fleksibel.
| Aspek | Workflow Automation | AI Workflow |
|---|---|---|
| Dasar proses | Aturan dan logika terstruktur | Aturan, logika, dan AI |
| Pengambilan keputusan | Umumnya rule-based | Dapat menggunakan AI dan rules |
| Input | Biasanya terstruktur | Dapat menangani data terstruktur dan tidak terstruktur |
| Fleksibilitas | Relatif deterministik | Lebih adaptif pada kondisi tertentu |
| Pemrosesan bahasa | Terbatas atau menggunakan integrasi khusus | Dapat menggunakan NLP/LLM |
| Generasi konten | Tidak menjadi fungsi utama | Dapat menghasilkan teks, kode, gambar, dan output lain |
| Reasoning | Umumnya tidak tersedia | Dapat menggunakan kemampuan reasoning model/agent |
| Human-in-the-loop | Bisa diterapkan | Bisa diterapkan dan sering penting |
| Contoh | Memindahkan data berdasarkan aturan | Membaca email, memahami intent, lalu menentukan tindakan |
Istilah AI workflow dan AI agent juga sering digunakan secara bergantian, padahal keduanya memiliki konsep yang berbeda. AI workflow lebih menekankan struktur proses, sedangkan AI agent lebih menekankan kemampuan sistem AI untuk menentukan tindakan dan menggunakan tools guna mencapai tujuan.
| Aspek | AI Workflow | AI Agent |
|---|---|---|
| Fokus utama | Struktur dan urutan proses | Pencapaian tujuan |
| Kontrol proses | Biasanya ditentukan workflow | Dapat ditentukan agent secara dinamis |
| Prediktabilitas | Cenderung lebih tinggi | Bisa lebih fleksibel tetapi kurang deterministik |
| Decision-making | Dapat menggunakan rules dan AI | Menjadi bagian penting dari agent |
| Tool use | Dapat menggunakan API/tools | Umumnya menjadi kemampuan utama |
| Adaptasi | Bergantung desain workflow | Dapat menyesuaikan tindakan berdasarkan konteks |
| Cocok untuk | Proses yang perlu struktur dan kontrol | Tugas kompleks yang membutuhkan reasoning |
Perkembangan AI agent melahirkan konsep yang lebih dinamis, yaitu agentic workflow. Agentic workflow adalah workflow yang memanfaatkan AI agent untuk melakukan tugas dengan kemampuan reasoning, planning, penggunaan tools, dan adaptasi terhadap kondisi saat proses berlangsung.
Dalam workflow tradisional, setiap langkah biasanya telah ditentukan sebelumnya. Sementara pada agentic workflow, AI agent dapat menentukan langkah tertentu berdasarkan kondisi yang ditemukan saat proses berjalan. Sebagai contoh:
Tujuan: membuat laporan analisis kompetitor.
AI agent dapat:
Agentic Workflow dapat menggunakan AI agent untuk mengambil keputusan, menjalankan tindakan, dan mengoordinasikan tugas dengan intervensi manusia yang minimal. Namun, agentic workflow bukan berarti semua proses harus diserahkan sepenuhnya kepada AI. Dalam implementasi produksi, workflow terstruktur dan kontrol manusia tetap dapat digunakan sebagai guardrail.
Penggunaan AI workflow dapat memberikan beberapa manfaat bagi organisasi apabila diterapkan pada proses yang tepat.
AI workflow dapat mengambil alih berbagai pekerjaan repetitif seperti klasifikasi data, ekstraksi informasi, pembuatan ringkasan, pengelompokan tiket, dan pembuatan draft. Dengan demikian, tenaga kerja dapat lebih fokus pada aktivitas yang membutuhkan kreativitas, komunikasi, strategi, atau keputusan manusia.
Workflow yang sebelumnya membutuhkan beberapa tahapan manual dapat berjalan secara otomatis. Misalnya, proses: Email masuk → membaca email → klasifikasi → menentukan tim → membuat tiket, dapat dilakukan secara otomatis dalam satu rangkaian workflow.
Workflow yang dirancang dengan baik dapat memastikan bahwa proses mengikuti tahapan yang konsisten. Hal ini membantu mengurangi variasi yang muncul ketika proses sepenuhnya dilakukan secara manual.
Salah satu keunggulan AI adalah kemampuannya membantu memproses data yang sulit ditangani oleh aturan sederhana. Contohnya:
Email.
Dokumen.
Chat.
Transkrip.
Review pelanggan.
Deskripsi produk.
Gambar.
AI dapat digunakan untuk mengekstraksi informasi atau memahami konteks dari data tersebut.
AI workflow dapat membantu mengubah data menjadi insight yang dapat digunakan untuk menentukan tindakan berikutnya. Misalnya, sistem dapat menganalisis perilaku pelanggan kemudian memberikan rekomendasi mengenai pelanggan yang perlu mendapatkan perhatian lebih lanjut.
Workflow otomatis dapat menangani volume pekerjaan yang meningkat tanpa harus meningkatkan pekerjaan manual secara proporsional. Namun, skalabilitas tetap bergantung pada kapasitas sistem, biaya model AI, kualitas arsitektur, dan integrasi yang digunakan.
AI workflow dapat berfungsi sebagai penghubung antara berbagai aplikasi.
Misalnya: Website → CRM → AI → Database → Email → Dashboard
Workflow orchestration memang dirancang untuk mengoordinasikan berbagai tugas dan layanan sehingga proses dapat berjalan sebagai satu rangkaian end-to-end.
AI workflow dapat diterapkan pada berbagai bidang.
Contoh workflow: Tiket masuk → AI membaca tiket → klasifikasi → menentukan prioritas → mencari informasi → membuat draft respons → human review → mengirim respons
AI dapat membantu mengurangi pekerjaan manual customer service sekaligus mempercepat proses penanganan tiket.
Dalam marketing, AI workflow dapat digunakan untuk: Data pelanggan → segmentasi AI → analisis perilaku → rekomendasi campaign → pembuatan konten → approval → publikasi → analisis performa
AI dapat digunakan pada beberapa tahap, tetapi tetap dapat diberikan batasan dan persetujuan manusia.
Contoh: Topik → riset → analisis intent → outline → draft → pengecekan → editing → approval → publikasi
AI dapat membantu riset, pembuatan draft, summarization, maupun analisis, sementara keputusan editorial tetap berada pada manusia.
AI workflow dapat membantu proses lead management: Lead masuk → enrichment data → scoring → klasifikasi → rekomendasi follow-up → CRM update → notifikasi sales
AI dapat membantu menentukan prioritas lead berdasarkan data dan kriteria yang telah ditentukan.
Contohnya: Lamaran masuk → ekstraksi data → klasifikasi → screening berdasarkan kriteria → human review → penjadwalan interview
Untuk proses seperti rekrutmen, pengawasan manusia sangat penting karena keputusan dapat berdampak langsung terhadap kandidat.
AI workflow dapat digunakan untuk membantu: Alert → analisis log → klasifikasi masalah → rekomendasi tindakan → approval → remediation → monitoring
Dalam lingkungan infrastruktur, workflow juga dapat mengintegrasikan sistem monitoring, API, database, dan automation tools.
Misalnya sebuah toko online ingin mengotomatiskan proses analisis review pelanggan.
Workflow dapat dibuat seperti berikut:
Review baru masuk
↓
AI membaca review
↓
AI menentukan sentimen
↓
AI mengidentifikasi topik
↓
Jika sentimen negatif → buat tiket customer service
↓
Jika sentimen positif → kategorikan sebagai feedback positif
↓
Simpan hasil ke database
↓
Tampilkan insight pada dashboard
Pada workflow tersebut, AI tidak harus menjalankan seluruh proses. AI terutama digunakan pada tahap yang membutuhkan pemahaman terhadap bahasa manusia. Sementara itu, sistem workflow menangani trigger, routing, penyimpanan data, dan tindakan selanjutnya.
Salah satu kesalahan dalam menerapkan AI workflow adalah menganggap semakin kompleks workflow, semakin baik hasilnya. Padahal, workflow sederhana sering kali lebih mudah:
Jika sebuah proses hanya membutuhkan aturan sederhana seperti: Jika formulir masuk → kirim email
maka penggunaan AI mungkin tidak diperlukan. AI lebih tepat digunakan ketika workflow menghadapi pekerjaan yang membutuhkan kemampuan seperti memahami bahasa, mengklasifikasikan informasi, menganalisis data, membuat konten, atau menangani variasi input.
Walaupun dapat membantu meningkatkan efisiensi dan otomatisasi proses, penerapan AI workflow tetap memiliki sejumlah tantangan. Penggunaan AI dalam workflow perlu dirancang dengan mempertimbangkan kualitas output, privasi data, biaya, integrasi sistem, serta keamanan agar otomatisasi tidak justru menimbulkan masalah baru.
1. Kualitas Output AI
AI tidak selalu menghasilkan output yang akurat, lengkap, atau sesuai dengan konteks yang diberikan. Kualitas hasil sangat dipengaruhi oleh model, data, instruksi, dan konteks yang digunakan. Oleh karena itu, output AI sebaiknya divalidasi sebelum digunakan untuk keputusan atau tindakan penting.
2. Hallucination
Model AI generatif dapat mengalami hallucination, yaitu menghasilkan informasi yang terdengar meyakinkan tetapi sebenarnya tidak benar atau tidak didukung oleh data yang tersedia. Risiko ini perlu diperhatikan terutama ketika AI workflow digunakan untuk proses yang membutuhkan tingkat akurasi tinggi. Validasi, sumber data yang terpercaya, dan human review dapat membantu mengurangi dampaknya.
3. Data Privacy
AI workflow dapat memproses data pelanggan, dokumen internal, maupun informasi bisnis yang bersifat sensitif. Organisasi perlu memahami jenis data yang diproses, bagaimana data dikirim dan digunakan oleh model AI, di mana data disimpan, berapa lama data dipertahankan, serta siapa yang dapat mengaksesnya. Pengaturan akses dan autentikasi juga perlu diterapkan untuk mencegah akses yang tidak berwenang.
4. Biaya
Penggunaan AI dalam skala besar dapat meningkatkan biaya operasional, terutama jika workflow berjalan dengan frekuensi tinggi atau menggunakan model yang membutuhkan sumber daya besar. Biaya dapat berasal dari penggunaan model dan API, infrastruktur, penyimpanan, integrasi, monitoring, hingga pemeliharaan. Karena itu, AI sebaiknya digunakan hanya pada tahapan yang memang membutuhkan kemampuan AI, sedangkan proses sederhana dapat ditangani dengan otomatisasi berbasis aturan.
5. Integrasi Sistem
AI workflow sering perlu terhubung dengan berbagai sistem, seperti database, CRM, API, cloud service, dan aplikasi internal. Semakin banyak sistem yang terlibat, semakin besar kemungkinan muncul masalah seperti API failure, timeout, authentication error, rate limit, data mismatch, atau service downtime. Workflow yang digunakan di lingkungan produksi perlu memiliki mekanisme retry, timeout, error handling, dan monitoring agar dapat menangani kegagalan dengan lebih baik.
6. Keamanan
AI workflow dapat memiliki akses terhadap data dan sistem penting, sehingga aspek keamanan perlu diperhatikan sejak tahap perancangan. Risiko dapat semakin besar ketika workflow menggunakan AI agent yang mampu menjalankan tindakan secara otomatis.
Untuk menguranginya, organisasi dapat menerapkan least privilege, authentication, authorization, audit logging, input validation, output validation, serta membatasi tools dan akses yang dapat digunakan AI. Untuk tindakan berisiko tinggi, persetujuan manusia juga dapat digunakan sebagai lapisan keamanan tambahan.
Untuk membuat AI workflow yang efektif, organisasi dapat mengikuti beberapa tahapan berikut.
1. Identifikasi Proses
Tentukan proses yang ingin diperbaiki. Jangan langsung memulai dari teknologi AI. Mulailah dari masalah bisnis.
Contohnya: “Tim customer service menghabiskan terlalu banyak waktu untuk mengklasifikasikan tiket.”
2. Petakan Workflow Saat Ini
Dokumentasikan proses yang berjalan sekarang. Identifikasi:
3. Tentukan Bagian yang Membutuhkan AI
Tidak semua langkah membutuhkan AI. Gunakan AI pada bagian yang memang membutuhkan kemampuan AI, misalnya:
4. Tentukan Bagian yang Tetap Deterministik
Gunakan rule-based logic untuk proses yang memang lebih aman jika dilakukan secara pasti.
Misalnya: Jika status = approved → lanjutkan proses.
Tidak perlu meminta LLM menentukan kondisi yang sebenarnya dapat ditentukan menggunakan aturan sederhana.
5. Tambahkan Human-in-the-Loop
Untuk proses berisiko tinggi, tambahkan approval manusia.
Contohnya: AI membuat rekomendasi → manusia memeriksa → sistem menjalankan tindakan.
6. Integrasikan Sistem
Hubungkan workflow dengan:
7. Uji Workflow
Sebelum digunakan secara luas, uji berbagai kondisi:
8. Monitoring dan Optimasi
Setelah workflow berjalan, ukur hasilnya. Beberapa metrik yang dapat dipantau:
Dengan pengukuran tersebut, organisasi dapat mengetahui apakah AI workflow benar-benar memberikan dampak bisnis.
AI workflow yang baik bukan sekadar workflow yang memiliki banyak AI. Beberapa prinsip yang dapat digunakan adalah:
AI workflow adalah rangkaian proses terstruktur yang mengintegrasikan artificial intelligence untuk membantu menjalankan, mengotomatisasi, dan mengoptimalkan berbagai tugas. AI workflow dapat menggabungkan AI, aturan bisnis, integrasi sistem, otomatisasi, serta human-in-the-loop sesuai kebutuhan proses.
Penerapannya dapat membantu bisnis mengurangi pekerjaan manual, mempercepat proses, meningkatkan konsistensi, dan mendukung pengambilan keputusan. Namun, AI tidak harus digunakan pada setiap tahapan. Workflow yang baik adalah workflow yang menempatkan AI pada proses yang memang membutuhkan kemampuan analisis atau kecerdasan.
Untuk mendapatkan informasi lain seputar AI, teknologi, website, hosting, dan digital marketing, Anda juga dapat membaca berbagai artikel informatif lainnya di Blog Hosteko.
Bagi pengguna Android yang ingin belajar Linux, pemrograman, atau administrasi server, biasanya komputer digunakan untuk…
Gambar merupakan salah satu elemen penting dalam sebuah website. Foto produk, banner, thumbnail artikel, ilustrasi,…
Serangan siber modern jarang terjadi hanya karena satu kerentanan. Dalam banyak kasus, penyerang memanfaatkan beberapa…
Setelah memahami apa itu Termux, pertanyaan berikutnya adalah Termux sebenarnya bisa digunakan untuk apa? Secara…
Dalam machine learning, kualitas model tidak hanya ditentukan oleh algoritma yang digunakan. Model yang sangat…
Kebutuhan sumber daya komputasi tidak selalu berada pada tingkat yang sama. Sebuah website, aplikasi, sistem…