- Mulai kuartal 1 2026, AI beralih dari antarmuka berbasis chat ke agen eksekusi otonom, dan diskontinuitas struktural ini sedang membentuk ulang secara mendasar lanskap perangkat lunak perusahaan dan investasi
- Protokol MCP dan A2A meniadakan keunggulan kompetitif UI SaaS lama, mengubah struktur menjadi agen yang mengakses langsung lapisan data untuk menuntaskan workflow
- Tiga area investasi berpertumbuhan tinggi yang mulai menonjol adalah tata kelola agen, platform industri vertikal, dan orchestrator berbasis hasil
- Dalam lingkungan tempat ribuan agen mengambil keputusan secara bersamaan, arsitektur pengawasan Human-on-the-loop serta pengodean kebijakan dan jejak audit harus menjadi infrastruktur esensial
- Faktor kunci yang menentukan menang atau kalah dalam transisi ini bukanlah teknologi, melainkan apakah berhasil membangun desain organisasi dan infrastruktur tata kelola
Pergeseran struktural menuju AI agen
- AI komersial gelombang pertama pada 2022~2025 bersifat berpusat pada antarmuka, yakni model yang mengembalikan teks di dalam jendela chat lalu manusia menafsirkan dan mengeksekusinya secara manual; ada peningkatan produktivitas, tetapi gesekan antara “mengetahui” dan “mengeksekusi” belum terselesaikan
- Gelombang kedua yang dimulai pada kuartal 1 2026 bersifat berpusat pada eksekusi: agen mempertahankan status antar-sesi, memanggil alat melalui MCP (Model Context Protocol), mendelegasikan sub-tugas ke agen spesialis lewat protokol A2A (Agent-to-Agent), dan menyelesaikan tujuan tanpa persetujuan manusia di setiap tahap
- Implikasi organisasional dari transisi ini sebanding dengan peralihan mainframe→client-server dan on-premise→SaaS; perusahaan dan VC yang salah membacanya sebagai sekadar “AI menjadi lebih cepat” akan berada pada posisi yang sama seperti mereka yang dulu menggambarkan internet sebagai “faks yang lebih cepat”
Part I: Hilangnya middleware dan lapisan abstraksi UI
-
Mekanisme disrupsi inti
- Parit kompetitif SaaS tradisional terbentang di tiga lapisan: data (skema proprietari), logika (aturan workflow), dan antarmuka (UI), dan selama 20 tahun diferensiasi kompetitif terjadi di Layer 3 (UI)
- Salesforce menang bukan karena arsitektur basis datanya, melainkan karena tenaga penjual benar-benar bisa menggunakannya
- MCP meruntuhkan parit kompetitif Layer 3: jika agen AI terhubung langsung ke lapisan data CRM untuk membaca status pipeline, memperbarui catatan, memicu workflow, dan membuat laporan tanpa merender UI, maka antarmuka menjadi sekadar hiasan
- A2A menghapus koordinasi yang dimediasi manusia: sebelumnya manajer operasi penjualan memindahkan data dan keputusan secara manual di antara CRM, billing, ERP, dan otomasi pemasaran, tetapi dalam lingkungan A2A, agen orchestrator membuat agen billing, CRM, dan kontrak lalu meneruskan konteks terstruktur untuk menyelesaikan pekerjaan
-
Model bisnis yang terancam
- SaaS “UI-for-a-Database”: perusahaan yang nilai intinya adalah antarmuka yang dirancang baik di atas data, seperti alat manajemen proyek tanpa efek jaringan data proprietari, CRM dasar dengan parit integrasi yang dangkal, dan platform ITSM lama
- Sinyal yang perlu diperhatikan: saat pembeli korporat mulai bertanya “apakah ada server MCP?” alih-alih “apakah ada aplikasi mobile?”, ini sudah terjadi pada pembeli teknis pada 2025 dan akan mencapai komite pengadaan pada 2026~2027
- Pengecualian: SaaS dengan efek jaringan data yang nyata seperti LinkedIn, Veeva, dan Toast tetap mempertahankan parit struktural, karena agen masih membutuhkan data meski cara aksesnya berubah. Yang terancam bukan pemilik aset data, melainkan penarik rente antarmuka
Part II: Daftar senja — 5 jenis bisnis yang menghadapi kemunduran struktural hingga 2027
-
1. Platform dukungan pelanggan Tier 1 (SaaS routing tiket murni)
- Nilai inti sebelum 2026: mengatur dan merutekan tiket dukungan yang dijawab manusia
- AI agen tidak merutekan tiket, tetapi langsung menyelesaikannya. Pencarian, refund, eskalasi, dan tindak lanjut dapat diselesaikan end-to-end, sehingga 70~80% kasus tidak memerlukan loop manusia
- Platform yang tidak memiliki lapisan penyelesaian akan menjadi pipa kosong
- Perkiraan timeline: 2025~2026
-
2. Vendor RPA lama (otomasi berbasis skrip)
- Nilai inti sebelum 2026: mengotomatisasi pekerjaan manusia yang berulang melalui bot skrip
- RPA dirancang untuk mengikuti aturan dalam lingkungan stabil, tetapi AI agen menangani situasi pengecualian lewat penalaran — tepat pada skenario di mana RPA gagal dan memerlukan intervensi manusia yang mahal atau penulisan ulang skrip
- Tantangan UiPath: produk mereka adalah jalan memutar yang canggih untuk ketiadaan penalaran, dan ketiadaan itu kini sedang berakhir
- Perkiraan timeline: 2025~2027
-
3. Agensi SDR-as-a-Service (outsourcing pembuatan lead dan kualifikasi)
- Nilai inti sebelum 2026: prospecting outbound dan kualifikasi BANT yang dijalankan manusia
- Agen dapat melakukan riset calon pelanggan, outreach yang dipersonalisasi, menjalankan urutan multi-touch, menangani FAQ keberatan, dan menjadwalkan meeting dengan biaya marginal nyaris nol
- Nilai manusia yang tersisa (nuansa relasi, pembacaan multi-stakeholder yang kompleks) akan melekat pada AE (Account Executive), bukan SDR
- Bukan “AI membantu SDR”, melainkan “peran SDR itu sendiri menjadi konfigurasi agen”
- Perkiraan timeline: 2025~2026
-
4. Konsultasi ETL manual dan integrasi data (non-proprietari)
- Nilai inti sebelum 2026: menghubungkan sistem dan memindahkan data antar aplikasi enterprise
- Ketika MCP menyediakan antarmuka yang dapat dibaca agen yang terstandarisasi untuk sumber data, pekerjaan integrasi kustom akan cepat menjadi komoditas
- Pasar yang tersisa hanyalah pekerjaan pada sistem lama untuk edge case, dan itu sedang menyusut, bukan tumbuh
- Perkiraan timeline: 2026~2027
-
5. Pembuat dashboard BI (tanpa lapisan percakapan/agen)
- Nilai inti sebelum 2026: memvisualisasikan data agar analis manusia dapat menafsirkannya
- Ketika analis bisa mengajukan pertanyaan dalam bahasa alami dan menerima jawaban sintetis lengkap dengan sumbernya secara on-demand tanpa siklus refresh, maka dashboard sebagai produk kehilangan keunggulannya
- Parit sepenuhnya berpindah dari visualisasi ke pipeline data dan lapisan query, dan perusahaan yang tidak memiliki infrastruktur data dasarnya pada dasarnya menjual “wallpaper mahal”
- Perkiraan timeline: 2026~2028
Bagian III: Alpha Agen — 3 Sektor dengan Pertumbuhan Tertinggi
-
1. Infrastruktur tata kelola dan kepatuhan agen
- Di dunia tempat agen AI menandatangani kontrak vendor senilai 500 ribu dolar, melakukan provisioning infrastruktur cloud, dan menjalankan transfer kawat tanpa campur tangan manusia, penetapan tanggung jawab naik kelas menjadi infrastruktur inti
- Arsitektur hukum dan teknis saat ini dirancang di atas asumsi bahwa manusialah yang bertindak dan mencatat, dan dalam lingkungan yang sepenuhnya berbasis agen asumsi ini runtuh sepenuhnya
- Pasar yang tercipta:
- Protokol identitas dan otorisasi agen: sistem yang dapat diakses agen, batas transaksi, dan klasifikasi data dikodekan ke dalam kredensial bertanda tangan kriptografis — setara dengan sertifikat PKI untuk otoritas pengambilan keputusan otonom
- Jejak audit agen yang tidak dapat diubah: logging real-time yang tahan manipulasi atas rantai penalaran agen, pemanggilan alat, dan titik pengambilan keputusan. Ketika agen membuat keputusan pengadaan yang salah, tim hukum CFO harus dapat merekonstruksi rantai kesinambungan pengelolaan. Perannya sama dengan yang dipegang vendor SIEM di pasar keamanan siber
- Agen kepatuhan otonom: lapisan meta yang memantau agen lain secara real-time untuk mengawasi pelanggaran regulasi seperti pemrosesan data GDPR, batasan informasi material SEC, dan kontrol akses HIPAA. Ini adalah paradoks sekaligus peluang bahwa dibutuhkan agen untuk menata kelola agen
- Underwriting asuransi agen: pasar tahap awal yang menanggung risiko finansial dari kesalahan agen otonom, yang tidak dapat ditangani dengan rapi oleh asuransi E&O yang ada
- Syarat menjadi pemenang: bukan perusahaan AI yang sekadar menambahkan tata kelola sebagai fitur, melainkan startup yang berakar pada infrastruktur identitas, serta perusahaan native regulasi yang sudah memiliki relasi di kepatuhan layanan keuangan
- Sinyal VC: perusahaan yang dapat secara meyakinkan mengatakan “produk kami wajib ada agar Fortune 500 bisa menerapkan agen ke produksi” termasuk dalam kategori pengeluaran wajib
-
2. Platform enablement agen vertikal
- Performa model fondasi umum (GPT-5, Claude, Gemini) terus meningkat, tetapi hanya memiliki konteks umum; selama lima tahun ke depan, moat kompetitif akan terbentuk bukan dari model mana yang digunakan, melainkan dari konteks, alat, dan infrastruktur kepatuhan yang spesifik domain yang dibangun di atas model
- Karena kecepatan komoditisasi performa model lebih cepat dari perkiraan, strategi “picks and shovels” ini memiliki daya tahan defensif
- Tiga contoh vertikal:
- Enablement agen kesehatan: dibutuhkan pemrosesan data yang patuh HIPAA, integrasi standar HL7/FHIR, guardrail dukungan keputusan klinis yang memenuhi kerangka pengawasan FDA, serta struktur tanggung jawab yang sesuai dengan konteks medis. Perusahaan AI umum yang menaruh API key Claude ke rumah sakit bukanlah produk; produk justru adalah perusahaan yang membangun wrapper kepatuhan, lapisan integrasi EHR, dan guardrail yang sadar tanggung jawab
- Enablement agen hukum: pengetahuan prosedural per yurisdiksi, integrasi pengajuan ke pengadilan, protokol perlindungan privilege, dan persyaratan kepatuhan asosiasi pengacara membentuk hambatan masuk yang struktural. Agen yang mampu menyusun, meninjau, dan mengajukan dokumen hukum dalam kerangka tata kelola yang memenuhi standar malpraktik menjadi platform vertikal yang defensible
- Enablement agen layanan keuangan: guardrail penalaran tingkat fiduciary, pemeriksaan kendala regulasi secara real-time (Reg NMS, Basel III, FINRA), dan jejak audit transaksi yang tidak dapat diubah mengubah penerapan agen dari liabilitas menjadi workflow yang patuh. Menargetkan perusahaan jasa keuangan menengah yang berada di bawah ambang untuk membangun sendiri dapat menangkap nilai pengganti SaaS yang signifikan
- Model bisnisnya bukan konsultasi melainkan platform: connector data yang mendukung agen, middleware penegakan kepatuhan, template agen dengan keahlian domain bawaan, dan pemeliharaan berkelanjutan mengikuti perubahan regulasi. Pendapatan berulang, biaya perpindahan yang tinggi, dan moat keahlian yang nyata
-
3. Model orkestrator: Outcome-as-a-Service
- Ini adalah model bisnis yang paling radikal secara struktural yang lahir dari transisi ke agen, dan meskipun secara permukaan mirip outsourcing, secara kategori berbeda
- Model tradisional: lisensi perangkat lunak → penempatan tenaga kerja → menanggung sendiri risiko eksekusi
- Model orkestrator: membeli hasil yang dijamin. Orkestrator memiliki dan mengoordinasikan fleet agen spesialis, melakukan pemantauan dan penanganan pengecualian, serta mengenakan biaya berdasarkan hasil sukses yang dikirimkan, bukan lisensi per seat atau penggunaan
- Contoh konkret:
- Orkestrasi perekrutan: alih-alih membayar 20% gaji tahunan ke perekrut, membayar biaya berbasis hasil untuk perekrutan yang memenuhi syarat, termasuk SLA waktu perekrutan dan jaminan penggantian. Orkestrator menjalankan agen sourcing, screening, penjadwalan, dan evaluasi
- Orkestrasi RevOps: alih-alih lisensi CRM + tim SDR + otomasi pemasaran + staf RevOps, membayar biaya bulanan untuk SLA meeting yang memenuhi syarat
- Orkestrasi pemantauan kepatuhan: alih-alih tim kepatuhan + perangkat lunak pemantauan + kontrak audit, menjamin SLA “nol pelanggaran regulasi material” melalui infrastruktur agen yang berjalan terus-menerus
- Pembeda strukturalnya adalah transfer risiko: dalam model SaaS, begitu perangkat lunak berfungsi maka risiko vendor selesai, tetapi dalam model orkestrator, risiko meluas hingga ke hasil. Bukan hanya kemampuan teknis, tetapi juga kemampuan operasional yang wajib ada, sehingga ini adalah struktur yang menyeleksi operator, bukan sekadar builder
- Ancaman dari perusahaan lama: Accenture, McKinsey, dan perusahaan SI besar sedang bergerak ke arah ini, dan jendela bagi orkestrator native AI untuk unggul sebelum keunggulan skala terakumulasi pada incumbent adalah 18~36 bulan
Bagian IV: Kesenjangan kepercayaan dan tata kelola — penyelesaian masalah principal-agent dalam skala besar
-
Masalah struktural
- Dalam teori principal-agent klasik (ketegangan antara principal yang mendelegasikan dan agent yang bertindak), organisasi manusia menginvestasikan sumber daya yang sangat besar ke kontrak kerja, manajemen kinerja, lapisan pengawasan, dan departemen kepatuhan
- Ekonomi agen menciptakan masalah principal-agent pada kecepatan dan skala mesin: satu perusahaan dapat mengoperasikan ribuan agen AI secara bersamaan, masing-masing membuat keputusan mikro, menciptakan eksposur hukum, dan mewakili perusahaan ke pihak luar, tetapi infrastruktur pengawasannya belum ada
-
Transisi dari Human-in-the-Loop ke Human-on-the-Loop
- Human-in-the-loop adalah arsitektur keselamatan gelombang pertama di mana manusia menyetujui setiap tindakan AI yang penting, tetapi pada mesin eksekusi tempat satu workflow agen membuat 50 keputusan dalam 30 detik, ini tidak dapat diskalakan secara operasional
- Human-on-the-loop adalah arsitektur di mana manusia menetapkan kebijakan, mendefinisikan batas otorisasi, meninjau queue pengecualian, dan mengaudit hasil, tetapi bukan penanda tangan bersama atas setiap tindakan, dan ini membutuhkan:
- Policy-as-code: mengodekan batas otorisasi dalam bentuk yang dapat dibaca mesin dan menegakkannya pada level agen
- Perutean pengecualian: agen yang mengenali bahwa ia telah keluar dari cakupan otoritasnya dan berhenti untuk peninjauan manusia
- Pemantauan hasil: sampling statistik dan deteksi anomali atas stream tindakan agen
- Pelacakan tanggung jawab: catatan yang dapat direkonstruksi tentang mengapa agen mengambil tindakan tertentu, konteks yang dimilikinya, dan kebijakan yang diterapkan
-
Kategori pasar baru
- Perusahaan audit agen: seiring kerangka regulasi seperti persyaratan sistem AI berisiko tinggi dalam EU AI Act semakin matang, sertifikasi pihak ketiga atas praktik tata kelola agen akan dibutuhkan, dan ini adalah pasar SOC 2 untuk AI agen — diperkirakan menjadi kewajiban dalam 24 bulan di industri yang teregulasi
- Platform kebijakan agen: tooling tata kelola yang mendefinisikan, mengelola versi, menegakkan, dan mengaudit kebijakan otorisasi agen, setara dengan IAM di keamanan cloud. Perusahaan yang membangun “Okta untuk otorisasi agen” akan menempati posisi infrastruktur esensial
- Jaringan kepercayaan agen lintas organisasi: ketika agen perusahaan A dan agen perusahaan B berinteraksi untuk menyelesaikan transaksi (misalnya negosiasi antara agen pengadaan AI dan agen penjualan AI), belum ada infrastruktur kepercayaan yang mapan. Diperlukan protokol sebagai ekspansi awal A2A mengenai kredensial yang dimiliki tiap agen dan cara memverifikasi otoritas agen lawan, dan akan terbentuk peran perantara kepercayaan yang setara dengan otoritas sertifikasi dalam ekosistem SSL
Bagian V: Buy / Hold / Sell — Panduan VC Lanskap Agen 2026
-
BUY — keyakinan tinggi
- Infrastruktur tata kelola dan identitas agen: pengeluaran wajib bagi setiap perusahaan yang menerapkan agen ke produksi, dan tekanan regulasi bersifat nyata serta kian cepat. Perusahaan yang menyelesaikan identitas agen terenkripsi, penetapan cakupan izin, dan jejak audit yang tidak dapat diubah termasuk dalam kategori "tidak bisa rilis tanpa ini". Perhatikan tim dengan latar belakang PKI·IAM·teknologi kepatuhan finansial
- Platform enablement agen vertikal untuk industri teregulasi: layanan kesehatan·hukum·layanan keuangan memiliki TAM terbesar dan moat kepatuhan yang dalam. Perusahaan yang membangun infrastruktur agen spesifik domain akan memiliki switching cost yang sebanding dengan sistem EHR lama atau sistem core banking. Pertanyaan uji tuntas inti: apakah tim pendiri memiliki kredibilitas domain, atau hanya engineer AI dengan tab riset terbuka
- Orkestrator Outcome-as-a-Service dengan unit economics yang terverifikasi: kategorinya tepat, tetapi penyebarannya besar. Fokus uji tuntas adalah kapabilitas operasional — apa yang terjadi saat agen gagal, bagaimana pengecualian ditangani, dan apakah janji SLA memiliki economics yang dapat dipertahankan. Perusahaan yang menyelesaikan disiplin operasional dalam penyampaian hasil akan tumbuh menjadi raksasa layanan profesional generasi berikutnya
- Tooling MCP/A2A dan infrastruktur pengembang: adopsi protokol menciptakan permintaan tooling, dan perusahaan yang membangun lapisan pengalaman pengembang·observabilitas·optimisasi untuk workflow MCP·A2A berada pada posisi picks and shovels dalam perebutan dominasi protokol. Integrasi protokol akan terjadi, tetapi pemenangnya akan menjadi fondasi infrastruktur
-
HOLD — amati dulu
- Platform cloud utama (AWS, Azure, GCP): akan menangkap belanja infrastruktur agen pada lapisan komoditas komputasi·model hosting·storage, tetapi lapisan bernilai tambah akan direbut pesaing spesialis. Pertahankan posisi yang ada, sambil mengamati apakah layanan native agen (Amazon Bedrock Agents, Azure AI Studio) memperoleh traksi di enterprise atau justru didisrupsi dari bawah
- Perangkat lunak enterprise lama dengan narasi pivot agen (Salesforce, ServiceNow, Workday): memiliki distribusi·relasi data·kepercayaan enterprise, tetapi risikonya adalah konservatisme arsitektur dan utang integrasi. Hingga kuartal 3 2026, amati tanda-tanda kapabilitas agen yang sesungguhnya (bukan fungsi AI wrapper), lalu naikkan ke hold atau buy jika terkonfirmasi; jika masih menjual "AI copilot", maka sell
- Penyedia foundation model (kecuali pemimpin riset frontier): komoditisasi performa model berlangsung lebih cepat daripada penyesuaian model harga, dan kelas menengah — model bagus tetapi bukan yang terbaik — menghadapi tekanan. Posisi pemimpin frontier tetap dipertahankan, tetapi pemain lapis kedua berada dalam situasi sulit untuk menjelaskan value proposition mereka
-
SELL — keluar atau hindari
- Perusahaan UI SaaS murni tanpa moat data proprietari: jika produk intinya adalah "antarmuka yang dirancang dengan baik untuk data yang ada di tempat lain", maka ancaman bypass MCP bersifat eksistensial dan jangka waktunya pendek. Pertanyaan untuk tiap perusahaan: jika UI diganti dengan agen yang berbicara langsung dengan database, apa yang hilang bagi pelanggan? Jika jawabannya "sebagian besar kebiasaan", maka sell
- Vendor platform RPA lama: teknologi dasarnya sedang didisrupsi oleh sesuatu yang secara arsitektural lebih unggul. Hubungan pelanggan dan distribusi mungkin masih bernilai, tetapi M&A oleh perusahaan AI agen harus terjadi dengan cepat. Tesis investasi RPA lama yang berdiri sendiri sedang mengalami runway yang memburuk
- Perusahaan produk AI "khusus respons": perusahaan yang seluruh value proposition-nya adalah menghasilkan respons teks tanpa kapabilitas aksi·integrasi alat·penyelesaian workflow sedang menjual AI gelombang pertama di gelombang kedua. Kategori produknya bernilai, tetapi bukan sebagai perusahaan independen. Ini bukan investasi pertumbuhan, melainkan target akuisisi talenta
- Perusahaan konsultasi chatbot AI generik: perusahaan yang model bisnisnya adalah "kami bangunkan ChatGPT wrapper untuk Anda" memiliki jendela maksimum 12 bulan. Kapabilitas deployment AI percakapan sedang terkomoditisasi dengan kecepatan yang tidak dapat ditahan oleh margin konsultasi apa pun
Tesis penutup
- Wawasan strategis yang menentukan menang atau kalah dalam transisi ini bukanlah hal teknis, melainkan arsitektural, dan organisasi serta investor yang memahami bahwa AI agen adalah masalah desain organisasi sama besarnya dengan masalah teknis akan menempati posisi yang tepat
- Peralihan dari Human-in-the-loop ke Human-on-the-loop bukan berarti menghapus manusia dari pengambilan keputusan, melainkan memindahkan mereka dari persetujuan tindakan per tindakan ke perancangan kebijakan·struktur otorisasi·kerangka pengecualian yang mengendalikan ribuan tindakan otonom, yaitu naik ke level yang lebih tinggi dalam abstraction stack
- Perusahaan yang membangun fondasi ini — tooling tata kelola·infrastruktur kepatuhan vertikal·operasi penyampaian hasil — sedang mendirikan dinding penopang bagi era teknologi enterprise berikutnya, dan sisanya hanyalah dekorasi interior
Belum ada komentar.