a16z：Di bawah agen AI, industri perangkat lunak sedang kehilangan arah?

Penulis: Seema Amble, mitra di a16z; Sumber: a16z; Terjemahan: Shaw, Jinse Caijing

Apakah industri perangkat lunak sedang kehilangan arah?

Bulan lalu, Salesforce mengumumkan pembukaan antarmuka aplikasi (API), dan meluncurkan produk tanpa kepala. Ini pada dasarnya adalah taruhan: di era agen cerdas, nilai inti mereka terletak pada lapisan data, bukan antarmuka pengguna (UI). Ini adalah reposisi strategi yang cerdas. Namun perlu dicatat bahwa dari segi teknologi, sebenarnya tidak banyak perubahan: API yang dipromosikan Salesforce sebagai produk “tanpa kepala” sebenarnya sudah ada bertahun-tahun. Dengan kata lain, ini hanyalah peluncuran pemasaran khas Salesforce. Logika inti dari produk baru ini adalah: AI Agent dapat langsung menarik data dari sistem pencatatan, tanpa perlu menyesuaikan antarmuka pengguna yang dirancang untuk manusia dan digunakan untuk mengikuti alur kerja.

Peluncuran ini juga menimbulkan pertanyaan yang lebih dalam: Jika menghilangkan antarmuka pengguna dan langsung membuka akses ke database dasar, apa sebenarnya nilai inti yang tersisa? Bagaimana ini berbeda secara esensial dari sebuah database PostgreSQL yang dirancang dengan baik dan dilengkapi struktur tabel data serta API? Apakah penghalang klasik yang mendukung keberlangsungan sistem pencatatan tradisional masih berlaku? Atau industri telah membentuk standar penilaian yang sama sekali baru? Di era SaaS, keunggulan kompetitif dari sistem pencatatan adalah ketergantungan tinggi pengguna terhadap antarmuka untuk menjalankan pekerjaan mereka. Namun di era agen cerdas, keunggulan ini mulai melemah. Nilai perlindungan perusahaan mulai merembes ke bawah ke model data, sistem izin, logika alur kerja, dan kemampuan kepatuhan, sekaligus ke atas ke jaringan ekosistem, kemampuan menghasilkan data eksklusif, dan kemampuan penerapan bisnis nyata.

Ketika perangkat lunak memasuki era tanpa kepala, di mana sebenarnya penghalang kompetitif yang sesungguhnya akan berpindah?

Antarmuka pengguna sendiri adalah produk

Sistem pencatatan adalah sumber data nyata yang otoritatif di bidang data bisnis tertentu. Versi resmi yang tunggal dari hubungan pelanggan, arsip karyawan, transaksi keuangan disimpan di sini, dan ini juga merupakan media inti bagi alat lain untuk membaca dan menulis data.

Sistem Manajemen Hubungan Pelanggan (CRM) adalah sistem pencatatan untuk pendapatan; Sistem Informasi Sumber Daya Manusia (HRIS) adalah sistem pencatatan untuk pengelolaan SDM; Sistem Perencanaan Sumber Daya Perusahaan (ERP) adalah sistem pencatatan untuk keuangan dan dana.

Keunggulan sistem semacam ini tidak hanya terletak pada penyimpanan data, tetapi juga menjadi standar fakta tunggal yang mendukung seluruh operasi kolaboratif perusahaan.

Dalam dua puluh tahun terakhir, Salesforce secara esensial menjual cara kerja manajer penjualan mengelola tim mereka. Dashboard, tampilan corong penjualan, alat prediksi kinerja, aliran informasi dinamis, adalah hal yang benar-benar dibeli pengguna. Model bisnisnya didasarkan pada penjualan lisensi pengguna, memungkinkan pengguna mengakses fitur-fitur ini. Basis data dasar memang penting, tetapi dari segi nilai bisnis, justru menjadi konfigurasi pelengkap.

Ini berarti: antarmuka pengguna menentukan ketergantungan pengguna. Ia mengatur standar entri data, membangun sistem istilah bisnis yang seragam: prospek penjualan, peluang, akun pelanggan. Ia memaksa ribuan tenaga penjualan secara aktif memasukkan data yang sebelumnya tidak tercatat. Antarmuka pengguna selalu menjadi mekanisme utama untuk menjaga konsistensi data.

Produk ini sangat melekat pada pengguna; banyak eksekutif penjualan yang berpindah perusahaan tetap menggunakan Salesforce, bukan karena pengalaman antarmuka yang unggul, tetapi karena kebiasaan yang seperti memori otot.

Kini, agen cerdas sedang mengubah pola tradisional ini. Agen tidak perlu melalui antarmuka depan, dapat langsung membaca dan menulis data dasar. Ini memunculkan banyak alat dan solusi pengganti yang menghindari antarmuka lama (Salesforce bukan satu-satunya contoh: baru-baru ini kami juga menulis analisis tentang ekosistem AI yang berkembang pesat di sekitar SAP).

Dalam jangka panjang, agen komputer akan secara bertahap mengurangi faktor-faktor yang berpusat pada manusia: preferensi penggunaan pribadi, pelatihan posisi, pengetahuan implisit yang tidak terdokumentasi. Dengan kata lain, sistem pencatatan yang mampu bertahan lama harus mengalami evolusi pada kondisi inti.

Daftar Penghalang Ketergantungan Tradisional

Sebelum membahas perubahan yang dibawa era agen cerdas, perlu dipahami: apa sebenarnya yang membangun ketergantungan pengguna yang tinggi terhadap sistem pencatatan? Faktor utama terpusat pada interaksi manusia dengan perangkat lunak dan preferensi pribadi. Ketergantungan tinggi terhadap perangkat lunak sebagian besar dibangun dari antarmuka pengguna, kebiasaan penggunaan, alur kerja manual, dan proses bisnis yang tertanam.

Frekuensi penggunaan

Sistem seperti CRM digunakan secara tinggi oleh tim penjualan dan staf terkait setiap hari. Penggunaan yang tinggi menjadikannya infrastruktur penting perusahaan; sementara kebiasaan dan budaya yang terbentuk di atasnya — proses kerja tetap, memori otot, ritme manajemen yang terbentuk selama bertahun-tahun — sering kali paling sulit dipindahkan, bahkan perusahaan sendiri mungkin tidak menyadari bahwa sistem ini juga perlu dirombak dan dibangun ulang.

Hanya baca atau baca-tulis

Sistem pencatatan yang sangat tergantung pengguna haruslah sistem dua arah yang bisa dibaca dan ditulis. Contohnya CRM, bukan sekadar arsip yang hanya menyimpan data, tetapi juga sering diakses dan diperbarui. Setiap panggilan, setiap pembaruan tahap peluang, setiap tugas yang dibuat, diinput secara aktif oleh pengguna terkait. Aliran data dua arah ini berarti sistem pengganti harus mampu menampung data operasional secara real-time, bukan hanya mengimpor data arsip historis. Tidak ada jendela aman untuk beralih secara mulus, sehingga setelah implementasi, pengguna cenderung tetap terikat pada penyedia layanan lama. Sebaliknya, sistem pelacakan perekrutan (ATS) biasanya bersifat tulis lebih banyak daripada baca: setelah proses perekrutan selesai, perusahaan hampir tidak perlu mengakses data tersebut lagi, sehingga ketergantungan pengguna menjadi lebih lemah.

Berapa banyak SOP (Standard Operating Procedure) yang tidak terdokumentasi?

Pengetahuan implisit yang menentukan jalannya bisnis tidak pernah tercatat dalam dokumen apa pun, melainkan tersimpan dalam aturan alur kerja yang dibangun oleh administrator dan konsultan sistem selama bertahun-tahun. Contohnya dalam skenario penjualan: aturan tidak tertulis ini termasuk: pesanan perusahaan di atas 100.000 dolar harus disetujui wakil presiden, pesanan di Eropa, Timur Tengah, dan Afrika (EMEA) harus melalui audit kepatuhan privasi, diskon pelanggan besar hanya boleh dilewati proses persetujuan keuangan di akhir kuartal. Aturan tidak tertulis ini sering kali langsung menentukan keberhasilan pelaksanaan bisnis, apakah melanggar norma utama, bahkan apakah proses tersebut bisa selesai. Jika ingin memigrasi sistem, harus membongkar otomatisasi satu per satu, atau kehilangan pengalaman organisasi yang telah terakumulasi selama bertahun-tahun.

Apakah sistem memiliki banyak ketergantungan internal dan eksternal?

Standar utama adalah: berapa banyak sistem internal, proses tim, dan pihak eksternal yang bergantung pada sistem pencatatan inti ini. Konektivitas internal mengacu pada software dan alur kerja yang terhubung ke sistem; konektivitas eksternal mengacu pada auditor, akuntan, regulator, misalnya ERP yang sering harus memberi akses data langsung ke lembaga ini. Semakin tinggi tingkat konektivitas, semakin kompleks pula jalur hubungan yang harus diurai dan dipisahkan saat migrasi.

Dari sudut pandang kepatuhan, seberapa penting data tersebut?

Pertanyaan utama sangat sederhana: apakah sistem ini termasuk sistem penting untuk kepatuhan? Sistem yang terkait penggajian, ERP, data SDM, harus memiliki sumber data yang otoritatif dan sah secara hukum, serta pengendalian akses yang ketat. Setiap migrasi sistem harus melibatkan audit dan pengawasan langsung dari otoritas terkait, yang secara signifikan meningkatkan ketergantungan pengguna dan hambatan migrasi. Sebaliknya, data penjualan dan alat layanan pelanggan seperti Zendesk termasuk kategori lain: perusahaan tetap menghargai kontinuitas bisnis dan konteks skenario, tetapi migrasi data atau perubahan izin tidak menimbulkan risiko regulasi.

Tidak semua biaya pergantian sistem berada pada tingkat yang sama. Jika dibandingkan antara CRM dan sistem pelacakan perekrutan (ATS), perbedaannya sangat jelas. ATS hanya melayani proses perekrutan tertutup dan tetap, setelah kandidat diterima atau ditolak, data terkait biasanya hanya sekali diinput dan jarang diubah lagi; ruang lingkup pengguna kecil dan terfokus.

ERP berada di ujung ekstrem lain: buku besar keuangan adalah bukti audit yang harus dapat dilacak. Jika terjadi migrasi sistem, akuntan, auditor, dan regulator akan menjadi pihak yang langsung berkepentingan. Mengganti ATS meskipun rumit, masih bisa ditanggung; mengganti CRM ibarat melakukan operasi jantung terbuka; mengganti ERP sama dengan membiarkan pasien berlari marathon sambil melakukan operasi dada.

Secara tradisional, sistem pencatatan inti tidak memanfaatkan keunggulan data eksklusif dan efek jaringan yang dapat membangun penghalang kompetitif; hanya mengandalkan alur kerja bisnis, biasanya sudah cukup membangun penghalang sendiri. Sebaliknya, dalam bisnis konsumen, alat dan ekosistem jaringan sering dapat diintegrasikan, tetapi sistem pencatatan sejak dulu tidak mampu melakukan hal ini.

Data Eksklusif

Meskipun sebagian besar sistem pencatatan mengumpulkan data pelanggan, mereka tidak benar-benar mengaktifkan data tersebut secara mendalam (seringkali dibatasi oleh ketentuan kontrak, sehingga tidak bisa digunakan sembarangan). Jadi, meskipun CRM memiliki data yang kaya dan bisa mengkonsolidasikan informasi pelanggan secara luas, serta mengekstrak wawasan industri lintas pelanggan, mereka belum mampu menghasilkan aplikasi nyata yang bernilai (meskipun pernah ada percobaan kecil, seperti produk AI Einstein dari Salesforce).

Efek Jaringan

Efek jaringan adalah penghalang tertinggi yang diidamkan dalam industri. Jika bisa terbentuk, nilai CRM akan terus meningkat seiring berkembangnya ekosistem, memungkinkan penjual perangkat lunak untuk secara tepat memadukan sumber daya pembeli di platform. Tetapi seperti halnya nilai data, efek jaringan dari sistem pencatatan sejak dulu sangat lemah.

Apa yang tersisa ketika antarmuka pengguna perlahan menghilang dan agen cerdas muncul?

AI agen tidak membutuhkan browser, mereka hanya membutuhkan API, konteks bisnis, perintah eksekusi, dan kemampuan tindakan. Dua kondisi teknologi utama memungkinkan penerapan skala besar: pertama, model besar kini memiliki kemampuan penalaran logis yang cukup; saat ini agen dapat secara mandiri memahami konteks bisnis, merancang rencana eksekusi, memanggil alat, melakukan operasi, dan melakukan evaluasi hasil, sebagian besar tugas tidak lagi memerlukan intervensi manusia. Kedua, protokol MCP menyediakan standar pemanggilan alat yang terstandardisasi, memberi agen antarmuka tunggal untuk mengakses kemampuan eksternal. Agen yang terhubung ke MCP dapat menyelesaikan semua operasi pengguna manusia dalam hitungan milidetik, berjalan secara massal, dan seluruh proses tanpa browser. Asalkan memiliki konteks bisnis lengkap, agen berbasis komputer bahkan tidak perlu bergantung pada API resmi, cukup menyesuaikan dan mengoperasikan antarmuka perangkat lunak tradisional.

Secara sederhana, saat ini ada tiga jalur yang dapat dipilih oleh pembeli perangkat lunak:

1. Menggunakan sistem yang ada + menambahkan agen cerdas. Mengandalkan kemampuan command line dan API dari sistem lama, bisa menggunakan produk agen bawaan vendor (seperti Agentforce dari Salesforce, Joule dari SAP), atau mengembangkan agen sendiri berdasarkan sistem yang ada. (Asumsi ideal: API lengkap dan dapat digunakan, serta transformasi tanpa kepala lebih mudah secara operasional daripada kenyataannya.)

2. Membangun sistem pencatatan sendiri dari nol. Membuat model data, logika operasional, sistem izin, jejak audit, dan integrasi sistem secara mandiri, serta mengembangkan agen sendiri (biasanya dengan bantuan alat pihak ketiga untuk agen dan basis data).

3. Membeli perangkat lunak AI yang sudah ada dan menggantikan sistem lama. Memilih perangkat lunak generasi baru yang dirancang dari awal untuk era agen cerdas: dirancang agar dapat dibaca mesin, menjadikan pengaturan agen sebagai fitur inti, bukan modul tambahan, dan produk ini sendiri bisa berbentuk arsitektur tanpa kepala.

Lalu, standar pengukuran ketergantungan sistem yang lama, apakah masih berlaku? Faktor yang bergantung pada perilaku manusia dan kebiasaan penggunaan — seperti frekuensi penggunaan dan atribut baca-tulis — mulai kehilangan relevansi. Agen cerdas mungkin akan mengikis penghalang kompetitif yang dibangun dari memori otot, tetapi tidak bisa menggantikan logika operasional bisnis dan konteks skenario yang membangun penghalang. Sebaliknya, logika ini justru menjadi semakin penting — karena agen harus bergantung pada aturan, izin, dan proses yang jelas agar dapat menjalankan bisnis secara aman dan patuh.

Dalam jangka pendek, SOP tidak tertulis tetap penting. Pengetahuan bisnis yang tersimpan dalam aturan alur kerja perusahaan adalah dasar utama bagi agen untuk menjalankan bisnis secara benar, dan ini juga bagian tersulit untuk dirombak secara otomatis. Saat ini, pengetahuan implisit ini belum bisa diekstraksi secara lengkap dan bersih, terutama jika masih melibatkan manusia dalam prosesnya. Namun, digitalisasi konteks bisnis semakin memudahkan penyimpanan data ini; seiring agen menggantikan lebih banyak proses manual, pentingnya pengetahuan implisit ini akan semakin berkurang.

Keterhubungan sistem tetap sulit dipecahkan dan dampaknya luas. Logika konektivitas telah berubah: tidak lagi hanya menyesuaikan operasi manusia, tetapi juga mengintegrasikan fungsi bisnis dan sistem perangkat lunak yang sebelumnya terpisah. Agen CRM harus menghubungkan data dan konteks dari seluruh rangkaian penjualan, penagihan, dan keberhasilan pelanggan. Jika platform Anda menjadi pusat transaksi agen dari berbagai pihak eksternal (pembeli, penjual, mitra), ketergantungan sistem akan semakin dalam. Baik dengan menambahkan agen ke vendor lama maupun membangun basis data dan sistem agen sendiri, kolaborasi lintas kemampuan dasar perangkat lunak akan sangat menantang.

Data yang penting dari sudut pandang kepatuhan tidak pernah berubah. Data yang terkait regulasi dan risiko hukum harus memiliki sumber data yang otoritatif dan terpercaya. Jika perusahaan percaya pada produk yang ada, keinginan untuk mengganti akan sangat berkurang. Contohnya data penggajian dan keuangan: meskipun agen cerdas membutuhkan data ini, perusahaan jarang mau mengembangkan dan memelihara sistem kepatuhan ini sendiri. Di era agen cerdas, satu tantangan besar tetap ada: agen mana yang berhak mewakili siapa, melakukan operasi apa, dan bagaimana seluruh proses dapat diaudit dan dilacak? Jika sebuah sistem pencatatan bisa menjadi pusat identitas dan izin untuk agen-agen, maka akan terbentuk posisi struktural yang sangat sulit digantikan — penghalangannya bukan pada data yang disimpan, tetapi pada kepercayaan dan arsitektur pengelolaan izin yang dibangunnya.

Melihat ke depan, faktor utama yang menentukan penghalang kompetitif bagi startup AI asli menjadi semakin jelas.

Seberapa sulit membangun ulang sistem pencatatan inti?

Nilai data terlihat dari berbagai aspek. Dalam jangka pendek, tergantung pada seberapa mudah mengekstrak dan mereplikasi data dasar dari sistem pencatatan yang ada. Alat AI saat ini secara signifikan menurunkan hambatan migrasi dan replikasi data. Dalam waktu dekat, vendor tradisional akan cenderung meningkatkan hambatan migrasi: membuat API rumit, membatasi akses, fitur terbatas, harga tidak menarik, bahkan tidak membuka API sama sekali. Tetapi seiring berkembangnya alat ekstraksi data dan kemampuan agen komputer, hambatan ini akan semakin berkurang. Sementara itu, vendor baru mulai mengumpulkan data dari email, panggilan suara, dokumen internal yang lebih kaya. AI menurunkan biaya replikasi 80% dari fungsi dasar sistem pencatatan; sisanya, 20%, termasuk proses khusus, aturan persetujuan, kepatuhan, dan alur kerja edge case, adalah kunci untuk membedakan modul pengganti yang cukup dan solusi pengganti lengkap.

Apakah data yang dimiliki benar-benar unik dan eksklusif?

Kedua, nilai strategis data semakin menonjol. Yang benar-benar membangun penghalang bukanlah data eksternal yang diimpor, tetapi data unik yang dihasilkan dari proses bisnis internal. Ekosistem data yang memiliki atribut eksklusif, diatur secara ketat, dan perlu diperbarui secara dinamis disebut sebagai “dinding data”. Perusahaan penyedia layanan yang berinvestasi dalam mengumpulkan data lengkap dan otoritatif memiliki keunggulan alami dibanding kompetitor umum. Dimensi lain dari penghalang data adalah data yang berasal dari perilaku bisnis internal perusahaan. Perusahaan top tidak lagi hanya menyimpan data yang diinput dari luar, tetapi juga mengumpulkan data baru melalui partisipasi mendalam dalam proses bisnis: termasuk perilaku pengguna, tingkat respons, pola distribusi waktu, hasil proses bisnis, standar industri, pola abnormal, jejak operasi agen, dan lain-lain. Logika utama telah berubah: data itu sendiri adalah konteks bisnis.

Apakah perusahaan mengendalikan lapisan eksekusi bisnis?

Model tradisional cukup menyimpan data bisnis untuk membangun nilai; namun di era agen cerdas, penghalang kompetitif mulai bergeser ke produk yang mampu menutup siklus bisnis: dari inisiasi operasi, menangkap hasil eksekusi, hingga menggunakan umpan balik untuk mengoptimalkan keputusan berikutnya, membentuk siklus tertutup lengkap. Contohnya ERP: persetujuan otomatis pengeluaran, pemicu pembayaran gaji, rekonsiliasi faktur, pengiriman notifikasi bisnis, semuanya bagian dari siklus tertutup. Produk yang mampu menutup siklus bisnis memiliki penghalang yang lebih dalam — mereka terintegrasi secara mendalam ke dalam proses eksekusi, bukan sekadar pencatatan data; mampu menghasilkan data unik dan menjadi semakin pintar seiring waktu, sehingga penggantian akan sangat mengganggu kelangsungan proses bisnis. Semakin luas cakupan konteks bisnis dan semakin banyak skenario edge yang bisa ditangani, semakin tinggi nilainya.

Apakah mampu menerapkan di dunia nyata?

Model bisnis yang mampu menghubungkan proses operasional offline yang tidak bisa sepenuhnya otomatis akan membangun penghalang unik. Contohnya perusahaan yang memiliki jaringan operasional offline, seperti DoorDash, yang secara tradisional tidak termasuk dalam kategori sistem pencatatan, tetapi sangat berharga sebagai referensi. Lebih luas lagi, perangkat lunak yang mampu menghubungkan pengiriman layanan, logistik, pengaturan pengiriman, pekerjaan lapangan, dan pembayaran akan memiliki keunggulan berbeda dari SaaS murni. Perusahaan ini tidak hanya menyimpan data dan memberi saran, tetapi juga mengatur tenaga kerja, mengelola bahan, dan menyelesaikan layanan fisik.

Bagi pengusaha, ini membuka peluang besar: di jalur di mana perangkat lunak dapat membuat keputusan sendiri dan agen cerdas dapat berkoordinasi, tetapi eksekusi terakhir tetap harus dilakukan secara offline, ada ruang luas untuk berkembang. Misalnya, perangkat lunak vertikal yang fokus pada layanan lapangan.

Apakah mampu membentuk efek jaringan?

Sebagian besar sistem pencatatan sebelumnya memiliki efek jaringan yang sangat lemah, karena perangkat lunak lebih banyak melayani proses internal perusahaan. Tetapi di era agen cerdas, jika sistem terintegrasi secara mendalam ke dalam alur kerja kolaboratif multi pihak, efek jaringan akan meningkat secara signifikan. Jika platform menjadi pusat transaksi antar berbagai pihak — pembeli dan penjual, pemberi kerja dan karyawan, perusahaan dan auditor, vendor dan pelanggan, pembayar dan penyedia layanan — setiap penambahan peserta akan meningkatkan nilai jaringan bagi semua pihak lain.

Tiga bentuk utama efek jaringan:

• Kolaborasi alur kerja bersama: menjadi platform terpadu untuk transaksi permintaan dan penawaran, sinkronisasi konteks, dan penanganan proses abnormal;

• Standar industri dan wawasan cerdas: berdasarkan pola perilaku yang terkumpul di seluruh jaringan, mengeluarkan standar industri, peringatan abnormal, dan saran optimisasi, melengkapi penghalang data eksklusif;

• Dasar kepercayaan dan standarisasi: jika semua pihak bergantung pada platform yang sama untuk persetujuan, penyerahan kerja, kepatuhan, dan pembayaran, produk tidak lagi sekadar basis data, tetapi menjadi infrastruktur kolaborasi pasar industri, dengan hambatan masuk yang sangat tinggi.

Kemampuan teknologi pembeli sendiri?

Secara teori, perusahaan mana pun bisa mengembangkan agen cerdas sendiri, tetapi kemampuan implementasinya sangat bervariasi. Terutama di industri vertikal dan departemen fungsional tradisional, perusahaan umumnya kekurangan tim pengembang internal yang mampu membangun dan memelihara basis data, alur kerja bisnis, arsitektur agen, dan sistem pengelolaan secara berkelanjutan. Biaya juga menjadi faktor penting: pengembangan sendiri tampaknya mengurangi biaya lisensi perangkat lunak, tetapi sebenarnya memindahkan biaya ke implementasi, operasional, dan kompleksitas arsitektur internal. Ini membuka peluang pasar tertentu: industri dengan proses bisnis kompleks tetapi layanan teknologi yang kurang, seperti manufaktur, backend konstruksi, industri pemeliharaan, layanan lapangan, dan audit keuangan.

Selain itu, ada beberapa kondisi dasar yang menjadi syarat masuk industri perangkat lunak: pertama, arsitektur data utama harus didesain ulang. Banyak pendekatan “membangun basis data sendiri” meremehkan nilai bisnis dari model objek. Perangkat lunak tradisional berfokus pada dashboard, laporan, dan proses manual, dengan objek utama seperti peluang, tiket, kandidat; sedangkan arsitektur data untuk agen harus menyesuaikan dengan logika penalaran, eksekusi aksi, pelacakan status, penanganan abnormal, delegasi tugas, dan kolaborasi lintas sistem, dengan objek utama berupa tugas, niat pengguna, alur percakapan, aturan pengelolaan, dan hasil bisnis.

Kedua, sistem izin harus ditingkatkan untuk mengelola agen, bukan hanya manusia. Perlu jelas: siapa yang berhak melakukan operasi, melalui agen mana, mengikuti aturan apa, membutuhkan persetujuan apa, bagaimana jejak audit lengkap, dan mekanisme rollback serta penanganan abnormal.

Tentu saja, semua ini harus memperhitungkan biaya: investasi dalam membangun dan memelihara agen dan basis data, biaya panggilan API, dan seterusnya, yang akhirnya kembali ke tingkat kesulitan replikasi data dan kompleksitas ketergantungan sistem.

Semua ini akan membawa industri ke arah mana akhirnya?

Saat vendor perangkat lunak tradisional bertransformasi ke arsitektur tanpa kepala, secara implisit mereka bertaruh: nilai inti tetap akan berada di lapisan data. Dalam beberapa industri, terutama layanan keuangan yang sangat patuh, prediksi ini mungkin akan bertahan cukup lama, dan proses tanpa kepala secara menyeluruh akan tertinggal lebih jauh.

Bagi pengusaha perangkat lunak, saat vendor tradisional beralih ke tanpa kepala, peluang untuk bersaing dan membangun produk yang memiliki penghalang jangka panjang telah berubah secara fundamental.

Sistem pencatatan inti generasi baru mulai menampilkan bentuk yang berbeda: bukan lagi sekadar wadah penyimpanan data untuk pencatatan pekerjaan manusia, tetapi memiliki kemampuan agen cerdas bawaan, mampu secara otomatis menangkap konteks bisnis, memulai proses bisnis, dan menimbun data turunan dari seluruh proses.

Lebih jauh lagi, perusahaan yang paling berpotensi berkembang akan memperluas ke tahap pelaksanaan bisnis nyata: mengelola dan mengoordinasikan tenaga lapangan, penyedia logistik, tim layanan, dan aset fisik, atau berfungsi sebagai pusat transaksi multi pihak. Model baru ini akan menggabungkan paradigma bisnis tradisional; sedangkan sistem pencatatan tradisional yang bergantung pada data akan semakin tersisih, menjadi fondasi dasar di balik semua itu.