Kesenjangan antara janji dan kenyataan: Apa yang diungkapkan oleh perjuangan Salesforce tentang transformasi AI di industri teknologi

Kekecewaan Besar AI: Mengapa Salesforce Menunjukkan Bahwa Realitas Terlihat Berbeda

Penurunan harga saham raksasa CRM Salesforce yang spektakuler sebesar 27 persen sejak awal tahun 2025 bukanlah fenomena yang hanya terjadi pada satu perusahaan saja. Melainkan, hal ini melambangkan kesenjangan mendasar antara ekspektasi tinggi terhadap kecerdasan buatan dan kenyataan pahit eksploitasi komersialnya. Sementara perusahaan teknologi di seluruh dunia memproklamirkan revolusi yang dibawa oleh agen AI otonom, situasi Salesforce mengungkap tiga masalah utama yang dapat menjadi gejala seluruh industri: monetisasi inovasi AI, kematangan struktural pasar perangkat lunak perusahaan, dan meningkatnya kompleksitas integrasi teknologi. Analisis ini mengkaji apa yang sebenarnya tersembunyi di balik janji masa depan yang konon ini dan apa konsekuensinya bagi industri teknologi.

Cocok untuk:

• Kecerdasan Buatan: Mengapa Penjualan Agen Belum (belum) dimulai - Alternatif independen lebih baik

Dasar-dasar dan relevansi

Situasi Salesforce pada Oktober 2025 menandai titik balik dalam persepsi kecerdasan buatan sebagai pendorong pertumbuhan langsung bagi perusahaan teknologi mapan. Marc Benioff, pendiri dan CEO perusahaan manajemen hubungan pelanggan yang karismatik, mengumumkan era AI berbasis agen pada konferensi Dreamforce di San Francisco. Visinya: Algoritma otonom akan menggantikan karyawan manusia di perusahaan dan menjadi penghasil pendapatan terpenting Salesforce. Namun, kenyataannya menunjukkan gambaran yang berbeda.

Penurunan dramatis saham Salesforce sangat kontras dengan tren umum di industri teknologi, di mana saham-saham teknologi telah mencatat kenaikan signifikan selama periode yang sama. Perbedaan ini menimbulkan pertanyaan mendasar: Apakah industri ini melebih-lebihkan kecepatan transformasi kecerdasan buatan menjadi pendapatan riil? Apakah ekspektasi terhadap agen AI otonom realistis? Dan masalah struktural apa yang tersembunyi di balik pesona janji AI yang gemilang?

Relevansi analisis ini jauh melampaui Salesforce. Analisis ini memengaruhi semua perusahaan yang mengandalkan kecerdasan buatan sebagai pendorong pertumbuhan utama. Analisis ini menyentuh investor yang menggelontorkan miliaran dolar ke dalam teknologi AI. Analisis ini juga menyentuh pekerja yang pekerjaannya terancam oleh otomatisasi yang dijanjikan. Kasus Salesforce menawarkan wawasan unik tentang mekanisme, harapan, dan kekecewaan industri yang sedang bertransisi.

Artikel ini dibagi menjadi delapan bagian yang secara sistematis menyajikan akar sejarah, mekanisme teknis, status terkini, kasus penggunaan praktis, isu-isu kritis, perkembangan di masa mendatang, dan sintesis akhir dari pembelajaran yang dipetik. Akan menjadi jelas bahwa tantangan Salesforce merupakan representasi dari permasalahan industri yang lebih mendalam, yang jauh melampaui satu perusahaan.

Dari pelopor cloud menjadi pejuang AI: Reorientasi strategis raksasa industri

Untuk memahami situasi saat ini, kita harus menelusuri asal-usul dan evolusi Salesforce. Didirikan pada tahun 1999 oleh Marc Benioff, perusahaan ini merevolusi industri perangkat lunak dengan konsep yang saat itu radikal: Perangkat Lunak sebagai Layanan. Alih-alih menjual paket lisensi mahal yang harus diinstal di server pelanggan, Salesforce menawarkan solusi CRM-nya secara daring. Pelanggan membayar biaya bulanan dan dapat menggunakan perangkat lunak tersebut hanya melalui peramban mereka.

Inovasi ini menjadikan Salesforce pemimpin pasar dalam manajemen hubungan pelanggan. Dengan pangsa pasar lebih dari 21 persen, perusahaan ini masih mendominasi pasar CRM global hingga saat ini, jauh mengungguli para pesaing seperti Microsoft, Oracle, dan SAP. Selama lebih dari dua dekade, Salesforce dianggap sebagai saham pertumbuhan yang sangat baik. Pendapatan tumbuh dua digit dari tahun ke tahun, harga sahamnya terus meningkat, dan perusahaan berekspansi melalui berbagai akuisisi.

Namun, pada tahun-tahun menjelang 2025, tanda-tanda pertama perlambatan mulai terlihat. Pertumbuhan industri perangkat lunak CRM secara keseluruhan melambat seiring pasar yang semakin jenuh. Banyak perusahaan besar telah menerapkan sistem CRM, dan peluang yang mudah diraih telah dipetik. Pada saat yang sama, pesaing baru bermunculan, merebut pangsa pasar dengan pendekatan inovatif dan harga yang lebih rendah.

Dalam situasi ini, Benioff semakin berfokus pada kecerdasan buatan sebagai kisah pertumbuhan baru yang dimulai pada tahun 2022. Salesforce pertama kali memperkenalkan Einstein, sebuah platform AI yang memungkinkan analitik prediktif dan otomatisasi dalam produk CRM yang sudah ada. Kemudian, pada bulan September 2024, pengumuman besar menyusul: Agentforce, sebuah platform untuk agen AI otonom yang akan secara independen melakukan tugas-tugas di berbagai bidang seperti layanan pelanggan, penjualan, dan pemasaran.

Visinya ambisius: Pada akhir tahun 2025, pelanggan akan menciptakan satu miliar agen AI otonom melalui platform tersebut. Agen-agen ini tidak hanya akan menjawab pertanyaan sederhana, tetapi juga akan secara mandiri merencanakan dan menjalankan tugas-tugas kompleks yang bertahap. Mereka akan bertindak proaktif, membuat keputusan, dan mengakses seluruh basis data perusahaan.

Pada saat yang sama, Salesforce berinvestasi besar-besaran dalam fondasi teknologi untuk agen-agen AI ini. Pada Mei 2025, perusahaan mengumumkan akuisisi Informatica, sebuah perusahaan spesialis manajemen data, senilai $8 miliar. Akuisisi ini bertujuan untuk memastikan para agen AI memiliki akses ke data berkualitas tinggi dan terstruktur dengan baik. Pada musim gugur 2024, Salesforce telah mengakuisisi Own Data, perusahaan manajemen data lainnya, senilai $1,9 miliar.

Namun, terlepas dari investasi besar dan visi yang luar biasa ini, lonjakan pendapatan yang diharapkan gagal terwujud. Pada kuartal kedua tahun fiskal 2025/26, pendapatan Salesforce tumbuh sebesar 9,8 persen menjadi $10,24 miliar. Meskipun sedikit di atas ekspektasi, ini merupakan kuartal kelima berturut-turut dengan pertumbuhan satu digit. Prospek untuk kuartal mendatang bahkan lebih hati-hati, memicu kekhawatiran bahwa serangan AI ini tidak akan memberikan kesuksesan komersial yang diharapkan.

Anatomi agen AI otonom: Teknologi antara visi dan kelayakan

Untuk memahami mengapa monetisasi agen AI terbukti begitu menantang, penting untuk mengkaji fondasi dan mekanisme teknis sistem ini. Agentforce didasarkan pada beberapa komponen teknologi yang harus bekerja sama untuk mencapai otonomi yang dijanjikan.

Inti dari sistem ini adalah Atlas Reasoning Engine, yang bertindak sebagai jaringan saraf atau otak agen AI. Mesin ini dirancang untuk meniru pemikiran dan perilaku manusia, mengkategorikan tugas dengan tepat, memprioritaskan langkah-langkah tugas, dan pada akhirnya mengeksekusinya dengan tepat. Tidak seperti asisten AI sebelumnya seperti Copilot, yang sangat bergantung pada interaksi manusia, agen Agentforce dirancang untuk beroperasi secara otonom.

Komponen kunci kedua adalah Salesforce Data Cloud, yang menyelaraskan semua data perusahaan yang relevan secara real-time dan menyediakannya bagi agen AI. Kualitas dan kelengkapan data ini krusial bagi kinerja agen. Hal ini juga menghadirkan salah satu tantangan terbesar: Banyak perusahaan telah mengumpulkan data mereka selama bertahun-tahun di berbagai sistem tanpa standar yang konsisten atau pembersihan rutin.

Komponen ketiga adalah alat integrasi seperti MuleSoft dan konektor bawaan yang memungkinkan agen berinteraksi dengan alur kerja dan sistem eksternal yang ada. Antarmuka ini memungkinkan agen untuk beroperasi tidak hanya di dalam lingkungan Salesforce tetapi juga berkomunikasi dengan aplikasi perusahaan lainnya.

Selain komponen-komponen khusus Salesforce ini, Agentforce juga mengintegrasikan model bahasa berskala besar dari penyedia pihak ketiga seperti OpenAI, Anthropic, dan Google Gemini. Model-model ini menyediakan pemrosesan bahasa alami (NLP) dan pengetahuan umum yang mendasari agen-agen spesifik.

Fungsionalitas ini dapat diilustrasikan menggunakan contoh agen layanan pelanggan: Seorang pelanggan menghubungi perusahaan dengan sebuah pertanyaan. Agen tersebut menganalisis pertanyaan tersebut, mengakses data pelanggan yang relevan dari Data Cloud, membandingkannya dengan kasus serupa sebelumnya, mengembangkan rencana penyelesaian multi-langkah, menjalankan langkah-langkah tersebut, dan mengomunikasikan hasilnya kepada pelanggan. Semua ini terjadi tanpa campur tangan manusia, kecuali jika agen tersebut menghadapi masalah yang melampaui kemampuannya.

Secara teori, hal ini terdengar mengesankan. Namun, dalam praktiknya, terdapat banyak kendala. Kualitas agen bergantung pada data yang mereka akses. Jika data tidak lengkap, kedaluwarsa, atau tidak konsisten, agen akan membuat keputusan yang salah. Integrasi ke dalam sistem perusahaan yang sudah ada seringkali rumit dan membutuhkan upaya yang cukup besar. Dan mengonfigurasi agen, meskipun diiklankan sebagai proses low-code, tetap membutuhkan pemahaman teknis yang mendalam dan pengetahuan khusus Salesforce.

Masalah lainnya adalah kurangnya kepercayaan. Banyak perusahaan ragu untuk menyerahkan kendali proses bisnis penting kepada agen otonom tanpa prosedur pengujian dan mekanisme keamanan yang kuat. Risiko kesalahan, pelanggaran data, atau perilaku yang tidak diinginkan memang nyata, sebagaimana ditunjukkan oleh contoh dari industri lain.

Jalan yang sulit menuju profitabilitas: Tiga tantangan mendasar

Masalah Salesforce dapat diringkas dalam tiga tantangan utama yang umum terjadi di seluruh industri: monetisasi inovasi AI, kesiapan pasar struktural, dan kompleksitas adopsi teknologi.

Tantangan pertama adalah mengenai monetisasi

Meskipun Salesforce telah mengembangkan produk berteknologi canggih dengan Agentforce, pertanyaan kuncinya tetap: Bagaimana cara memonetisasinya? Model harga Agentforce didasarkan pada dua dolar per percakapan, sebuah pendekatan berbasis penggunaan yang berbeda dari model lisensi tradisional. Namun, banyak calon pelanggan ragu untuk menerapkan teknologi ini dalam skala besar hingga laba atas investasinya terbukti nyata.

Biaya menjalankan agen AI sangat signifikan. Model bahasa besar yang mendasarinya membutuhkan sumber daya komputasi yang mahal. Menurut perkiraan industri, satu kueri untuk model AI generatif menghabiskan biaya hingga sepuluh kali lipat lebih banyak daripada pencarian Google tradisional. Biaya ini harus dibebankan kepada pelanggan, sehingga membatasi penerimaan harga. Di saat yang sama, pelanggan mengharapkan agen AI memberikan nilai yang jelas yang sepadan dengan biaya yang lebih tinggi.

Hingga saat ini, hanya sekitar 12.000 perusahaan yang menggunakan Agentforce, jumlah yang sangat kecil mengingat basis pelanggan Salesforce yang sangat besar, yang mencapai ratusan ribu perusahaan. Pendapatan berulang tahunan dari Agentforce kurang dari $500 juta, hanya sebagian kecil dari total pendapatan yang mencapai lebih dari $40 miliar. Sekalipun angka ini meningkat tiga atau empat kali lipat di tahun-tahun mendatang, seperti yang diharapkan Salesforce, kontribusinya terhadap total pendapatan masih akan terbatas.

Tantangan utama kedua adalah kematangan struktural pasar CRM

Setelah dua dekade pertumbuhan yang pesat, pasar perangkat lunak manajemen hubungan pelanggan (CRM) telah mencapai fase jenuh. Sebagian besar perusahaan besar dan menengah di pasar maju telah menerapkan sistem CRM. Potensi pertumbuhan organik melalui akuisisi pelanggan baru masih terbatas.

Di saat yang sama, persaingan semakin ketat. Microsoft dengan Dynamics 365, Oracle dengan aplikasi cloud-nya, SAP dengan solusi CRM-nya, dan berbagai penyedia layanan khusus seperti HubSpot, Zendesk, dan Zoho, semuanya bersaing untuk merebut pangsa pasar. Para pesaing ini telah mengejar ketertinggalan dalam beberapa tahun terakhir dan terkadang menawarkan solusi yang lebih murah atau lebih terspesialisasi.

Dalam lingkungan seperti ini, Salesforce akan lebih sulit mencapai tingkat pertumbuhan dua digit, bahkan dengan fitur AI yang inovatif. Pelanggan tidak akan begitu saja beralih ke sistem CRM mereka hanya karena vendor menawarkan kemampuan AI baru. Menerapkan sistem CRM itu rumit, mahal, dan memakan waktu. Perusahaan enggan beralih selama sistem yang ada masih berfungsi.

Analis seperti Karl Keirstead dari UBS telah menunjukkan bahwa pasar CRM sudah relatif matang, sementara investasi AI klien di bidang ini masih dalam tahap yang sangat awal. Oleh karena itu, terdapat kesenjangan waktu antara kematangan pasar produk inti dan kematangan produk tambahan AI. Perbedaan ini menyulitkan Salesforce untuk kembali ke momentum pertumbuhannya seperti sebelumnya.

Tantangan mendasar ketiga adalah kompleksitas adopsi teknologi.

Meskipun Salesforce mempromosikan Agentforce sebagai solusi low-code yang ramah pengguna, kenyataannya bagi banyak pelanggan jauh lebih rumit. Implementasi agen AI yang sukses membutuhkan fondasi data yang solid, proses yang terdefinisi dengan baik, keahlian teknis, dan investasi yang signifikan dalam pelatihan dan manajemen perubahan.

Banyak perusahaan menghadapi tantangan mendasar seperti kualitas data yang buruk, silo data yang terisolasi, infrastruktur TI yang tidak memadai, dan kurangnya keahlian AI. Masalah-masalah ini harus diatasi sebelum agen AI dapat mewujudkan potensinya. Hal ini membutuhkan waktu, sumber daya, dan pendekatan jangka panjang yang dihindari banyak perusahaan.

Ditambah lagi dengan kekurangan tenaga kerja terampil. Permintaan akan pakar AI, spesialis data, dan administrator Salesforce jauh melebihi pasokan. Perusahaan harus membayar gaji tinggi untuk menarik dan mempertahankan karyawan yang berkualitas. Hal ini semakin meningkatkan biaya implementasi solusi AI dan memperpanjang waktu untuk mendapatkan nilai.

Dimensi baru transformasi digital dengan 'Managed AI' (Kecerdasan Buatan) – Platform & Solusi B2B | Xpert Consulting - Gambar: Xpert.Digital

Di sini Anda akan mempelajari bagaimana perusahaan Anda dapat menerapkan solusi AI yang disesuaikan dengan cepat, aman, dan tanpa hambatan masuk yang tinggi.

Platform AI Terkelola adalah paket lengkap dan bebas repot untuk kecerdasan buatan. Alih-alih berurusan dengan teknologi yang rumit, infrastruktur yang mahal, dan proses pengembangan yang panjang, Anda akan mendapatkan solusi siap pakai yang disesuaikan dengan kebutuhan Anda dari mitra spesialis – seringkali dalam beberapa hari.

Manfaat utama sekilas:

⚡ Implementasi cepat: Dari ide hingga aplikasi operasional dalam hitungan hari, bukan bulan. Kami memberikan solusi praktis yang menciptakan nilai langsung.

Keamanan data maksimal: Data sensitif Anda tetap menjadi milik Anda. Kami menjamin pemrosesan yang aman dan sesuai aturan tanpa membagikan data dengan pihak ketiga.

💸 Tanpa risiko finansial: Anda hanya membayar untuk hasil. Investasi awal yang tinggi untuk perangkat keras, perangkat lunak, atau personel sepenuhnya dihilangkan.

🎯 Fokus pada bisnis inti Anda: Fokuslah pada keahlian Anda. Kami menangani seluruh implementasi teknis, operasional, dan pemeliharaan solusi AI Anda.

📈 Tahan Masa Depan & Skalabel: AI Anda tumbuh bersama Anda. Kami memastikan pengoptimalan dan skalabilitas berkelanjutan, serta menyesuaikan model secara fleksibel dengan kebutuhan baru.

Lebih lanjut tentang itu di sini:

• Solusi AI Terkelola - Layanan AI Industri: Kunci daya saing di sektor jasa, industri, dan teknik mesin

Kisah sukses dan kekecewaan: Apa yang diajarkan praktik kepada kita tentang agen AI

Untuk memperoleh gambaran lengkap, ada baiknya melihat kasus penggunaan konkret dan pengalaman praktis dengan agen AI, baik di Salesforce sendiri maupun di perusahaan lain.

Salesforce sendiri telah menerapkan salah satu implementasi agen AI yang paling menonjol: dalam layanan pelanggannya sendiri. CEO Marc Benioff mengumumkan pada bulan September 2025 bahwa perusahaan telah mengurangi tim layanan pelanggannya dari 9.000 menjadi 5.000 karyawan, penurunan sebesar 45 persen. Karyawan yang diberhentikan digantikan oleh agen AI, yang menurut Benioff, telah menangani 1,5 juta percakapan pelanggan, mencapai tingkat kepuasan pelanggan yang serupa dengan agen manusia.

Di satu sisi, langkah drastis ini menunjukkan potensi agen AI untuk mengotomatiskan tugas-tugas berulang dan mengurangi biaya. Salesforce menghemat biaya personel yang signifikan melalui PHK ini sekaligus mampu memproses lebih banyak pertanyaan. Di sisi lain, hal ini menimbulkan pertanyaan etis dan praktis. Kualitas layanan pelanggan untuk pertanyaan yang lebih kompleks yang membutuhkan penilaian dan empati manusia masih perlu dilihat. Perusahaan lain, seperti Klarna, yang menerapkan strategi otomatisasi serupa terpaksa mengakui bahwa kualitas layanan menurun.

Contoh kedua adalah agen AI dalam penjualan. Beberapa pelanggan Salesforce telah menerapkan agen yang secara otomatis mengkualifikasi prospek, menjadwalkan janji temu, dan mengirimkan email tindak lanjut. Agen-agen ini bekerja sepanjang waktu dan dapat menangani ratusan prospek secara paralel. Menurut Salesforce, beberapa pelanggan melaporkan bahwa produktivitas tim penjualan mereka meningkat sebesar 20 hingga 30 persen berkat penggunaan agen tersebut.

Namun, ada juga keterbatasannya. Agen bekerja paling baik dengan proses standar dan kriteria kualifikasi yang jelas. Mereka dengan cepat mencapai batas kemampuan mereka dalam proses penjualan B2B yang kompleks yang membutuhkan pengetahuan produk yang mendalam dan keterampilan negosiasi strategis. Lebih lanjut, beberapa pengguna melaporkan tingkat ketidakpuasan tertentu terhadap calon pelanggan yang lebih suka berbicara langsung dengan manusia.

Selain Salesforce, ada banyak perusahaan lain yang menggunakan agen AI. ServiceNow, pesaing langsung Salesforce di bidang manajemen layanan TI, telah mengembangkan platformnya sendiri untuk agen AI. Agen-agen ini dirancang untuk mendiagnosis dan menyelesaikan masalah TI secara independen, menangani permintaan layanan, dan mengatur alur kerja.

Microsoft juga mengandalkan AI berbasis agen pada produk Copilot-nya, tetapi dengan pendekatan yang sedikit berbeda. Agen Microsoft terintegrasi lebih mendalam ke dalam produk Office 365 yang sudah ada dan berfokus pada dukungan produktivitas individual, alih-alih otomatisasi proses otonom.

SAP dan Oracle menerapkan strategi serupa, mengembangkan agen AI yang tertanam langsung ke dalam sistem ERP dan CRM mereka. SAP telah memperkenalkan Joule, asisten AI yang menganalisis proses bisnis, memberikan rekomendasi, dan mengotomatiskan tugas. Oracle secara khusus berfokus pada infrastruktur cloud bertenaga AI dan memposisikan dirinya sebagai platform untuk beban kerja AI yang intensif komputasi.

Semua contoh ini menunjukkan bahwa agen AI berkinerja terbaik dalam kasus penggunaan yang terdefinisi dengan jelas, menggunakan data terstruktur, dan proses terstandarisasi. Semakin kompleks, tak terduga, dan berpusat pada manusia suatu tugas, semakin sulit bagi agen otonom untuk menyamai atau melampaui kinerja manusia.

Cocok untuk:

• Salesforce AI: Mengapa platform AI independen lebih baik daripada pendekatan Einstein dan Agentforce-Hybrid mengalahkan penguncian vendor!

Kritik, kontroversi dan pertanyaan yang belum terselesaikan: Sisi gelap revolusi AI

Permasalahan Salesforce dan tantangan yang lebih luas dalam penerapan agen AI telah memicu perdebatan sengit tentang potensi dan keterbatasan teknologi ini. Beberapa aspek penting patut mendapat perhatian khusus.

Poin kontroversial pertama menyangkut hilangnya pekerjaan. Dengan memberhentikan 4.000 karyawan layanan pelanggan, Salesforce mengirimkan pesan yang jelas: agen AI tidak hanya menggantikan proses yang tidak efisien, tetapi juga menggantikan manusia. Benioff sebelumnya menegaskan bahwa AI tidak akan menyebabkan hilangnya pekerjaan kantor. Kenyataannya menunjukkan hal yang berbeda.

Tren ini tidak terbatas pada Salesforce. Menurut data, lebih dari 64.000 pekerjaan di bidang teknologi diperkirakan akan hilang di AS saja pada tahun 2025, banyak di antaranya terkait dengan peningkatan otomatisasi melalui AI. Ironisnya, di saat yang sama, banyak perusahaan ini justru mencari karyawan baru, terutama di bidang pengembangan dan penjualan AI. Oleh karena itu, terjadi pergeseran, dengan peran-peran tertentu menjadi usang sementara peran-peran lain muncul. Namun, pertanyaannya tetap apakah pekerjaan yang baru diciptakan akan lebih banyak jumlahnya daripada yang hilang, baik dari segi jumlah maupun kualitas.

Aspek krusial kedua adalah kesenjangan antara pemasaran dan kenyataan. Salesforce dan perusahaan teknologi lainnya telah mempromosikan agen AI dengan janji-janji muluk: merevolusi dunia kerja, peningkatan produktivitas yang luar biasa, dan sistem otonom yang menggantikan karyawan manusia. Namun, kenyataannya, banyak implementasi masih dalam tahap uji coba, dan peningkatan produktivitas yang dijanjikan seringkali gagal terwujud atau hanya terealisasi di area terbatas.

Sebuah studi Capgemini menemukan bahwa meskipun 90 persen eksekutif yang disurvei yakin bahwa AI berbasis agen memberikan keunggulan kompetitif, hanya 14 persen yang benar-benar telah mulai menerapkannya. Mayoritas masih dalam tahap perencanaan, dan hampir setengahnya belum memiliki strategi implementasi yang konkret. Tingkat kepercayaan terhadap agen AI yang sepenuhnya otonom telah menurun secara signifikan selama setahun terakhir, dari 43 menjadi 27 persen.

Masalah ketiga yang bermasalah adalah ketergantungan pada raksasa teknologi individual. Salesforce Agentforce terintegrasi erat dengan ekosistem Salesforce. Agen berfungsi paling optimal ketika semua data dan proses berada di dalam lingkungan Salesforce. Mengintegrasikan sumber pengetahuan atau sistem eksternal membutuhkan upaya yang cukup besar. Hal ini menciptakan efek vendor lock-in, sehingga menyulitkan pelanggan untuk beralih ke solusi alternatif.

Microsoft, SAP, dan Oracle juga menghadapi kritik serupa. Masing-masing vendor berusaha menciptakan ekosistemnya sendiri yang memungkinkan agen AI mereka berfungsi optimal. Hal ini mempersulit integrasi berbagai sistem dan memaksa pelanggan untuk memilih penyedia utama. Inisiatif seperti Model Context Protocol, yang bertujuan untuk memungkinkan komunikasi terstandarisasi antara agen AI dari berbagai vendor, masih dalam tahap awal.

Aspek kontroversial keempat menyangkut privasi dan keamanan data. Agen AI memerlukan akses ke data perusahaan yang ekstensif agar dapat beroperasi secara efektif. Hal ini menimbulkan potensi risiko keamanan, terutama ketika data ini diteruskan ke layanan AI eksternal seperti OpenAI atau Anthropic. Meskipun Salesforce dan vendor lain menekankan bahwa mereka telah menerapkan langkah-langkah perlindungan data yang ketat, kekhawatiran tetap ada, terutama di industri yang diregulasi seperti layanan kesehatan atau keuangan.

Poin kritis kelima adalah dampak lingkungan. Menjalankan model AI berskala besar membutuhkan daya komputasi dan energi yang sangat besar. Pusat data yang menggerakkan model-model ini mengonsumsi jutaan kilowatt-jam listrik dan menghasilkan emisi CO2 yang signifikan. Di saat perusahaan semakin tertekan untuk memenuhi tujuan keberlanjutan mereka, jejak lingkungan dari sistem AI menjadi perhatian yang semakin besar.

Melihat ke depan: Antara konsolidasi dan gelombang berikutnya

Terlepas dari semua tantangan yang ada saat ini, para ahli memprediksi bahwa agen AI akan memainkan peran yang semakin penting dalam perusahaan di tahun-tahun mendatang. Pertanyaannya bukanlah apakah, melainkan seberapa cepat dan dalam bentuk apa teknologi ini akan menang.

Gartner memprediksi bahwa pada tahun 2026, sekitar 40 persen dari seluruh aplikasi perusahaan akan berisi agen AI khusus tugas, peningkatan yang signifikan dari kurang dari 5 persen pada tahun 2025. Pada tahun 2035, AI berbasis agen dapat menyumbang sekitar 30 persen dari pendapatan perangkat lunak perusahaan global, melebihi $450 miliar. Pasar untuk AI otonom dan agen otonom akan tumbuh dari $8,62 miliar pada tahun 2025 menjadi $263,96 miliar pada tahun 2035, dengan tingkat pertumbuhan tahunan gabungan lebih dari 40 persen.

Prakiraan ini didasarkan pada asumsi bahwa tantangan saat ini akan teratasi secara bertahap. Beberapa perkembangan dapat berkontribusi pada hal ini:

Pertama, teknologinya sendiri akan berkembang. Model bahasa besar yang mendasarinya akan menjadi lebih kuat, efisien, dan hemat biaya. Model-model baru seperti o1 milik OpenAI dengan penalaran yang lebih baik atau Claude milik Anthropic dengan jendela konteks yang lebih panjang akan memungkinkan tugas-tugas yang lebih kompleks. Biaya inferensi AI telah turun drastis, hingga 280 kali lipat antara November 2022 dan Oktober 2024. Tren ini kemungkinan akan berlanjut, membuat aplikasi AI lebih menarik secara ekonomi.

Kedua, perusahaan akan belajar cara menggunakan agen AI secara lebih efektif. Para pengguna awal akan mengumpulkan pengalaman, mengidentifikasi praktik terbaik, dan membagikannya kepada komunitas yang lebih luas. Program pelatihan, sertifikasi, dan layanan konsultasi akan muncul untuk mendukung perusahaan dalam implementasinya.

Ketiga, standardisasi dapat ditingkatkan. Inisiatif seperti Protokol Konteks Model atau Protokol Agen-ke-Agen ServiceNow bertujuan untuk memungkinkan komunikasi antar agen AI dari berbagai vendor. Jika standar tersebut diterapkan, integrasi dan ketergantungan vendor akan lebih mudah.

Keempat, konsolidasi vendor sudah diperkirakan. Pasar agen AI saat ini terfragmentasi, dengan puluhan perusahaan rintisan dan pemain mapan bersaing untuk mendapatkan pangsa pasar. Tahun-tahun mendatang kemungkinan akan terjadi akuisisi dan perombakan pasar, serupa dengan yang terjadi di segmen teknologi lain di masa lalu. Perusahaan besar seperti Salesforce, Microsoft, Google, SAP, dan Oracle akan mengakuisisi vendor yang lebih kecil untuk memperluas kemampuan AI mereka.

Khususnya bagi Salesforce, sangat penting untuk memastikan keberhasilan integrasi akuisisi Informatica dan menghasilkan nilai nyata bagi Agentforce. Akuisisi ini merupakan yang terbesar dalam sejarah perusahaan sejak akuisisi Slack pada tahun 2021. Akuisisi ini mengandung risiko, seperti yang ditunjukkan oleh penurunan peringkat RBC yang secara drastis menurunkan target harga. Namun, akuisisi ini juga menawarkan peluang jika memungkinkan Salesforce untuk menciptakan platform manajemen data yang lebih komprehensif yang membuat agen AI lebih efektif.

Dalam jangka menengah, pada tahun 2030, Salesforce menargetkan pendapatan lebih dari $60 miliar, setara dengan tingkat pertumbuhan organik lebih dari 10 persen per tahun. Hal ini akan menandai kembalinya pertumbuhan dua digit setelah turun di bawah angka tersebut sejak pertengahan 2024. Realistisnya target ini sangat bergantung pada keberhasilan Agentforce dan produk AI lainnya dalam mencapai kesuksesan yang diharapkan.

Dalam jangka panjang, Gartner memprediksi, tren ini dapat bergerak menuju ekosistem multi-agen yang kompleks. Dalam sistem semacam itu, agen-agen khusus bekerja sama, mengoordinasikan tindakan mereka, dan berbagi informasi. Satu agen dapat menganalisis pertanyaan pelanggan, agen lain mengembangkan solusi yang diusulkan, agen ketiga mengoordinasikan implementasi, dan agen keempat memantau kualitas. Kolaborasi yang terorkestrasi ini dapat mengotomatiskan proses bisnis yang bahkan lebih kompleks.

Namun, perjalanan masih panjang. Dua hingga tiga tahun ke depan akan sangat penting untuk melihat apakah masalah yang ada saat ini dapat diatasi dan apakah peningkatan produktivitas dan pendapatan yang dijanjikan benar-benar terwujud.

Pelajaran dari krisis Salesforce untuk industri teknologi

Analisis permasalahan Salesforce mengungkap kebenaran mendasar tentang kondisi kecerdasan buatan dan eksploitasi komersialnya. Temuan utamanya adalah adanya perbedaan yang signifikan antara kelayakan teknologi agen AI dan profitabilitas komersialnya di lingkungan pasar saat ini.

Salesforce adalah contoh utama industri yang memasuki era AI dengan ekspektasi tinggi, tetapi kini dihadapkan pada kenyataan pahit monetisasi. Tiga tantangan utama yang diidentifikasi—kesulitan monetisasi, kejenuhan pasar, dan kompleksitas adopsi—tidak spesifik untuk Salesforce, tetapi memengaruhi seluruh industri perangkat lunak perusahaan.

Pengalaman menunjukkan bahwa inovasi teknologi saja tidak cukup. Perusahaan juga harus mengembangkan model bisnis yang menarik, menunjukkan manfaat yang jelas bagi pelanggan, dan mengurangi hambatan adopsi. Salesforce telah menciptakan produk yang mengesankan secara teknologi dengan Agentforce, tetapi menerjemahkannya menjadi pertumbuhan pendapatan yang berkelanjutan tetap menjadi tantangan.

Bagi investor, ini berarti mereka harus membedakan antara sensasi jangka pendek dan nilai jangka panjang. Valuasi tinggi banyak perusahaan AI didasarkan pada ekspektasi keuntungan di masa depan yang mungkin tidak terwujud atau mungkin tertunda secara signifikan. Analisis yang cermat terhadap tingkat adopsi aktual, kontribusi pendapatan, dan profitabilitas sangatlah penting.

Bagi perusahaan yang ingin menerapkan agen AI, rekomendasinya adalah: Mulailah dengan kasus penggunaan yang terdefinisi dengan jelas, investasikan pada kualitas data dan manajemen perubahan, dan jangan mengharapkan keajaiban instan. Implementasi yang paling sukses berfokus pada beberapa proyek yang dieksekusi dengan baik, alih-alih meluncurkan banyak eksperimen dangkal.

Bagi para pekerja, perkembangan ini berarti tugas-tugas tertentu akan diotomatisasi oleh AI, sementara peran-peran baru akan bermunculan. Berinvestasi dalam keterampilan yang relevan dengan AI—baik dalam pengembangan, pengelolaan, maupun penerapan strategis AI—menjadi semakin penting.

Kasus Salesforce sejauh ini lebih dari sekadar kisah satu perusahaan yang sedang bermasalah. Kasus ini merupakan pelajaran tentang tantangan transformasi teknologi, kesenjangan antara visi dan kenyataan, dan perlunya mempertahankan pandangan yang jernih tentang realitas ekonomi di tengah antusiasme terhadap teknologi baru. Revolusi AI akan datang, tetapi akan berlangsung secara bertahap, bergelombang, dan selektif—bukan seperti Big Bang yang sering disebut-sebut, melainkan sebagai proses berkelanjutan yang penuh pasang surut.

☑️ Bahasa bisnis kami adalah Inggris atau Jerman

☑️ BARU: Korespondensi dalam bahasa nasional Anda!

Konrad Wolfenstein

Saya akan dengan senang hati melayani Anda dan tim saya sebagai penasihat pribadi.

Anda dapat menghubungi saya dengan mengisi formulir kontak atau cukup hubungi saya di +49 89 89 674 804 (Munich) . Alamat email saya adalah: wolfenstein ∂ xpert.digital

Saya menantikan proyek bersama kita.

☑️ Dukungan UKM dalam strategi, konsultasi, perencanaan dan implementasi

☑️ Penciptaan atau penataan kembali strategi digital dan digitalisasi

☑️ Perluasan dan optimalisasi proses penjualan internasional

☑️ Platform perdagangan B2B Global & Digital

☑️ Pelopor Pengembangan Bisnis/Pemasaran/Humas/Pameran Dagang

Keahlian kami di AS dalam pengembangan bisnis, penjualan, dan pemasaran - Gambar: Xpert.Digital

Fokus industri: B2B, digitalisasi (dari AI ke XR), teknik mesin, logistik, energi terbarukan, dan industri

Lebih lanjut tentang itu di sini:

• Pusat Bisnis Xpert

Pusat topik dengan wawasan dan keahlian:

• Platform pengetahuan tentang ekonomi global dan regional, inovasi dan tren khusus industri
• Kumpulan analisis, impuls dan informasi latar belakang dari area fokus kami
• Tempat untuk keahlian dan informasi tentang perkembangan terkini dalam bisnis dan teknologi
• Pusat topik bagi perusahaan yang ingin mempelajari tentang pasar, digitalisasi, dan inovasi industri

Manfaatkan keahlian Xpert.Digital yang luas dan lima kali lipat dalam paket layanan yang komprehensif | R&D, XR, PR & Optimalisasi Visibilitas Digital - Gambar: Xpert.Digital

Xpert.Digital memiliki pengetahuan mendalam tentang berbagai industri. Hal ini memungkinkan kami mengembangkan strategi khusus yang disesuaikan secara tepat dengan kebutuhan dan tantangan segmen pasar spesifik Anda. Dengan terus menganalisis tren pasar dan mengikuti perkembangan industri, kami dapat bertindak dengan pandangan ke depan dan menawarkan solusi inovatif. Melalui kombinasi pengalaman dan pengetahuan, kami menghasilkan nilai tambah dan memberikan pelanggan kami keunggulan kompetitif yang menentukan.

Lebih lanjut tentang itu di sini:

• Gunakan 5x keahlian Xpert.Digital dalam satu paket - mulai dari €500/bulan