Agent AI untuk Otomasi

Selipkan asisten AI ke dalam alur otomasimu: dia bisa mengarang teks, memilah pesan masuk, merapikan data berantakan, sampai membuat tugas dan komentar sendiri. Kamu cukup menulis instruksi pakai bahasa sehari-hari.

  1. 1

    Apa itu Agent AI di Otomasi?

    Di halaman Otomasi, kamu menyusun alur kerja seperti potongan domino: "kalau X terjadi, jalankan Y". Nah, salah satu blok yang bisa kamu pasang di tengah alur itu namanya Agent AI (ada di kelompok Aksi pada panel kiri editor), anggap saja seorang asisten cerdas yang ikut bekerja di dalam alurmu.

    Seperti karyawan yang kamu beri instruksi tertulis, Agent AI bisa kamu suruh dengan bahasa sehari-hari. Dia punya dua Mode (mode bawaannya Agent):

    • Generate, dia menghasilkan teks atau JSON (Format Output bisa Teks biasa atau JSON). Misal: "Tuliskan ringkasan singkat dari pesan ini" atau "Buatkan judul tugas yang jelas dari keluhan berikut".
    • Agent, dia memakai tools dan benar-benar bertindak di workspace. Misal: membuat tugas baru, menambah komentar, atau menugaskan ke orang.

    Yang bikin enak: instruksinya bisa menyebut data dari alur lewat token {{ }}. Contohnya {{ trigger.body }} berarti isi request yang masuk lewat pemicu Webhook Masuk, atau {{ trigger.task.title }} untuk judul tugas pemicu. Pakai tombol {{ }} di kolom instruksi supaya tidak salah ketik. Jadi AI selalu bekerja dengan data nyata yang lewat di alur itu, bukan tebakan kosong.

    NODE AI AGENTTriggerada kejadianAI AgentHASIL TEKSPilih tugas agen:Buat teks / JSONLakukan aksiKetuk pilihan untuk lihat dua mode agen.
    • Tulis instruksi sejelas mungkin, seperti kamu menjelaskan ke karyawan baru. Makin jelas, makin bagus hasilnya
    • Pakai mode Generate dulu untuk coba-coba. Mode Agent (bawaan) baru dipakai kalau kamu sudah yakin alurnya benar
  2. 2

    Router AI: pesan masuk dipilah ke tim yang tepat

    Bayangkan setiap hari ada banyak keluhan dan pesan masuk dari pelanggan. Capek kalau harus dibaca satu-satu lalu dilempar manual ke tim yang benar.

    Router AI (kelompok Logika) menyelesaikan ini. Cara kerjanya: AI membaca isi pesan, lalu memilih satu jalur di antara beberapa pilihan yang kamu siapkan, mirip petugas yang berdiri di persimpangan dan mengarahkan tiap orang ke loket yang benar.

    Contoh nyata, otomasi triase keluhan masuk:

    • Pesan terdengar minta uang kembali? Diarahkan ke jalur Refund (masuk ke tim Keuangan).
    • Pesan melaporkan aplikasi error? Diarahkan ke jalur Bug (masuk ke tim Teknis).
    • Pesan berisi pujian/terima kasih? Diarahkan ke jalur Pujian (cukup dicatat, atau dibalas ramah).

    Kamu tinggal menamai jalur-jalurnya, lalu setiap jalur menyambung ke aksi berbeda. AI yang menentukan pesan ini cocok ke jalur mana.

    AI ROUTER · ARAHKAN KE TIM YANG TEPATPESAN MASUK
    "Tombol bayar error terus, nggak bisa lanjut."
    AI bacaRefundTim KeuanganBugTim TeknisPujianTim CSCoba pesan contoh:Minta refundLapor errorPujian
    • Beri nama jalur yang jelas (mis. "Refund", "Bug", "Pujian"). AI memilih lebih tepat kalau pilihannya gampang dibedakan
    • Sediakan satu jalur "Lainnya" sebagai tempat aman untuk pesan yang tidak masuk kategori mana pun
  3. 3

    Ekstrak AI: ubah pesan berantakan jadi data rapi

    Pesan dari pelanggan biasanya berantakan, panjang, campur aduk. Misal: "halo sy budi nomor 0812xxx mau komplain paket blm sampe udah seminggu tolong cepet ya penting bgt".

    Mata manusia bisa paham, tapi alur otomasi butuh data yang rapi dan berkolom. Di sinilah Ekstrak AI (kelompok Aksi) bekerja: dia membaca teks acakadut tadi, lalu memetik bagian-bagian penting menjadi field yang bersih, seperti memindahkan isi keranjang belanja ke rak yang tertata.

    Dari contoh di atas, Ekstrak AI bisa menghasilkan:

    • Nama: Budi
    • Kategori: Pengiriman
    • Tingkat urgensi: Tinggi

    Field rapi ini bisa langsung dipakai langkah berikutnya. Contoh use-case lengkap: form atau pesan berantakan → Ekstrak AI jadi field rapi → aksi Buat Task membuat tugas dengan judul dari field hasil ekstrak (mis. {{ nodes.<id>.output.fields.kategori }}), plus status, prioritas, dan assignee. Label belum bisa dipasang ke tugas baru lewat otomasi; aksi Tambah Label hanya menempel ke tugas pemicu. Tidak ada lagi salin-tempel manual.

    AI EXTRACT · TEKS BERANTAKAN JADI FIELD RAPIPESAN MENTAH
    "halo sy bu sari, paket sy udh 5 hari blm nyampe nih, tolong cepet ya soalnya buat acara, nomor pesanan 88123"
    AIFIELD RAPINamaBu SariKategoriPengirimanUrgensiTinggiRingkasanPaket belum sampai 5 hariAI sedang merapikan field...Putar ulang
    • Tentukan field yang kamu mau persis: nama, kategori, urgensi, nomor pesanan, dan seterusnya. AI mengisi sesuai daftar itu
    • Cocok untuk merapikan isian form, pesan chat, atau email yang formatnya selalu beda-beda
  4. 4

    Agent AI: bikin sub-tugas & komentar otomatis

    Mode Agent membuat Agent AI benar-benar mengerjakan sesuatu di workspace, bukan cuma menulis.

    Contoh use-case yang paling sering dipakai: setiap ada tugas baru dibuat, AI langsung membantu menyiapkannya.

    Misal seseorang membuat tugas "Siapkan acara gathering kantor". Begitu tugas itu lahir, alur yang kamu pasang akan:

    1. Memecahnya jadi beberapa sub-tugas otomatis, misal "Pesan tempat", "Susun rundown", "Undang peserta", "Siapkan konsumsi". Caranya, pakai rangkaian ini: pemicu Task Dibuat → Agent AI mode Generate dengan Format Output JSON (mis. "Buat 3–5 judul sub-tugas untuk: {{ trigger.task.title }}, balas array JSON berisi judul") → Perulangan dengan Iterasi atas (array) {{ nodes.<id-ai>.output.json }} → aksi Buat Subtask dengan judul {{ loop.item }}.
    2. Menambahkan satu komentar ringkasan di tugas induk, semacam catatan pembuka yang menjelaskan rencana langkahnya.

    Hasilnya, tugas yang tadinya cuma satu baris kosong langsung punya rincian kerja dan arah yang jelas, tanpa kamu mengetik apa pun. AI memakai isi judul tugas (lewat token {{ }}) sebagai bahan berpikirnya.

    AGEN BERAKSI · TUGAS BARU MEMICU AGENTugas barutriggerAI Agent1Baca tugas baruAgen pahami konteks2Buat sub-taskPecah jadi langkah kecil3Tulis komentarRingkasan otomatis di tugasPutar ulangAgen jalan otomatis tiap ada tugas baru.
    • Mulai dari aksi yang aman dulu, seperti menambah komentar, sebelum memberi AI tugas yang lebih berani
    • AI hanya tahu detail tugas yang kamu sisipkan di instruksi lewat token (mis. {{ trigger.task.title }}). Jadi sertakan data yang dibutuhkan langsung di instruksi; makin jelas judul tugasnya, makin pas hasilnya
  5. 5

    Minta persetujuan dulu sebelum aksi sensitif

    Ada aksi yang sebaiknya tidak boleh otomatis 100%, misalnya mengirim data ke pihak luar atau memindahkan status tugas. Untuk hal seperti ini, pasang node Persetujuan (kelompok Logika) sebelum aksi yang mau dijaga, supaya alur berhenti dulu dan minta izin manusia. Isi Penyetuju, Judul, Pesan, dan Kedaluwarsa (jam).

    Ini namanya langkah persetujuan (approval). Cara kerjanya seperti rem tangan:

    1. Alur berjalan sampai titik sensitif (mis. "akan mengirim data ke pihak luar").
    2. Node Persetujuan akan menahan alur dan mengirim permintaan persetujuan ke orang yang kamu tunjuk, misal manajer.
    3. Alur menunggu sampai ada keputusan.
    4. Kalau disetujui, aksi dilanjutkan. Kalau ditolak, alur berbelok ke jalur lain (mis. tidak jadi, atau dicatat saja).

    Contoh use-case: sebelum mengirim data ke pihak luar (HTTP Request / Kirim WhatsApp) atau sebelum Pindah Status tugas pemicu, minta persetujuan manajer dulu lewat node Persetujuan. (Hapus atau arsip massal belum bisa dilakukan lewat otomasi.) Jadi AI tetap mempercepat pekerjaan, tapi keputusan berisiko tetap di tangan manusia. Catatan: Agent AI tidak menjalankan aksi destruktif atau massal (arsip, hapus, reschedule massal); aksi itu dilewati dan hanya dilaporkan.

    PERSETUJUAN MANUSIA · JEDA SEBELUM AKSI SENSITIFAI mengusulkanArsipkan 128 tugas lamajedaMinta persetujuan managerArsipkan 128 tugas lama?SetujuiTolakDisetujuiAksi dijalankan agenDitolakAksi dibatalkan, amanUlangiKetuk Setujui atau Tolak untuk lihat alurnya.
    • Pakai persetujuan untuk aksi yang sulit dibatalkan: kirim ke pihak luar, atau apa pun yang berurusan dengan uang
    • Tunjuk orang yang memang berwenang sebagai penyetuju, supaya keputusan cepat dan jelas siapa yang bertanggung jawab
    Selama menunggu persetujuan, alur berhenti di langkah itu, bukan gagal. Penyetuju otomatis dapat notifikasi di aplikasi (dan Telegram kalau sudah terhubung) dan bisa memutuskan di Otomasi → Persetujuan. Kalau tidak diputuskan sampai batas "Kedaluwarsa" (bawaan 24 jam), permintaan otomatis dianggap ditolak dan alur lanjut ke cabang "rejected".
  6. 6

    Jawab pakai pengetahuan workspace (Grounding)

    Secara bawaan, AI menjawab dari pengetahuan umum. Tapi dia tidak tahu aturan internal perusahaanmu, kecuali kamu beri tahu. Di sinilah Grounding berperan.

    Grounding artinya AI bersandar pada pengetahuan di workspace-mu saat menjawab: dia mencari data workspace yang relevan dengan instruksi, yaitu dari tugas, komentar, topik Diskusi, Briefs, dan pesan chat, lalu memakainya sebagai rujukan. Halaman Docs dan file lampiran belum ikut dicari, dan Grounding hanya berpengaruh di mode Agent. Jadi jawabannya akurat sesuai kondisi perusahaanmu, bukan jawaban umum yang bisa salah.

    Contoh use-case: balas pertanyaan internal pakai pengetahuan workspace. Seorang karyawan bertanya di alur, *"Berapa hari jatah cuti tahunan kita?"*. Tanpa Grounding, AI cuma menebak angka umum. Dengan Grounding, AI mencari data yang relevan di workspace-mu dulu, lalu menjawab angka yang benar-benar berlaku di tempatmu, sambil merujuk ke sumbernya. Jadi kalau ingin AI menjawab soal kebijakan cuti, tulis kebijakannya di Brief atau topik Diskusi.

    Ini membuat asisten AI terasa seperti rekan kerja yang sudah membaca semua dokumen internal, bukan orang asing yang baru datang.

    GROUNDING · JAWAB PAKAI PENGETAHUAN WORKSPACEPERTANYAAN
    Berapa lama garansi produk kita?
    AIPENGETAHUAN WORKSPACECoba pertanyaan internal:Berapa lama garansi produk kita?Siapa PIC onboarding klien baru?
    • Rapikan kebijakan, SOP, dan FAQ-mu yang ditulis di Brief atau topik Diskusi (halaman Docs belum ikut dicari). Makin rapi sumbernya, makin akurat jawaban AI
    • Cocok untuk menjawab pertanyaan berulang dari tim: kebijakan cuti, alur klaim, jam kerja, dan sejenisnya
    AI tetap bisa keliru. Untuk jawaban yang dipakai mengambil keputusan penting, minta tim mengecek ulang ke sumber aslinya sebelum dianggap final.
  7. 7

    Rangkai jadi satu alur cerdas

    Bagian-bagian tadi paling kuat kalau dirangkai. Bayangkan satu alur penanganan keluhan dari awal sampai akhir:

    1. Pesan pelanggan masuk lewat pemicu Webhook Masuk (sistem lain, mis. chatbot atau form eksternal, mengirim pesan ke URL webhook otomasi), atau lewat Task Dibuat kalau keluhan masuk sebagai tugas (mis. dari Forms).
    2. Ekstrak AI merapikan jadi field: nama, kategori, urgensi.
    3. Router AI mengarahkan ke tim yang tepat berdasarkan kategori.
    4. Agent AI (mode Agent) membuat tugas otomatis di tim itu, lengkap dengan komentar ringkasan.
    5. Kalau keluhannya minta refund besar, node Persetujuan meminta persetujuan manajer dulu sebelum diproses.
    6. Saat tim menjawab, AI (mode Agent) memakai Grounding agar balasannya merujuk ke data workspace yang relevan, mis. kebijakan yang kamu tulis di Brief atau topik Diskusi.

    Kamu tidak harus langsung sekompleks ini. Mulai dari satu blok (misal cuma Router AI untuk memilah keluhan), pastikan jalan, baru tambah blok berikutnya. Begitu nyaman, alurmu bisa berkembang jadi asisten yang mengurus pekerjaan berulang nyaris sendirian.

    • Bangun bertahap: satu blok dulu, uji, baru sambung blok berikutnya. Lebih gampang mencari letak masalah kalau ada yang meleset
    • Beri nama tiap otomasi dengan jelas (mis. "Triase Keluhan Masuk") supaya gampang dirawat saat alurmu makin banyak
    • Pantau angka "Dijalankan …x" dan tanda gagal di kartu tiap otomasi, lalu buka "Riwayat" di editor untuk melihat detail setiap run