RPA atau AI Agent untuk Otomasi Proses Kantor?

Untuk otomasi proses kantor, AI agent tidak menggantikan RPA: masing-masing unggul di jenis tugas yang berbeda, dan pilihan paling aman sering kali justru alur API biasa.

Salah pilih pendekatan jarang terlihat di minggu pertama. Masalahnya muncul belakangan: bot yang rusak setiap kali tampilan aplikasi berubah, tagihan token AI yang membengkak untuk tugas yang sebenarnya cukup dengan aturan "jika ini, maka itu", atau agen yang mengambil keputusan tanpa jejak yang bisa diaudit. Memahami cara kerja ketiganya membantu kamu memilih alat yang tepat untuk setiap langkah.

Apa itu RPA, alur API, dan AI agent?

RPA (Robotic Process Automation) adalah bot perangkat lunak yang meniru tindakan manusia di layar: membuka aplikasi, mengklik tombol, menyalin isi kolom, lalu menempelkannya di aplikasi lain. RPA tidak perlu akses API. Ia bekerja di atas antarmuka yang sama dengan yang dipakai staf.

Alur berbasis API menghubungkan sistem secara langsung lewat jalur data resmi yang disediakan aplikasi. Alat seperti n8n atau Activepieces bekerja dengan cara ini: pemicu masuk, data diolah, lalu dikirim ke sistem lain tanpa menyentuh layar sama sekali. Perbandingan kedua alat itu ada di Activepieces vs n8n.

AI agent memakai model bahasa besar (LLM) untuk memahami instruksi, membaca teks bebas, menentukan langkah, dan memanggil alat. Agen tidak mengikuti skrip kaku. Ia menimbang konteks, sehingga bisa menangani kasus yang tidak pernah dirumuskan sebelumnya, tapi hasilnya juga tidak selalu sama persis.

Perbandingan singkat ketiganya

Kapan RPA masih jadi pilihan tepat?

RPA masuk akal saat sistem yang harus dioperasikan tidak punya API sama sekali: aplikasi desktop lama, portal pemasok atau instansi yang hanya bisa diakses lewat browser, atau sistem internal yang vendornya sudah tidak memberi dukungan.

Syaratnya, prosesnya stabil. Bila tampilan aplikasi jarang berubah dan langkahnya selalu sama, bot UI bisa bekerja andal untuk waktu lama. Sebaliknya, untuk aplikasi web yang sering diperbarui, biaya perawatan bot bisa melampaui waktu yang dihemat.

Kenapa alur API sering jadi titik awal terbaik

Kalau sistemnya menyediakan API, hampir selalu lebih baik memakai API daripada meniru klik. Data dikirim dalam format terstruktur, tidak terpengaruh perubahan tampilan, dan setiap langkah tercatat di log.

Contoh proses yang cocok:

• Pesanan baru dari toko online disalin ke sistem gudang dan pembukuan.
• Isian formulir masuk ke CRM, lalu tim penjualan mendapat notifikasi.
• Laporan harian ditarik dari beberapa sistem dan dikirim ke manajer.
• Faktur yang lunas memicu email terima kasih dan pembaruan status.

Semua contoh di atas punya aturan yang jelas. Tidak ada keputusan yang butuh pemahaman bahasa.

Di mana AI agent benar-benar berguna?

AI agent paling berguna ketika masukannya tidak terstruktur. Email pelanggan yang ditulis bebas, lampiran PDF dengan format berbeda-beda, atau permintaan internal yang harus diterjemahkan menjadi tugas. Di sini aturan kaku cepat kewalahan, sementara LLM bisa membaca, mengklasifikasikan, dan merangkum. Dasar cara kerja LLM dijelaskan di apa itu LLM untuk bisnis.

Contoh tugas yang cocok untuk agen:

• Memilah email masuk: keluhan, pertanyaan harga, atau permintaan faktur, lalu meneruskannya ke tim yang tepat.
• Mengekstrak data dari dokumen pemasok yang formatnya tidak seragam.
• Menyusun draf balasan yang kemudian diperiksa staf sebelum dikirim.

Kelemahannya juga perlu diterima sejak awal. Hasil agen bisa keliru dengan cara yang terdengar meyakinkan, dan biayanya mengikuti jumlah token yang diproses. Karena itu agen sebaiknya diberi ruang gerak terbatas dan titik persetujuan manusia, seperti dibahas di human-in-the-loop untuk otomasi AI.

Bagaimana menggabungkan ketiganya?

Dalam praktik, proses kantor jarang murni satu jenis. Pola yang sering berhasil adalah membiarkan setiap pendekatan mengerjakan bagian yang paling ia kuasai:

• Alur API sebagai tulang punggung: pemicu, perpindahan data, pencatatan log, dan penanganan error.
• AI agent untuk langkah penilaian: membaca email, mengklasifikasi dokumen, menyusun draf.
• RPA hanya untuk sistem yang benar-benar tertutup: satu langkah spesifik di aplikasi lama yang tidak bisa diakses dengan cara lain.

Contohnya proses tagihan pemasok. Email berisi faktur masuk dan memicu alur API. Agen membaca lampiran dan mengekstrak nomor faktur, nominal, serta tanggal jatuh tempo. Data diperiksa aturan sederhana, misalnya cocok dengan pesanan pembelian. Bila semua cocok, data dikirim ke sistem akuntansi lewat API, atau lewat bot RPA bila sistem akuntansinya masih aplikasi desktop lama. Kasus yang tidak cocok diteruskan ke staf.

Sebelum memilih alat, pastikan prosesnya memang layak diotomasi. Kerangka penilaiannya ada di cara memilih proses bisnis yang layak diotomasi.