DANA Ungkap Produktivitas Naik 57 Persen Berkat Implementasi Agentic AI

AKURAT.CO Perusahaan kini berlomba mengadopsi kecerdasan buatan (AI), tetapi banyaknya teknologi yang digunakan belum tentu menunjukkan bahwa bisnis benar-benar menjadi lebih produktif. Pertanyaan yang lebih sulit justru muncul setelah AI masuk ke ruang kerja: apakah teknologi tersebut mampu mengubah cara perusahaan bekerja dan menghasilkan dampak yang bisa diukur?

DANA Indonesia mencoba menjawab pertanyaan tersebut melalui implementasi agentic AI pada sejumlah proses operasional. Sepanjang 2025, perusahaan mencatat peningkatan produktivitas hingga 57%, sekaligus peningkatan kepuasan pelanggan 13% dan percepatan penyelesaian layanan sebesar 10%.

Apa itu agentic AI dan bagaimana dampaknya bagi produktivitas DANA?

Secara sederhana, agentic AI merupakan pendekatan AI yang digunakan untuk membantu menjalankan rangkaian pekerjaan atau proses secara lebih mandiri berdasarkan tujuan yang telah ditentukan. Dalam konteks DANA, teknologi tersebut diterapkan pada sejumlah proses operasional dan menghasilkan peningkatan produktivitas hingga 57% sepanjang 2025.

Angka tersebut penting karena menunjukkan pergeseran cara perusahaan menilai keberhasilan AI. Ukuran keberhasilannya bukan hanya seberapa banyak karyawan menggunakan AI atau berapa banyak eksperimen yang dilakukan, melainkan apakah penerapannya mengubah proses kerja dan menghasilkan output yang lebih baik.

DANA membahas pendekatan tersebut dalam sesi The AI Adoption Trap: Moving Beyond Hype to Real Business Value di IdeaFest 2026 melalui inisiatif tahunan AI@Work Lab.

CEO & Co-Founder DANA Indonesia Vince Iswara menekankan bahwa adopsi AI tidak seharusnya menjadi tujuan akhir perusahaan.

“Adopsi AI bukan lagi tujuan akhir. Nilainya baru tercipta ketika teknologi tersebut membantu menyelesaikan persoalan yang nyata, memperbaiki kualitas keputusan, dan memberikan hasil yang dapat diukur. Namun, manusia tetap memegang peran utama dalam menentukan konteks, menjaga kualitas, mengelola risiko, dan bertanggung jawab atas hasil akhirnya,” ujar Vince melalui catatan tertulis yang diterima AKURAT.CO, dikutip Selasa, 8 September 2026.

Mengapa kenaikan produktivitas 57% menjadi penting?

Kenaikan produktivitas 57% tidak semata-mata menunjukkan bahwa DANA memiliki teknologi AI yang lebih canggih. Angka tersebut memberikan gambaran mengenai bagaimana AI mulai diposisikan sebagai bagian dari proses bisnis, bukan sekadar perangkat eksperimen.

Ada perbedaan besar antara perusahaan yang “menggunakan AI” dan perusahaan yang memperoleh nilai dari AI.

Perusahaan pertama mungkin memiliki banyak karyawan yang memakai chatbot, membuat kode dengan bantuan AI, atau menjalankan berbagai proyek percobaan. Namun, jika proses bisnis, kualitas output, waktu penyelesaian, atau pengalaman pelanggan tidak berubah, tingkat adopsi tersebut belum tentu memberikan nilai ekonomi yang berarti.

Kasus DANA menunjukkan pendekatan yang berbeda. Produktivitas menjadi salah satu indikator untuk melihat apakah implementasi AI benar-benar memberikan perubahan.

Jika secara hipotetis sebuah tim mampu menyelesaikan 100 unit pekerjaan dalam periode tertentu sebelum menggunakan AI, peningkatan produktivitas 57% dapat dibayangkan sebagai kemampuan menghasilkan sekitar 157 unit pekerjaan dengan kapasitas waktu yang sama.

Angka tersebut hanya ilustrasi untuk memahami konsep, bukan berarti setiap engineer DANA secara individual bekerja 57% lebih cepat. Produktivitas perusahaan merupakan ukuran yang lebih luas dan dapat dipengaruhi oleh berbagai proses serta faktor organisasi.

Di sinilah konsep AI Adoption Trap menjadi relevan. Perusahaan dapat terjebak mengejar jumlah penggunaan AI karena khawatir tertinggal dari kompetitor, padahal pertanyaan yang lebih penting adalah masalah bisnis apa yang berhasil diselesaikan.

Produktivitas naik, bagaimana dampaknya terhadap pelanggan?

Keberhasilan implementasi AI juga tidak berhenti pada efisiensi internal. DANA mencatat kepuasan pelanggan meningkat 13% dan penyelesaian layanan menjadi 10% lebih cepat sepanjang 2025.

Ketiga angka tersebut memperlihatkan bahwa pembicaraan mengenai produktivitas AI sebaiknya tidak hanya berpusat pada karyawan atau teknologi.

Produktivitas internal menjadi lebih berarti ketika perubahan proses kerja turut mendukung kualitas pengalaman pengguna. Proses yang lebih efisien, misalnya, berpotensi memberikan ruang bagi perusahaan untuk menyelesaikan kebutuhan pelanggan dengan lebih cepat.

Meski demikian, angka-angka tersebut tidak boleh dibaca sebagai bukti bahwa seluruh kenaikan kepuasan pelanggan atau percepatan layanan semata-mata disebabkan oleh agentic AI. Narasi DANA menunjukkan adanya sejumlah indikator perubahan setelah implementasi, tetapi tidak memberikan rincian hubungan sebab-akibat untuk setiap indikator.

Pendekatan tersebut justru penting dalam membaca data AI secara kritis. Kenaikan angka harus dilihat sebagai indikator hasil implementasi, bukan otomatis sebagai bukti bahwa satu teknologi merupakan satu-satunya penyebab perubahan.

Baca Juga: Kecerdasan Buatan di atas Meja Kantor Kita: Terobosan Termutakhir NVIDIA, Sang "Kaisar" AI

Baca Juga: Ilmu Dasar sebagai Pengetahuan Tersirat untuk Bertahan di Era Revolusi Kecerdasan Buatan

80–90% kode DANA dibuat dengan bantuan AI, apakah engineer akan tergantikan?

Salah satu konsekuensi menarik dari semakin masifnya penggunaan AI terlihat di bidang engineering.

Saat ini, sekitar 80–90% kode di DANA dihasilkan dengan dukungan AI. Sekilas, angka tersebut dapat menimbulkan pertanyaan apakah pekerjaan engineer akan semakin berkurang ketika AI mampu menghasilkan sebagian besar kode.

DANA justru melihat perubahan tersebut dari sudut pandang berbeda.

Engineer tetap bertanggung jawab untuk merumuskan persoalan, merancang arsitektur sistem, melakukan validasi, memastikan keamanan, serta mengambil keputusan atas hasil akhir. Dengan demikian, AI mengambil sebagian pekerjaan eksekusi, tetapi tanggung jawab terhadap sistem tetap berada pada manusia.

CTO DANA Indonesia Norman Sasono menggambarkan perubahan tersebut secara sederhana.

“AI dapat membantu menjawab how, tetapi engineer tetap bertanggung jawab atas why, what, dan what could go wrong. Ketika kode semakin mudah dihasilkan, kemampuan memahami konteks, menggunakan penilaian yang tepat, dan akuntabilitas justru menjadi semakin penting,” ujar Norman.

Perubahan ini menunjukkan paradoks dalam perkembangan AI. Ketika pekerjaan teknis tertentu menjadi semakin mudah dilakukan, keterampilan yang berada di luar sekadar eksekusi justru semakin bernilai.

Kemampuan memahami kebutuhan bisnis, memilih solusi yang tepat, mengenali risiko, dan memastikan sistem bekerja sesuai tujuan menjadi semakin penting.

AI Adoption Trap: ketika perusahaan terlalu fokus pada penggunaan AI

Istilah AI Adoption Trap yang dibahas DANA pada dasarnya menggambarkan persoalan yang semakin relevan ketika AI menjadi teknologi arus utama.

Perusahaan memiliki tekanan untuk segera menggunakan AI. Masalahnya, kecepatan adopsi tidak selalu sama dengan kecepatan penciptaan nilai.

Ada beberapa pertanyaan yang seharusnya muncul sebelum dan sesudah AI diterapkan:

• Masalah apa yang ingin diselesaikan?

• Proses mana yang benar-benar membutuhkan AI?

• Apa indikator keberhasilannya?

• Bagaimana kualitas output diperiksa?

• Siapa yang bertanggung jawab jika hasil AI keliru?

• Bagaimana risiko keamanan dan penyalahgunaan dikelola?

Pertanyaan tersebut mengubah posisi AI dari sekadar alat teknologi menjadi bagian dari desain proses bisnis.

Dengan perspektif itu, peningkatan produktivitas 57% menjadi lebih relevan. Perusahaan tidak hanya menunjukkan bahwa AI digunakan, tetapi juga menunjukkan adanya indikator untuk mengukur perubahan yang terjadi setelah penerapannya.

DANA tidak selalu menggunakan AI untuk mempercepat proses

Ada satu pelajaran lain dari penerapan AI di DANA yang menarik: nilai AI tidak selalu berarti membuat proses menjadi lebih cepat.

Melalui pendekatan Smart Friction, DANA menambahkan lapisan verifikasi secara terukur pada aktivitas yang memiliki indikasi risiko lebih tinggi.

Dalam praktik bisnis digital, konsep tersebut cukup penting. Sistem yang sepenuhnya berorientasi pada kecepatan dapat menjadi masalah ketika pengguna atau transaksi menunjukkan pola yang berisiko. Pada situasi seperti itu, sedikit tambahan proses justru dapat memberikan perlindungan yang lebih besar.

Bersama Pusat Pelaporan dan Analisis Transaksi Keuangan (PPATK), pendekatan tersebut berkontribusi terhadap penurunan aktivitas terindikasi perjudian online di platform hingga 80% sepanjang 2025.

Artinya, manfaat teknologi tidak selalu terlihat dalam bentuk “lebih cepat”. Pada proses tertentu, hasil yang paling bernilai justru dapat berupa lebih aman, lebih terkendali, atau lebih sedikit risiko.

Apa yang berubah dari pekerjaan manusia ketika AI semakin banyak digunakan?

Pembahasan mengenai masa depan AI sering terjebak pada pertanyaan apakah manusia akan digantikan mesin. Kasus DANA memperlihatkan pertanyaan yang mungkin lebih relevan: bagian pekerjaan manusia mana yang akan berubah?

Ketika AI dapat membantu menghasilkan kode, manusia memiliki kesempatan untuk mengalokasikan lebih banyak perhatian pada pekerjaan yang membutuhkan penilaian.

Perubahan tersebut dapat digambarkan sebagai pergeseran dari:

• menulis kode → merancang solusi;

• menjalankan instruksi → menentukan tujuan;

• memeriksa output → menilai risiko;

• mengerjakan tugas repetitif → menyelesaikan persoalan yang kompleks;

• sekadar menghasilkan sistem → bertanggung jawab atas konsekuensinya.

Hal tersebut menjadi pokok pembahasan dalam sesi Beyond Coding: Building a Career AI Can’t Replace yang menghadirkan Norman Sasono, CTO DANA Indonesia; Sai Prasad Kolluri, CTO Google Cloud Indonesia; dan Abil Sudarman, Founder ASSAI.

Pesan yang muncul cukup jelas: kemampuan coding tetap penting, tetapi coding bukan lagi satu-satunya sumber keunggulan seorang engineer.

Apa pelajaran bagi perusahaan yang ingin menerapkan AI?

Kasus DANA memberikan setidaknya tiga pelajaran praktis bagi perusahaan yang sedang mengadopsi AI.

Pertama, mulai dari masalah, bukan teknologi.

Perusahaan sebaiknya menentukan persoalan bisnis yang ingin diselesaikan sebelum memilih teknologi AI. Pendekatan ini membantu mencegah eksperimen yang hanya menghasilkan demo tetapi tidak mengubah proses kerja.

Kedua, tentukan indikator keberhasilan sejak awal.

Produktivitas, kecepatan layanan, kualitas output, pengalaman pelanggan, atau pengurangan risiko dapat menjadi indikator sesuai tujuan implementasi. Tidak semua proyek AI harus menggunakan ukuran yang sama.

Ketiga, pertahankan akuntabilitas manusia.

Semakin besar porsi pekerjaan yang dapat dilakukan AI, semakin penting kejelasan mengenai siapa yang memeriksa, memvalidasi, dan mengambil keputusan akhir.

Dengan pendekatan tersebut, AI tidak ditempatkan sebagai pengganti manusia secara sederhana, tetapi sebagai teknologi yang mengubah pembagian kerja antara manusia dan mesin.

Agentic AI bukan perlombaan siapa yang paling cepat mengadopsi

Peningkatan produktivitas hingga 57% yang dicatat DANA memberikan gambaran mengenai arah baru implementasi AI di perusahaan. Tantangannya bukan lagi sekadar membuat karyawan menggunakan AI, melainkan memastikan teknologi tersebut menyelesaikan masalah yang memang penting bagi bisnis.

Dari sisi DANA, ukuran tersebut terlihat melalui kombinasi sejumlah indikator: produktivitas meningkat 57%, kepuasan pelanggan naik 13%, dan penyelesaian layanan menjadi 10% lebih cepat sepanjang 2025.

Pada saat yang sama, penggunaan AI yang mencapai 80–90% kode menunjukkan bahwa otomatisasi dapat masuk jauh ke dalam proses engineering tanpa menghilangkan kebutuhan terhadap manusia.

Pelajaran terbesarnya justru terletak pada batas AI. Teknologi dapat membantu mengerjakan how, tetapi manusia masih harus menentukan why, what, serta apa yang mungkin salah.

Pada akhirnya, perlombaan AI bukan semata-mata tentang siapa yang paling cepat mengadopsi teknologi. Pertanyaan yang lebih menentukan adalah siapa yang paling mampu mengubah AI menjadi hasil bisnis yang nyata, terukur, dan tetap bertanggung jawab.

Pantau terus perkembangan penerapan AI dan transformasi teknologi di dunia bisnis Indonesia.

Baca Juga: Vietnam Targetkan 10.000 Talenta AI hingga 2030, Siswa dan ASN Wajib Dibekali Keterampilan Kecerdasan Buatan

Baca Juga: UTB Gelar Wisuda ke-25, Kukuhkan Lulusan yang Siap Bersaing di Era Kecerdasan Buatan

FAQ

Apa itu agentic AI?

Agentic AI adalah pendekatan AI yang dapat membantu menjalankan rangkaian pekerjaan berdasarkan tujuan atau instruksi tertentu dengan tingkat kemandirian yang lebih tinggi dibanding penggunaan AI sekadar sebagai alat tanya jawab. Dalam konteks DANA, agentic AI diterapkan pada sejumlah proses operasional dan sepanjang 2025 berkontribusi dalam implementasi yang mencatat peningkatan produktivitas hingga 57%.

Bagaimana agentic AI meningkatkan produktivitas perusahaan?

Agentic AI dapat meningkatkan produktivitas dengan membantu menangani bagian tertentu dari proses kerja sehingga manusia dapat lebih fokus pada pekerjaan yang membutuhkan penilaian, pemecahan masalah, dan pengambilan keputusan. Dampaknya perlu diukur berdasarkan perubahan nyata dalam proses bisnis, bukan hanya dari jumlah karyawan atau tim yang menggunakan teknologi tersebut.

Berapa produktivitas DANA setelah menerapkan agentic AI?

DANA mencatat peningkatan produktivitas hingga 57% sepanjang 2025 setelah menerapkan agentic AI pada sejumlah proses operasional. Pada periode yang sama, DANA juga mencatat peningkatan kepuasan pelanggan sebesar 13% dan percepatan penyelesaian layanan sebesar 10%.

Apakah AI akan menggantikan software engineer?

Penerapan AI tidak otomatis menghilangkan kebutuhan terhadap software engineer. Di DANA, meskipun sekitar 80–90% kode dibuat dengan dukungan AI, engineer tetap bertanggung jawab atas perumusan masalah, arsitektur sistem, validasi, keamanan, pengambilan keputusan, dan hasil akhir. Artinya, pekerjaan engineer lebih mungkin mengalami perubahan fokus daripada sekadar hilang karena otomatisasi.

Mengapa keberhasilan AI tidak cukup diukur dari tingkat adopsinya?

Tingkat adopsi hanya menunjukkan seberapa banyak AI digunakan, bukan seberapa besar nilai yang dihasilkan. Perusahaan perlu melihat indikator seperti produktivitas, kualitas layanan, kecepatan penyelesaian pekerjaan, pengalaman pelanggan, atau pengurangan risiko. Pendekatan inilah yang menjadi bagian dari pembahasan DANA mengenai AI Adoption Trap.

Bagaimana perusahaan dapat menggunakan AI secara aman dan bertanggung jawab?

Perusahaan perlu menetapkan tujuan penggunaan AI, parameter keberhasilan, mekanisme validasi, serta pihak yang bertanggung jawab atas hasilnya. AI juga perlu disesuaikan dengan tingkat risiko suatu proses. DANA, misalnya, menerapkan pendekatan Smart Friction dengan menambahkan lapisan verifikasi pada aktivitas yang memiliki indikasi risiko lebih tinggi.

Apa keterampilan yang semakin penting di era AI?

Selain kemampuan teknis, keterampilan seperti memahami konteks bisnis, memecahkan masalah, merancang arsitektur sistem, mengambil keputusan, menilai risiko, dan bertanggung jawab atas hasil menjadi semakin penting. Ketika AI membuat pekerjaan coding lebih mudah, kemampuan menentukan masalah yang tepat dan menilai solusi menjadi sumber nilai yang semakin besar.