Di tim internal Kantor AI, tiap agent punya peran yang sengaja dipisah biar tetap fokus dan andal. Kalau Percy mengurus rekonsiliasi keuangan dan Gordon memproduksi konten sosial media, ada satu peran lagi yang jarang terlihat langsung tapi kerjanya krusial: Emily, yang bertugas mengubah data mentah jadi insight yang bisa dipakai untuk keputusan.
Kenapa peran ini dipisah sendiri
Analisis data butuh cara kerja yang berbeda dari agent customer-facing atau agent produksi konten. Prosesnya biasanya diawali dari pertanyaan bisnis yang belum terstruktur (“kenapa penjualan bulan ini turun?”), lalu perlu ditelusuri ke data yang relevan, dibersihkan, diringkas, dan disajikan dalam bentuk yang mudah dibaca — bukan sekadar tabel angka mentah.
Kalau tugas ini dicampur dengan agent yang juga menangani percakapan pelanggan atau jadwal konten, fokusnya gampang pecah. Memisahkan peran ini membuat setiap agent bisa punya “kebiasaan kerja” yang konsisten sesuai tugasnya.
Bentuk pekerjaan sehari-hari
- Merapikan data dari berbagai sumber sebelum dianalisis, termasuk mengecek kejanggalan atau data yang hilang.
- Menjawab pertanyaan berbasis data yang diajukan tim lain, dengan jawaban yang disertai konteks (bukan cuma angka).
- Menyusun ringkasan atau visualisasi sederhana yang memudahkan pengambilan keputusan cepat.
- Menandai secara eksplisit kalau ada keterbatasan data — misalnya sampel terlalu kecil atau data belum lengkap — daripada memaksakan kesimpulan.
Pelajaran yang bisa diambil
Satu hal yang konsisten dari pengalaman internal ini: agent analisis data hanya sebaik data yang dimasukkan ke dalamnya. Sebelum berharap insight yang tajam, kerapian dan konsistensi sumber data justru jadi pekerjaan rumah paling awal — sesuatu yang sering diremehkan bisnis yang baru mulai memakai AI agent untuk kebutuhan analisis.
Cerita dari dalam seperti ini menunjukkan bahwa “AI agent untuk data” bukan cuma soal punya alat canggih, tapi juga soal disiplin menjaga kualitas data yang jadi bahan bakunya.