Artificial Intelligence

AI Agent Kini Menjadi Infrastruktur: Seperti Apa Sebenarnya Membangun dengan Mereka di Tahun 2026

By Anurag Verma•June 3, 2026

AI Agents Kini Jadi Infrastruktur: Seperti Apa Sebenarnya Membangunnya di 2026

Momen yang mengkristalkan perubahan ini bagi saya adalah ketika membaca transkrip earnings call Q4 FY2026 Salesforce pada bulan Februari. Agentforce mencapai $800 juta ARR, naik 169% dibanding tahun sebelumnya, dan tim eksekutif perusahaan terus menggunakan frasa yang delapan belas bulan lalu masih terdengar seperti jargon pemasaran: "agentic work units." Mereka telah mencatat 2,4 miliar unit tersebut. Ini bukan sekadar chat completion. Ini adalah tugas yang benar-benar diselesaikan: kasus dukungan yang ditangani tanpa campur tangan manusia, catatan penjualan yang diperbarui setelah panggilan telepon, alur kerja orientasi yang dimulai tanpa tiket. Pada titik ini, perdebatan tentang apakah AI agent penting bagi enterprise sudah selesai.

Yang belum selesai adalah mencari cara untuk membangun dan menjalankannya secara bertanggung jawab.

Di Mana Pasar Sebenarnya Berada

Pasar AI agent global berada di angka sekitar $10,9 miliar pada 2026, naik dari $7,6 miliar pada 2025, tumbuh dengan CAGR 44%. Angka-angka itu bagi saya kurang penting dibanding tingkat adopsi di baliknya: 40% aplikasi enterprise kini menyertakan kemampuan agentic, dibanding kurang dari 5% hanya setahun yang lalu. Ada sesuatu yang melewati ambang batas tertentu.

Kisah infrastrukturnya bahkan lebih mengungkapkan. Model Context Protocol milik Anthropic, yang diluncurkan pada akhir 2024, kini mencatat 97 juta unduhan SDK per bulan dan memiliki lebih dari 10.000 server produksi aktif. Pada Desember 2025, Google mengadopsi MCP di seluruh layanannya. Pada April 2026, perusahaan-perusahaan Fortune 500 sudah menjalankannya di produksi. Enam belas bulan dari proyek riset menjadi infrastruktur enterprise. Itu sangat cepat.

Yayasan Linux meresmikan hal ini pada akhir 2025 dengan Agentic AI Foundation (AAIF), yang menggabungkan MCP, AGENTS.md milik OpenAI, dan goose milik Block di bawah satu payung tata kelola. Anggota Platinum mencakup Amazon, Anthropic, Google, Microsoft, dan OpenAI. Ketika pesaing terkuat Anda bersama-sama mendanai badan standar yang sama, lapisan protokol sudah ditetapkan.

Posisi Agen Coding

Rekayasa perangkat lunak menyerap sekitar separuh dari deployment agentic awal, dan saya paham alasannya. Siklus umpan baliknya ketat dan terukur. Cursor dilaporkan melampaui $1 miliar ARR dan mencapai valuasi $29,3 miliar dalam setahun terakhir, tumbuh dari $100 juta ARR hanya dalam dua belas bulan. GitHub Copilot, Claude Code, Windsurf, dan Devin semuanya bersaing di pasar yang belum ada dalam bentuknya sekarang dua tahun lalu.

Pergeseran arsitektur adalah bagian yang patut diperhatikan. Alat-alat ini bukan lagi sekadar pembungkus pelengkap otomatis. Mereka mempertahankan status di seluruh sesi codebase, membuka pull request, menjalankan pengujian, membaca keluaran error, dan mencoba lagi. Operator milik OpenAI mencetak 87% pada benchmark tugas browser yang kompleks. AGENTS.md, yang dirilis pada Agustus 2025, telah diadopsi oleh lebih dari 60.000 repositori open-source sebagai cara standar untuk mendeskripsikan konteks repo bagi agen. Permukaan coding adalah ajang pembuktian paling matang yang kita miliki saat ini.

Saya menggunakan Claude Code setiap hari pada codebase Next.js blog ini dan perbedaan produktivitasnya nyata, bukan sekadar hype. Tapi saya juga tahu persis apa yang tidak bisa dilakukannya: mempertahankan niat yang konsisten di berbagai tool call ketika sesuatu berjalan tidak semestinya, atau menalar tentang efek samping dua langkah ke depan. Kesenjangan itulah masalah rekayasa yang sesungguhnya.

Bagian yang Kurang Dibicarakan

Berikut statistik yang tidak nyaman: hanya 11 hingga 14% pilot agen AI enterprise yang mencapai produksi berskala besar per Maret 2026. Modus kegagalannya hampir tidak pernah berasal dari modelnya. Masalahnya ada di lapisan orkestrasi. Inkonsistensi konteks di titik serah terima, agen yang masuk ke dalam putaran umpan balik yang menguras anggaran API dalam hitungan menit, kesalahan koordinasi yang merembet menjadi kegagalan di seluruh sistem. Sistem multi-agen di lingkungan produksi mengalami tingkat kegagalan agen individual sebesar 5 hingga 15%, dan tanpa pemutus sirkuit yang tepat, satu kegagalan bisa menyebar ke mana-mana.

Keamanan adalah masalah lain yang belum terselesaikan. Serangan injeksi prompt melonjak 340% dari tahun ke tahun dan tetap menjadi kategori teratas kegagalan keamanan AI agentik pada 2026, menurut Laporan Keamanan LLM dari OWASP. Variannya yang bersifat tidak langsung sangat berbahaya: instruksi berbahaya yang tersembunyi di dalam dokumen yang dibaca agen, yang kemudian memicu aksi nyata (kueri basis data, pemanggilan API, penulisan file) yang tidak pernah terdeteksi oleh operator. Microsoft, Google, dan GitHub semuanya pernah mengalami eksploitasi pada sistem produksi mereka dengan cara ini. Dua puluh sembilan persen organisasi yang merencanakan penerapan agentik mengaku siap mengamankannya. Tujuh puluh satu persen sisanya tetap menerapkannya begitu saja.

Delapan puluh persen organisasi yang menerapkan agen tidak memiliki model tata kelola yang matang untuk mengelolanya pada skala besar. Angka itu perlu turun lebih cepat dari laju adopsinya yang terus meningkat.

Seperti Apa Arsitektur yang Baik Saat Ini

Tim-tim yang saya kagumi tidak membangun agen monolitik. Mereka membangun jaringan agen-agen sempit yang dapat diaudit, dengan kontrak serah terima yang eksplisit, jalur fallback yang deterministik, dan titik pemeriksaan human-in-the-loop di setiap tindakan yang berakibat penting. Peta jalan MCP 2026 mengatasi masalah sesi stateful, celah autentikasi enterprise, dan tooling tata kelola yang terungkap dari deployment produksi. Ini adalah masalah rekayasa yang dapat diselesaikan begitu Anda berkomitmen untuk menyelesaikannya.

Protokol agent-to-agent (A2A), yang ditonjolkan Google di Cloud Next 2026, adalah bagian berikutnya. Agen-agen perlu menemukan, mengautentikasi, dan mendelegasikan ke agen lain tanpa perantara manusia. Infrastruktur itu sedang dibangun sekarang juga.

Pendekatan saya sendiri dalam proyek: perlakukan permukaan aksi agen seperti batas keamanan, bukan daftar fitur. Setiap alat yang dapat dipanggil agen adalah potensi ledakan dampak. Instrumentasikan segalanya. Tetapkan batas anggaran eksplisit per eksekusi. Bangun evaluasi sebelum membangun fitur.

Gambaran Besar

Framing "agen AI sebagai sistem operasi baru" secara arah sudah benar, tetapi terlalu dini di 2025. Yang lebih tepat di pertengahan 2026 adalah bahwa agen sedang menjadi infrastruktur, sama seperti database dan message queue menjadi infrastruktur: secara perlahan, dengan banyak kepedihan di tahap awal, lalu tiba-tiba ada di mana-mana. International AI Safety Report 2026 menandai kegagalan koordinasi dalam skala besar sebagai risiko sistemik utama, bukan kemampuan model secara individual.

Para pembangun yang akan berhasil di sini adalah mereka yang memperlakukan keandalan, observabilitas, dan keamanan agen sebagai disiplin rekayasa kelas satu, bukan renungan belakangan. Mereka yang menganggap orkestrasi adalah masalah orang lain akan menghadapi masa sulit dalam produksi.