Kebanyakan konten AI Agent berhenti di diagram konsep: kotak dan panah tanpa penjelasan bagaimana itu benar-benar dibangun. Tutorial ini mengambil pendekatan berbeda: satu use case nyata, kualifikasi lead B2B, dipecah jadi tahapan yang bisa langsung diterjemahkan jadi workflow yang berjalan, mulai dari lead masuk sampai draft outreach yang siap direview manusia.

<aside> ℹ️

Contoh di bawah adalah realistic implementation pattern yang memang bisa dibangun dengan tool yang tersedia sekarang, bukan klaim bahwa workflow ini sudah dijalankan persis seperti ini pada perusahaan tertentu.

</aside>

<aside> 🧠

OpenAI mendefinisikan workflow sebagai rangkaian langkah untuk mencapai sebuah tujuan, dan agent menjadi relevan ketika model ikut mengelola eksekusi workflow serta memilih tools yang diperlukan. Anthropic membedakan workflow yang jalurnya sudah ditentukan lebih dulu dengan agent yang lebih dinamis dalam menentukan langkahnya sendiri.

</aside>

Use Case: Kualifikasi Lead B2B

Use case yang dipakai adalah mencari dan mengkualifikasi calon customer B2B. Bayangkan sebuah perusahaan menjual produk atau jasa B2B dan ingin mencari perusahaan potensial untuk dihubungi oleh tim sales.

Cara manual biasanya berjalan seperti ini: nama perusahaan dicari di Google, website dibuka, bisnisnya dipelajari, lokasi dicek, kesesuaian dengan target market dinilai, informasi kontak dikumpulkan, beberapa halaman dibaca, kesimpulan potensial atau tidak diambil, pendekatan personal ditulis, data dimasukkan ke spreadsheet atau CRM, sales melakukan review, baru kemudian prospek dihubungi.

Pekerjaan ini cocok dijadikan contoh karena terdiri dari beberapa langkah yang jelas, tetapi masih membutuhkan judgment manusia sebelum tindakan eksternal dilakukan. OpenAI menyarankan human intervention terutama untuk tindakan yang sensitif, tidak bisa dibatalkan, atau berdampak keluar dari sistem.

Target Workflow yang Dibangun

Berikut bentuk akhir workflow yang akan dibangun di tutorial ini.

flowchart TD
    A[Lead Masuk] --> B[Validasi Data]
    B --> C[Riset Perusahaan]
    C --> D[Ekstrak Informasi]
    D --> E[AI Analysis]
    E --> F[Lead Scoring]
    F --> G{"Qualified?"}
    G -->|Ya| H[Generate Outreach Draft]
    G -->|Tidak| I["Simpan / Skip"]
    H --> J[Human Review]
    J --> K{"Approve?"}
    K -->|Approve| L["Kirim Email + Update CRM"]
    K -->|Edit| M[Human Edit]
    M --> J
    K -->|Reject| N["Status: Rejected + Reason"]
    L --> O[Log Hasil]
    N --> O
    I --> O

Perhatikan bahwa belum semuanya diserahkan ke AI. Justru desain yang baik menentukan mana deterministic automation, mana AI reasoning, dan mana human decision.

Contoh Konkret dan Stack yang Dipakai

Misalkan yang dijual adalah jasa AI automation untuk perusahaan, dengan target ideal berupa perusahaan Indonesia yang punya aktivitas administrasi, customer service, sales, reporting, document processing, atau workflow repetitif yang cukup besar. Lead yang masuk misalnya PT ABC Manufacturing. Daripada sales menghabiskan waktu riset dari nol, workflow melakukan preparation work lebih dulu.

Berikut salah satu stack yang bisa dipakai.

n8n secara resmi memang didesain untuk menghubungkan aplikasi dan API serta mendukung AI workflow, dengan opsi deployment lewat cloud maupun self-hosted.