Agentic AI untuk Sales dan Lead Generation, sebagai Produk Nyata

Konteks

PT Radya Anugrah Digital menginginkan agentic AI sebagai produk, bukan demo. Artinya ada dua jalur kerja yang berjalan bersamaan: lapisan agen yang mengerjakan tugasnya, dan lapisan produk yang memungkinkan pelanggan mendaftar, memilih paket, dan membayar.

Masalah

Desain single-agent langsung goyah begitu cakupannya melebar. Satu prompt yang memuat aturan kualifikasi, gaya outreach, pengetahuan produk, dan logika follow-up menjadi mustahil disetel tanpa merusak bagian lain. Setiap perbaikan di satu sisi diam-diam merugikan sisi lainnya.

Di sisi produk, fitur AI tanpa sistem langganan, tanpa autentikasi, dan tanpa penegakan batas paket tetaplah prototipe, sebagus apa pun modelnya.

Pendekatan

Saya merancang kerangka multi-agent di mana agen-agen otonom diorkestrasi, bukan dilebur, masing-masing dengan cakupan dan kondisi handoff yang jelas. Menambah kemampuan baru berarti menambah agen dan jalurnya, bukan menulis ulang prompt utama. Pipeline LLM dibangun dengan Python, FastAPI, dan LangChain.

Secara paralel saya membangun sistem langganan secara utuh: autentikasi, manajemen paket pengguna, dan alur pembayaran di backend Ruby on Rails dengan frontend Vue.js, dirancang agar batas paket ditegakkan di titik pemanggilan agen, bukan hanya di antarmuka.

Hasil

• Bot sales dan lead generation dikirim di atas arsitektur multi-agent

• Kerangka kerja dirancang untuk dikembangkan, dengan fleksibilitas dan skalabilitas lebih baik dibanding versi single-agent sebelumnya

• Sistem langganan berjalan lintas backend dan frontend, mencakup autentikasi, paket, dan pembayaran

• Pipeline LLM berjalan di atas Python, FastAPI, dan LangChain

Catatan

Mengerjakan lapisan agen dan lapisan billing di sprint yang sama mengubah cara saya menentukan cakupan fitur. Merancang agen yang mahal dijalankan itu mudah. Yang lebih sulit, dan lebih berguna, adalah merancang agen yang biayanya masuk akal terhadap apa yang sebenarnya ditagihkan ke pelanggan.