Selama puluhan tahun, ekosistem software enterprise bernilai triliunan dolar dibangun di atas satu fondasi utama: systems of record. Salesforce menjadi sumber kebenaran untuk data pelanggan. Workday mencatat data karyawan. SAP menguasai operasi bisnis. Siapa yang memiliki data kanonik, menguasai alur kerja, dan menciptakan lock-in, dialah pemenangnya.
Kini, kemunculan AI agents memicu perdebatan besar: apakah sistem-sistem raksasa ini akan bertahan, atau justru digantikan sepenuhnya?
Jamin Ball, dalam tulisannya “Long Live Systems of Record”, menolak narasi bahwa agen AI akan “membunuh” sistem lama. Menurutnya, agen tidak menggantikan systems of record—mereka justru menaikkan standar tentang seperti apa sistem tersebut seharusnya.
Pandangan ini masuk akal. Agen AI bersifat lintas sistem dan berorientasi pada aksi. Antarmuka kerja manusia mulai terpisah dari lapisan data di belakangnya. Agen menjadi UI baru, sementara data tetap harus disimpan secara kanonik di suatu tempat.
Namun, ada satu lapisan krusial yang selama ini hilang dari hampir semua perusahaan—dan di sinilah perdebatan sesungguhnya dimulai.
Masalah Sebenarnya: Keputusan yang Tidak Pernah Dicatat
Sebagian besar sistem enterprise hari ini hanya menyimpan apa yang terjadi, bukan mengapa hal itu terjadi.
Aturan (rules) memberi tahu agen apa yang seharusnya dilakukan secara umum. Contohnya: “Gunakan ARR resmi untuk laporan keuangan.”
Namun dunia nyata tidak berjalan sesederhana itu.
Yang benar-benar menentukan jalannya bisnis adalah decision traces—jejak keputusan spesifik: pengecualian, override, preseden, dan konteks lintas sistem yang biasanya tersebar di Slack, Zoom call, diskusi deal desk, atau bahkan hanya tersimpan di kepala karyawan senior.
Contoh nyata:
- Diskon tambahan diberikan karena klien berada di sektor kesehatan.
- Struktur kontrak mengikuti preseden deal serupa kuartal lalu.
- Eskalasi tiket dilakukan karena kombinasi data CRM, Zendesk, PagerDuty, dan percakapan Slack.
Semua itu tidak pernah tercatat secara sistematis. CRM hanya menunjukkan harga akhir. Tiket support hanya menunjukkan status eskalasi. Alasan di balik keputusan menghilang begitu saja.
Inilah tembok besar yang kini dihadapi AI agents. Bukan kekurangan data, melainkan ketiadaan memori organisasi yang dapat dipelajari mesin.
Context Graph: Sistem Kebenaran yang Baru
Ketika agen AI ditempatkan langsung di jalur eksekusi (execution path), sesuatu yang baru muncul. Agen tidak hanya membaca data, tetapi:
- Mengumpulkan konteks lintas sistem
- Mengevaluasi kebijakan
- Meminta persetujuan
- Mengeksekusi aksi
Jika setiap langkah ini disimpan sebagai decision trace, maka perusahaan mulai membangun sesuatu yang belum pernah ada sebelumnya: context graph.
Context graph bukan chain-of-thought AI. Ia adalah catatan hidup tentang bagaimana keputusan dibuat—siapa menyetujui, kebijakan apa yang berlaku, pengecualian apa yang diberikan, dan preseden mana yang digunakan.
Seiring waktu, graph ini menjadi sumber kebenaran baru. Bukan hanya menjawab “apa yang terjadi?”, tetapi “mengapa ini diizinkan terjadi?”
Inilah fondasi nyata untuk otonomi AI di perusahaan.
Mengapa Pemain Lama Sulit Menang
Perusahaan incumbent mencoba beradaptasi. Salesforce dengan Agentforce. ServiceNow dengan Now Assist. Workday dengan agen HR.
Masalahnya: mereka dibangun untuk menyimpan current state, bukan sejarah keputusan. Mereka tidak bisa merekonstruksi kondisi dunia saat keputusan dibuat. Tanpa itu, tidak ada audit, tidak ada pembelajaran, dan tidak ada preseden.
Warehouse seperti Snowflake dan Databricks memang memiliki histori data. Namun mereka berada di jalur baca (read path), bukan jalur tulis (write path). Data masuk setelah keputusan dibuat—terlambat untuk menangkap konteks.
Sebaliknya, startup systems of agents berada tepat di tengah proses eksekusi. Mereka melihat semuanya secara real-time. Itulah keunggulan struktural yang sulit ditiru.
Tiga Jalan untuk Startup AI
Pertama, mengganti sistem lama sepenuhnya. Sulit, tapi mungkin di momen transisi. Contohnya Regie, yang membangun platform sales engagement AI-native untuk menggantikan Outreach dan Salesloft.
Kedua, mengganti modul tertentu. Sistem lama tetap ada, tapi keputusan kompleks dicatat di sistem baru. Maximor melakukan ini di bidang finance—ERP tetap menjadi ledger, tapi logika rekonsiliasi dicatat di tempat lain.
Ketiga, menciptakan sistem of record yang benar-benar baru. Sistem yang tidak menyimpan objek, tapi menyimpan keputusan. PlayerZero adalah contoh di dunia engineering—merekam konteks mengapa sistem rusak, bukan sekadar bahwa ia rusak.
Sinyal Penting bagi Founder
Ada tiga sinyal utama:
- Headcount besar untuk satu workflow → berarti logika terlalu kompleks untuk otomatisasi lama
- Banyak pengecualian → tempat di mana preseden dan judgment penting
- Fungsi “perekat” organisasi seperti RevOps, DevOps, SecOps → lahir karena tidak ada sistem yang benar-benar menangkap konteks lintas fungsi
Agen yang mengotomatisasi peran ini bukan hanya meningkatkan efisiensi, tetapi menciptakan kategori kebenaran baru.
Kesimpulan
Systems of record tidak akan mati. Tapi sistem yang hanya menyimpan data tanpa alasan di baliknya akan kehilangan relevansi.
Platform triliunan dolar berikutnya tidak dibangun dengan “AI di atas data lama”, melainkan dengan menangkap jejak keputusan yang selama ini hilang.
Dan startup yang membangun context graph hari ini, sedang menulis ulang fondasi enterprise software masa depan.
