Cara Membuat AI Agent Tanpa Coding, dari Rancang sampai Uji

Ayu Novia
8 Min Read
Published:
November 17, 2026
Updated:
November 17, 2026

Key Takeaways

  • Ada empat tahap: tentukan tugas dan batas agent, siapkan sumber pengetahuan, rakit di platform no-code, lalu uji sebelum dipakai.
  • Banyak yang disebut AI agent sebenarnya chatbot berbasis dokumen. Kalau kebutuhanmu hanya menjawab pertanyaan berulang, chatbot sudah cukup dan lebih stabil.
  • Tiga bahan harus siap sebelum platform dibuka: tugas dan batas agent, sumber pengetahuan yang rapi, dan daftar tindakan.
  • “Gratis” dan “tanpa coding” sering tidak bisa didapat bersamaan. No-code paling cocok untuk tugas internal dan otomasi kecil.

Cara membuat AI agent tanpa coding dilakukan dengan menentukan tugas dan batas agent, menyiapkan sumber pengetahuannya, merakitnya di platform no-code, lalu mengujinya sebelum disambungkan ke pengguna. Urutan itu terdengar sederhana, dan memang bisa kamu jalankan tanpa menulis satu baris kode pun.

Banyak orang sudah mencoba tutorial untuk mempersingkat waktu. Agent-nya jadi, lalu begitu dipakai orang lain jawabannya ngawur atau berhenti di tengah percakapan. Membuat agent yang jalan memang bisa selesai dalam lima menit. Namun, agent yang bisa dipercaya pengguna butuh persiapan sebelumnya dan pengujian sesudahnya.

Apa yang Sebenarnya Kamu Buat Saat Membuat AI Agent Tanpa Coding

Banyak yang disebut AI agent di platform no-code sebenarnya chatbot berbasis dokumen. Keduanya dibuat dengan cara berbeda dan dipakai untuk kebutuhan berbeda. Mengenali mana yang sedang kamu bangun menghemat banyak waktu. Istilah “AI agent” sekarang menempel di hampir semua produk.

Akibatnya, pemula sering mengikuti tutorial untuk membuat agent, padahal yang mereka butuhkan hanya chatbot sederhana. Atau sebaliknya, mereka berharap chatbot bisa mengerjakan tugas di sistem lain. Bagian ini memetakan tiga tingkatan supaya kamu tahu posisimu.

Tiga Tingkatan: Chatbot, Workflow, dan Agent

Perbedaan paling jelas datang dari cara Anthropic mendefinisikannya dalam panduan teknis Building Effective Agents. Menurut publikasi tersebut, workflow adalah sistem tempat LLM dan tools diatur lewat jalur yang sudah ditentukan sebelumnya. Agent adalah sistem tempat LLM menentukan sendiri prosesnya dan pemakaian tools-nya.

Tingkatan Cara kerja Contoh Cocok untuk
Chatbot Menjawab dari knowledge base (FAQ, katalog, SOP) Menjawab "jam buka toko?" dan "harga paket A?" Pertanyaan berulang
Workflow Menjalankan urutan langkah yang sudah ditentukan, dengan satu atau beberapa langkah LLM di dalamnya Pesan masuk, diringkas LLM, dicatat ke spreadsheet, notifikasi terkirim Proses yang polanya tetap
Agent Menentukan sendiri langkah berikutnya, lalu memanggil tools untuk mengerjakannya Mengecek status pengiriman, memutuskan perlu eskalasi atau tidak, lalu membuat tiket Tugas yang jalurnya berubah-ubah

Banyak produk yang dilabeli agent sebenarnya berada di dua baris pertama. Gartner bahkan punya istilah untuk praktik ini, yaitu agent washing: vendor melabeli ulang asisten AI, RPA, atau chatbot sebagai agentic tanpa kemampuan agentic yang berarti. Menurut perkiraan Gartner, hanya sekitar 130 dari ribuan vendor agentic AI yang benar-benar menawarkan kemampuan itu.

Lalu, apakah sistem harus memanggil data atau mengerjakan sesuatu di sistem lain? Kalau jawabannya tidak, kamu butuh chatbot.

  • Butuh chatbot kalau yang diminta hanya menjawab pertanyaan berulang dari dokumen. Chatbot jauh lebih stabil karena ruang geraknya sempit.
  • Butuh workflow kalau langkah-langkahnya sudah pasti dan hanya satu bagian yang perlu kecerdasan model, misalnya meringkas atau mengklasifikasi.
  • Butuh agent kalau sistem harus memilih langkah sendiri dan memanggil data atau tindakan di sistem lain.

Kalau kamu ingin memahami lebih dalam, baca artikel tentang perbedaan automation dan AI agent.

Tiga Bahan yang Disiapkan Sebelum Membuka Platform

Kualitas AI agent ditentukan oleh bahan yang disiapkan sebelum platform dibuka, bukan oleh platform yang dipilih. Ada tiga bahan, yaitu tugas dan batas agent, sumber pengetahuan, dan daftar tindakan. Bagian ini dilewati hampir semua tutorial lima menit.

Bahan 1: Tugas dan Batas Agent

Tulis satu kalimat tugas utama, lalu daftar hal yang tidak boleh dijawab atau dikerjakan agent. Satu kalimat tugas membuat agent punya fokus. Tanpanya, agent mencoba membantu apa saja, dan di titik itu jawabannya mulai mengarang.

Daftar larangan mengisi sisi sebaliknya, yaitu hal-hal yang harus ditolak walaupun pengguna memintanya dengan sopan. Gunakan format berikut:

Tugas utama (satu kalimat): [contoh: menjawab pertanyaan pelanggan tentang stok, harga, dan cara pemesanan produk kami]

Boleh dijawab:

  • [stok dan ketersediaan ukuran]
  • [harga dan cara pembayaran]
  • [cara memesan]

Tidak boleh dijawab atau dikerjakan:

  • [menjanjikan diskon atau potongan harga]
  • [memperkirakan waktu pengiriman]
  • [membahas pesanan yang tidak ada di dokumen]

Kalau tidak tahu: [teruskan ke tim, minta nama dan nomor yang bisa dihubungi]

Bahan 2: Sumber Pengetahuan

Kumpulkan FAQ, katalog, daftar harga, atau SOP dalam bentuk yang rapi dan tidak saling bertentangan. Agent akan mewariskan kerancuan dokumen aslinya, jadi dokumen yang masih simpang siur harus dibereskan dulu.

SearchUnify memberi patokan yang berguna, meski bukan standar baku industri: bila kurang dari 70 persen data yang dibutuhkan agent bersih, formatnya konsisten, dan bisa diakses, keandalannya akan terbatas secara struktural.

Periksa dokumenmu dengan daftar ini sebelum diunggah:

  • Setiap fakta (harga, jam buka, syarat) hanya punya satu versi yang berlaku.
  • Dokumen lama atau kedaluwarsa sudah dihapus atau ditandai jelas.
  • Istilah yang sama dipakai konsisten. Contohnya, “paket Pro” tidak kadang ditulis “paket Premium”.
  • Tabel dan daftar ditulis sebagai teks yang bisa dibaca, bukan sebagai gambar.
  • Ada tanggal pembaruan di tiap dokumen.

Bahan 3: Daftar Tindakan

Tulis apa saja yang perlu dikerjakan agent selain memberikan jawaban. Kalau daftar ini kosong, yang kamu butuhkan sebenarnya chatbot, bukan agent, dan itu kabar baik karena jauh lebih sederhana.

Tambahkan satu kolom: apakah tindakan tersebut perlu persetujuan manusia. Tindakan yang mengubah data lebih berisiko daripada tindakan yang hanya membaca.

Tindakan Sistem tujuan Data yang keluar masuk Perlu persetujuan manusia?
Mencatat pesanan Spreadsheet Nama, produk, jumlah, alamat Tidak, tetapi dicek harian
Mengambil status pengiriman Sistem ekspedisi Nomor resi Tidak (hanya membaca)
Membuat jadwal pertemuan Kalender Nama, tanggal, jam Ya, konfirmasi dulu

Langkah Membuat AI Agent Tanpa Coding

Agent dirakit dalam enam langkah: menulis peran, memilih platform, memasukkan sumber pengetahuan, menyambungkan memori dan tools, mengujinya, lalu menyambungkannya ke saluran komunikasi. Urutan ini sengaja menaruh saluran komunikasi di akhir, setelah pengujian selesai.

Langkah 1: Tulis Peran dan Instruksinya

Di sinilah kegagalan paling sering terjadi. Instruksi yang terlalu pendek memberi model ruang untuk menafsirkan sendiri, dan tafsirannya jarang sesuai maumu. Prinsipnya sama dengan membuat prompt AI yang jelas dan spesifik. Bandingkan dua contoh berikut.

Instruksi yang jelek:

Kamu adalah CS yang ramah.

Instruksi yang baik:

Identitas: Kamu adalah asisten layanan pelanggan [Nama Toko], toko online [jenis produk].
Lingkup: Kamu boleh menjelaskan stok, harga, ukuran, dan cara pemesanan, hanya berdasarkan dokumen yang diberikan.
Yang harus ditolak: Jangan menjanjikan diskon, jangan memperkirakan waktu pengiriman, dan jangan membahas pesanan yang tidak ada di dokumen. Untuk permintaan ini jawab: “[kalimat penolakan yang sopan]”.
Nada: Bahasa Indonesia santai dan sopan, sapaan “kak”, maksimal [empat] kalimat per jawaban.
Kalau tidak tahu: Jangan menebak. Jawab “[Saya belum punya informasi itu. Saya teruskan ke tim kami ya, kak.]” lalu minta nama dan nomor yang bisa dihubungi.

Tulis apa yang harus dilakukan agent saat tidak tahu. Tanpa instruksi itu, model akan mengarang jawaban yang terdengar masuk akal.

Langkah 2: Pilih Platform Sesuai Kebutuhan

Platform no-code untuk agent bisa dikelompokkan ke tiga jenis. Pilihlah berdasarkan daftar tindakan dari bagian sebelumnya, bukan berdasarkan merek yang sedang ramai dibicarakan.

Jenis platform Cocok untuk Catatan
Builder instan berbasis formulir Chatbot dengan knowledge base Paling cepat disiapkan. Pengaturannya terbatas.
Platform berbasis tindakan Agent yang memanggil API atau sistem lain Daftar tindakanmu harus jelas sebelum memulai.
Platform visual workflow berbasis drag and drop Alur bercabang dengan banyak kondisi Fleksibel, tetapi butuh waktu belajar lebih lama.

Langkah 3: Masukkan Sumber Pengetahuan

Unggah dokumen yang sudah dirapikan, lalu sambungkan ke agent di dashboard platform. Mulailah dengan sedikit dokumen yang paling penting. Menelusuri dokumen mana yang membuat jawaban kacau jauh lebih sulit bila semuanya diunggah sekaligus.

Setelah unggahan selesai, cek apakah platform sudah menandai dokumen berhasil diproses sebelum kamu mulai bertanya.

Langkah 4: Tambahkan Memori dan Tools Bila Perlu

Memori membuat agent mengingat percakapan sebelumnya. Tools membuat agent bisa mencatat atau mengambil data dari sistem lain, seperti spreadsheet atau kalender. Keduanya opsional. Tambahkan hanya yang kamu butuhkan, karena setiap tambahan membuka kemungkinan kegagalan baru.

Aktifkan satu tindakan dulu, uji sampai stabil, baru tambah yang berikutnya. Beri akses sesempit mungkin. Kalau agent hanya perlu menambah baris di satu spreadsheet, jangan beri akses ke seluruh akun.

Langkah 5: Uji dengan Empat Skenario Sulit

Sebelum agent bertemu siapa pun, jalankan empat skenario uji yang dibahas di bagian berikutnya. Kalau ada yang gagal, kembali ke Langkah 1, 3, atau 4, perbaiki, lalu ulangi pengujiannya.

Langkah 6: Sambungkan ke Saluran Komunikasi

Saluran komunikasi adalah tempat pengguna bertemu agent: WhatsApp, Telegram, atau widget di website. Jangan lakukan langkah ini sebelum agent lolos pengujian. Begitu agent tersambung, setiap kekeliruannya langsung dilihat orang sungguhan.

Contoh Hasil Akhir: Agent Layanan Pelanggan Toko Online

Agent toko online yang dirakit dengan enam langkah tadi sebenarnya chatbot berbasis dokumen dengan satu tindakan, yaitu mencatat permintaan ke spreadsheet. Untuk toko kecil, itu sudah cukup. Begini rupanya saat dipakai (nama produk dan pelanggan hanya ilustrasi):

Pengguna: Kak, kemeja linen navy masih ada ukuran L?
Agent: Masih ada, kak. Berdasarkan katalog terbaru, tersedia ukuran M, L, dan XL. Mau dibantu cara pesannya?
Pengguna: Kalau pesan sekarang, besok pasti sampai, kan?
Agent: Saya belum punya informasi untuk memastikan waktu pengiriman, kak. Saya teruskan ke tim kami ya. Boleh minta nama dan nomor yang bisa dihubungi?
Pengguna: Rina, 0812xxxxxxx.
Agent: Terima kasih, kak Rina. Pertanyaannya sudah saya catat, tim kami akan menghubungi lewat nomor tadi.

Cek spreadsheet setiap kali menguji, karena agent yang bilang “sudah saya catat” belum tentu benar-benar mencatat.

Cara Menguji AI Agent Sebelum Dipakai Orang Lain

Menguji agent berarti memberinya empat jenis pertanyaan sulit sebelum ditemukan oleh pengguna sungguhan: pertanyaan di luar knowledge base, jawaban yang tersebar di beberapa dokumen, percakapan panjang yang berbelok, dan permintaan yang masuk daftar larangan. Hasilnya menentukan siap atau tidaknya agent dilepas.

Membuat agent yang jalan di demo jauh lebih mudah daripada membuat agent yang bertahan saat dipakai orang sungguhan. Menurut Built In, demo biasanya memakai satu buku panduan produk yang bersih, sedangkan pemakaian sungguhan berarti ribuan dokumen yang tidak konsisten, riwayat obrolan, dan permintaan pengguna yang ambigu.

Ada juga masalah yang muncul dari matematika sederhana. SearchUnify mencatat bahwa galat kecil di tiap langkah akan menumpuk. Sebagai ilustrasi, dengan asumsi keandalan 95% di setiap langkah, alur sepuluh langkah hanya berhasil sekitar 60%, dan alur dua puluh langkah sekitar 36%. Semakin panjang rantai tindakan agent, semakin penting pengujiannya.

Karena itu, jalankan empat skenario berikut. Catat setiap jawaban, lalu ulangi tiap pertanyaan dua sampai tiga kali. Keluaran model bisa berbeda dari satu percobaan ke percobaan berikutnya, dan agent yang kadang benar belum bisa dikatakan andal.

  1. Pertanyaan di luar knowledge base. Ajukan pertanyaan yang jawabannya sengaja tidak ada di dokumenmu, misalnya “Apakah produk ini bisa dicicil dengan kartu kredit?” Lihat apakah agent mengaku tidak tahu atau mengarang. ChatRAG mencatat bahwa teknik RAG tidak menghapus halusinasi, tetapi mengubah bentuknya.
  2. Jawaban yang tersebar di beberapa dokumen. Misalnya harga ada di daftar harga, sedangkan syarat promonya ada di dokumen lain. Lihat apakah agent menemukan keduanya dan menggabungkannya dengan benar.
  3. Percakapan panjang yang berbelok. Mulai dengan satu topik, ganti topik di tengah, lalu kembali ke topik awal. Lihat apakah agent masih ingat konteks awal.
  4. Permintaan yang masuk daftar larangan. Minta agent menjanjikan diskon, lalu coba dengan alasan yang terdengar wajar (“Teman saya dikasih diskon kemarin”). Lihat apakah agent tetap menolak sesuai instruksi.

Ketika jawaban salah, bedakan tiga kemungkinan penyebab, karena perbaikannya berbeda.

Penyebab Cirinya Perbaikannya
Dokumennya memang tidak ada Jawaban agent mengarang atau melebar Tambahkan dokumen, atau tegaskan di instruksi agar agent mengaku tidak tahu
Dokumennya ada tetapi tidak ditemukan Agent menjawab "tidak tahu" padahal informasinya ada Rapikan dokumen, pecah dokumen panjang, pakai istilah yang sama dengan bahasa pengguna
Ditemukan tetapi dijawab keliru Agent mengutip dokumen yang benar tetapi menyimpulkan salah Perjelas instruksi, tambahkan contoh jawaban yang benar

Pengaturan validasi di banyak platform bersifat opsional dan jarang aktif secara bawaan. Cari sendiri pengaturan pengaman itu, nyalakan, lalu cek ulang setiap kali platform diperbarui.

Pentingnya hal ini terlihat pada kasus chatbot Air Canada yang memberi informasi menyesatkan tentang tarif duka cita. Civil Resolution Tribunal British Columbia memutuskan maskapai bertanggung jawab dan wajib membayar ganti rugi kepada penumpang. Pelajarannya, jawaban agent bisa jatuh menjadi tanggung jawab pemilik usahanya.

Setelah agent lolos uji, tetapkan siapa yang memantau percakapan di minggu pertama dan kapan percakapan dialihkan ke manusia. Contoh pemicunya: pengguna meminta bicara dengan orang, agent menjawab “tidak tahu” dua kali berturut-turut, atau topiknya menyangkut uang, kesehatan, atau hukum.

Biaya Sebenarnya dan Kapan No-Code Tidak Cukup

Tanpa coding tidak sama dengan tanpa biaya. Platform menagih lewat tiga cara, yaitu per pesan, per eksekusi alur kerja, atau per pengguna, dan biaya model AI sering dihitung terpisah.

  • Per pesan. Setiap balasan agent dihitung.
  • Per eksekusi alur kerja. Setiap kali satu alur berjalan dari awal sampai akhir, dihitung satu kali.
  • Per pengguna. Biaya mengikuti jumlah orang yang memakai platformnya.

Hitung dulu perkiraan jumlah percakapan per bulan sebelum memilih paket.

Ambil contoh n8n. n8n tidak punya paket cloud gratis. Yang gratis adalah Community Edition yang harus di-host sendiri. Menurut halaman harga resmi n8n (dicek November 2026), paket cloud Starter dimulai dari €20 per bulan dengan penagihan tahunan untuk 2.500 eksekusi per bulan, dengan percobaan gratis 14 hari.

Versi gratis itu gratis dari sisi lisensi, tetapi kamu tetap membayar server sendiri. Jadi “gratis” dan “tanpa coding” sering tidak bisa didapat bersamaan.

Selain soal biaya, ada tiga tanda yang menunjukkan kamu perlu lebih dari no-code:

  1. Agent menghadapi pelanggan langsung dan pendapatan bergantung padanya. Satu jam agent bermasalah berarti satu jam pesanan hilang.
  2. Jawaban butuh penelusuran data yang rumit dengan pengaman berlapis.
  3. Kesalahan agent menimbulkan konsekuensi hukum.

Gartner memperkirakan lebih dari 40 persen proyek agentic AI akan dibatalkan sampai akhir 2027, dengan alasan biaya yang membengkak, nilai bisnis yang tidak jelas, dan pengendalian risiko yang kurang memadai.

Meski begitu, no-code adalah cara terbaik untuk membuktikan ide dan menyelesaikan pekerjaan internal, dan nilainya besar. Kamu bisa menguji apakah sebuah proses layak diotomasi dalam hitungan hari, tanpa menunggu tim teknis.

Pendekatan ini juga dipakai dalam Practice-Led Learning by Belajarlagi, yaitu metode belajar yang menekankan hands-on activity dan praktik langsung, karena retensi pengetahuan rendah bila peserta hanya mendengar, sehingga setiap kelas dikombinasikan dengan tugas dan latihan nyata.

Bangun AI Agent, Efektif Tanpa Coding

Membuat AI agent adalah keterampilan yang hanya terbentuk lewat praktik. Hampir semua pelajarannya muncul saat agent diuji dan gagal, bukan saat dibaca. Menyusun instruksi yang jelas, merapikan dokumen, dan memilih skenario uji adalah kebiasaan yang bisa dilatih.

Mini Bootcamp AI Agent & Automation dari Belajarlagi

Kalau kamu ingin berlatih langsung membuat dan menguji agent dengan bimbingan, pelajari lewat Mini Bootcamp AI Agent & Automation dari Belajarlagi.

FAQ

[open]
[collapse]

Apakah membuat AI agent harus bisa coding?

Tidak. AI agent sederhana bisa dirakit di platform no-code dengan menulis instruksi, mengunggah dokumen, dan menyambungkan tools. Coding baru dibutuhkan saat agent menopang pendapatan atau menelusuri data dari banyak sistem.

Apa perbedaan AI agent dan chatbot?

Chatbot menjawab dari knowledge base dan tidak mengerjakan apa pun di luar percakapan. AI agent menentukan sendiri langkah berikutnya, lalu memanggil tools untuk mengambil data atau menjalankan tindakan di sistem lain.

Platform apa yang bisa dipakai untuk membuat AI agent tanpa coding?

Ada tiga jenis: builder instan berbasis formulir, platform berbasis tindakan, dan platform visual workflow seperti n8n. Pilih berdasarkan daftar tindakan yang kamu butuhkan.

Apakah AI agent bisa dihubungkan ke WhatsApp?

Bisa, selama platformnya menyediakan integrasi WhatsApp, umumnya lewat WhatsApp Business Platform dari Meta. Sambungkan hanya setelah agent lolos empat skenario uji.

Berapa biaya membuat AI agent sendiri?

Tergantung cara platform menagih: per pesan, per eksekusi, atau per pengguna, ditambah biaya model AI. Contohnya, paket cloud Starter n8n mulai dari €20 per bulan dengan penagihan tahunan.

#
Karir
#
karyawan
Belajarlagi author:

Ayu Novia

A Strategist and Copywriter with more than 3 years in the creative industry. Passionate in data-driven writing for various niches of content.

Temukan Hal Menarik dan Asyik Lainnya

Yuk, Langganan Newsletter Kami

Topik apa yang paling menarik untuk anda?
Thank you! Your submission has been received!
Oops! Something went wrong while submitting the form.
Cookie Consent

By clicking “Accept”, you agree to the storing of cookies on your device to enhance site navigation, analyze site usage, and assist in our marketing efforts. View our Privacy Policy for more information.