Agentic AI dalam K3: Dari Sistem yang Memberi Peringatan Menjadi Sistem yang Mengambil Tindakan
Pendahuluan
Perkembangan kecerdasan buatan (Artificial Intelligence/AI) membawa perubahan besar dalam dunia Keselamatan dan Kesehatan Kerja (K3). Selama ini, AI banyak digunakan untuk membantu perusahaan mendeteksi potensi bahaya, menganalisis data kecelakaan, memantau kondisi pekerja, hingga memberikan peringatan ketika risiko mulai muncul.
Namun, perkembangan teknologi AI kini bergerak menuju tahap yang lebih maju. Sistem tidak lagi hanya bertugas melihat, menganalisis, dan memperingatkan, tetapi mulai diarahkan untuk mengambil tindakan berdasarkan kondisi yang terdeteksi.
Konsep inilah yang dikenal sebagai Agentic AI.
Dalam konteks K3, Agentic AI dapat dibayangkan sebagai sistem yang memiliki kemampuan untuk menerima informasi dari lingkungan, menganalisis tingkat risiko, menentukan respons yang sesuai, kemudian menjalankan tindakan tertentu melalui sistem yang terhubung.
Dengan kata lain, perubahan yang terjadi adalah:
Detect → Analyze → Warn
berkembang menjadi:
Detect → Analyze → Decide → Act → Verify
Perubahan tersebut berpotensi membuat sistem K3 menjadi lebih responsif. Ketika sebuah bahaya muncul, sistem tidak selalu harus menunggu manusia melihat alarm dan mengambil keputusan terlebih dahulu.
Apa Itu Agentic AI?
Agentic AI merupakan pendekatan AI yang memungkinkan sistem bekerja dengan tingkat otonomi tertentu untuk mencapai tujuan yang telah ditentukan. Sistem dapat menerima informasi dari berbagai sumber, melakukan penalaran terhadap kondisi tersebut, memilih tindakan, kemudian menjalankan tindakan melalui perangkat atau sistem yang tersedia.
Dalam lingkungan industri, konsep ini menjadi semakin relevan karena berbagai perangkat mulai terhubung melalui sensor, Internet of Things (IoT), sistem kontrol industri, robot, kamera, wearable device, dan digital twin.
Sebagai contoh, kamera berbasis computer vision dapat mendeteksi seseorang memasuki area berbahaya.
AI konvensional mungkin hanya memberikan notifikasi:
“Pekerja memasuki zona berbahaya.”
Namun, sistem yang lebih agentic dapat menjalankan rangkaian respons:
kamera mendeteksi pekerja → AI mengidentifikasi risiko → sistem memeriksa status mesin → alarm diaktifkan → mesin diperlambat atau dihentikan sesuai aturan keselamatan → akses ke area dibatasi → supervisor menerima notifikasi → sistem memverifikasi bahwa kondisi kembali aman.
Inilah perbedaan penting antara AI sebagai sistem pendeteksi dan AI sebagai sistem yang mampu melakukan tindakan terkontrol.
Dari Predictive Safety Menuju Preventive Action
Salah satu perkembangan menarik dalam K3 adalah konsep predictive safety.
Predictive safety menggunakan data historis dan data real-time untuk menemukan pola yang berhubungan dengan potensi kecelakaan. Data tersebut dapat berasal dari:
- sensor mesin,
- kamera,
- wearable device,
- data lingkungan kerja,
- riwayat kecelakaan,
- laporan near miss,
- data pemeliharaan,
- temperatur,
- getaran,
- tingkat kebisingan,
- konsentrasi gas,
- posisi pekerja,
- hingga kondisi operasional mesin.
AI kemudian dapat digunakan untuk memperkirakan kemungkinan munculnya kondisi berbahaya.
Namun, prediksi saja belum tentu cukup.
Misalnya, sistem mengetahui bahwa temperatur mesin meningkat dan pola getarannya menunjukkan kemungkinan kerusakan. Sistem dapat memberikan peringatan kepada teknisi.
Pertanyaannya adalah:
Bagaimana jika tidak ada orang yang melihat peringatan tersebut dalam beberapa detik yang sangat kritis?
Di sinilah Agentic AI menawarkan pendekatan yang berbeda.
Jika sistem memiliki otorisasi dan mekanisme keselamatan yang tepat, AI dapat menghubungkan hasil prediksi dengan tindakan pencegahan yang telah ditentukan.
Jadi, predictive safety dapat berkembang menjadi:
Predict → Decide → Prevent.
Contoh Penerapan Agentic AI dalam K3
1. Menghentikan Mesin Ketika Risiko Meningkat
Bayangkan sebuah mesin produksi bekerja secara otomatis.
Sensor mendeteksi peningkatan temperatur yang tidak normal. Pada saat yang sama, sensor getaran menemukan pola yang berbeda dari kondisi normal.
AI menganalisis kedua data tersebut dan menemukan bahwa kombinasi kondisi tersebut memiliki kemungkinan berkaitan dengan kegagalan mesin.
Sistem kemudian dapat:
- mendeteksi anomali,
- menghitung tingkat risiko,
- membandingkannya dengan batas keselamatan,
- mengaktifkan alarm,
- melakukan safe shutdown jika kondisi memenuhi kriteria,
- mengirimkan laporan kepada teknisi,
- memantau mesin setelah penghentian.
Dengan demikian, AI tidak hanya mengatakan bahwa mesin “bermasalah”, tetapi menjadi bagian dari mekanisme respons keselamatan.
2. Mengisolasi Area Berbahaya
Pada industri kimia, pertambangan, minyak dan gas, atau fasilitas manufaktur tertentu, kebocoran gas dapat menjadi kondisi yang sangat berbahaya.
Sensor gas dapat mendeteksi konsentrasi zat tertentu yang melebihi ambang batas.
Agentic AI dapat mengintegrasikan data tersebut dengan:
- sistem alarm,
- ventilasi,
- access control,
- kamera,
- lokasi pekerja,
- dan sistem komunikasi.
Jika risiko mencapai tingkat tertentu, sistem dapat menjalankan prosedur otomatis seperti mengaktifkan alarm, membatasi akses, meningkatkan ventilasi, atau mengirimkan peringatan kepada personel terkait.
Namun, tindakan otomatis tersebut harus tetap dibatasi oleh aturan keselamatan yang telah divalidasi. AI tidak boleh memiliki kebebasan tanpa batas untuk mengubah kondisi operasi fasilitas.
3. Mencegah Pekerja Memasuki Zona Berbahaya
Computer vision dapat digunakan untuk mengenali manusia, kendaraan, objek, dan area tertentu.
Misalnya, sebuah forklift sedang bergerak di area produksi.
Sistem mendeteksi seorang pekerja berada terlalu dekat dengan jalur forklift.
Pada sistem sederhana, AI mungkin hanya mengeluarkan alarm.
Dalam pendekatan yang lebih maju, sistem dapat menghubungkan deteksi tersebut dengan sistem kontrol sehingga forklift secara otomatis mengurangi kecepatan atau berhenti apabila kondisi memenuhi kriteria keselamatan yang telah ditetapkan.
Teknologi seperti ini dapat membantu mengurangi ketergantungan terhadap reaksi manusia dalam situasi yang membutuhkan respons sangat cepat.
Agentic AI dan Smart PPE
Konsep Agentic AI juga dapat dikombinasikan dengan Smart PPE.
Helm, rompi, sepatu, atau perangkat wearable dapat dilengkapi dengan sensor yang mengumpulkan informasi mengenai kondisi pekerja maupun lingkungan.
Misalnya, sistem menemukan kombinasi:
- pekerja berada di area panas,
- temperatur lingkungan meningkat,
- durasi paparan sudah tinggi,
- dan tanda-tanda kelelahan mulai muncul.
AI dapat menggabungkan informasi tersebut untuk menentukan tingkat risiko.
Responsnya tidak harus berhenti pada notifikasi.
Sistem dapat memberikan instruksi istirahat, mengirimkan peringatan kepada supervisor, mengarahkan pekerja keluar dari zona tertentu, atau mengaktifkan prosedur keselamatan yang telah dirancang sebelumnya.
Dengan demikian, Smart PPE tidak hanya menjadi alat pengukur, tetapi dapat menjadi bagian dari ekosistem keselamatan yang responsif.
Arsitektur Agentic AI dalam K3
Secara sederhana, sistem Agentic AI untuk K3 dapat dibangun melalui beberapa lapisan.
1. Sensing Layer
Lapisan ini mengumpulkan data dari:
- kamera,
- sensor gas,
- sensor temperatur,
- sensor getaran,
- wearable,
- GPS,
- IoT,
- dan perangkat industri.
2. Perception & Analysis Layer
AI mengolah data untuk memahami kondisi lingkungan dan menemukan anomali atau pola risiko.
3. Risk Assessment Layer
Sistem menentukan tingkat risiko berdasarkan aturan keselamatan, model prediktif, data historis, serta kondisi aktual.
4. Decision Layer
AI menentukan tindakan yang sesuai berdasarkan tingkat risiko dan batas kewenangan sistem.
5. Action Layer
Sistem menjalankan tindakan melalui perangkat yang terhubung, misalnya alarm, access control, sistem ventilasi, mesin, robot, atau perangkat komunikasi.
6. Verification Layer
Setelah tindakan dilakukan, sistem memeriksa apakah kondisi benar-benar menjadi aman.
Lapisan terakhir ini sangat penting.
AI tidak seharusnya hanya melakukan tindakan lalu berhenti. Sistem harus dapat memastikan apakah tindakan tersebut berhasil atau justru menghasilkan kondisi baru yang berbahaya.
Tantangan: Ketika AI Diberi Hak untuk Bertindak
Semakin besar kemampuan AI untuk mengambil tindakan, semakin besar pula tanggung jawab yang harus diberikan kepada sistem tersebut.
Dalam K3, kesalahan keputusan AI dapat memiliki konsekuensi serius.
Misalnya, AI salah mengidentifikasi seseorang sebagai objek berbahaya dan menghentikan proses produksi. Hal tersebut mungkin menyebabkan kerugian operasional.
Namun, kesalahan yang lebih serius dapat terjadi apabila AI gagal mengenali kondisi berbahaya dan justru membiarkan mesin terus beroperasi.
Karena itu, Agentic AI dalam K3 tidak boleh dipandang sebagai AI yang bebas mengambil keputusan.
Lebih tepat jika dipandang sebagai:
AI dengan kewenangan bertindak yang dibatasi oleh aturan keselamatan.
Human-in-the-Loop Tetap Penting
Walaupun teknologi semakin otonom, manusia tetap memiliki peran penting.
Untuk tindakan dengan konsekuensi tinggi, perusahaan dapat menerapkan konsep human-in-the-loop atau human-on-the-loop.
Contohnya, AI dapat secara otomatis memberikan alarm dan memperlambat mesin, tetapi penghentian total membutuhkan konfirmasi operator atau supervisor.
Untuk kondisi yang sangat kritis dan membutuhkan respons dalam hitungan detik, sistem dapat diberikan kewenangan melakukan tindakan otomatis tertentu yang sudah ditentukan sebelumnya.
Pendekatan ini memungkinkan perusahaan menemukan keseimbangan antara kecepatan AI dan penilaian manusia.
Explainability dan Audit Trail
Sistem K3 berbasis AI juga harus mampu menjawab pertanyaan:
“Mengapa sistem mengambil tindakan tersebut?”
Misalnya, ketika sebuah mesin dihentikan secara otomatis, sistem idealnya dapat menyimpan informasi seperti:
- sensor apa yang memicu alarm,
- data apa yang dianalisis,
- tingkat risiko yang dihitung,
- aturan keselamatan yang digunakan,
- tindakan yang dilakukan,
- waktu kejadian,
- dan hasil tindakan.
Data tersebut menjadi penting untuk investigasi insiden, evaluasi sistem, audit K3, dan peningkatan model AI.
NIST AI Risk Management Framework menekankan pentingnya pengelolaan risiko AI secara berkelanjutan melalui fungsi Govern, Map, Measure, dan Manage, termasuk mekanisme untuk memantau sistem dan menonaktifkan atau mengganti sistem AI ketika performanya tidak sesuai tujuan.
Bagaimana Jika AI Salah?
Pertanyaan ini menjadi semakin penting ketika AI mulai terhubung dengan mesin dan sistem fisik.
AI dapat mengalami:
- kesalahan deteksi,
- data sensor yang tidak akurat,
- false positive,
- false negative,
- perubahan kondisi lingkungan,
- data yang tidak lengkap,
- serangan siber,
- atau model yang menghasilkan keputusan yang tidak sesuai kondisi aktual.
Penelitian terbaru mengenai integrasi Large Language Models ke dalam kontrol proses industri juga menyoroti masalah seperti sifat nondeterministik dan hallucination, sehingga penggunaan AI secara langsung dalam lingkungan safety-critical membutuhkan mekanisme validasi yang ketat.
Artinya, perusahaan tidak boleh menerapkan prinsip:
“AI bilang aman, berarti aman.”
Sebaliknya, harus ada mekanisme:
AI → validasi → aturan keselamatan → tindakan → verifikasi.
Agentic AI Bukan Pengganti Ahli K3
Teknologi ini juga tidak berarti bahwa peran ahli K3 akan hilang.
Justru, peran ahli K3 dapat menjadi semakin strategis.
Ahli K3 diperlukan untuk menentukan:
- bahaya apa yang harus dipantau,
- batas aman dan tidak aman,
- tindakan apa yang boleh dilakukan otomatis,
- tindakan apa yang membutuhkan persetujuan manusia,
- bagaimana prosedur emergency dibuat,
- bagaimana sistem divalidasi,
- dan bagaimana risiko baru akibat AI dikendalikan.
Dengan kata lain, manusia menentukan safety boundary, sedangkan AI membantu bekerja di dalam batas tersebut.
Menuju Autonomous Safety System
Jika teknologi ini terus berkembang, masa depan K3 mungkin tidak lagi hanya berbicara mengenai sistem yang memberi peringatan.
Kita dapat membayangkan sebuah Autonomous Safety System yang mampu:
merasakan → memahami → memprediksi → memutuskan → bertindak → memverifikasi → belajar.
Contohnya:
Sensor mendeteksi kondisi abnormal.
↓
AI menganalisis data.
↓
Sistem memprediksi adanya potensi kecelakaan.
↓
AI menentukan bahwa tingkat risiko telah melewati batas.
↓
Sistem memberikan alarm.
↓
Peralatan yang relevan masuk ke kondisi aman.
↓
Akses ke area dibatasi.
↓
Supervisor menerima laporan.
↓
AI memonitor kondisi hingga risiko kembali normal.
Konsep tersebut menunjukkan perubahan paradigma yang cukup besar:
K3 tidak lagi hanya bersifat reactive, tetapi semakin menuju predictive dan preventive safety.
Agentic AI sebagai Tren K3 2026
Perkembangan ini sejalan dengan arah industri yang semakin terhubung dan otonom. Roadmap NIST tahun 2026 untuk AI dan machine learning dalam smart manufacturing menempatkan autonomous systems, advanced sensing, robotics, digital twins, serta aspek reliability, availability, maintainability, dan safety sebagai bagian dari perkembangan penting manufaktur cerdas.
Namun, semakin otonom sebuah sistem, semakin penting pula aspek trustworthiness.
AI untuk K3 harus dirancang agar dapat dipercaya, dapat dipantau, dapat diuji, dan dapat dihentikan ketika menunjukkan perilaku yang tidak sesuai.
NIST juga menekankan pentingnya monitoring terhadap AI setelah sistem digunakan di dunia nyata karena performa dan perilaku sistem AI dapat berubah atau menghadapi kondisi yang tidak terantisipasi.
Kesimpulan
Agentic AI membawa konsep baru dalam dunia Keselamatan dan Kesehatan Kerja.
Jika AI konvensional berfungsi sebagai “mata dan otak” yang membantu manusia menemukan bahaya, maka Agentic AI mulai bergerak menjadi “sistem yang dapat bertindak” berdasarkan bahaya tersebut.
Perubahannya sangat sederhana tetapi memiliki dampak besar:
Dulu:
“Ada bahaya. Silakan periksa.”
Masa depan:
“Ada bahaya. Sistem telah menjalankan prosedur keselamatan yang telah ditentukan.”
Namun, otomatisasi bukan berarti memberikan kebebasan penuh kepada AI. Dalam lingkungan K3, setiap tindakan harus memiliki batas, aturan, mekanisme validasi, audit trail, dan kemampuan untuk dikendalikan atau dihentikan.
Karena itu, masa depan K3 bukan sekadar tentang membuat AI semakin pintar.
Masa depan K3 adalah membuat AI cukup pintar untuk membantu mengambil tindakan, tetapi cukup terkendali untuk tetap dapat dipercaya.
Pada akhirnya, tujuan Agentic AI bukan menggantikan manusia dalam keselamatan kerja, melainkan membuat sistem keselamatan mampu bereaksi lebih cepat daripada kecelakaan itu sendiri.
