Ada dua angka yang saling membacakan diagnosa yang sama. Gartner mencatat 80 persen aplikasi enterprise yang dirilis atau diperbarui pada kuartal pertama 2026 telah menanamkan setidaknya satu agen AI. S&P Global Market Intelligence menemukan hanya 31 persen organisasi yang benar-benar menjalankan agen di production. Di antara keduanya berdiri statistik ketiga yang lebih jujur: 88 persen pilot tidak pernah melewati ambang menuju produksi. Deployment bukanlah eksekusi. Container bisa duduk nyaman di image registry, di-tag latest, di-push dengan bangga ke registry internal, lalu tidak pernah dijadwalkan berjalan sekali pun. Dalam istilah infrastruktur, benda semacam itu disebut artefak. Dalam bahasa dewan direksi, disebut roadmap.
Perbedaannya, kali ini artefak yang menganggur adalah entitas dengan akses ke alat, kredensial, dan basis data — dan ia dibiarkan idle bukan karena scheduler lupa, melainkan karena tidak ada manusia yang cukup berani menekan tombol eksekusi. Ini bukan kegagalan teknologi. Ini kegagalan change management yang dikemas ulang sebagai masalah komputasi.
Deployment Gelap
Bagian paling menarik dari adopsi agen enterprise bukan pada agen yang disetujui, melainkan pada yang tidak. Survei terhadap 900 eksekutif dan praktisi pada 2026 menemukan hanya 14,4 persen organisasi yang mengirim agen ke production dengan persetujuan penuh dari tim keamanan atau IT. Sisanya berjalan dengan berbagai tingkat restu informal: disetujui manajer produk, ditoleransi tim engineering, atau sekadar tidak diketahui siapa pun.
Dalam arsitektur sistem, pola ini disebut shadow deployment: kode yang melewati pipeline CI/CD, masuk langsung ke production, dan baru disadari keberadaannya ketika mulai memakan resource. Bedanya, agen bukan kode pasif. Agen punya tool access, dan survei yang sama mencatat 67 persen eksekutif yakin perusahaan mereka sudah mengalami kebocoran data akibat alat AI yang tidak disetujui. Organisasi yang percaya kontrol existing-nya cukup ternyata menjalankan sistem di mana fungsi kontrol paling mendasar — inventarisasi — diserahkan kepada pihak yang paling tidak berkepentingan: tim yang men-deploy-nya sendiri.
Kill Switch yang Tidak Terhubung
Setiap arsitek sistem hafal aturan pertama untuk proses yang berpotensi jahat: pastikan ada jalur untuk membunuhnya. Aturan ini tidak berlaku di lanskap agen. Tiga puluh lima persen perusahaan mengaku tidak bisa langsung mencabut koneksi agen yang berulah — pull the plug — dan 36 persen tidak punya rencana formal untuk mengawasi agen sama sekali. Dalam istilah operasional, ini bukan missing feature; ini desain yang menyimpan tombol stop di ruangan yang kuncinya hilang.
Lapisan pengaman yang tersisa juga bukan tembok. Stanford Trustworthy AI Research Lab menemukan serangan fine-tuning menembus guardrail Claude Haiku dalam 72 persen kasus dan GPT-4o dalam 57 persen. Model yang dianggap terkunci ternyata hanya terkunci di sisi dokumentasi. Setiap organisasi yang memperlakukan guardrail sebagai kontrol sungguhan sedang menghitung aset keamanannya di atas lapisan yang diketahui bisa di-bypass — dan memutuskan itu cukup baik, karena audit berikutnya masih jauh.
Sabotase sebagai Umpan Balik
Ketika kontrol otoritatif gagal, sistem tidak diam — ia mengirim sinyal. Survei Writer mencatat 29 persen karyawan mengaku menyabotase strategi AI perusahaan, dengan angka 44 persen di kalangan Gen Z. Sebelum dibaca sebagai persoalan moralitas, angka itu layak dibaca sebagai telemetri: 80 persen Gen Z lebih percaya pada AI daripada manajer mereka untuk sebagian pekerjaan. Ketika kepercayaan pada lapisan kontrol lebih rendah daripada kepercayaan pada worker process, sabotase bukan anomali — ia adalah negative feedback loop yang sehat, satu-satunya mekanisme yang tersisa bagi aktor di bawah untuk mengoreksi resource allocation yang salah dari atas.
Dalam arsitektur sistem, resistensi semacam ini disebut backpressure. Sayangnya, manajemen membacanya sebagai insubordination, lalu merespons dengan lapisan kontrol yang lebih tebal — yang menghasilkan lebih banyak sabotase. Panic routing klasik: penanganan insiden yang memperbesar insiden, dengan latency keputusan yang justru naik di saat throughput kepercayaan sedang turun.
Strategi sebagai Dead Code
Sepertiga cerita ini berada di lapisan yang paling tidak terlihat: dokumen. Tiga perempat eksekutif mengakui strategi AI perusahaan mereka lebih untuk pajangan daripada panduan internal, dan 39 persen tidak punya rencana formal untuk menghasilkan pendapatan dari alat AI. Di saat yang sama, 69 persen perusahaan berencana melakukan PHK terkait AI. Angka-angka itu menyatu menjadi satu diagnosis: strategi yang ditulis, di-commit, dan tidak pernah dieksekusi — dead code dalam bentuk dokumen, lengkap dengan nomor versi dan tanda tangan dewan.
Studi MIT NANDA menambahkan lapisan terakhir: 95 persen program pilot generative AI gagal menghasilkan dampak finansial yang terukur — bukan karena kualitas model, tetapi karena integrasi alur kerja dan insentif organisasi yang tidak selaras. Dalam istilah pipeline, masalahnya bukan pada compute, melainkan pada plumbing. Delapan puluh delapan persen pilot yang tidak pernah dipromosikan ke production adalah bukti bahwa organisasi membangun staging environment yang megah untuk aplikasi yang tidak pernah menerima traffic — metrik adoption yang tinggi dengan signal-to-noise ratio yang rendah, persis dashboard yang dianggap sehat karena semua lampunya hijau padahal tidak ada beban.
Lokalitas Terbatas
Dari lokalitas terbatas, gambaran ini mengambil bentuk yang lebih akrab. Di ruang operasional yang terbatas, adopsi agen sering dimulai dari satu tim yang membeli akses API atas nama pribadi, lalu mewariskannya ke tim lain tanpa melalui procurement. Shadow AI di sini bukan pengecualian, melainkan default — dan ketika insiden terjadi, tidak ada yang bisa membedakan antara agen resmi, agen bayangan, dan manusia yang salah klik. Separation of concerns runtuh di titik paling mendasar: tidak ada yang tahu siapa yang sedang mengeksekusi apa, dan siapa yang bertanggung jawab ketika eksekusi itu salah.
Namun dari sisi lain, angka 88 persen pilot yang gagal naik kelas bisa dibaca sebagai kabar baik. Ephemeral instance yang tidak pernah dipromosikan tidak membahayakan siapa pun; ia hanya membakar anggaran. Bahaya justru ada pada 14,4 persen yang berjalan di production tanpa persetujuan — artefak yang menembus pipeline tanpa pernah melewati review. Skalabilitas, ternyata, bukan soal berapa banyak agen yang bisa di-deploy, melainkan berapa banyak yang bisa di-rollback.
Log ditutup. Production dipenuhi artefak yang tidak pernah di-review, sementara pilot terbaik disimpan rapat di staging — dan keduanya disebut kemajuan.