Backend
Agen AI untuk Pengembangan ERP: Kasus Penggunaan Nyata
Agustus 20269 menit baca
Mereka unggul pada plumbing berulang dan padat aturan di sekitar tiap fitur ERP: scaffolding modul, menulis CRUD dan validasi, memetakan data antar modul, dan menghasilkan laporan dari sebuah skema. Keuntungannya adalah kecepatan pada pekerjaan mekanis, membebaskan Anda untuk fokus pada logika bisnis yang memang butuh penilaian manusia.
Apa pun yang mengodekan aturan bisnis, seperti logika pajak, ambang persetujuan, dan aturan posting, yang datang dari keuangan dan kepatuhan alih-alih tebakan yang masuk akal. Di sebuah ERP aturan yang salah adalah masalah finansial atau hukum, bukan sekadar bug, jadi agen boleh menulis kodenya tetapi manusia yang paham kebijakan harus memegang kebenarannya.
Model Context Protocol membuat agen bisa memanggil sistem Anda lewat antarmuka standar bertipe alih-alih menebak API Anda. Anda membungkus endpoint SOAP atau REST lawas sebagai tool MCP, mengekspos kueri read-only lebih dulu, menjaga operasi tulis di balik konfirmasi eksplisit, dan menggunakan ulang tool itu lintas banyak tugas agar upaya integrasi berbunga.
Ia bisa menyusun strukturnya begitu aturannya ditulis. Diberi deskripsi jelas tentang hierarki dan ambang batas, agen bisa menghasilkan state machine dan kode perutean, yang lalu Anda verifikasi terhadap kebijakan nyata. Polanya cukup berulang untuk cocok bagi agen, tetapi ambang batasnya sendiri harus datang dari bisnis.
Tidak, tetapi mereka mengubah komposisi pekerjaannya. Agen mengambil alih plumbing berulang sehingga developer menghabiskan lebih banyak waktu pada logika bisnis, desain integrasi, dan verifikasi. Peran yang bertahan adalah penilaian: memahami domain, mereview tiap baris yang menyentuh uang atau izin, dan memutuskan apakah kode yang dihasilkan benar-benar tepat.
Ringkasan Utama
Coding agent AI membantu developer ERP di tempat pekerjaannya berulang dan padat aturan: scaffolding modul, merangkai integrasi lewat MCP, menyusun logika alur persetujuan, dan menghasilkan laporan dari sebuah skema. Kemenangannya bukan otonomi atas aturan bisnis, yang tetap butuh penilaian manusia, melainkan kecepatan pada plumbing yang mengelilingi tiap fitur ERP.
Pengembangan ERP adalah jenis kerja keras tersendiri. Tiap fitur dibungkus plumbing yang sama: sebuah form, lapisan validasi, rantai persetujuan, log audit, sebuah laporan, dan integrasi dengan dua modul lain yang ditulis terpisah satu dekade. Sebagian besar kode itu tidak sulit; ia hanya bervolume besar dan berulang.
Bentuk itulah persis di mana coding agent AI mendapatkan nilainya. Tulisan ini melihat tempat konkret sebuah agen membantu pada basis kode ERP, ditarik dari keseharian membangun sistem enterprise, dan di mana Anda tetap harus memegang kemudi dengan erat.
Tugas terbaik untuk agen adalah yang punya pola jelas dan pemeriksaan jelas. Banyak pekerjaan ERP cocok dengan gambaran itu, karena domainnya penuh struktur berulang: form persetujuan kesepuluh tidak berbeda secara konsep dari yang pertama.
Cari bagian dari sebuah fitur ERP yang mekanis alih-alih padat penilaian:
Kemenangan awal terjelas adalah scaffolding. Diberi modul yang ada sebagai pola dan skema untuk modul baru, agen bisa menghasilkan entitas, repository, service, controller, dan langkah awal validasi yang cocok dengan gaya rumah Anda. Anda mereview dan mengoreksi alih-alih mengetik semuanya.
Kuncinya adalah mengarahkan agen ke contoh nyata di basis kode Anda, bukan template generik, agar keluarannya cocok dengan konvensi Anda. Instruksi singkat ditambah modul rujukan berpengaruh besar:
Use src/modules/purchase-order as the reference module.
Generate a new module "goods-receipt" with the same structure:
entity, repository, service, controller, and DTOs, matching the
validation style and naming you see there. Do not invent any
business rules — leave a TODO where a rule is needed and ask me.Beri agen salah satu modul Anda yang ada sebagai template dan suruh ia mencocokkan struktur ini persis. Basis kode ERP sangat berpola, dan agen yang menyalin konvensi nyata Anda menghasilkan kode yang akan diterima tim Anda, sementara scaffold generik menghasilkan kode yang Anda habiskan satu sore untuk mengerjakannya ulang.
Sistem ERP adalah hub integrasi, dan di sinilah protokol seperti MCP menjadi berguna. Model Context Protocol membuat agen bisa berbicara ke sistem eksternal lewat antarmuka standar, jadi alih-alih agen menebak API Anda, Anda mengeksposnya sebagai tool yang bisa ia panggil:
Dua andalan ERP cocok untuk agen begitu aturannya ditulis. Logika rantai persetujuan itu rumit tetapi berbasis pola: diberi deskripsi jelas tentang hierarki dan ambang batasnya, agen bisa menyusun state machine dan kode perutean, yang lalu Anda verifikasi terhadap kebijakan nyata.
Laporan serupa. Diberi sebuah skema dan deskripsi keluaran, agen bisa menghasilkan kueri, agregasi, dan ekspor dalam waktu jauh lebih sedikit daripada menulisnya dengan tangan, dan Anda menghabiskan upaya Anda memeriksa angkanya alih-alih merakit plumbing-nya.
Jangan pernah biarkan agen mengarang aturan bisnis. Logika pajak, ambang persetujuan, dan aturan posting datang dari keuangan dan kepatuhan, bukan dari tebakan yang kedengaran masuk akal, dan di sebuah ERP aturan yang salah bukanlah bug, melainkan masalah finansial atau hukum. Agen menulis kodenya; manusia yang paham kebijakan memegang apakah kode itu benar.
Pola di seluruh kasus penggunaan ERP sama: biarkan agen menangani struktur, jaga penilaian pada orang yang paham bisnisnya:
Agen AI tidak akan menggantikan developer ERP, tetapi ia mengubah komposisi pekerjaannya, mengambil alih plumbing berulang agar Anda menghabiskan lebih banyak waktu pada logika bisnis yang memang butuh manusia. Arahkan mereka ke konvensi nyata Anda, ekspos sistem Anda lewat antarmuka bersih seperti MCP, dan jaga tiap aturan yang penting di bawah review manusia.