AI Agent Buat Daily Work Harus Punya Repair Harness

Ada satu angle soal AI agent yang menurut gue lebih penting daripada demo keren:

agent yang dipakai kerja harian harus bisa diperbaiki.

Bukan cuma bisa jawab email. Bukan cuma bisa summarize meeting. Bukan cuma bisa bikin dokumen. Itu semua table stakes.

Yang jarang dibahas: waktu agent salah baca konteks, salah prioritas, salah kirim format, atau gagal jalanin workflow — gimana cara kita repair?

Kalau jawabannya “prompt ulang sampai benar”, itu bukan sistem. Itu gambling dengan tampilan produktif.

Daily Work Itu Berantakan

Kerja harian owner atau tim operasional jarang bentuknya rapi.

Biasanya campur begini:

• email masuk dari vendor,
• meeting menghasilkan keputusan setengah matang,
• dokumen perlu direvisi,
• task nyangkut di chat,
• report diminta mendadak,
• follow-up kelupaan,
• dan semua orang merasa “sudah dibahas”.

AI agent memang cocok masuk ke area ini. Dia bisa baca, rangkum, extract, tag, bikin draft, dan remind.

Tapi justru karena workflow-nya messy, agent nggak boleh cuma jadi chatbot pintar. Dia harus punya harness.

Harness itu semacam rangka uji dan kontrol:

1. input apa yang masuk,
2. keputusan apa yang dibuat,
3. action apa yang dijalankan,
4. hasilnya benar atau tidak,
5. kalau salah, repair-nya lewat mana.

Tanpa harness, AI agent cuma intern super cepat yang kadang ngawur tapi pede.

Versi OpenClaw + Hermes

Di setup gue, Hermes bisa jadi layer komunikasi dan event. OpenClaw jadi runtime agent-nya.

Hermes menangkap aktivitas dari channel kerja:

• Telegram,
• WhatsApp,
• email notification,
• file attachment,
• voice note,
• command singkat.

OpenClaw lalu ngurus bagian agentic-nya:

• baca konteks,
• pilih skill,
• akses file,
• jalanin script,
• query calendar/email,
• bikin summary,
• schedule reminder,
• kirim balik hasil.

Tapi yang bikin ini menarik bukan cuma “AI bisa bantu kerja”.

Yang bikin useful adalah loop ini:

Show diagram source

flowchart TD
    A[Work Input] --> B[Hermes Event Layer]
    B --> C[OpenClaw Agent]
    C --> D{Need Action?}
    D -->|No| E[Summarize / Archive]
    D -->|Yes| F[Run Skill or Tool]
    F --> G[Verify Result]
    G --> H{Pass?}
    H -->|Yes| I[Report / Ship]
    H -->|No| J[Repair Harness]
    J --> C
    I --> K[Write Memory]

    style B fill:#e3f2fd,stroke:#1565c0
    style J fill:#fff3e0,stroke:#ef6c00
    style G fill:#e8f5e9,stroke:#2e7d32
    style K fill:#f3e5f5,stroke:#6a1b9a

Perhatikan bagian paling penting: Verify Result dan Repair Harness.

Banyak orang berhenti di “Run Tool”. Itu kenapa agent terasa magic di demo, tapi rapuh di kerja nyata.

Contoh Use Case: Email

Misalnya ada email vendor masuk:

“Pak, berikut revisi quotation. Mohon konfirmasi PO minggu ini.”

Agent yang biasa cuma summarize:

Vendor kirim revisi quotation dan minta konfirmasi PO.

Lumayan. Tapi belum cukup.

Agent dengan harness bisa jalan lebih jauh:

1. cek attachment quotation,
2. extract nilai dan scope,
3. bandingkan dengan versi sebelumnya,
4. flag perubahan harga atau terms,
5. cek apakah ada task PO yang sudah aktif,
6. draft reply,
7. minta approval kalau ada perubahan material,
8. simpan decision log.

Kalau parsing attachment gagal, harness-nya tahu:

• file tidak terbaca,
• OCR confidence rendah,
• nilai total tidak ketemu,
• currency ambigu,
• data beda dengan previous quote.

Jadi agent tidak pura-pura yakin. Dia bilang:

“PDF kebaca sebagian. Total price belum bisa diverifikasi. Jangan approve dulu.”

Nah itu baru berguna.

Contoh Use Case: Meeting

Meeting summary juga sama.

Kebanyakan AI meeting tool cuma bikin catatan panjang yang kelihatan profesional tapi nggak dipakai.

Agent yang benar harus extract tiga hal:

• keputusan,
• owner,
• deadline.

Lalu harness-nya ngecek:

• apakah setiap task punya owner?
• apakah deadline valid?
• apakah ada keputusan yang konflik dengan meeting sebelumnya?
• apakah action item masuk ke task list?
• apakah follow-up reminder sudah dibuat?

Kalau ada task tanpa owner, jangan diam.

Agent harus flag:

“Ada action item tanpa PIC. Ini belum bisa dianggap selesai.”

Small thing. Huge difference.

Contoh Use Case: Dokumen dan Report

Untuk dokumen, harness bisa lebih jelas lagi.

Sebelum report dikirim, agent bisa test:

• apakah angka konsisten,
• apakah link hidup,
• apakah format sesuai template,
• apakah tanggal benar,
• apakah sumber data disebut,
• apakah attachment ada,
• apakah tidak ada placeholder seperti “TBD”.

Ini mirip CI/CD, tapi untuk kerja kantor.

Software punya test sebelum deploy. Daily work juga harus punya test sebelum dikirim.

Kalau nggak, ya kita cuma mindahin typo dari manusia ke AI. Lebih cepat, tapi tetap typo.

Repair Harness Itu Seperti Apa?

Menurut gue harness minimal punya lima komponen.

1. Input Contract

Agent harus tahu format input yang valid.

Contoh:

email_workflow:
  required:
    - sender
    - subject
    - body
  optional:
    - attachments
    - thread_history
    - related_tasks

Kalau attachment penting tapi tidak ada, agent jangan lanjut pura-pura lengkap.

2. Tool Trace

Setiap action harus punya jejak.

Bukan cuma:

“Sudah saya kerjakan.”

Tapi:

• tool apa yang dipakai,
• file apa yang dibaca,
• hasil verifikasi apa,
• apa yang gagal,
• apa yang di-skip.

Ini bukan buat bikin laporan panjang ke user. Ini buat audit.

3. Verification Gate

Sebelum kirim hasil, agent harus punya gate kecil.

Contoh:

• link dicek HTTP 200,
• markdown tidak rusak,
• file output ada,
• build sukses,
• browser smoke test lewat,
• angka punya source.

Gate kecil sering lebih penting daripada prompt panjang.

4. Repair Path

Kalau gagal, agent butuh jalur repair.

Bukan “maaf saya salah”.

Tapi:

• retry dengan parser lain,
• fallback ke OCR,
• minta approval untuk action risky,
• mark sebagai blocked,
• tulis lesson learned,
• update skill supaya bug yang sama tidak ulang.

Ini yang bikin agent makin lama makin useful.

5. Memory

Harness tanpa memory bakal mengulang kesalahan yang sama.

OpenClaw enak karena bisa punya daily memory dan long-term memory. Jadi kalau hari ini agent salah deploy image karena pakai style yang keliru, rule-nya bisa ditulis:

Semua blog image generation pakai Xiaohei skill.

Besok dia nggak mulai dari nol lagi.

Kenapa Ini Cocok Buat Business Workflow

AI agent untuk bisnis bukan cuma soal “lebih cepat”.

Lebih cepat tanpa harness bisa bahaya.

Bayangin agent:

• salah summarize kontrak,
• salah extract nominal invoice,
• salah kirim follow-up,
• salah baca deadline tender,
• salah attach dokumen.

Satu error kecil bisa jadi mahal.

Makanya versi yang masuk akal bukan agent liar yang “autonomous”. Versi yang masuk akal adalah agent yang:

• bisa kerja,
• bisa dites,
• bisa dibatasi,
• bisa diperbaiki,
• bisa diaudit.

OpenClaw + Hermes cocok karena natural-nya memang modular:

Ini bukan satu magic app. Ini sistem kerja kecil.

Practical Starting Point

Kalau mau bangun versi pertama, jangan mulai dari “AI agent untuk semua kerja”. Itu terlalu lebar.

Mulai dari satu workflow:

Daily Work Brief.

Setiap pagi agent cek:

• email penting,
• meeting hari ini,
• task overdue,
• dokumen yang perlu follow-up,
• report yang harus dikirim.

Output-nya singkat:

Daily Work Brief

1. Email urgent: 2
2. Meeting hari ini: 3
3. Task overdue: 4
4. Follow-up vendor: 1
5. Risk: quotation belum direview

Lalu tambahkan harness:

• email source jelas,
• meeting dari calendar,
• task punya due date,
• link dokumen bisa dibuka,
• report tidak dikirim otomatis tanpa approval.

Boring? Iya.

Useful? Banget.

Bottom Line

AI agent yang matang bukan yang paling pintar ngomong.

Yang matang adalah yang bisa masuk ke kerja harian, lalu tetap punya batas, test, repair path, dan memory.

Email, meeting, dokumen, task, report — semua itu bisa dibantu AI.

Tapi kalau agent tidak punya harness, dia cuma mempercepat chaos.

OpenClaw + Hermes versi yang gue suka adalah kebalikannya:

agent yang kerja, ngecek hasilnya sendiri, repair kalau rusak, dan ninggalin jejak supaya manusia tetap bisa audit.

Itu baru daily work agent yang layak dipakai beneran.