<![CDATA[Agentic AI menjadi salah satu arah penting dalam evolusi kecerdasan buatan karena memperluas fungsi model dari sekadar prediksi menuju perencanaan, penggunaan alat, memori, dan koordinasi antaragen. Di sektor pertanian, perkembangan ini relevan karena keputusan budidaya bergantung pada integrasi data spasial, sensor, iklim, risiko usaha tani, dan pengetahuan agronomi yang heterogen. Artikel ini menyajikan tinjauan literatur terstruktur atas publikasi terbuka periode 2021-2026 yang membahas decision support systems, land suitability, crop recommendation, large language models, foundation models, multimodal models, explainable AI, dan framework agentic untuk pertanian. Metode telaah disusun secara purposive-structured melalui lima tahap, yaitu identifikasi tujuan penelitian, perumusan pertanyaan telaah, penelusuran kata kunci, seleksi dan ekstraksi data, serta sintesis interpretatif. Korpus akhir terdiri atas 25 artikel domain dan 1 referensi metodologis. Hasil sintesis menunjukkan empat temuan utama. Pertama, agentic AI penting bagi pertanian karena mampu menjembatani kebutuhan akan keputusan yang explainable, adaptif, dan berbasis data lapangan. Kedua, literatur bergerak dari predictive AI dan DSS yang berfokus pada akurasi menuju sistem generatif, tool-augmented, dan multi-agent. Ketiga, arsitektur yang paling relevan adalah arsitektur berlapis yang memadukan grounding data, domain modeling, tool-use and planning, multi-agent coordination, serta human oversight. Keempat, agenda riset Indonesia perlu menekankan corpus agronomi lokal, benchmark tugas, evaluasi lintas agen, lokalisasi bahasa, dan governance by design. Kontribusi utama artikel ini terletak pada penyusunan sistematika telaah yang lebih operasional, taksonomi lima lapis agentic AI untuk pertanian, serta rumusan agenda riset yang dapat digunakan sebagai dasar pengembangan sistem pertanian cerdas yang lebih terintegrasi.]]>
Copyrights © 2026
