Zoom Perluas Unified Context Layer untuk AI Agent di EMEA

Apa yang terjadi pada Unified Context Layer Zoom di EMEA?

Zoom memperluas Unified Context Layer untuk mendukung AI agent bisnis di EMEA. Menurut ChatNews.id dan Telset.id, strategi tersebut dipaparkan saat kunjungan ke Zoom Experience Centre di London. Fokusnya adalah menghubungkan percakapan kerja dengan informasi, keputusan, dan tindak lanjut agar pekerjaan tidak berhenti di rapat atau chat.

Unified Context Layer adalah kemampuan lintas portofolio Zoom yang menyatukan konteks dari percakapan, dokumen, file, konektor, pencarian web, serta aktivitas kerja yang berubah. Zoom memperkenalkannya pada Zoomtopia 2026, menurut publikasi resmi Zoom tanggal 20 Oktober 2026. Lapisan ini ditujukan untuk membantu pengguna dan AI agent memahami kondisi kerja beserta langkah berikutnya tanpa harus mencari ulang informasi dari banyak aplikasi.

Masalah yang ingin ditangani cukup nyata dalam kerja sehari-hari. Keputusan dapat muncul dalam rapat, perubahan prioritas disampaikan lewat chat, sementara status pelanggan tersimpan pada CRM atau sistem tiket. Ketika sumber tersebut terpisah, tim perlu menyusun ulang kronologi secara manual. Agent pun dapat memberi respons yang rapi secara bahasa, tetapi tertinggal dari keputusan terbaru.

Menurut Zoom, context layer menghubungkan percakapan dengan aktivitas yang berlangsung hampir secara real time di Zoom dan aplikasi pihak ketiga yang terintegrasi. Zoom juga menyebut integrasi dengan sistem pencatatan kerja seperti Salesforce, ServiceNow, Workday, dan Jira dalam publikasi pengumumannya. Ini penting karena konteks bisnis tidak selalu ada di satu dokumen atau satu kanal komunikasi.

Cara kerja context layer bagi manusia dan AI agent

Unified Context Layer bekerja sebagai lapisan pemahaman, bukan sekadar tempat menyimpan transkrip. Zoom menjelaskan bahwa lapisan ini menyusun konteks dari dokumen, file, konektor, pengetahuan perusahaan dari pencarian web, serta konteks dinamis dari percakapan pelanggan dan karyawan. Konteks dinamis berarti informasi dapat berubah mengikuti interaksi baru, bukan berhenti pada arsip statis.

Sebagai ilustrasi hipotetis, seorang pelanggan menanyakan tanggal pengiriman melalui telepon. Sistem proyek mungkin masih menunjukkan jadwal lama. Namun, rapat pagi hari mencatat adanya keraguan tim terhadap tenggat tersebut. Context layer yang memiliki akses sesuai izin dapat menampilkan kedua informasi itu kepada petugas atau agent. Hasil yang aman adalah ringkasan status dan rekomendasi pengecekan, bukan janji pengiriman otomatis kepada pelanggan.

Peran ini berbeda dari otomasi biasa. Otomasi berbasis aturan dapat menjalankan alur formulir masuk, data masuk CRM, lalu email terkirim. AI automation dapat membaca isi formulir dan memberi label prioritas. AI agent menggunakan konteks lintas sumber, memilih tool yang diizinkan, lalu menyiapkan atau menjalankan rangkaian langkah menuju tujuan tertentu. Karena itu, context layer bukan AI agent itu sendiri. Ia adalah salah satu fondasi informasi yang dapat dipakai agent.

Zoom menyatakan bahwa agent tidak perlu memeriksa tumpukan dokumen dan transkrip setiap kali menerima pertanyaan sederhana karena context layer telah menyintesis informasi tersebut. Batasnya tetap penting. Ringkasan sistem hanya berguna jika sumbernya relevan, aksesnya tepat, dan pengguna dapat memeriksa dasar jawabannya.

Untuk memahami perbedaan antara agent, chatbot, dan otomasi, pembaca dapat melihat artikel pilar Apa Itu AI Agent? Ini Cara Kerja dan Contoh Nyatanya. Berita Zoom ini memperlihatkan bahwa kualitas agent bergantung pada konteks, integrasi, dan kontrol kerja, bukan hanya model AI yang dipakai.

Mengapa perluasan di EMEA berkaitan dengan data residency?

Perluasan di EMEA menarik perhatian karena konteks kerja kerap memuat percakapan internal, detail pelanggan, dan keputusan operasional. ChatNews.id serta Telset.id melaporkan Zoom membuka data center di Inggris pada November 2025 untuk memberi pelanggan tertentu pilihan data residency lokal. Kedua laporan tersebut menyebut dewan lokal, NHS trust, dan perusahaan layanan finansial sebagai kelompok yang berpotensi memanfaatkan opsi tersebut.

Data residency berarti organisasi memiliki pilihan terkait lokasi penyimpanan data. Ini bukan jaminan otomatis bahwa seluruh kebutuhan tata kelola, kontrak, atau kepatuhan organisasi telah terpenuhi. Tim tetap perlu mengevaluasi jenis data yang diproses, aturan akses, kebutuhan retensi, serta pihak yang bertanggung jawab bila muncul kesalahan atau permintaan penghapusan data.

Dalam konteks AI agent, pertanyaan praktisnya bukan hanya “apakah agent bisa membaca data ini?” Pertanyaan yang lebih berguna adalah “apakah agent memang perlu membacanya untuk menyelesaikan tugas?” Misalnya, agent yang membuat draft tindak lanjut rapat mungkin memerlukan agenda, transkrip, dan daftar peserta. Agent itu tidak otomatis membutuhkan akses ke seluruh dokumen HR atau catatan keuangan organisasi.

Menurut publikasi resmi Zoom, pengaturan dan kontrol yang dapat dikonfigurasi digunakan untuk mengelola akses pada Unified Context Layer. Organisasi tetap perlu menerjemahkan kemampuan tersebut menjadi kebijakan internal: sumber mana yang dihubungkan, peran mana yang dapat melihat hasil, tindakan apa yang hanya berupa rekomendasi, dan tindakan apa yang membutuhkan persetujuan manusia.

Workflow yang layak diuji sebelum memberi agent tindakan

Workflow yang baik untuk tahap awal memiliki konteks jelas, hasil yang mudah diperiksa, dan risiko tindakan yang rendah. Memulai dari workflow seperti ini lebih aman daripada langsung memberi agent kemampuan mengubah data pelanggan atau mengirim komitmen eksternal.

Sebagai contoh hipotetis, tim account management mengadakan rapat dengan pelanggan. Rekaman atau transkrip rapat memuat permintaan baru, chat tim mencatat pertanyaan yang belum terjawab, dan CRM menyimpan pemilik akun. Context layer dapat membantu agent menyiapkan ringkasan, mengidentifikasi permintaan pelanggan, serta membuat draft tugas untuk pemilik akun. Manajer akun lalu meninjau draft itu sebelum tugas masuk CRM atau pesan dikirim ke pelanggan.

Alurnya dapat diuji dalam lima tahap:

1. Tentukan satu peristiwa pemicu, misalnya rapat pelanggan selesai.
2. Batasi sumber konteks pada transkrip rapat, chat proyek, dan data akun yang relevan.
3. Tetapkan keluaran agent, misalnya ringkasan, daftar keputusan, dan draft tugas.
4. Wajibkan approval manusia sebelum perubahan CRM atau komunikasi eksternal.
5. Simpan jejak sumber, hasil agent, revisi manusia, serta tindakan akhir untuk evaluasi.

Pola tersebut menjawab celah yang sering terjadi dalam implementasi AI enterprise: organisasi terlalu cepat memilih tool sebelum menetapkan proses, data, dan pemilik keputusan. Context layer dapat membuat informasi lebih mudah ditemukan, tetapi tidak dapat menggantikan proses yang tidak memiliki pemilik atau aturan eskalasi.

Risiko yang perlu dikendalikan sejak awal

Risiko pertama adalah konteks berlebihan. Menghubungkan semua sumber data tanpa pemetaan proses dapat membuat agent menerima dokumen usang, percakapan di luar konteks, atau informasi yang tidak perlu. Responsnya mungkin terlihat meyakinkan, tetapi sulit ditelusuri. Mulailah dari sumber terbatas yang benar-benar diperlukan untuk satu use case.

Tindakan agent juga perlu dibatasi sejak awal. Agent dapat membantu menyiapkan pembaruan pesanan, respons pelanggan, atau tugas lintas tim. Namun perubahan data pelanggan, komitmen kontraktual, pengiriman pesan eksternal, dan akses ke informasi terbatas sebaiknya memiliki jalur persetujuan. Tentukan juga siapa yang menangani koreksi bila agent salah menghubungkan konteks atau membuat ringkasan keliru.

Pilihan data residency pun tidak sama dengan tata kelola data secara menyeluruh. Pilihan penyimpanan lokal dapat relevan bagi sebagian organisasi, seperti dilaporkan ChatNews.id dan Telset.id mengenai data center Inggris Zoom. Namun pengelolaan akses, klasifikasi data, retensi, audit, dan kebijakan penggunaan agent tetap perlu dirancang oleh organisasi.

Langkah yang dapat dilakukan tim sekarang

Mulai dari satu keputusan kerja yang sering kehilangan konteks. Pilih contoh seperti tindak lanjut rapat pelanggan, handoff tiket layanan, atau pembaruan status proyek. Jangan mulai dari pertanyaan “tool AI apa yang dibeli?” Mulailah dari catatan proses yang menunjukkan siapa mengambil keputusan, informasi apa yang dibutuhkan, dan di mana informasi itu biasanya terpecah.

Buat tabel sederhana dengan empat kolom: sumber konteks, pemilik data, keluaran yang diinginkan, dan tindakan yang memerlukan approval. Setelah itu, jalankan uji terbatas dengan keluaran berupa draft ringkasan atau draft tugas. Bandingkan hasil agent dengan sumber aslinya selama beberapa siklus kerja.

Jika hasilnya konsisten dan mudah diaudit, tim dapat mempertimbangkan integrasi lebih lanjut. Jika ringkasan sering kehilangan konteks atau memunculkan informasi yang tidak relevan, perbaiki pemetaan sumber dan aturan akses lebih dulu. Context layer bernilai ketika membantu orang mengambil tindakan dengan informasi yang lebih utuh, bukan ketika ia sekadar menambah satu lapisan AI pada workflow yang belum jelas.