OpenClaw dan Hermes Agent: Studi Kasus AI untuk Pengelolaan Dokumen Industri Farmasi

Daftar Isi

1. Mengenal OpenClaw dan Hermes Agent
2. Studi Kasus 1: Pencarian File dengan Keyword Tertentu
3. Studi Kasus 2: Pengeditan File Dokumen
4. Studi Kasus 3: Penggantian File dalam Database Dokumen
5. Perbandingan OpenClaw vs Hermes Agent
6. Implementasi di Lingkungan Farmasi
7. Tantangan dan Pertimbangan
8. Kesimpulan

Industri farmasi punya tantangan unik soal pengelolaan dokumen. Ribuan file SOP, Master Formula Record, Batch Record, laporan QC, dan dokumen regulasi harus diakses, diperbarui, dan dipertanggungjawabkan — seringkali dalam waktu singkat. Kesalahan kecil dalam pencarian atau pengeditan dokumen bisa berakibat pada audit yang gagal atau bahkan masalah keamanan produk.

Artikel ini membahas bagaimana dua tools berbasis AI — OpenClaw dan Hermes Agent — dapat digunakan untuk mengatasi tantangan pengelolaan dokumen di industri farmasi, dengan studi kasus spesifik pada kemampuan pencarian, pengeditan, dan penggantian file dalam database dokumen.

1. Mengenal OpenClaw dan Hermes Agent

OpenClaw adalah agen AI otonom berbasis terminal yang dikembangkan oleh organisasi OpenClaw (openclaw.ai), sebuah proyek open source dengan lebih dari 380.000 bintang di GitHub. Tools ini memungkinkan pengguna menjalankan tugas-tugas kompleks melalui perintah bahasa alami — termasuk manipulasi file, eksekusi kode, dan interaksi dengan sistem operasi. Yang menarik, OpenClaw tidak sekadar mengobrol. Ia benar-benar menjalankan perintah di terminal, membaca dan menulis file, serta berinteraksi dengan database. Dalam konteks farmasi, ini berarti OpenClaw bisa langsung bekerja dengan file-file dokumen yang tersimpan di server.

Kemampuan utama OpenClaw yang relevan untuk farmasi meliputi eksekusi shell untuk pencarian dan manipulasi file, pembacaan serta penulisan konten dokumen, menjalankan skrip Python untuk pemrosesan batch, dan browser automation untuk mengakses sistem web-based seperti LIMS atau DMS.

Hermes Agent sendiri adalah agen AI yang dikembangkan oleh Nous Research sebagai alternatif yang lebih fleksibel. Hermes bekerja tidak hanya di terminal, tetapi juga di platform messaging seperti Telegram, Discord, Slack, dan WhatsApp, serta di IDE. Yang membedakan Hermes dari agen AI lainnya adalah kemampuan skills atau keterampilan — Hermes belajar dari pengalaman dan menyimpan prosedur yang dapat digunakan kembali. Selain itu, Hermes memiliki memory persisten yang mengingat preferensi pengguna, detail lingkungan, dan pelajaran yang dipelajari lintas sesi. Hermes juga multi-platform dan provider-agnostic, artinya dapat menggunakan berbagai model AI seperti OpenRouter, Anthropic, OpenAI, DeepSeek, model lokal, dan 15 lainnya.

Dalam konteks farmasi, kemampuan memory persisten Hermes sangat berharga. Agen dapat mengingat format dokumen perusahaan, terminologi khusus, dan prosedur yang berlaku — sehingga setiap interaksi menjadi lebih akurat dari waktu ke waktu.

2. Studi Kasus 1: Pencarian File dengan Keyword Tertentu

Bayangkan sebuah departemen Quality Control di perusahaan farmasi yang menyimpan lebih dari 50.000 file dokumen di server. Ketika audit mendadak datang, QC Analyst harus menemukan SOP spesifik untuk metode uji tertentu — misalnya “SOP Uji Disolusi Tablet” — dalam hitungan menit, bukan jam.

Pencarian manual menggunakan file explorer konvensional seringkali tidak efektif. Nama file tidak selalu deskriptif, misalnya SOP_QC_045_v3.pdf tidak memberi tahu isinya. Konten dokumen lebih penting dari nama file, dan beberapa dokumen mungkin menggunakan istilah yang berbeda untuk konsep yang sama.

Hermes Agent memiliki kemampuan search_files yang didukung oleh ripgrep — mesin pencari konten file yang sangat cepat. Ketika user meminta “Cari semua dokumen SOP yang membahas metode disolusi”, Hermes akan mencari di semua file PDF, DOCX, TXT, dan MD di direktori yang ditentukan. Ia menampilkan nama file, nomor baris, dan konteks pencarian, lalu mengelompokkan hasil berdasarkan relevansi.

Hasilnya bisa berupa daftar seperti ini: SOP_QC_045_v3.pdf dengan judul “Uji Disolusi Tablet” dan konteks “Tujuan: Menetapkan prosedur uji disolusi…” Lalu SOP_QC_067_v2.pdf dengan judul “Metode Uji Pelepasan Obat” dan konteks “Referensi: USP 711 Disolution”. Serta Laporan_Uji_Batch_2024_Q3.pdf dengan konteks “Hasil uji disolusi memenuhi spesifikasi…”

Jika dibandingkan dengan pencarian manual, perbedaannya sangat signifikan. Pencarian manual membutuhkan 15-30 menit dengan cakupan hanya nama file, sedangkan Hermes Agent hanya butuh 5-10 detik dengan cakupan konten dan nama file. Akurat karena menggunakan regex pattern dan fuzzy matching, serta konsisten karena hasilnya standar dan terdokumentasi.

3. Studi Kasus 2: Pengeditan File Dokumen

Regulasi farmasi terus berubah. Ketika BPOM mengeluarkan pedoman baru tentang CPOB (Cara Pembuatan Obat yang Baik), perusahaan farmasi harus memperbarui puluhan atau bahkan ratusan dokumen yang merujuk pada regulasi lama. Proses ini biasanya memakan waktu berminggu-minggu dan melibatkan beberapa departemen.

Sebagai contoh, ketika Farmakope Indonesia Edisi VI merevisi batas maksimum kontaminan, semua SOP yang merujuk pada batas lama harus diperbarui — termasuk SOP Penerimaan Bahan Baku, SOP Pengolahan, SOP Pengemasan, dan SOP QC.

Hermes Agent memiliki kemampuan patch yang memungkinkan edit file secara targeted dengan fuzzy matching. Hermes dapat mencari string unik dalam dokumen, mengganti bagian tertentu tanpa mengubah sisanya, dan memverifikasi bahwa perubahan telah diterapkan dengan benar.

Ketika user meminta “Update semua SOP yang merujuk pada Farmakope Indonesia Edisi V menjadi Farmakope Indonesia Edisi VI”, Hermes akan mencari file yang mengandung referensi lama, menampilkan daftar yang akan diubah, meminta konfirmasi sebelum perubahan, menggunakan patch untuk mengganti teks secara presisi, dan membuat backup sebelum perubahan.

Yang penting, Hermes Agent memiliki beberapa mekanisme keamanan yang kritis untuk pengeditan dokumen farmasi. Setiap perubahan file bisa di-rollback melalui checkpoint system, perintah destruktif meminta konfirmasi melalui approval prompts, file asli disimpan sebelum diubah melalui backup otomatis, dan setiap perubahan tercatat di session history sebagai audit trail.

4. Studi Kasus 3: Penggantian File dalam Database Dokumen

Banyak perusahaan farmasi menggunakan database dokumen atau DMS (Document Management System) yang menyimpan file beserta metadata-nya. Ketika sebuah dokumen diperbarui, file lama harus diganti sambil mempertahankan history revision. Proses ini seringkali melibatkan upload file baru ke database, update metadata seperti versi dan tanggal, menandai file lama sebagai superseded, memperbarui index pencarian, dan mengirim notifikasi ke stakeholder.

Hermes Agent dapat mengotomasi seluruh proses ini melalui kombinasi kemampuan terminal, file operations, dan code execution. Ketika user meminta “Ganti file SOP_CPOB_Pengolahan_v3.docx dengan v4 di database dokumen, update metadata, dan tandai v3 sebagai superseded”, Hermes akan menjalankan langkah-langkah secara berurutan: backup file lama, replace file di direktori database, update metadata di database, tandai versi lama sebagai superseded, dan rebuild index pencarian.

Sebagai studi kasus nyata, sebuah perusahaan farmasi di Bandung memiliki 3.500 dokumen dalam format DOCX dan PDF yang tersimpan di WordPress sebagai document library. Ketika perlu melakukan standardisasi format dan menghapus file yang tidak lagi digunakan, proses manual diperkirakan memakan waktu 2-3 minggu. Dengan Hermes Agent, proses yang sama selesai dalam beberapa jam — scanning untuk mengidentifikasi 742 file orphan, validasi untuk memverifikasi setiap file, pembersihan untuk menghapus file orphan beserta database records, dan konversi untuk mengubah format gambar dari JPG/PNG ke WebP untuk efisiensi storage. Hasilnya: 200 MB storage dibebaskan, 2.000 database records dibersihkan, dan seluruh proses terdokumentasi untuk audit trail.

5. Perbandingan OpenClaw vs Hermes Agent

Dari sisi platform, OpenClaw hanya bekerja di terminal, sedangkan Hermes Agent mendukung terminal, messaging, dan IDE. Untuk memory, OpenClaw hanya sesi tunggal sementara Hermes persisten lintas sesi. OpenClaw tidak memiliki fitur skills, sedangkan Hermes dapat belajar dan menyimpan prosedur. Untuk scheduling, OpenClaw tidak ada sementara Hermes mendukung cron jobs terjadwal. Multi-agent di OpenClaw terbatas, sedangkan Hermes mendukung delegasi tugas paralel. OpenClaw menggunakan provider terbatas, sedangkan Hermes mendukung 20 provider AI. Dokumentasi OpenClaw bersifat dasar, sedangkan Hermes komprehensif.

Untuk kebutuhan farmasi, Hermes Agent lebih direkomendasikan karena kemampuan memory persisten dan skills-nya. Agen dapat belajar format dokumen perusahaan, terminologi khusus, dan prosedur yang berlaku — sehingga setiap interaksi menjadi lebih akurat dan efisien.

6. Implementasi di Lingkungan Farmasi

Untuk memulai, instalasi Hermes Agent cukup mudah. Jalankan perintah curl untuk mengunduh skrip instalasi, lalu jalankan hermes setup untuk konfigurasi model AI. Aktifkan toolsets yang dibutuhkan seperti terminal, file, dan search.

Konfigurasi akses dokumen dilakukan melalui config.yaml. Set working directory ke direktori dokumen perusahaan, atur timeout sesuai kebutuhan, dan pastikan approvals diatur ke manual agar setiap operasi destruktif meminta konfirmasi.

Hermes juga dapat menyimpan prosedur yang sering digunakan sebagai skills. Misalnya, buat skill untuk pencarian SOP yang mencakup langkah-langkah penggunaan search_files dengan regex pattern, filter berdasarkan tipe file, pengelompokan hasil berdasarkan departemen, dan tampilan ringkasan konten yang relevan. Yang perlu diperhatikan, PDF scanned butuh OCR terlebih dahulu, file DOCX perlu diekstrak isinya, dan pastikan encoding file UTF-8.

Terakhir, jadwalkan maintenance berkala menggunakan cron jobs. Misalnya, jadwalkan pembersihan dokumen orphan setiap minggu di hari Minggu jam 2 pagi, dengan instruksi backup sebelum hapus.

7. Tantangan dan Pertimbangan

Industri farmasi menangani data sensitif, sehingga implementasi AI harus mempertimbangkan akses terbatas di mana agen hanya boleh mengakses direktori yang diizinkan, audit trail di mana setiap tindakan harus tercatat, enripsi untuk data sensitif saat transit dan saat diam, dan compliance terhadap regulasi seperti CPOB dan 21 CFR Part 11.

Dari sisi teknis, beberapa format farmasi khusus seperti format batch record tertentu mungkin belum didukung. Dokumen scanned membutuhkan OCR sebelum bisa diproses oleh AI, dan dokumen farmasi yang sangat besar lebih dari 100MB mungkin perlu pendekatan khusus.

Change management juga menjadi faktor penting. Personel harus dilatih untuk menggunakan tools, sistem harus divalidasi sebelum digunakan secara luas, buat SOP khusus untuk penggunaan AI dalam pengelolaan dokumen, dan selalu siapkan rencana cadangan jika sistem AI mengalami gangguan.

8. Kesimpulan

OpenClaw dan Hermes Agent menawarkan pendekatan baru dalam pengelolaan dokumen farmasi. Dengan kemampuan pencarian konten yang cepat, pengeditan file yang presisi, dan penggantian file dalam database dokumen yang terotomasi, kedua tools ini dapat meningkatkan efisiensi dan akurasi dalam pengelolaan dokumentasi farmasi.

Hermes Agent, dengan fitur memory persisten dan skills-nya, sangat cocok untuk lingkungan farmasi yang membutuhkan konsistensi dan akurasi tinggi. Kemampuannya untuk belajar dari pengalaman dan menyimpan prosedur yang dapat digunakan kembali membuatnya menjadi investasi jangka panjang yang berharga.

Namun, implementasi harus dilakukan dengan hati-hati, mempertimbangkan aspek keamanan data, compliance regulasi, dan change management. AI adalah tools yang kuat, tetapi tetap membutuhkan pengawasan dan validasi manusia — terutama dalam industri yang mengutamakan keamanan seperti farmasi.

Tulisan ini merupakan studi kasus penggunaan AI dalam pengelolaan dokumen farmasi. Untuk konsultasi implementasi, hubungi tim IT departemen perusahaan masing-masing.