Di era transformasi digital saat ini, data telah menjadi aset strategis yang sangat krusial bagi industri telekomunikasi dalam menentukan arah kebijakan bisnis dan pengambilan keputusan yang tepat. PT Telekomunikasi Selular (Telkomsel), sebagai penyedia layanan telekomunikasi terkemuka di Indonesia, mengelola volume data yang sangat masif setiap harinya, mulai dari lalu lintas jaringan hingga interaksi jutaan pelanggan. Untuk memproses data tersebut secara efektif, diperlukan pendekatan Business Intelligence (BI) yang mampu mengubah kumpulan data mentah menjadi wawasan (insight) bisnis yang bernilai. Namun, penerapan BI secara konvensional di lingkungan perusahaan sering kali menghadapi tantangan teknis yang signifikan. Sistem BI tradisional umumnya bergantung pada dashboard statis dan mengharuskan pengguna memiliki keahlian teknis khusus, seperti penulisan query SQL atau pemahaman mendalam mengenai data science, untuk melakukan analisis data yang bersifat spesifik dan mendadak (ad-hoc). Ketergantungan terhadap tenaga ahli ini menciptakan celah waktu (time-lag) antara munculnya pertanyaan bisnis dengan ketersediaan jawabannya, sehingga dapat menghambat kelincahan perusahaan dalam merespons dinamika pasar yang sangat kompetitif. Munculnya teknologi Generative Artificial Intelligence (GenAI), khususnya Large Language Models (LLM), menawarkan paradigma baru melalui conversational analytics. Teknologi ini memungkinkan pengembangan sistem BI yang lebih intuitif, di mana seluruh pemangku kepentingan dapat mengakses dan menganalisis data melalui percakapan bahasa alami tanpa perlu memahami kompleksitas teknis di baliknya. Inovasi ini diwujudkan melalui platform “ConvoInsight”, sebuah aplikasi yang dirancang untuk mendemokratisasi akses data di lingkungan PT Telekomunikasi Selular, khususnya pada Divisi BIG (Business Intelligence & Growth). Agar platform "ConvoInsight" dapat beroperasi secara optimal dan skalabel di lingkungan produksi, diperlukan infrastruktur sisi belakang (backend) yang kokoh dan efisien. Pengembangan RESTful API menggunakan kerangka kerja Flask menjadi pilihan utama untuk mengorkestrasi komunikasi antara antarmuka pengguna, logika model AI, dan basis data. Selain itu, integrasi ML-BI Pipeline ke dalam ekosistem Google Cloud Platform (GCP) melalui layanan seperti Cloud Run untuk komputasi serverless, Firestore untuk basis data NoSQL, serta Cloud Storage untuk penyimpanan dataset, menjadi sangat krusial guna memastikan performa sistem yang stabil dan aman dalam menangani permintaan pengguna secara real-time. Berdasarkan latar belakang tersebut, penulis yang berperan sebagai Machine Learning (Backend) Engineer Intern berfokus pada perancangan, pengembangan, hingga implementasi integrasi API dan pipeline otomatisasi analisis data pada infrastruktur cloud. Seluruh rangkaian kegiatan tersebut didokumentasikan dalam laporan Praktik Kerja Lapangan ini dengan judul “IMPLEMENTASI DAN INTEGRASI SISTEM MULTIAGEN BERBASIS PYTHON PADA APLIKASI CONVOINSIGHT DI PT TELEKOMUNIKASI SELULAR”.