Permasalahan pada sistem presensi digital seperti kesalahan deteksi, gangguan jaringan, atau lupa kredensial sering berujung pada pelaporan manual melalui kanal informal sehingga tidak terstruktur, sulit dilacak, dan rentan duplikasi maupun kecurangan. Penelitian ini mengusulkan sistem pelaporan kendala presensi berbasis percakapan yang menggabungkan pendekatan multi-agent dan finite state machine (FSM) untuk mengarahkan dialog secara terstruktur, menjaga kelengkapan data, serta menyimpan konteks percakapan. Sistem melakukan ekstraksi informasi otomatis dari masukan pengguna menggunakan model bahasa besar serta validasi awal bukti melalui pengenalan teks pada gambar dan klasifikasi multimodal sebelum verifikasi oleh admin. Metode penelitian meliputi analisis kebutuhan organisasi, perancangan model data dan alur interaksi, perumusan aturan FSM untuk mengendalikan tahapan dialog, serta integrasi komponen intelijen percakapan, ekstraksi informasi, dan validasi bukti. Evaluasi dilakukan melalui User Acceptance Testing (UAT) berbasis business workflow yang realistis di lingkungan PT XYZ, dengan tiga fokus utama: (1) efisiensi waktu pembuatan laporan dibandingkan proses manual, (2) konsistensi dan kelengkapan data melalui perbandingan versi chatbot dengan dan tanpa FSM, serta (3) pengurangan beban kerja awal admin pada proses verifikasi. Hasil pengujian menunjukkan sistem mampu mempercepat proses pelaporan sekitar ≥90% dibandingkan metode manual, menghasilkan kelengkapan data lebih tinggi pada versi berbasis FSM (sekitar 96% lengkap dibanding ±70% tanpa FSM), dan menurunkan intervensi manual admin ±70% pada tahap awal. Validasi bukti berbasis pengenalan teks/klasifikasi multimodal mencapai akurasi ±90-95% pada kategori umum, sehingga efektif sebagai penyaring awal sebelum verifikasi manusia. Temuan ini menegaskan bahwa pendekatan multi-agent dengan kendali FSM layak untuk meningkatkan kecepatan, ketertelusuran, dan keandalan pelaporan kendala presensi.