- "Agen AI" dalam 18 bulan terakhir berkembang pesat dari eksperimen teknologi menjadi arus utama, dan para pengguna awal melaporkan hasil yang mengesankan seperti penghematan biaya, pengurangan waktu, dan peningkatan produktivitas
- Inovasi ini menghadirkan perubahan mendasar dalam otomatisasi tugas kompleks, tetapi masih ada keterbatasan, tantangan, dan pertanyaan yang belum terjawab
Apa itu agen AI?
- Agen AI adalah sistem perangkat lunak yang menggunakan alat, memori, dan sistem AI lain untuk merencanakan, mengoordinasikan, dan mengeksekusi tugas kompleks
- Sistem ini bekerja dengan cara menetapkan tujuan seperti manusia lalu memecahnya menjadi langkah-langkah kecil untuk dicapai
- Berkat kemajuan large language models (LLMs) dan AI generatif (gen AI), agen AI dapat memanfaatkan kecerdasan, alat, dan memori untuk mencapai tujuan melalui perencanaan, eksekusi, evaluasi, dan pengulangan
Sistem agen AI sederhana
- Pertanyaan dari teman: "Apakah mungkin membuat aplikasi yang menawarkan tiket pesawat termurah ke destinasi dengan cuaca terbaik?"
- Ini juga bisa dilakukan dengan kode konvensional, tetapi agen AI menawarkan pendekatan yang lebih menarik dengan memanfaatkan bahasa alami
- Contoh rekomendasi perjalanan berbasis bahasa alami:
- Mengumpulkan preferensi pengguna: Preferensi cuaca dan informasi titik keberangkatan dimasukkan dalam bahasa alami. LLM menafsirkan input tersebut, mengidentifikasi alat yang diperlukan, dan menentukan cara menjalankan tugas
- Mencari destinasi: Menggunakan alat
find_destinations untuk mencari tujuan perjalanan yang sesuai dengan preferensi berdasarkan data cuaca 200 kota selama 12 bulan terakhir
- Mencari penerbangan: Mencari data penerbangan dan informasi harga ke destinasi tersebut
- Membuat rekomendasi: Menggabungkan data dari langkah 2 dan 3 untuk menghasilkan rekomendasi akhir dalam bahasa alami
Sistem agen AI tingkat lanjut
- Berkat LLM yang semakin kuat, agen AI kini mampu menangani tugas yang lebih kompleks
- Kasus penggunaan utama:
- Pengembangan perangkat lunak: Agen AI yang membangun dan memelihara perangkat lunak. Devin, Cursor, Replit, GitHub Copilot (kini memiliki 1,8 juta pelanggan), dll.
- Layanan pelanggan: Agen AI yang menangani permintaan pelanggan. Klarna AI menggantikan pekerjaan 700 karyawan dan menghemat biaya sebesar $40m pada 2024
- Penjualan dan pemasaran: Agen AI yang mengotomatiskan pencarian prospek penjualan dan pemasaran. Pemasaran AI generatif KFC dan Taco Bell meningkatkan keterlibatan konsumen hingga dua digit
Area peluang
- Berbagai startup sedang mengembangkan produk inovatif dengan memanfaatkan agen AI
- Contoh aplikasi:
- Kesehatan: OpenClinic – sistem yang mendukung dokter
- Pelatihan robot: innate – platform pelatihan robot
- Asisten pribadi: Khoj – berperan sebagai otak kedua pengguna
- Desain interior: Rastro – berperan sebagai desainer interior personal
- Kisah sukses: HappyRobot
- Mengotomatiskan panggilan telepon dan komunikasi di perusahaan logistik
- Memiliki lebih dari 50 pelanggan dan sudah memberikan manfaat yang nyata. Rata-rata durasi panggilan turun 50%, biaya operasional turun menjadi sepertiga
- Contoh tooling
- Membangun agen tanpa kode: Gumloop – membangun agen AI tanpa menulis kode
- Sistem pembayaran via telepon: Protegee – mendukung pembayaran telepon yang aman melalui agen
- Pengujian keamanan: Memanfaatkan agen AI "red team" untuk melakukan stress test otomatis pada keamanan dan alignment sistem
Keterbatasan saat ini
- Ekspektasi terhadap agen AI memang tinggi, tetapi penting untuk memahami batasannya saat ini dan menetapkan harapan yang realistis
- Sebagian masalah mungkin bisa diselesaikan dalam waktu dekat, tetapi ada juga yang kemungkinan akan bertahan dalam jangka panjang
- Keterbatasan teknis: Masalah keandalan LLM, kesulitan merencanakan tujuan jangka panjang, dan kemungkinan akumulasi error
- Large language model (LLM) sebagai otak agen AI masih menghadapi masalah keandalan
- Fenomena "halusinasi (hallucination)": menghasilkan informasi yang tidak faktual
- Kurangnya kemampuan perencanaan dan penalaran untuk tujuan jangka panjang
- Saat banyak tugas dirangkai, error berisiko terakumulasi
- Contoh: proses 10 langkah dengan akurasi 90% per langkah pada akhirnya hanya mencapai tingkat keandalan 35% (90%^10)
- Tantangan operasional: Masalah integrasi data dan keamanan, serta sulitnya mengelola informasi sensitif
- Interaksi dengan perangkat lunak lain, pengelolaan informasi sensitif, dan keputusan otonom (misalnya mengeksekusi pembayaran) menuntut integrasi dan keamanan tingkat tinggi
- Masalah privasi dan keamanan data
- Struktur koneksi dan pengaman untuk mendukung sistem semacam ini masih belum memadai
- Kepercayaan sosial: Kurangnya kepercayaan dan dampak seperti berkurangnya pekerjaan dapat menunda adopsi dalam skala besar
- Diperkirakan masyarakat luas akan membutuhkan waktu sebelum benar-benar mempercayai dan mengadopsi agen AI secara masif
- Selain isu keandalan dan keamanan, ada pula kekhawatiran tentang berkurangnya lapangan kerja dan terganggunya cara kerja akibat AI
- Walaupun otomatisasi penuh mungkin dimungkinkan di sebagian area, itu belum tentu diinginkan
Pertanyaan terbuka
- Agen AI memiliki potensi untuk mentransformasi ekonomi, tetapi ketika sistem ini menjadi semakin cerdas dan semakin luas digunakan, berbagai pertanyaan yang belum terpecahkan pun muncul
- Pertanyaan teknis
- Apakah masa depan akan berpusat pada agen AI yang terspesialisasi untuk bidang tertentu, atau mungkinkah sistem agen general-purpose berperforma tinggi?
- Apakah kita akan terus menggunakan LLM yang bersifat probabilistik, atau dibutuhkan sistem perencanaan yang lebih deterministik?
- Standar apa yang harus digunakan untuk mengevaluasi performa? Tolok ukur setara manusia atau melampauinya?
- Dampaknya pada manusia dan tenaga kerja
- Seberapa besar intervensi manusia dibutuhkan, dan di mana hal itu tidak lagi penting?
- Apa dampak agen AI terhadap pekerjaan dan pasar tenaga kerja global?
- Model bisnis dan isu komersial
- Bagaimana seharusnya produk agen AI diberi harga? Per unit pekerjaan, per waktu, atau berdasarkan nilai yang dihasilkan?
- Pekerjaan kreatif seperti apa yang sebelumnya mustahil namun bisa dilakukan melalui agen AI?
- Contoh: memanfaatkan sistem agen untuk mensintesis ribuan ulasan produk, sehingga memungkinkan pekerjaan yang sebelumnya tidak bisa dilakukan manusia
- Regulasi dan manajemen risiko
- Bagaimana sistem agen harus diatur? Bagaimana masalah privasi dan keamanan akan diselesaikan?
- Jika sistem agen mengalami kesalahan dan menimbulkan kerugian, siapa yang bertanggung jawab?
- Masih banyak pertanyaan lain yang perlu dieksplorasi
- Sekarang adalah saatnya mencoba teknologinya secara langsung
- Dianjurkan untuk membayangkan masa depan secara konkret sambil membedakan hype dari kenyataan dan melihat bagaimana agen AI dapat meningkatkan pekerjaan dan waktu luang
1 komentar
Belakangan ini memang banyak sekali pembicaraan tentang AI Agent.