Perangkat Lunak Setelah AI: Dimulainya Era Harness

• Akhir era perangkat lunak adalah awal era harness, ketika SaaS yang berjalan dengan workflow tetap dan database terkelola sedang digantikan oleh AI yang memiliki kecerdasan
• AI itu kuat, tetapi seperti kuda liar yang belum dijinakkan; untuk memanfaatkan kekuatannya diperlukan pengendalian yang sistematis (domestication)
• Harness agen AI didefinisikan sebagai 7 komponen inti yang mengelilingi LLM di pusat, dan tiap elemen menentukan keandalan serta performa tingkat produksi
• Di era ketika semua perusahaan bisa mengakses model yang sama, pemenangnya bukan model itu sendiri melainkan pihak yang merancang dan mengoperasikan harness dengan lebih baik (best rider)
• Ribuan pasar yang terpisah dan tidak diprioritaskan oleh lab besar tetap menjadi peluang bagi startup

---

Makna era harness

• AI mendefinisikan ulang paradigma perangkat lunak dengan menggantikan SaaS berbasis workflow tetap dan database terkelola dengan kecerdasan (intelligence)
• AI dianalogikan sebagai mustang (kuda liar): kuat tetapi kasar, sehingga tidak bisa langsung digunakan, dan proses menjinakkannya itulah harness
• Inti dari penjinakan ini adalah arsitektur yang menempatkan LLM di pusat, dengan 7 komponen tersusun secara radial di sekelilingnya

7 komponen harness agen AI

• 1. Context & Memory (Konteks dan Memori)

  • Model umum memerlukan retrieval yang disesuaikan dengan kebutuhan (bespoke retrieval), dan sistem pencarian konteks untuk radiolog tidak bisa sama dengan sistem untuk asisten hukum
  • Sistemnya berbeda-beda bergantung pada kasus, mulai dari memori jangka pendek ("apa yang dilakukan agen 45 detik lalu"), pencarian gambar skala besar (radiologi/generasi gambar), hingga pencarian kata kunci di miliaran dokumen
  • Di samping retrieval ada database konteks, yang berperan sebagai "buku resep" berisi cara bisnis benar-benar dijalankan
    • SOP yang dibawa orang di kepala mereka saat datang bekerja itulah resep tersebut
    • Esensi database konteks adalah penangkapan awal dan evolusinya seiring perubahan manusia maupun proses

• 2. Tools & Action (Alat dan Tindakan)

  • Alat adalah sarana agen untuk memengaruhi dunia luar; jika resep dalam database konteks menjelaskan "apa yang harus dilakukan", maka alat adalah bahan dan instrumen untuk benar-benar melakukannya
  • Harness modern mengekspos alat melalui registry, memvalidasi argumen yang dikirim model, mendispatch pemanggilan, melewatkan pekerjaan sensitif melalui gerbang persetujuan, lalu mem-parsing hasilnya kembali ke loop agen
  • MCP muncul sebagai connective tissue untuk menghubungkan alat
  • Kualitas harness ditentukan oleh jumlah alat yang bisa diekspos dengan aman dan kemampuan menangani kegagalan secara rapi

• 3. Orchestration & Loop (Orkestrasi dan Loop)

  • Loop agen memiliki struktur think → act → observe → repeat
  • Perencanaan, pemecahan tugas, sub-agen, retry, dan kondisi penghentian menentukan cara pekerjaan dijalankan
  • Sistem harus membaik seiring penggunaan, dan pola closed loop yang belajar dari tiap eksekusi menjadi faktor pembeda antvendor

• 4. State & Persistence (Status dan Persistensi)

  • Dalam enterprise skala besar, ketika banyak orang menggunakan sistem secara bersamaan, resiliensi adalah keharusan
  • Jika harness crash pada langkah ke-7 dari pekerjaan 10 langkah, sistem harus melanjutkan dari langkah ke-8, bukan mengulang dari awal
  • File system, checkpoint, session thread, dan artifact store adalah mekanisme yang mencegah hilangnya pekerjaan

• 5. Sandbox & Compute (Sandbox dan Komputasi)

  • Setiap agen membutuhkan ruang kerja terpisah (sandbox)
  • Workspace Unix yang terisolasi, egress jaringan yang terkontrol, serta credentials yang disimpan di luar model menjamin keamanan, kerahasiaan, dan kecepatan dalam skala besar

• 6. Observability & Governance (Observabilitas dan Tata Kelola)

  • "Apa yang tidak bisa dilihat tidak bisa dipercaya" — pelacakan setiap langkah, logging setiap pemanggilan alat, menjalankan evals sebagai regression test, dan human-in-the-loop untuk keputusan berisiko tinggi adalah hal yang mengubah demo menjadi sistem produksi
  • Guardrails menegakkan kebijakan, dan Evals menangkap regresi sebelum pelanggan mengalaminya

• 7. Cost & Workflow Optimization (Biaya dan Optimisasi Workflow)

  • Yang ketujuh adalah penilaian arsitektural (architectural judgment)
  • Ini mencakup membedakan area yang harus diproses secara deterministik vs non-deterministik, memilih model yang tepat untuk tiap tahap (terdepan, menengah, kecil, fine-tuned), dan memutuskan apakah pengetahuan sebaiknya ditempatkan dalam skill atau memori

Peta persaingan yang baru

• Hasilnya adalah dinamika persaingan baru dalam perangkat lunak, dan ini tidak berlaku sama untuk semua kategori
• Pasar yang diprioritaskan oleh major lab (lembaga riset AI utama) diuntungkan oleh eksekusi cepat dan kontrol langsung atas model
• Namun, ribuan pasar terpisah lainnya tetap terbuka bagi startup
• Di era ketika semua perusahaan dapat menggunakan model yang sama, "penunggang terbaik (best riders)" yang menang — yaitu kemampuan merancang dan mengoperasikan harness menjadi daya saing utama