Jika Anda melihat kemajuan AI dalam dekade terakhir, sebagian besar diukur dalam satu dimensi: model yang lebih besar dan lebih baik tolok ukur.
Pendekatan tersebut berhasil selama beberapa waktu, namun kini kita dihadapkan pada batasan apa yang bisa dibeli oleh “yang lebih besar”.
Terobosan berikutnya bukanlah tentang mengubah parameter menjadi miliaran. Ini tentang arsitektur di bawahnya, bagian yang kebanyakan orang tidak lihat tetapi benar-benar rasakan ketika tidak berfungsi.
CTO dan salah satu pendiri, Amperity.
Di sinilah peran AI agen. Bukan agen sebagai kata kunci, namun sebagai perubahan praktis dalam cara intelijen didistribusikan.
Daripada satu model menunggu perintah dan menghasilkan jawaban, Anda mendapatkan kelompok agen yang lebih kecil dan dirancang khusus untuk mengamati apa yang terjadi, mempertimbangkannya, dan bertindak.
Kecerdasan terletak pada cara mereka berkolaborasi, bukan pada satu model raksasa yang melakukan segalanya.
Begitu Anda mulai berpikir seperti itu, percakapan beralih dari “Apa yang bisa dilakukan model?” hingga “Apa yang sistem biarkan model lakukan?” Dan itu semua arsitektur.
Dari Jawaban Generatif hingga Perulangan yang Berkelanjutan
AI Generatif mengubah cara orang berinteraksi perangkat lunakTentu. Namun polanya tidak banyak berubah: tanya jawab, jawab, lalu semuanya diatur ulang.
Sistem agen tidak beroperasi seperti itu. Mereka tetap waspada. Mereka merespons sinyal yang tidak Anda tanyakan secara eksplisit, seperti perubahan pelanggan perilaku, perubahan permintaan, dan sedikit anomali yang biasanya lolos dari dasbor.
Dan perbedaan terbesarnya adalah waktu. Ini bukanlah tugas yang dilakukan sekali saja. Agen menjalankan loop. Mereka mengamati, memutuskan, mencoba sesuatu, dan kembali lagi ketika situasinya berubah. Ini lebih terlihat seperti bagaimana tim bekerja saat mereka berada dalam kondisi terbaiknya.
Namun koordinasi tersebut tidak akan berhasil tanpa adanya konteks bersama. Jika Anda memiliki satu agen yang mendasarkan keputusan pada profil terpadu dan agen lainnya mengambil dari kumpulan data duplikat yang basi, Anda akan tersesat. Dan begitu para agen menyimpang, mereka berhenti bersikap cerdas dan mulai tidak dapat diprediksi.
Data Terpadu Bukan Lagi Opsional
Kita semua tahu bahwa data yang terfragmentasi itu menjengkelkan. Dalam sistem agen, hal ini menjadi berbahaya. Agen beroperasi secara paralel, dan mereka memerlukan pemahaman yang sama tentang pelanggan, produk, acara – semuanya. Jika tidak, Anda akan mendapatkan keputusan kontradiktif yang hanya muncul setelah kerusakan terjadi.
Lapisan terpadu yang diselesaikan dengan identitas menjadi memori bersama. Hal inilah yang membuat para agen tetap membumi dan membiarkan mereka berkolaborasi alih-alih saling menginjak-injak. Ini bukanlah poin filosofis. Tanpa memori bersama tersebut, agen “mempelajari” realitas yang berbeda, dan sistem Anda menjadi tidak koheren dengan cepat.
Ekosistem, Bukan Monolit
Selama bertahun-tahun, perusahaan Mereka tertarik pada platform besar yang bisa melakukan apa saja karena mereka takut sistem yang digabungkan akan merusak segalanya. Ironisnya, AI agen membalikkan gagasan itu.
Alih-alih platform raksasa, Anda mendapatkan agen kecil dan terspesialisasi yang berkomunikasi satu sama lain, hampir seperti layanan mikro, hanya saja mereka melakukan penalaran, bukan hanya memproses.
Inilah masalahnya: agen-agen ini tidak cukup hanya sekedar bertukar data. Mereka harus menafsirkan data dengan cara yang sama. Di sinilah interoperabilitas menjadi tantangan teknis yang nyata.
API tidak terlalu penting dibandingkan makna yang terkandung di dalamnya. Dua agen harus menerima sinyal yang sama dan mencapai pemahaman dasar yang sama tentang apa yang diwakilinya.
Jika ini salah, Anda tidak akan mempunyai otonomi – Anda akan mengalami kekacauan.
Namun ketika berhasil, Anda mendapatkan lingkungan di mana Anda dapat menambah atau meningkatkan agen tanpa setiap perubahan berubah menjadi penulisan ulang. Sistem menjadi lebih pintar dari waktu ke waktu dan bukannya menjadi lebih rapuh.
Mendesain AI sejak Awal
Banyak tim saat ini masih memperlakukan AI sebagai sebuah plug-in, sesuatu yang Anda tambahkan ke sistem yang sudah ada setelah semuanya siap.
Pendekatan itu tidak berhasil pada sistem agen. Anda memerlukan model data yang dirancang untuk skema yang berkembang, tata kelola yang dapat menangani perilaku otonom, dan infrastruktur dibangun untuk putaran umpan balik, bukan transaksi satu kali.
Dalam arsitektur yang mengutamakan AI, kecerdasan bukanlah sebuah fitur. Itu bagian dari pipa ledeng. Data bergerak dengan cara yang mendukung keputusan jangka panjang. Skema berkembang. Agen memerlukan konteks yang bertahan lebih lama dari satu permintaan. Ini adalah pola pikir yang berbeda dari desain perangkat lunak tradisional, lebih dekat pada desain ekosistem dibandingkan aplikasi.
Manusia Tidak Kemana-mana
Selalu ada kekhawatiran bahwa “AI agen” berarti orang-orang akan menyingkir. Kenyataannya justru sebaliknya. Agen mengambil keputusan setiap menitnya, namun manusia menentukan tujuan, prioritas, batasan, dan pengorbanan yang membuat keputusan tersebut bermakna.
Hal ini justru memudahkan pengawasan. Alih-alih meninjau setiap tindakan, orang-orang mencari pola – penyimpangan, bias, ketidakselarasan – dan memperbaiki arah sistem secara keseluruhan. Satu orang dapat membimbing banyak agen karena tugasnya beralih dari memberi instruksi menjadi menyempurnakan niat.
Manusialah yang membawa penghakiman. Agen membawa stamina.
Kemana Semua Ini Mengarah
Agentic AI bukan hanya tren model berikutnya. Ini adalah perubahan dalam caranya intelijen akan tertanam ke dalam sistem. Namun otonomi tanpa arsitektur yang tepat tidak akan pernah memberikan hasil yang diharapkan masyarakat.
Anda memerlukan data terpadu agar agen selaras. Anda memerlukan sistem yang dapat dioperasikan sehingga agen dapat berkomunikasi. Dan Anda memerlukan infrastruktur yang dirancang untuk konteks jangka panjang dan pembelajaran berkelanjutan.
Jika AI generatif adalah tentang jawaban, maka AI agen adalah tentang kecerdasan yang berkelanjutan, dan hal ini hanya akan berfungsi jika arsitektur di bawahnya dibangun untuk dunia tempat ia beroperasi.
