Agen dan AI Bekerja Bersama untuk Kebaikan

Agen dan AI Bekerja Bersama untuk Kebaikan

Agentic AI sedang naik daun

Agen AI mulai memberikan nilai bisnis yang terukur pada tahun 2024. Contoh nilai ini mudah ditemukan di industri seperti ritel, kesehatan, dan manufaktur, serta pada fungsi bisnis umum seperti penjualan, layanan pelanggan, dan dukungan. Retail kosmetik, Sephora, adalah salah satu contoh yang menggunakan AI dengan agen untuk meningkatkan standar perawatan kulit dengan menggabungkan masukan pelanggan secara real-time, hasil dunia nyata, dan umpan balik pelanggan sebelumnya untuk membuat rekomendasi produk yang lebih akurat. Retailer tersebut telah mengotomatiskan dan mempersonalisasi seluruh pengalaman selama setiap interaksi pelanggan. Hasilnya: peningkatan penjualan 11% dengan penurunan pengembalian produk sebesar 30%.

Nilai dari agen AI berasal dari penggunaan perangkat lunak dan LLM untuk mengotomatiskan berbagai tugas dengan sedikit atau bahkan tanpa interaksi manusia. Tetapi apa sebenarnya agen tersebut, dan bagaimana mereka menggunakan AI?

Apa itu agen AI?

Agen adalah perangkat lunak yang menjalankan tugas tertentu. Beberapa agen mengkhususkan diri dalam satu pekerjaan, seperti melakukan pencarian web pada suatu topik atau melakukan kueri ke LLM yang diperkaya dengan informasi khusus domain yang tidak tersedia di tempat lain. Yang lain mengkhususkan diri dalam mengubah permintaan pengguna menjadi serangkaian tugas dan mengorkestrasi agen pekerja untuk menyelesaikannya.

Baik dalam peran orkestrasi maupun eksekusi, agen bersifat sangat direktif dan deterministik. Tidak ada AI di sini. Setiap agen telah didefinisikan sebelumnya dengan semua informasi yang diperlukan untuk berjalan dan kapan harus berjalan. Perangkat lunak itu ajaib, tetapi bukan “keajaiban AI”.

Salah satu contoh agen yang bekerja adalah rantai beberapa langkah untuk menyelesaikan tugas besar, seperti mengirim email prospek yang dipersonalisasi dan tepat waktu untuk pelanggan lama. Proses ini dapat dipecah menjadi beberapa tindakan kecil, masing-masing dilakukan oleh agen khusus yang sudah diprogram, seperti:

• mengkueri database prospek pemasaran untuk interaksi pelanggan dalam tujuh hari terakhir,

• menarik tiga alamat email teratas dari sistem CRM berdasarkan jumlah interaksi dalam 90 hari terakhir, dan

• mengirimkan email template kepada masing-masing berdasarkan kampanye penjualan terbaru.

Tindakan-tindakan ini tidak selalu memerlukan AI.

Di mana letak AI dalam agentic AI?

GenAI, yang disediakan oleh LLM, dapat menemukan pola dalam sumber data dengan konteks lebih besar dan respons lebih kaya dibandingkan pencarian klasik. GenAI juga dapat merangkum, menganalisis, atau menghasilkan teks untuk membuat atau menyusun ulang informasi agar lebih ringkas dan berguna.

Memanfaatkan LLM seperti menambahkan “keajaiban” ke dalam proses karena output-nya tidak deterministik. Model ini menemukan pola dengan kecepatan tak tertandingi oleh metode komputasi lainnya. Bagi manusia, hasilnya tampak seperti kemampuan bernalar. Dalam dua tahun terakhir, kualitas output LLM meningkat dari “lumayan” menjadi “luar biasa.”

Jadi, kapan kita memakai GenAI dalam solusi agentik?

Melanjutkan contoh email prospek, template email dengan sedikit personalisasi dapat digunakan, tetapi email yang dihasilkan oleh AI—dengan akses ke LLM yang hebat serta informasi pelanggan yang terkait dengan pembelian dan kebutuhan mereka sebelumnya—jauh lebih baik.
Solusi Conversica yang diterapkan di Epson menggambarkan hal ini: dua fitur paling efektif dari solusi agentic AI tersebut adalah:

1. kemampuan untuk terlibat dalam percakapan email dua arah dalam jangka waktu panjang, dan

2. pengiriman email berdasarkan waktu yang disukai penerima.

Agentic AI — Efek kombinasi

Agentic AI menggabungkan kode direktif yang sangat spesifik untuk menjalankan tugas dengan inferensi AI untuk menghasilkan atau memprediksi jawaban yang kaya dan kontekstual. Agentic AI bukan sihir, tetapi lebih kuat daripada agen atau GenAI yang bekerja sendirian.

Kedua komponen ini dapat dirakit dalam berbagai kombinasi untuk mengotomatisasi alur kerja dan menghasilkan hasil yang sangat berharga. Berikut adalah diagram sederhana dari alur kerja agentic AI otomatis, yang menggunakan beberapa jenis agen khusus dan model AI untuk menyelesaikan serangkaian tindakan. Solusi ini berjalan hingga hasil yang dapat diterima tercapai, lalu dikembalikan kepada pengguna.

(Diagram: Agentic AI Workflow)

Tahun 2025 tampak sama menjanjikannya dengan 2024

Dengan peningkatan kemampuan penalaran LLM dan perkembangan platform agentic AI, 2025 menjadi tahun yang sangat menarik. Tidak lama dahulu, sikap umum terhadap LLM adalah bahwa model tersebut tidak dapat dipercaya. Tahun ini mungkin kita akan melihat penurunan komentar seperti: “Agentic AI tidak mungkin bernalar lebih baik daripada manusia.”

Seiring agen dan AI berkembang, ada tiga hal yang perlu diperhatikan:

1. Munculnya platform pengembangan agentic AI baru, termasuk enterprise service bus, orkestrasi, dan modul observabilitas/pelacakan.

2. Munculnya standar seperti MCP untuk menstandarkan antarmuka yang diperlukan antara agen dan AI, serta akses aman ke sumber data publik dan privat.

3. Kemajuan dalam penalaran LLM.

Jalur inovasi agentic AI dapat berkembang pesat dalam salah satu dari tiga arah tersebut sepanjang 2025. Menggunakan ketiga faktor ini untuk membandingkan platform agentic AI akan membantu melihat apakah kemampuan baru tersebut benar-benar mematangkan platform, memudahkan integrasi, atau menghadirkan “keajaiban” kognisi berbasis AI.

Infrastruktur IT yang kuat adalah kunci produktivitas perusahaan. Dengan F5 indonesia, merupakan bagian dari PT. iLogo Infralogy Indonesia, yang merupakan mitra terpercaya dalam solusi Infrastruktur IT dan Cybersecurity terbaik di Indonesia.
Hubungi kami sekarang atau kunjungi f5.ilogoindonesia.id untuk informasi lebih lanjut!