AI Agen: Langkah Efisiensi Triliunan Dolar Berikutnya

Dari LLM ke Agen AI

Kinerja AI telah mengubah cara kita memandang kemampuan sistem buatan untuk berinteraksi dengan manusia, sebagian besar berkat ucapan yang hampir seperti manusia dari LLM (Large Language Models) seperti ChatGPT.

Dengan kapasitas seperti ini, AI sudah mampu membantu atau bahkan menggantikan manusia untuk tugas-tugas seperti penerjemahan, pencarian data, pemrograman, dan lain sebagainya. Namun, kemampuan AI tingkat baru sedang dibuka dengan adanya Agen AI. Ide inti dari agen AI adalah menciptakan AI yang dapat beroperasi secara independen di lingkungan tertentu. Hal ini memungkinkan mereka untuk bertindak sendiri, tanpa memerlukan konfirmasi atau pengawasan terus-menerus.

Hal ini memberi mereka peran praktis yang sangat berbeda dibandingkan dengan AI generatif seperti LLM atau generator gambar, yang sebagian besar bersifat reaktif terhadap perintah yang dibuat manusia.

Dalam konteks itu, "lingkungan" dapat berarti baik situasi spesifik di dunia nyata—seperti mobil di jalan untuk agen pengemudi otomatis—atau "tempat" yang sepenuhnya virtual, seperti rangkaian perangkat lunak atau antarmuka digital tertentu.

Inilah tahap di mana AI berevolusi dari "berbincang" menjadi "bertindak". Berbeda dengan LLM (Learning Learning Model) generalis, agen AI seringkali memiliki cakupan yang lebih terbatas dan sempit. Hal ini membantu mereka menjadi lebih efisien dan dapat dipercaya saat membuat keputusan otonom, sedangkan AI generalis lebih mudah melenceng ke arah yang tidak terduga.

Agen AI adalah langkah selanjutnya dalam menjadikan AI bermanfaat untuk meningkatkan efisiensi berbagai proses.

Penjelasan tentang Agen AI

Geser untuk menggulir →

Apakah Agen AI Merupakan Terobosan Baru atau Evolusi?

Fitur-fitur ini menempatkan agen AI selangkah lebih maju daripada iterasi sebelumnya dari alat AI, seperti asisten dan bot, berkat kemampuan yang lebih proaktif, otonomi, dan kemampuan untuk menangani tugas-tugas kompleks dan bertahap.

Layaknya kecerdasan sejati, mereka dapat memperbaiki diri sendiri: mereka belajar dari pengalaman, menyesuaikan perilaku mereka berdasarkan umpan balik, dan terus meningkatkan kemampuan kinerja mereka dari waktu ke waktu.

Jadi, meskipun bot dan asisten AI dapat memenuhi bagian Dari berbagai tugas yang diberikan kepada agen AI, otonomi, pendekatan proaktif, dan tingkat kompleksitas yang tinggi membedakan agen tersebut dari tingkat otomatisasi sebelumnya. Hal ini membuat mereka jauh lebih dekat dengan pekerja manusia sebenarnya, setidaknya untuk tugas spesifik yang dilatihkan kepada mereka.

Bagaimana Agen AI Otonom Akan Berkembang di Berbagai Industri

Kehidupan modern penuh dengan tugas-tugas berulang yang sedikit terlalu kompleks untuk skrip otomatisasi sederhana tetapi membosankan bagi manusia. Hal ini membuat agen AI sangat relevan untuk alur kerja yang sangat berulang dan berbasis penilaian—mulai dari memandu pelanggan melalui algoritma pemecahan masalah hingga mengemudikan truk di jalan raya.

Tidak seperti manusia, agen AI semacam itu dapat bekerja 24/7 dan berkembang secara instan tanpa biaya tambahan.

Ada banyak cara untuk mengklasifikasikan tingkat kemampuan AI yang telah kita capai. Secara umum, metrik cenderung membandingkan kemampuan AI dengan populasi manusia pada umumnya. Agen AI terbaru mencapai kemampuan 50-90% dari populasi dalam tugas-tugas spesifik dan terbatas.

Agen AI "Level 2-3" ini biasanya dianggap sebagai titik tengah dalam kemajuan AI, dan baru permulaan bagi AGI (Kecerdasan Umum Buatan).

Arsitektur yang sedang berkembang adalah membangun banyak agen AI khusus dan membiarkan masing-masing menangani tugas spesifik pada tingkat yang setara dengan pekerja manusia. Untuk alur kerja yang lebih kompleks, serangkaian agen AI akan bertindak secara berurutan, berkolaborasi untuk melakukan pekerjaan yang lebih besar dengan memecahnya menjadi sub-tugas yang lebih kecil.

Agen kustom, yang dikembangkan secara internal dengan bantuan platform AI, kemungkinan juga akan menjadi lebih umum karena agen pengkodean mengurangi kompleksitas pengembangan aplikasi perusahaan.

Meningkatkan Efisiensi AI dan Manusia Secara Bersamaan

Keunggulan lain dari agen AI dibandingkan AI yang lebih umum adalah efisiensi. Meskipun mereka unggul dalam satu tugas, mereka tidak dibebani oleh kemampuan yang tidak perlu.

Sebagai contoh, agen AI khusus mungkin mampu mengemudikan mobil seperti manusia tanpa memiliki kemampuan penalaran manusia lainnya. Ia mungkin "memahami" jalan, tetapi tidak akan mampu melakukan percakapan yang baik, mengetahui cara menghasilkan gambar dari sebuah perintah, atau menangani basis data yang besar.

Dengan demikian, model ini membutuhkan lebih sedikit memori dan daya komputasi untuk beroperasi. Hal ini pada gilirannya mengurangi kebutuhan perangkat keras dan energi yang dikonsumsi untuk menjalankan tugasnya.

Seberapa Besar Otonomi yang Diberikan?

Otonomi yang lebih besar dari agen AI adalah kekuatan terbesar mereka, tetapi hal itu juga dapat menjadi penghalang bagi adopsi.

Bahkan agen AI yang sangat kompeten dan andal pun mungkin tidak sepenuhnya dapat dipercaya untuk membuat keputusan yang berdampak besar pada dunia nyata. Mengatur chatbot yang lebih baik untuk menangani layanan pelanggan adalah satu hal; membiarkannya menangani penggajian ribuan karyawan adalah hal lain.

Ada kemungkinan bahwa pertumbuhan paralel dalam kualitas keputusan AI dan meningkatnya pemahaman tentangnya akan memungkinkan pihak berwenang untuk memberikan lebih banyak keleluasaan pada pengambilan keputusan AI. Namun, hal ini membuka pertanyaan hukum dan etika yang menarik mengenai tanggung jawab atas tindakan AI.

Kerangka hukum yang jelas perlu ditentukan. Misalnya, jika mobil otonom mengalami kecelakaan, apakah penyedia agen AI bertanggung jawab? Seiring meningkatnya otonomi, keputusan berdampak pada orang sungguhan dan menjadi pertanyaan tanggung jawab yang mahal.

Hal ini juga mencakup masalah penyalahgunaan, seperti pencurian identitas atau penipuan otomatis. Ini adalah pertanyaan legislatif, tetapi kemajuan teknologi seringkali lebih cepat daripada regulasi.

Masa Depan Agen AI

Bisakah Agen AI Menjadi Generalis Sempit?

Seperti yang dijelaskan, agen AI tahap awal memiliki cakupan yang sempit agar efisien dan dapat dipercaya. Namun, agen AI tingkat yang lebih tinggi akan membutuhkan pemahaman konteks, memori keputusan masa lalu, dan kesinambungan tugas.

Pada awalnya, hal ini mungkin dilakukan dengan bantuan manusia, yang lebih berperan sebagai "konduktor" AI agen daripada melakukan tugas itu sendiri. Tentu saja, menghilangkan tenaga kerja manusia dari persamaan adalah tujuan utama untuk meningkatkan efisiensi.

Sebagai contoh, AI yang melakukan diagnosis di rumah sakit perlu menganalisis citra medis, memahami teks atau suara yang menjelaskan gejala, mengintegrasikan hasil tes medis dan riwayat pasien, serta menemukan literatur ilmiah yang relevan—semuanya sekaligus. Kemudian, AI tersebut harus menggabungkan data ini secara cerdas.

Aplikasi Keuangan

Beberapa sektor skeptis terhadap penghapusan peran manusia dari proses pengambilan keputusan, terutama sektor manufaktur atau kesehatan di mana kesalahan dapat berakibat fatal. Namun, satu sektor justru antusias menerima agen AI: keuangan.

Sebagian besar dunia keuangan sudah menggunakan tingkat otomatisasi yang tinggi, mulai dari sistem perdagangan hingga deteksi penipuan. Perusahaan fintech bahkan lebih terbuka terhadap AI yang bertindak sebagai agen, karena keberadaan mereka bergantung pada otomatisasi efisiensi keuangan. Peningkatan efisiensi dalam industri yang menangani triliunan dolar dapat dengan cepat berubah menjadi perluasan margin keuntungan.

Sebagai contoh, agen dapat menargetkan tugas rekonsiliasi yang memakan waktu (mencocokkan laporan bank, spreadsheet, dan buku besar). Perusahaan menengah dapat menghabiskan lebih dari 300 jam setahun hanya untuk rekonsiliasi bank. Meskipun spreadsheet dapat mengotomatiskan sebagian dari proses ini, spreadsheet memiliki kelemahan. AI berbasis agen menawarkan fleksibilitas dan kemampuan penalaran yang lebih tinggi untuk menangani pengecualian dan data yang tidak terstruktur.

Berinvestasi di AI Agentik

Sekarang Layanan

ServiceNow adalah platform komputasi awan yang didirikan pada tahun 2003, yang didedikasikan untuk pembuatan dan pengelolaan alur kerja bisnis otomatis. Berawal dari basis klien otomatisasi bisnis yang mapan, perusahaan ini telah sepenuhnya beralih ke AI berbasis agen.

Platform ini memungkinkan perusahaan untuk memanfaatkan agen AI-nya, serta menyesuaikannya atau membuat yang baru dari awal menggunakan low-code dan "vibe coding" (membiarkan AI menulis kode berdasarkan arahan dari manusia).

Keunggulan utama ServiceNow adalah bahwa ia tidak "terikat" pada teknologi AI tertentu dan dapat terintegrasi ke dalam alat dan alur kerja digital yang sudah ada di perusahaan. Ia juga menyediakan antarmuka yang andal untuk memusatkan pengelolaan sejumlah agen AI yang terus bertambah.

Tata kelola AI didefinisikan ulang, dengan pusat terpadu untuk mengelola, memantau, dan mengoptimalkan Agen AI—baik bawaan maupun pihak ketiga. Dan tidak seperti ekosistem tertutup, ServiceNow tidak bergantung pada LLM (Learning Management Platform) dan terintegrasi secara mendalam dengan NVIDIA, penyedia layanan cloud berskala besar, dan ekosistem AI yang berkembang pesat—memberikan kendali penuh kepada bisnis untuk mempersiapkan strategi AI mereka di masa depan.

Fokus dari agen-agen ini adalah untuk meningkatkan margin perusahaan dengan membuatnya lebih efisien—mengotomatiskan tugas-tugas TI, menyederhanakan SDM, menangani permintaan pelanggan rutin, dan mempercepat pengembangan aplikasi.

Perusahaan yang telah berdiri lebih dari 20 tahun ini masih terus berkembang pesat, dengan pertumbuhan pendapatan tahunan lebih dari 20% pada akhir tahun 2025. Hebatnya, kelompok klien yang sudah ada terus meningkatkan penggunaan layanan mereka, yang menyebabkan peningkatan ACV (Nilai Kontrak Tahunan). Tingkat perpanjangan kontrak secara konsisten berada di kisaran 95%-97%, sehingga pendapatan sangat mudah diprediksi.

Perusahaan ini berhasil menciptakan margin operasi dan arus kas bebas yang solid, yang mencerminkan basis biaya yang relatif rendah dibandingkan dengan pendapatan berulang.

Berita dan Perkembangan Saham ServiceNow (NOW) Terbaru