Apa itu AI Agentik?
Apa itu AI Agentik?
AI agentik adalah sistem AI otonom yang dapat bertindak secara mandiri untuk mencapai tujuan yang telah ditentukan sebelumnya. Perangkat lunak tradisional mengikuti aturan yang telah ditentukan sebelumnya, dan kecerdasan buatan tradisional juga membutuhkan dorongan dan panduan langkah demi langkah. Namun, AI agentik bersifat proaktif dan dapat menjalankan tugas-tugas kompleks tanpa pengawasan manusia secara terus-menerus. Kata “agentik” menunjukkan agensi, yaitu kemampuan sistem ini untuk bertindak secara mandiri, tetapi tetap berorientasi pada tujuan.
Agen AI dapat berkomunikasi satu sama lain dan dengan sistem perangkat lunak lainnya untuk mengotomatiskan proses bisnis yang sudah ada. Akan tetapi, di luar otomatisasi statis, mereka membuat keputusan kontekstual secara mandiri. Mereka belajar dari lingkungan dan beradaptasi dengan kondisi yang berubah sehingga memungkinkan mereka untuk melakukan alur kerja yang rumit dengan akurat.
Sebagai contoh, sebuah sistem AI agentik dapat mengoptimalkan jadwal shift karyawan. Jika seorang karyawan sakit, agen dapat berkomunikasi dengan karyawan lain dan menyesuaikan kembali jadwal sambil tetap memenuhi persyaratan sumber daya dan waktu proyek.
Apa saja karakteristik sistem AI agentik?
Berikut adalah fitur-fitur utama dari sistem AI agentik.
Proaktif
AI Agentik bertindak secara proaktif daripada menunggu masukan langsung. Sistem tradisional bersifat reaktif, merespons hanya ketika dipicu dan mengikuti alur kerja yang telah ditentukan. Sebaliknya, sistem agentik mengantisipasi kebutuhan, mengidentifikasi pola yang muncul, dan mengambil inisiatif untuk mengatasi potensi masalah sebelum bertambah parah. Perilaku proaktif mereka didorong oleh kesadaran lingkungan dan kemampuan untuk mengevaluasi hasil terhadap tujuan jangka panjang.
Misalnya, dalam pengaturan rantai pasokan, platform logistik tradisional memperbarui status pengiriman ketika pengguna melakukan pengecekan, atau melalui pemberitahuan berkala. Namun, sistem AI agentik dapat memantau tingkat inventaris, melacak kondisi cuaca, dan mengantisipasi keterlambatan pengiriman. Ini dapat secara proaktif meningkatkan peringatan dan bahkan mengalihkan rute pengiriman untuk mengurangi waktu henti.
Adaptif
Salah satu fitur utama AI agentik adalah kemampuannya untuk beradaptasi dengan lingkungan yang berubah dan domain tertentu. Solusi SaaS tradisional dibangun untuk dapat diskalakan di berbagai industri dan menangani tugas-tugas repetitif, tetapi mereka sering kali tidak memiliki kedalaman untuk memahami situasi unik yang spesifik pada suatu domain. Sistem agentik mengisi celah ini dengan menggunakan kesadaran konteks dan pengetahuan domain, memungkinkan agen AI merespons dengan cerdas. Mereka menyesuaikan tindakan mereka berdasarkan input real-time dan dapat menangani skenario kompleks yang tidak dapat ditangani oleh solusi standar.
Misalnya, sementara platform layanan pelanggan generik mungkin merespons dengan jawaban yang telah ditentukan sebelumnya, sistem AI agentik yang mendukung penyedia layanan kesehatan memahami terminologi medis dan mematuhi peraturan perawatan kesehatan. Ini dapat beradaptasi dengan kekhawatiran pasien yang berkembang dan memberikan dukungan yang lebih akurat dan peka terhadap konteks.
Kolaboratif
AI agentik dirancang untuk berkolaborasi dengan manusia dan dengan sistem AI agentik lainnya. Agen AI bekerja sebagai bagian dari tim yang lebih luas. Mereka dapat memahami tujuan bersama, menafsirkan niat manusia, dan mengoordinasikan tindakan sesuai kebutuhan. Mereka bekerja dengan baik di lingkungan yang memerlukan pengawasan manusia atau pengambilan keputusan dengan mempertimbangkan masukan dari berbagai sumber.
Misalnya, agen perencanaan pengobatan dapat berkoordinasi dengan beberapa tim medis yang berbeda untuk menyiapkan rencana pengobatan dan tindak lanjut yang terintegrasi bagi pasien kanker.
Khusus
AI agentik biasanya dibangun di atas beberapa agen yang sangat khusus, dan tiap-tiap agen tersebut berfokus pada bidang keahlian yang terpusat. Agen-agen yang didukung AI ini berkoordinasi satu sama lain, berbagi wawasan, dan menyerahkan tugas sesuai kebutuhan. Pendekatan ini memungkinkan kinerja spesifik domain yang jauh lebih dalam.
Misalnya, dalam layanan keuangan, ada agen yang mungkin memiliki keahlian khusus dalam hal kepatuhan regulasi, ada yang ahli di bidang deteksi penipuan, dan ada yang ahli dalam pengoptimalan portofolio. Dengan bekerja sama, mereka dapat memantau transaksi secara real-time, menandai anomali, dan merekomendasikan penyesuaian investasi, sambil mempertahankan kepatuhan terhadap regulasi.
Apa saja kasus penggunaan AI agentik?
AI agentik memiliki aplikasi tak terbatas dan dapat sepenuhnya disesuaikan dengan kebutuhan apa pun. Berikut beberapa contoh adopsi awal.
Mendukung penelitian dan pengembangan
Penelitian dan pengembangan di bidang apa pun membutuhkan banyak proses manual, seperti menguji hipotesis, mengumpulkan informasi penelitian, mengumpulkan data, mensintesis wawasan dari berbagai sumber data, dan banyak lagi. AI agentik dapat mengurangi kebutuhan akan intervensi manusia dengan proses manual ini. Sistem ini menyederhanakan penelitian dan meningkatkan koordinasi tim yang bekerja menangani tantangan penelitian dan pengembangan.
AI agentik juga memfasilitasi orkestrasi multiagen. Dalam proses ini, supervisor menggunakan beberapa model spesialis untuk membangun jalur penelitian dan pengembangan yang kompleks. Misalnya, AI agentik dapat memanfaatkan penelitian terbaru yang diterbitkan di platform tepercaya, mensintesis hasilnya, merencanakan pengujian lebih lanjut, dan menyajikan produk akhir kepada peneliti untuk diselidiki. Pendekatan ini menghemat banyak waktu dan biaya yang digunakan dalam penelitian.
Transformasi kode
AI agentik dapat menggunakan agen khusus yang didukung AI untuk menghilangkan kompleksitas tugas modernisasi dan migrasi. Misalnya, model AI agentik untuk.NET dapat memodernisasi aplikasi.NET berbasis Windows ke Linux dengan jauh lebih cepat menggunakan machine learning, jaringan neural grafik, model bahasa besar (LLM), dan penalaran otomatis.
Demikian pula, AI agentik dapat menguraikan aplikasi z/OS COBOL monolitik menjadi komponen-komponen individual, mengurangi jangka waktu proses ini dari bulan menjadi menit. AI agentik menawarkan kecepatan, skala, dan kinerja yang tak tertandingi dalam mengotomatiskan migrasi dan modernisasi aplikasi.
Otomatisasi respons insiden
Setiap kali insiden terjadi, baik karena kerentanan maupun kesalahan manual, AI agentik dapat mempercepat proses respons insiden, menghemat waktu bisnis Anda dan meningkatkan waktu pemulihan. AI agentik dapat mengotomatiskan seluruh jalur respons insiden, mengembalikan masalah, membuat laporan insiden, dan memberi tahu anggota tim yang perlu tetap mendapatkan informasi.
AI agentik meningkatkan kecepatan respons insiden sekaligus memberikan analisis pascainsiden yang lebih spesifik dan mendalam untuk mencegah kesalahan yang sama terulang pada masa mendatang.
Otomatisasi layanan pelanggan
Dalam banyak skenario layanan pelanggan, informasi yang dibutuhkan pelanggan sudah tersedia secara online dalam bentuk tutorial atau artikel bantuan. AI agentik memproses pertanyaan layanan pelanggan dan dengan cepat menelusuri dokumen perusahaan yang tersedia untuk menemukan jawaban yang sesuai dan membantu mereka. Jika hal ini saja tidak cukup untuk menyelesaikan kueri, AI agentik kemudian dapat berkomunikasi dengan pengguna untuk mengumpulkan lebih banyak informasi tentang kasus mereka dan mengarahkan mereka ke solusi. Sistem ini dirancang dengan komponen modular, seperti mesin penalaran, memori, keterampilan kognitif, dan alat, yang memungkinkan mereka untuk memperbaiki sebagian besar masalah.
Agen yang didukung AI dapat beroperasi secara mandiri, belajar dari lingkungan, beradaptasi dengan kondisi yang berubah, serta mengembangkan strategi yang lebih efektif untuk membantu pelanggan. Jika, setelah beberapa upaya, masalah pelanggan tidak dapat diselesaikan, ia kemudian menghubungi agen dukungan manusia dan menugaskan mereka pada kasus tersebut. Memanfaatkan bentuk AI ini dalam skenario layanan pelanggan mengurangi beban tim manusia dan memungkinkan sebagian besar layanan yang berorientasi pada pelanggan beroperasi 24/7.
Apa saja manfaat AI agentik?
Ada beberapa manfaat bisnis dari penggunaan AI agentik.
Peningkatan efisiensi
Kecerdasan buatan agentik memungkinkan bisnis menyederhanakan kompleksitas berbagai tugas yang menantang atau khusus melalui otomatisasi. Alih-alih bergantung pada praktik manual yang dijalankan oleh manusia, penggunaan AI agentik dapat mengotomatiskan proses yang membosankan sehingga memberikan lebih banyak waktu bagi karyawan Anda. Karyawan Anda dapat menggunakan waktu ekstra yang dihemat oleh AI agentik untuk menangani tugas yang lebih menantang, seperti pemecahan masalah, perencanaan strategis, dan faktor-faktor lain yang mendorong pertumbuhan.
Meningkatkan kepercayaan pengguna
AI agentik dapat menawarkan tingkat personalisasi yang lebih tinggi saat berinteraksi dengan pelanggan. Dengan memanfaatkan data pelanggan yang ada, AI agentik dapat dengan cepat menghasilkan pesan yang disesuaikan, terlibat dengan pelanggan menggunakan nada pilihan mereka, dan menawarkan rekomendasi produk praktis. Seiring dengan waktu, AI agentik meningkatkan hubungan dengan pelanggan serta membangun kepercayaan antara pelanggan dan bisnis Anda.
Bisnis juga dapat menggunakan kecerdasan buatan agentik untuk menganalisis umpan balik pelanggan, mengidentifikasi informasi yang paling sering muncul, dan menyampaikannya kepada tim pengembang produk. AI agentik juga dapat merespons langsung pengguna yang memberikan umpan balik, menciptakan loop umpan balik positif yang membuat pelanggan merasa bahwa umpan balik mereka dianggap serius oleh perusahaan Anda.
Peningkatan berkelanjutan
AI agentik dapat terus belajar dan berkembang, beradaptasi dengan tugas apa pun yang diberikan kepadanya. Teknologi ini mampu berinteraksi, belajar dari umpan balik, dan mengoptimalkan pengambilan keputusannya berdasarkan loop rekursif ini. Bagi bisnis, hal ini berarti bahwa manfaatnya terus diberikan pada tingkat yang terus bertambah tinggi seiring dengan waktu.
Augmentasi manusia
AI agentik dapat berfungsi sebagai alat kolaborasi yang fantastis untuk agen manusia, meningkatkan produktivitas mereka dan mengurangi jumlah tugas manual yang melelahkan yang harus mereka selesaikan. Dengan bekerja bersama model AI agentik, agen manusia dapat mengatasi tantangan yang kompleks, mengotomatiskan jalur pengambilan keputusan yang sulit, dan meningkatkan efisiensi mereka.
Apa saja jenis sistem AI agentik?
AI agentik dapat berupa pengaturan tunggal atau multiagen. Dalam sistem AI agentik tunggal, satu agen AI menangani semua tugas secara berurutan. Pendekatan ini lebih disukai ketika bisnis membutuhkan solusi yang lebih cepat yang dapat mengatasi suatu masalah atau proses yang terdefinisi dengan baik.
Di sisi lain, AI multiagen melibatkan beberapa agen AI yang berkolaborasi untuk memecah alur kerja yang kompleks menjadi segmen-segmen yang lebih kecil. Pendekatan ini lebih mudah diskalakan daripada sistem tunggal dan jauh lebih fleksibel untuk memecahkan skenario yang kompleks. Sebagian besar agen AI agentik mengacu pada bentuk terakhir ini, yaitu deployment AI yang lebih beragam.
Berikut adalah beberapa struktur berbeda dari sistem multiagen.
Multiagen horizontal
AI multiagen horizontal adalah sistem kerja yang memiliki agen-agen AI dengan tingkat kemahiran dan kompleksitas teknis yang sama. Setiap agen memiliki keahlian khusus yang terpusat, dan temuan-temuan mereka digabungkan untuk memecahkan masalah yang kompleks. Struktur ini memanfaatkan kolaborasi lateral dan komunikasi antara agen AI khusus.
Multiagen vertikal
Dalam sistem multiagen vertikal, terdapat struktur hierarkis yang membuat agen AI tingkat bawah menangani tugas yang relatif “lebih mudah” dibandingkan dengan agen tingkat atas. Tingkat tertinggi dari struktur ini menangani tugas-tugas yang membutuhkan lebih banyak kekuatan pemrosesan dan LLM, seperti pemikiran kritis, penalaran, dan pengambilan keputusan. Agen AI tingkat bawah dalam struktur ini melakukan tugas-tugas, seperti mengumpulkan data, memformatnya, atau memprosesnya, untuk diteruskan ke tingkat yang lebih tinggi.
Bagaimana cara kerja AI agentik?
Agen AI agentik beroperasi dengan menggunakan jalur terstruktur yang bergerak melalui empat tahap: mengamati, menalar, bertindak, dan belajar. Setiap tahap dalam proses ini mengintegrasikan beberapa teknologi dan metode AI canggih.
Mengamati
Pada tahap mengamati, agen AI mengumpulkan data real-time dari sejumlah sumber yang beragam, mengolah data terstruktur, semi-terstruktur, dan tidak terstruktur. Agen berinteraksi langsung dengan API RESTful, layanan gRPC, dan titik akhir GraphQL untuk mengambil data sesuai kebutuhan dari platform cloud, sistem korporasi, dan aplikasi SaaS.
Pada beberapa sistem warisan tertentu atau sistem yang memerlukan interaksi dengan lingkungan yang banyak dokumen, teknologi pengenalan karakter optimal (OCR) dan pemrosesan bahasa alami dapat membantu menyaring dokumen yang dipindai untuk informasi yang relevan. Pada tahap mengamati, agen juga memproses data untuk menentukan apa yang berguna berdasarkan konteks tugas tempat mereka bekerja.
Menalar
Tahap menalar didukung oleh LLM yang membantu menafsirkan konteks tujuan yang dimiliki model, mengembangkan rencana tindakan yang akan diikuti, dan beradaptasi secara real-time menggunakan informasi baru yang diterima melalui tahap mengamati. LLM menggunakan model yang menggunakan penalaran semantik, penanganan kesalahan, dan menyesuaikan dengan input pengguna yang ambigu.
Selain memproses ide dan mengembangkan strategi pada tahap ini, beberapa LLM menggunakan model machine learning prediktif untuk menangani masalah yang kompleks. Misalnya, model ML prediktif dapat memperkirakan lonjakan permintaan, memungkinkan persiapan yang lebih baik untuk kasus penggunaan pada masa mendatang.
Pada tahap ini, LLM menggunakan sistem memori jangka panjang untuk memastikan bahwa tugas yang bergantung pada situasi dan konteks tetap konsisten di sepanjang proses.
Bertindak
Pada tahap bertindak, AI agentik mengambil tindakan untuk mencapai apa yang telah ditetapkan oleh tahap menalar secara efektif. Karena AI agentik dapat mengakses plugin yang diinstal administrator pada tiap-tiap sistem perangkat lunak eksternal ini, ia dapat langsung berinteraksi dengan dan menjalankan tugas pada aplikasi pihak ketiga ini.
Tahap bertindak ini mengatur beberapa subtugas yang kemudian akan ditangani secara berurutan oleh model agentik, dengan tindakan spesifik mulai dari menyusun kode, berinteraksi dengan perangkat lunak dan dokumen, menjalankan simulasi, memigrasikan aplikasi, hingga menjalankan fungsi dalam aplikasi pihak ketiga. Untuk beberapa model AI agentik, tindakan dibatasi oleh sistem human-in-the-loop, yang mengharuskan pengembang memverifikasi apa yang dilakukan model dan menyetujui tindakannya.
Semua tindakan yang diambil oleh model dipantau dan dicatat secara ketat sehingga bisnis dapat mematuhi tata kelola dan menjaga keamanan penggunaan teknologi ini.
Belajar
Tahap belajar AI agentik memungkinkan model-model ini untuk terus meningkatkan fungsionalitas dan efektivitasnya. Agen menggunakan teknik pembelajaran penguatan, seperti optimisasi kebijakan proksimal (PPO) dan Q-learning, untuk menyempurnakan tindakan berdasarkan keberhasilan tugas tertentu dalam sistem yang lebih luas.
Agen AI belajar dari agen otonom, LLM, atau melalui umpan balik manusia. Semua sumber ini dapat menyempurnakan sistem untuk meningkatkan fungsinya. Ada beberapa metrik yang dapat digunakan model untuk melacak kinerjanya, termasuk latensi, kepercayaan, dan tingkat keberhasilan. AI multiagen biasanya mendistribusikan pembelajaran di berbagai agen, berbagi informasi di lapisan memori bersama untuk meningkatkan kinerja seluruh sistem.
Seiring dengan waktu, gaya pembelajaran penguatan ini dapat memanfaatkan iterasi yang berhasil untuk meningkatkan fungsionalitasnya secara keseluruhan dan meningkatkan efisiensi secara berkelanjutan.
Apa saja tantangan pada sistem AI agentik?
Beberapa tantangan ada kaitannya dengan AI agentik dan membangun model yang efektif.
Desain sistem
Pembangunan arsitektur multiagen yang mampu berkoordinasi secara efektif dengan model lain, memiliki pengetahuan khusus tentang cara menangani tugas-tugas tertentu, serta dapat melakukan penalaran tingkat tinggi dan perencanaan strategis adalah tugas yang menantang. AI agentik adalah bidang teknologi mutakhir yang bergantung pada berbagai strategi AI yang menantang. Karena kompleksitas dalam merancang sistem yang efektif, banyak perusahaan akan kesulitan untuk mengakses versi AI agentik yang efektif.
Pengujian dan debugging
AI agentik bekerja secara mandiri dan dengan intervensi manusia minimal. Manfaat ini juga membuat pengujian, debugging, dan penentuan bagian model AI yang melakukan kesalahan menjadi tantangan. Pengembang harus membangun ketertelusuran dan reproduksibilitas ke dalam model AI, dengan menaruh perhatian khusus pada pelacakan kesalahan dan penentuan penyebabnya.
Kepercayaan dan transparansi
Bahkan dalam sistem AI yang canggih, halusinasi AI dapat memengaruhi alur kerja, yang menyebabkan kesalahan dan masalah signifikan bagi bisnis yang mengoperasikan model tersebut. Jika model menghasilkan informasi palsu, lalu menyampaikannya kepada agen AI lainnya, data yang salah dapat menyebar dengan cepat dan meningkatkan kesalahan dalam output akhir. Di sejumlah industri, khususnya seperti industri keuangan dan kesehatan yang memiliki implikasi dunia nyata yang serius, bisnis harus memiliki tingkat kepercayaan yang tinggi terhadap produk mereka sebelum menggunakannya secara ekstensif.
Bagaimana AWS dapat mendukung kebutuhan AI agentik Anda?
AWS berkomitmen untuk menjadi tempat terbaik untuk membangun dan menerapkan agen paling tepercaya dan berguna di dunia. AWS mendampingi pelanggan di setiap tahap perjalanan mereka dengan AI agentik dan menawarkan segala hal yang mereka butuhkan untuk menerapkan AI agentik dalam bisnis mereka. Apa pun tujuan Anda, baik itu menerapkan agen siap pakai untuk meningkatkan produktivitas, bereksperimen dengan alat sumber terbuka, maupun membangun armada agen kustom canggih, AWS menyediakan model, alat, infrastruktur, dan keahlian untuk membantu Anda sukses. AWS juga menawarkan infrastruktur AI yang tangguh, silikon khusus, dan fondasi data yang membantu memastikan keberlanjutan upaya AI agentik Anda.
Amazon Bedrock adalah layanan terkelola penuh yang menawarkan pilihan model fondasi (FM) terkemuka di industri bersama dengan beragam set kemampuan yang diperlukan untuk membangun aplikasi dan agen berbasis AI generatif. Bedrock menawarkan akses ke model fondasi terkemuka, alat untuk menyesuaikan model dan aplikasi secara privat dengan data Anda, menerapkan batasan pengaman keselamatan, mengoptimalkan biaya dan latensi, serta melakukan iterasi dengan cepat.
Bedrock juga mencakup AgentCore, sekumpulan layanan untuk menerapkan dan mengoperasikan agen secara aman dalam skala besar, menggunakan kerangka kerja dan model apa pun. Dengan Amazon Bedrock AgentCore, pengembang dapat mempercepat peralihan agen AI ke tahap produksi dengan skalabilitas, keandalan, dan keamanan yang dibutuhkan untuk deployment di dunia nyata. AgentCore menyediakan alat dan kemampuan untuk membuat agen lebih efektif dan mumpuni, infrastruktur yang dibangun khusus untuk meningkatkan skala agen secara aman, dan kontrol untuk mengoperasikan agen yang dapat dipercaya.
Agen Strands adalah SDK python sumber terbuka yang ditawarkan oleh Amazon untuk membangun agen hanya dengan beberapa baris kode. Alat ini mudah digunakan dan menghilangkan kebutuhan akan orkestrasi agen yang kompleks dengan memanfaatkan kemampuan model canggih untuk merencanakan, menyusun pemikiran, memanggil alat, dan melakukan refleksi.
AWS juga menawarkan agen yang siap digunakan dengan peluang penyesuaian lebih lanjut untuk memenuhi kebutuhan spesifik bisnis dan kasus penggunaan. AWS Transform adalah layanan AI agentik pertama untuk mentransformasi beban kerja .NET, mainframe, dan VMware. Dibangun berdasarkan pengalaman migrasi selama 19 tahun, layanan tersebut melakukan deployment agen AI khusus untuk mengotomatiskan tugas-tugas kompleks, seperti penilaian, analisis kode, pemfaktoran ulang, dekomposisi, pemetaan dependensi, validasi, dan perencanaan transformasi. Kiro adalah IDE AI yang membantu pengembang beralih dari konsep ke produksi dengan pengembangan berbasis spesifikasi. Agen Kiro membantu Anda memecahkan masalah yang menantang dan mengotomatiskan sejumlah tugas, seperti membuat dokumentasi dan pengujian unit. Amazon Q Business membantu menemukan informasi, mendapatkan wawasan, dan mengambil tindakan di tempat kerja, sedangkan Amazon Q Developer membantu mempercepat pengembangan perangkat lunak dan memanfaatkan data internal perusahaan. Sementara itu, AWS Marketplace menawarkan katalog terpusat berisi agen siap pakai, alat, dan solusi yang dikurasi dari Partner AWS untuk mempercepat upaya AI agentik
Mulai gunakan AI agentik di AWS dengan membuat akun gratis sekarang juga.