Apa Bedanya "AI Menjawab" sama "AI Bekerja"?
Coba bandingin dua situasi ini. Situasi pertama, kamu tanya AI satu pertanyaan, dia kasih satu jawaban, selesai. Situasi kedua, kamu kasih AI satu tujuan besar, misalnya "buatkan aku ringkasan profil perusahaan ini", terus di belakang layar, AI itu (atau lebih tepatnya, sistem yang dibangun di sekitar AI itu) ngelakuin serangkaian langkah sendiri, ambil data, milih mana yang penting, olah datanya, baru kasih hasil akhir.
Situasi kedua ini yang jadi cikal bakal dari apa yang sekarang disebut orang sebagai agentic AI, atau AI yang bertindak kayak agen, bukan cuma penjawab pasif. Dan yang menarik, kita udah sebenarnya ngeliat contoh sederhananya di Part 4 kemarin, waktu bahas soal company brochure generator.
Mengingat Lagi Alur di Part 4
Inget lagi contoh yang dibahas sebelumnya. Buat bikin profil perusahaan otomatis dari satu alamat website, prosesnya dipecah jadi beberapa langkah berurutan, ambil konten halaman utama, minta AI milih link mana yang relevan, ambil konten dari link link itu, terus minta AI nyusun jadi dokumen akhir.
Ini yang disebut multi-step pipeline, alur kerja bertahap. Tiap langkah punya tugas spesifik, dan hasil dari satu langkah jadi bahan buat langkah berikutnya. Ini udah jauh lebih maju dibanding sekadar "tanya satu kali, jawab satu kali", tapi sebenarnya masih ada satu ciri penting yang bikin ini beda sama "agen" yang sepenuhnya otonom, yaitu urutan langkahnya udah ditentuin duluan sama developer, bukan diputusin sendiri sama AI-nya di tengah proses.
Jadi, Apa Sebenarnya Bedanya sama "Agen AI Beneran"?
Perbedaan mendasarnya ada di siapa yang mutusin langkah selanjutnya. Di multi-step pipeline biasa, developer yang udah nentuin dari awal, "pertama lakuin ini, kedua lakuin itu, ketiga begini". Alurnya kaku, meskipun tiap langkahnya melibatkan AI.
Di konsep agen yang lebih maju, AI-nya sendiri yang dikasih semacam "daftar alat" yang bisa dia pakai (misalnya kemampuan cari di internet, baca database, atau kirim email), terus AI itu yang mutusin sendiri, alat mana yang perlu dipakai, kapan dipakainya, dan berapa kali diulang, tergantung situasi yang dia hadapi saat itu. Kalau hasil dari satu langkah ternyata kurang memuaskan, AI bisa "mikir ulang" dan nyoba pendekatan lain, tanpa developer harus nulis instruksi buat tiap kemungkinan skenario dari awal.
Ini mirip kayak bedanya kasih instruksi detail ke karyawan baru versus kasih tujuan akhir ke karyawan yang udah berpengalaman. Karyawan baru butuh dikasih tau persis langkah satu, dua, tiga. Karyawan berpengalaman cukup dikasih tau tujuannya, terus dia yang mutusin sendiri caranya, termasuk kalau rencana awal ternyata nggak jalan, dia bisa cari jalan lain.
Tool Calling: Fondasi yang Bikin Agen Beneran Bisa "Bertindak"
Biar AI bisa jadi seperti "karyawan berpengalaman" tadi, dia butuh kemampuan buat manggil alat alat di luar dirinya sendiri, entah itu ngecek database, browsing internet, atau ngirim data ke sistem lain. Kemampuan ini disebut tool calling, atau kadang disebut function calling.
Cara kerjanya kira kira begini. Developer kasih tau AI, "ini daftar alat yang bisa kamu pakai, dan ini penjelasan masing masing alatnya buat apa". Pas AI lagi ngerjain sesuatu dan ngerasa butuh salah satu alat itu, dia bakal ngasih semacam sinyal ke sistem, "saya butuh pakai alat ini, dengan parameter ini". Sistem di luar AI yang beneran ngejalanin alat itu (karena AI sendiri nggak bisa langsung ngakses database atau internet), terus hasil dari alat itu dikasih balik ke AI, biar dia bisa lanjut mikir atau langsung kasih jawaban akhir ke pengguna.
Ini poin penting yang bikin AI berhenti jadi sekadar "mesin generate teks", dan mulai jadi sesuatu yang bisa beneran berinteraksi sama dunia nyata, ngecek harga terbaru, update data di sistem, atau ngambil informasi yang cuma ada di database internal perusahaan.
Kenapa Ini Bukan Cuma Istilah Keren Doang
Penting buat jujur soal ini, "AI agent" itu sering dipakai sebagai istilah marketing yang kedengaran keren, padahal di baliknya bisa aja cuma multi-step pipeline sederhana yang alurnya udah ditentuin ketat dari awal. Nggak ada yang salah sama itu, malah buat banyak kasus, pipeline yang alurnya jelas dan bisa diprediksi itu justru lebih aman dan lebih gampang dikontrol dibanding agen yang sepenuhnya otonom.
Kenapa? Karena agen yang bener bener "bebas" mutusin langkahnya sendiri, juga punya risiko sendiri, bisa aja dia salah nentuin alat yang mau dipakai, muter muter nggak jelas nyoba banyak pendekatan yang nggak perlu, atau dalam kasus terburuk, ngelakuin aksi yang nggak diinginkan karena salah interpretasi instruksi. Makin bebas AI dikasih kendali, makin penting juga ada batasan dan pengawasan yang jelas di sekitarnya.
Jadi kalau kamu lagi ngobrolin proyek sama klien dan ada yang nyebut "aku mau AI agent", ini pertanyaan bagus buat digali lebih dalam, apakah yang mereka maksud itu beneran butuh AI yang mutusin sendiri langkah demi langkah secara dinamis, atau sebenarnya cukup dengan pipeline bertahap yang alurnya udah jelas dan lebih gampang diprediksi hasilnya. Sering kali, yang kedua ini justru lebih pas buat kebanyakan kebutuhan bisnis, lebih murah dibangun, dan lebih gampang dijamin kualitasnya.
Menutup Series Ini: Benang Merah dari Part 1 sampai Part 5
Coba kita tarik garis besarnya. Semua dimulai dari kenyataan kalau AI itu stateless, nggak punya ingatan bawaan (Part 1). Karena itu, developer harus ngirim ulang riwayat percakapan tiap kali manggil AI, dan itu semua dihitung dalam satuan token, yang jadi dasar perhitungan biaya (Part 2). Karena biaya dan kebutuhan yang beda beda, muncul berbagai pilihan provider, dari yang berbayar sampai yang bisa dijalanin gratis secara lokal (Part 3). Begitu paham dasar dasar ini, AI mulai bisa digabung sama kemampuan lain kayak web scraping, buat ngerjain tugas yang lebih konkret (Part 4). Dan akhirnya, ngerangkai beberapa kemampuan itu jadi alur berurutan, adalah fondasi dari konsep AI agent yang sekarang lagi jadi topik hangat di mana mana (Part 5).
Paham fondasi fondasi ini penting banget, terutama kalau kamu lagi mikirin nawarin jasa berbasis AI ke klien. Bukan cuma biar kamu bisa "ngobrol" pakai istilah yang tepat, tapi biar kamu bisa dengan jujur nentuin, kebutuhan klien ini sebenarnya cukup diselesaikan dengan cara yang sederhana, atau beneran butuh sesuatu yang lebih canggih dan lebih mahal buat dibangun.
Yang Perlu Diingat
- Bedanya AI yang cuma menjawab dan AI yang bekerja lewat banyak langkah terletak pada apakah alurnya sudah ditentukan di awal (pipeline) atau diputuskan sendiri secara dinamis oleh AI (agent)
- Tool calling adalah kemampuan yang memungkinkan AI memanggil alat di luar dirinya, seperti database atau internet, dan ini fondasi utama yang bikin agen AI bisa benar benar "bertindak"
- AI agent yang sepenuhnya otonom punya risiko sendiri, karena keputusan langkahnya kurang bisa diprediksi, sehingga butuh batasan dan pengawasan yang jelas
- Nggak semua kebutuhan bisnis butuh AI agent yang sepenuhnya otonom, pipeline bertahap yang alurnya jelas sering kali lebih murah, lebih aman, dan lebih gampang dijamin kualitasnya
- Memahami seluruh fondasi dari statelessness sampai agent membantu kamu menentukan solusi yang paling pas buat kebutuhan klien, bukan sekadar ikut tren istilah
Lanjut ke Series Berikutnya
Series ini udah nutup pemahaman dasar soal cara kerja AI di balik layar. Series selanjutnya, "Bikin Aplikasi AI yang Bisa Dipakai Beneran", bakal mulai masuk ke sisi praktis, gimana caranya semua konsep ini diubah jadi aplikasi yang beneran bisa dipakai orang, lengkap dengan antarmuka, chatbot yang terasa natural, sampai kemampuan AI buat bertindak lewat tool calling secara lebih mendalam.
Bagian dari series "Cara Kerja AI di Balik Layar". Ditulis buat siapa pun yang mau paham AI tanpa harus jadi engineer dulu.
