Perusahaan-perusahaan teknologi mulai fokus pada Agentic AI ketika membahas tentang perkembangan teknologi kecerdasan buatan.
Misalnya, belum lama ini Google di event tahunan Google I/O meningkatkan Gemini sebagai Agentic AI, Nvidia meluncurkan chip Sera yang didedikasikan sebagai chip Agentic AI pertama di dunia, hingga Intel yang luncurkan prosesor terbaru untuk mendukung Agentic AI.
Sebenarnya, apa Agentic AI?
Google menyebut Agentic AI sebagai bentuk kecerdasan buatan tingkat lanjut yang berfokus pada pengambilan keputusan dan tindakan secara mandiri.
Berbeda dengan AI tradisional yang hanya merespon perintah atau menganalisis data, Agentic AI mampu menetapkan tujuan, membuat perencanaan, dan mengeksekusi berbagai tugas dengan intervensi manusia yang sangat minim.
Sementara IBM menyebutkan, teknologi yang bekerja pada Agentic AI meliputi agen-agen AI. Maksudnya, model machine learning yang meniru cara manusia mengambil keputusan untuk menyelesaikan berbagai masalah secara real-time.
Mengapa Agentic AI penting di era ini?
Selama ini, AI yang banyak dipakai pengguna bertindak sebagai penasihat atau asisten pasif. Sementara, Agentic AI bisa dibilang merupakan eksekutor aktif.
Itu artinya, Agentic AI tak sekadar menghasilkan teks atau gambar tetapi mampu mengambil tindakan mandiri untuk menyelesaikan tugas kompleks.
Apa perbedaan Generatif AI dengan Agentic AI?
Untuk bisa menjawab pertanyaan tentang perbedaan Generative AI dan Agentic AI, bayangkan Anda adalah orang yang sedang merencanakan perjalanan.
- Generative AI atau Chatbot: Anda meminta rekomendasi hotel dan jadwal penerbangan, selanjutnya, AI akan memberikan daftar opsi hotel dan jadwal penerbangan. Anda harus tetap membuka aplikasi, memesan tiket, dan membayarnya secara manual.
- Agentic AI: Anda hanya perlu memberikan perintah misalnya, “Atur perjalanan saya ke Yogyakarta pada (tanggal) dengan budget Rp 5 juta.” Dari perintah itu, AI akan memeriksa kalender Anda, memesankan tiket pesawat, hotel, memesankan transportasi dari bandara, dan memasukkan semua jadwalnya ke kalender secara otomatis.
Tabel perbandingan Generative AI dan Agentic AI
| Fitur / Karakteristik | Generative AI (Chatbot Tradisional) | Agentic AI (Generasi Baru) |
| Sifat Dasar | Reaktif: Hanya bekerja dan merespons setelah diberikan perintah (prompt). | Proaktif: Bekerja mandiri berdasarkan tujuan akhir (goal-driven) yang ditetapkan pengguna. |
| Pola Kerja | Satu Langkah (Single-step): Menerima satu input, lalu menghasilkan satu output (Teks, Gambar, Kode). | Berlapis (Multi-step reasoning): Mampu memecah tujuan besar menjadi rangkaian rencana kerja kecil secara logis. |
| Intervensi Manusia | Sangat Tinggi: Manusia harus memandu langkah demi langkah lewat prompt engineering yang detail. | Minim: Manusia hanya memberikan target di awal dan melakukan konfirmasi di akhir proses. |
| Kemampuan Bertindak | Terbatas: Hanya memberikan informasi atau saran, tidak bisa mengeksekusi tindakan di luar aplikasi. | Tinggi: Bisa berinteraksi dengan dunia digital (membuka browser, mengirim email, memesan tiket, dll). |
| Penanganan Masalah | Stak / Halusinasi: Jika menemui eror atau jalan buntu, AI akan berhenti atau memberikan jawaban salah. | Evaluasi Mandiri (Reflexivity): Jika rencana A gagal, AI akan mengevaluasi kesalahan dan otomatis mencari rencana B. |
| Akses Data & Memori | Pendek: Terbatas pada sesi obrolan yang sedang berlangsung saat itu saja. | Panjang: Memiliki arsitektur memori untuk mengingat konteks kerja dan riwayat tugas sebelumnya. |
| Lokasi Pemrosesan | Mayoritas Cloud: Sangat bergantung pada server internet besar untuk memproses perintah. | Hybrid / On-Device: Diarahkan ke pemrosesan lokal di perangkat menggunakan NPU demi efisiensi daya dan keamanan privasi. |
| Contoh Kasus | Menulis draf email, merangkum dokumen PDF, atau membuat gambar ilustrasi. | Mengatur jadwal perjalanan dinas, mengelola workflow keuangan, atau mengotomatisasi customer service hingga tuntas. |
Mengapa industri beralih ke Agentic AI?
Riset McKinsey & Company menyebutkan industri saat ini beralih dari AI biasa seperti chatbot ke Agentic AI. Menurut catatan mereka, hampir 80 persen perusahaan sudah mengadopsi Generative AI tetapi mayoritasnya belum melihat dampak signifikan pada keuntungan finansial, jika hanya mengandalkan chatbot.
- Chatbot biasanya hanya memberi jawaban saat ditanya dan penerapannya terbatas pada tugas-tugas mikro. Sementara Agentic AI mampu mengotomatisasi seluruh proses bisnis secara mandiri.
- Chatbot tradisional bekerja berdasarkan prompt per langkah dari manusia. Agentic AI mampu bekerja proaktif dan berbasis tujuan. Ketika diberikan tujuan misalnya, merencanakan pesta, AI akan bergerak sendiri mulai dari menyusun daftar undangan, kirim undangan, hingga memesankan makanan.
- Masih dari McKinsey, Agentic AI memiliki arsitektur lengkap, mulai dari kemandirian mengambil keputusan, merencanakan, mengingat konteks, dan mengeksekusi tindakan.
Tatangan keamanan dan privasi di era Agentic AI
Karena Agentic AI punya akses mendalam untuk bertindak atas nama si pengguna, isu privasi dan keamanan data pun jadi hal penting.
Pasalnya, Agentic AI bisa mengakses tanpa batas terhadap informasi pengguna. Mulai dari kredensial akun, isi email, data keuangan dan perbankan, sampai lokasi real-time untuk mengeksekusi tugas.
Hal ini rupanya meningkatkan celah keamanan baru, di mana pihak luar bisa menyisipkan instruksi tersembunyi, misalnya melalui email. Instruksi ini bisa mengelabui AI untuk membocorkan data pengguna atau melakukan transaksi ilegal.
Untuk itu, perusahaan teknologi perlu merancang protokol keamanan agar Agentic AI tetap meminta konfirmasi atau biometrik manusia sebelum melakukan tindakan, misalnya untuk transfer uang.
Mengapa butuh chip generasi terbaru?
Seperti dibahas, perusahaan mulai memfokuskan upaya untuk mengembangkan Agentic AI, termasuk membuat chip yang mampu mengakomodir teknologi baru ini.
Misalnya Nvidia yang beralih dari GPU ke pembuatan chip pertama di dunia yang mendukung Agentic AI, Vera. Intel juga melakukan hal serupa dengan merilis prosesor Xeon 6 Plus yang mampu mendukung Agentic AI.
- Rupanya, hal ini dipengaruhi oleh tantangan privasi dari penerapan Agentic AI. Pasalnya untuk menghindari risiko kebocoran data ketika perintah diproses ke server internet, industri mengarahkan Agentic AI agar memproses data sensitif langsung di perangkat (AI on device).
- Nah untuk melakukan penalaran berlapis (seperti yang dilakukan Agen AI ketika mengeksekusi perintah), dibutuhkan Neural Processing Unit atau NPU generasi terbaru yang hemat data.
- Untuk itulah, chip modern dirancang agar AI Agent dapat bekerja sepanjang waktu di background tanpa menguras baterai sekaligus memastikan data tidak keluar dari perangkat.
Pax Insight
Dengan dimulainya era Agentic AI ini, nantinya mungkin pengguna tak perlu lagi sibuk mengubah-ubah prompt agar AI memberikan hasil sesuai yang diinginkan. Alih-alih mengetik prompt, Agentic AI akan menjadi asisten pribadi yang seutuhnya.
