Agen AI seharusnya menjadi hal besar berikutnya dalam AI, namun belum ada definisi pasti mengenai apa itu agen. Sampai saat ini, orang masih belum bisa sepakat mengenai apa sebenarnya yang dimaksud dengan agen AI.
Secara sederhana, agen AI digambarkan sebagai perangkat lunak berbahan bakar AI yang melakukan serangkaian pekerjaan untuk Anda yang mungkin pernah dilakukan oleh agen layanan pelanggan manusia, staf SDM, atau karyawan bagian bantuan TI di masa lalu, meskipun pada akhirnya bisa melibatkan siapa pun. tugas. Anda memintanya melakukan sesuatu, dan ia melakukannya untuk Anda, terkadang melintasi banyak sistem dan lebih dari sekadar menjawab pertanyaan. Misalnya, Perplexity bulan lalu merilis agen AI yang membantu orang-orang berbelanja saat liburan (dan ini bukan satu-satunya). Dan Google minggu lalu mengumumkan agen AI pertamanya, yang disebut Project Mariner, yang dapat digunakan untuk menemukan penerbangan dan hotel, berbelanja barang-barang rumah tangga, menemukan resep, dan tugas lainnya.
Tampaknya cukup sederhana, bukan? Namun hal ini menjadi rumit karena kurangnya kejelasan. Bahkan di antara raksasa teknologi sekalipun, tidak ada konsensus. Google melihat mereka sebagai asisten berbasis tugas tergantung pada pekerjaannya: bantuan pengkodean untuk pengembang; membantu pemasar membuat skema warna; membantu profesional TI dalam melacak masalah dengan menanyakan data log.
Bagi Asana, agen dapat bertindak seperti karyawan tambahan, mengurus tugas yang diberikan seperti rekan kerja yang baik. Sierra, sebuah startup yang didirikan oleh mantan co-CEO Salesforce Bret Taylor dan dokter hewan Google Clay Bavor, melihat agen sebagai alat pengalaman pelanggan, membantu orang mencapai tindakan yang melampaui chatbots di masa lalu untuk membantu memecahkan serangkaian masalah yang lebih kompleks.
Kurangnya definisi yang kohesif ini memberikan ruang bagi kebingungan mengenai apa yang sebenarnya akan dilakukan oleh hal-hal ini, namun terlepas dari bagaimana definisinya, agen akan membantu menyelesaikan tugas dengan cara otomatis dengan interaksi manusia sesedikit mungkin.
Rudina Seseri, pendiri dan mitra pengelola Glasswing Ventures, mengatakan ini masih awal dan mungkin menjadi penyebab kurangnya kesepakatan. “Tidak ada definisi tunggal mengenai apa itu 'agen AI'. Namun, pandangan yang paling umum adalah bahwa agen adalah sistem perangkat lunak cerdas yang dirancang untuk memahami lingkungannya, mempertimbangkannya, membuat keputusan, dan mengambil tindakan untuk mencapai tujuan tertentu secara mandiri,” kata Seseri kepada TechCrunch.
Dia mengatakan mereka menggunakan sejumlah teknologi AI untuk mewujudkan hal itu. “Sistem ini menggabungkan berbagai teknik AI/ML seperti pemrosesan bahasa alami, pembelajaran mesin, dan visi komputer untuk beroperasi dalam domain dinamis, secara mandiri atau bersama agen lain dan pengguna manusia.”
Aaron Levie, salah satu pendiri dan CEO Box, mengatakan bahwa seiring berjalannya waktu, seiring dengan semakin canggihnya kemampuan AI, agen AI akan mampu melakukan lebih banyak hal demi kepentingan manusia, dan sudah terdapat dinamika yang akan mendorong evolusi tersebut.
“Dengan agen AI, terdapat beberapa komponen pada roda gila yang dapat memperkuat dirinya sendiri yang akan berfungsi untuk meningkatkan secara dramatis apa yang dapat dicapai oleh Agen AI dalam waktu dekat dan jangka panjang: harga/kinerja GPU, efisiensi model, kualitas dan kecerdasan model, kerangka kerja AI, dan perbaikan infrastruktur,” tulis Levie adalah LinkedIn baru-baru ini.
Hal ini merupakan pandangan optimis terhadap teknologi yang mengasumsikan pertumbuhan akan terjadi di semua bidang, padahal hal tersebut belum tentu terjadi. Pelopor robotika MIT, Rodney Brooks, menunjukkan dalam wawancara dengan TechCrunch baru-baru ini bahwa AI harus menghadapi masalah yang jauh lebih sulit daripada kebanyakan teknologi, dan AI tidak akan tumbuh secepat, katakanlah, chip berdasarkan hukum Moore.
“Saat manusia melihat sistem AI melakukan suatu tugas, mereka langsung menggeneralisasikannya ke hal-hal serupa dan membuat perkiraan kompetensi sistem AI; bukan hanya kinerjanya, tapi kompetensi di sekitarnya,” kata Brooks saat wawancara. “Dan mereka biasanya terlalu optimis, dan itu karena mereka menggunakan model kinerja seseorang dalam suatu tugas.”
Masalahnya adalah melintasi sistem itu sulit, dan ini diperumit oleh kenyataan bahwa beberapa sistem lama tidak memiliki akses API dasar. Meskipun kita melihat peningkatan yang stabil seperti yang disinggung Levie, membuat perangkat lunak dapat mengakses banyak sistem sekaligus memecahkan masalah yang mungkin dihadapi terbukti lebih menantang daripada yang diperkirakan banyak orang.
Jika itu masalahnya, semua orang mungkin melebih-lebihkan apa yang seharusnya bisa dilakukan oleh agen AI. David Cushman, pemimpin penelitian di HFS Research, melihat bot saat ini lebih mirip dengan Asana: asisten yang membantu manusia menyelesaikan tugas tertentu demi mencapai semacam tujuan strategis yang ditentukan pengguna. Tantangannya adalah membantu mesin menangani keadaan darurat dengan cara yang benar-benar otomatis, dan kita jelas belum bisa mencapai hal tersebut.
“Saya pikir ini adalah langkah selanjutnya,” katanya. “Di sinilah AI beroperasi secara mandiri dan efektif dalam skala besar. Jadi di sinilah manusia menetapkan pedoman, pagar pembatas, dan menerapkan berbagai teknologi untuk mengeluarkan manusia dari keterpurukan — padahal yang terpenting adalah menjaga kelestarian manusia. di dalam loop dengan GenAI,” katanya. Jadi kuncinya di sini, katanya, adalah membiarkan agen AI mengambil alih dan menerapkan otomatisasi yang sebenarnya.
Jon Turow, partner di Madrona Ventures, mengatakan hal ini memerlukan pembuatan infrastruktur agen AI, tumpukan teknologi yang dirancang khusus untuk membuat agen (bagaimanapun Anda mendefinisikannya). Dalam postingan blog terbaru, Turow menguraikan contoh agen AI saat ini bekerja di alam liar dan bagaimana mereka dibangun saat ini.
Dalam pandangan Turow, semakin berkembangnya agen AI – dan dia juga mengakui bahwa definisi tersebut masih agak sulit dipahami – memerlukan tumpukan teknologi seperti teknologi lainnya. “Semua ini berarti bahwa industri kita harus bekerja untuk membangun infrastruktur yang mendukung agen AI dan aplikasi yang bergantung pada mereka,” tulisnya dalam artikel tersebut.
“Seiring berjalannya waktu, penalaran akan meningkat secara bertahap, model terdepan akan lebih mengarahkan alur kerja, dan pengembang akan ingin fokus pada produk dan data – hal-hal yang membedakannya. Mereka ingin platform yang mendasarinya 'berfungsi' dengan skala, kinerja, dan keandalan.”
Satu hal lain yang perlu diingat di sini adalah bahwa mungkin diperlukan beberapa model, bukan satu LLM, untuk membuat agen berfungsi, dan ini masuk akal jika Anda menganggap agen ini sebagai kumpulan tugas yang berbeda. “Saya rasa saat ini tidak ada satu pun model bahasa besar, setidaknya model bahasa besar monolitik yang tersedia untuk umum, yang mampu menangani tugas-tugas agen. Saya rasa mereka belum bisa melakukan penalaran multi-langkah yang benar-benar membuat saya bersemangat tentang masa depan yang agenik. Saya rasa kita semakin dekat, namun hal tersebut masih belum tercapai,” kata Fred Havemeyer, kepala penelitian AI dan perangkat lunak AS di Macquarie US Equity Research.
“Saya pikir agen yang paling efektif kemungkinan besar adalah kumpulan beberapa model berbeda dengan lapisan perutean yang mengirimkan permintaan atau perintah ke agen dan model yang paling efektif. Dan menurutku itu akan menjadi sesuatu yang menarik [automated] supervisor, mendelegasikan jenis peran.”
Pada akhirnya bagi Havemeyer, industri berupaya mencapai tujuan ini dengan agen yang beroperasi secara independen. “Saat saya memikirkan masa depan agen, saya ingin melihat dan berharap melihat agen yang benar-benar otonom dan mampu mengambil tujuan abstrak dan kemudian mempertimbangkan semua langkah individu secara mandiri,” katanya. TechCrunch.dll.
Namun faktanya adalah kita masih berada dalam masa transisi yang berkaitan dengan agen-agen ini, dan kita tidak tahu kapan kita akan mencapai keadaan akhir yang dijelaskan Havemeyer. Meskipun apa yang telah kita lihat sejauh ini jelas merupakan langkah yang menjanjikan ke arah yang benar, kita masih memerlukan beberapa kemajuan dan terobosan agar agen AI dapat beroperasi seperti yang diharapkan saat ini. Dan penting untuk dipahami bahwa kita belum sampai di sana.
Cerita ini awalnya diterbitkan pada 13 Juli 2024, dan diperbarui untuk menyertakan agen baru dari Perplexity dan Google.
