Agen Di Perusahaan AI-First – Evangelos Simoudis

Agen AI adalah komponen penting dalam transformasi untuk menjadi perusahaan yang mengutamakan AI. Perusahaan yang melakukan transformasi ini harus memahami di mana dan bagaimana cara menggabungkan agen dan jenis agen apa yang akan digunakan dalam proses berpusat pada AI yang mereka bangun dan struktur organisasi yang mereka adopsi. Artikel ini menyajikan tipe-tipe agen AI, menguraikan bagaimana perusahaan harus berpikir tentang “agentifikasi” saat mereka bertransformasi menjadi yang mengutamakan AI, dan menjelaskan bagaimana metodologi AI perusahaan kami menyesuaikan agen ke dalam proses bisnis yang mengutamakan AI.

Perkenalan

Konsep agen AI bukanlah hal baru. Penelitian tentang agen AI dimulai beberapa dekade lalu. Sebagai peneliti muda di laboratorium R&D Digital Equipment Corporation, saya mengerjakan agen cerdas dan kerangka kerja yang memungkinkan berbagai jenis agen berkolaborasi selama pemecahan masalah. Munculnya AI generatif memberi kita cara berpikir baru tentang agen. Saat ini, kami menggunakan istilah “agen” secara luas untuk mendeskripsikan segala sesuatu mulai dari chatbot sederhana hingga kopilot yang sebagian otonom. Kurangnya presisi ini berisiko melemahkan hal yang benar-benar membuat agen menjadi revolusioner di perusahaan yang mengutamakan AI.

Dalam artikel yang saya tulis pada Agustus 2023, saya memberikan definisi saya tentang agen cerdas. Secara garis besar, saya jelaskan bahwa untuk diklasifikasikan sebagai agen, suatu sistem harus dapat menerima masukan tentang tujuan yang ingin dicapai, menalar dan mengembangkan rencana untuk mencapai tujuan tersebut dengan menggunakan pemahamannya tentang lingkungan di mana ia beroperasi dan pengetahuan yang dapat diaksesnya, melaksanakan rencana tersebut, mengevaluasi hasil tindakannya, dan belajar dari pengalaman.

Spektrum Agensi

Definisi saya menguraikan agen AI yang ideal. Saat ini, hanya sedikit agen yang menampilkan kemampuan lengkap ini. Namun, meski dengan kemampuan yang lebih sedikit, agen tetap menjadi bagian penting dari proses yang diterapkan oleh perusahaan yang mengutamakan AI. Selain itu, mereka juga dapat memainkan peran penting dalam proses AI yang dimanfaatkan oleh perusahaan lain. Oleh karena itu, saya memandang agensi sebagai spektrum lima tingkat.

• tingkat 1: Otomatisasi Dasar. Sebuah sistem deterministik yang menggunakan seperangkat aturan dan instruksi yang telah ditentukan sebelumnya untuk melaksanakan tugas spesifik dan berulang tanpa penyimpangan atau pembelajaran apa pun. Mereka tidak dapat bernalar atau beradaptasi terhadap perubahan di lingkungan mereka. Contoh: skrip Otomatisasi Proses Robot (RPA).
• tingkat 2: Asisten Percakapan atau Generatif. Agen asisten menerima masukan, menghasilkan keluaran yang relevan secara kontekstual, dan dapat menyesuaikan alirannya dalam satu sesi, namun tidak memiliki memori persisten atau pembelajaran otonom. Contoh: chatbot berbasis LLM dan berbagai jenis kopilot, misalnya agen e-commerce, dan Operator OpenAI. Spektrum tingkat lebih halus yang berfokus secara eksklusif pada asisten percakapan disajikan di sini.
• tingkat 3: Agen Adaptif Kontekstual. Agen adaptif memelihara memori lokal selama tugas, mempertimbangkan perubahan konteks, merencanakan, dan memperbarui tindakan secara real-time. Agen-agen ini beradaptasi dengan perubahan kondisi. Namun, mereka membatasi pembelajaran mereka pada tugas yang ada. Contoh: Kendaraan otonom Waymo dan manajemen armada robot berbasis AI milik Amazon.
• tingkat 4: Agen Pembelajaran Otonom. Agen ini menyesuaikan rencananya secara real-time, belajar dari setiap rencana yang dilaksanakan, dan menggabungkan pengalaman tersebut ke dalam tindakan di masa depan. Pembelajaran bersifat persisten dan memungkinkan agen untuk mengembangkan strateginya seiring waktu tanpa campur tangan manusia secara langsung. Contoh: AlphaGo DeepMind dan penerusnya (AlphaZero, MuZero) menunjukkan bagaimana agen dapat meningkatkan kebijakan melalui permainan mandiri dan pembelajaran penguatan. Namun, sistem tersebut masih bersifat eksperimental, terikat pada domain terbatas dan konteks pelatihan.
• tingkat 5: Sistem Multi-Agen Kolaboratif. Sistem ini terdiri dari beberapa agen Level 4 yang beroperasi di lingkungan bersama untuk mencapai tujuan bersama atau bersaing. Sistem seperti ini menunjukkan kecerdasan kolektif. Agen dapat secara dinamis membentuk tim, bernegosiasi satu sama lain, dan menyelesaikan konflik untuk mengoptimalkan tujuan bersama. Contoh: Laboratorium penelitian sedang mengembangkan kawanan drone untuk mengoordinasikan tindakan mereka secara mandiri untuk tugas-tugas seperti pencarian dan penyelamatan. Hal ini berada di garis depan penelitian AI.

Saat kita berpindah dari Level 1 ke Level 5, keterlibatan manusia mengalami transisi. Agen level 2 memiliki hubungan kolaboratif dengan manusia. AI Generatif memberi agen AI Level 2 kemampuan dalam menghasilkan bahasa alami, sintesis pengetahuan, dan jenis penalaran tertentu. Hal ini memperluas kemampuan mereka untuk berkomunikasi dengan manusia dan, mungkin, dengan agen lain. Agen Level 3 memanfaatkan pendekatan pasca-pelatihan baru dan komputasi neurosimbolik secara ekstensif. Dengan agen-agen ini, peran manusia adalah sebagai gubernur dan orkestra. Manusia mengetahui agen mana yang harus dipanggil untuk setiap tugas dan dalam urutan apa untuk memanggil mereka. Namun setelah dipanggil, agen Level 3 menyelesaikan seluruh tugasnya. Tingkat agen yang berbeda dan peran manusia yang terkait ditunjukkan di bawah ini

Memutuskan untuk Mengembangkan Agen dan Memilih Levelnya

Perusahaan yang mengutamakan AI merumuskan strategi perusahaan, proses bisnis, dan struktur organisasi seputar AI. Terkait dengan agen AI, perusahaan harus membuat tiga hal pilihan desain yang disengaja selama transformasi AI-first mereka:

1. Agensi suatu tugas, atau keseluruhan proses;
2. Menentukan apakah akan mengembangkan agen, atau agen, atau melisensikan pihak ketiga;
3. Memilih tingkat agen.

Korporasi harus membuat pilihan ini melalui strategi agenifikasi. Seringkali mengembangkan agen tanpa memiliki strategi keseluruhan mengarah pada kegagalan.

Seorang agen harus merangkum suatu tugas, atau keseluruhan proses, ketika pengambilan keputusan secara otonom dimungkinkan, atau ketika penyelesaian tugas setidaknya memerlukan masukan dari lingkungan yang berubah secara dinamis ditambah dengan pengawasan manusia. Misalnya, pertimbangkan tugas “Memantau pesanan pembelian dan log kerja yang diterbitkan untuk memvalidasi pembayaran apa yang harus dibayar,” yang merupakan bagian dari proses pembayaran vendor AI pertama yang saya perkenalkan di bagian sebelumnya. Selanjutnya, asumsikan bahwa proses tersebut digunakan oleh perusahaan konstruksi untuk membayar vendornya. Ini adalah tugas yang dapat dilakukan secara mandiri dan, oleh karena itu, dapat diagenasikan menggunakan agen Level 3. Dalam hal ini, operator manusia bertindak sebagai gubernur dan orkestrator dari agen-agen yang merupakan bagian dari proses bisnis.

Selanjutnya, anggaplah proses yang sama digunakan oleh pengecer. Keputusan apakah akan membayar vendor dan berapa besarnya mungkin juga bergantung tidak hanya pada jumlah barang yang dikirim oleh vendor tetapi juga pada berapa banyak barang yang dikembalikan oleh pelanggan pengecer. Karena jumlah pengembalian berubah secara dinamis, agen dapat mengambil data pengembalian dan manusia menafsirkan apakah data tersebut memerlukan pembayaran penuh, sebagian, atau tanpa pembayaran yang diberikan kepada vendor. Ini menyiratkan bahwa tugas tersebut masih dapat diagen oleh agen Tingkat 2. Dalam hal ini, operator manusia bertindak sebagai kolaborator dari agen-agen yang merupakan bagian dari proses bisnis.

Menciptakan Ekosistem Agen

Agenifikasi tidak berhenti pada batas perusahaan. Ketika perusahaan yang mengutamakan AI menerapkan agen yang kuat dalam alur kerja penting, maka vendor, mitra, atau pelanggan utamanya akan semakin diharuskan untuk mengekspos agen yang mematuhi protokol bersama. Ini berarti mendefinisikan:

• Kemampuan minimum yang harus dimiliki setiap agen eksternal,
• Protokol komunikasi yang aman untuk negosiasi agen-ke-agen,
• Prosedur tata kelola untuk orientasi, eskalasi, dan penanganan pengecualian.

Pendekatan ekosistem ini memastikan bahwa interaksi agen-ke-agen melintasi batas-batas organisasi tetap aman, dapat diaudit, dan selaras dengan kerangka tata kelola perusahaan.

Kesimpulan

Perusahaan secara aktif bereksperimen dengan berbagai agen AI yang dikembangkan secara internal dan pihak ketiga. Agen yang sudah dikerahkan dalam produksi, mulai dari kendaraan Waymo hingga Operator OpenAI, menunjukkan seberapa jauh kemajuan yang telah kami capai, namun juga seberapa jauh kami masih harus melangkah. Bagi korporasi, agenifikasi bukanlah keputusan yang dilakukan satu kali saja; ini adalah perjalanan kedewasaan.

Dengan menggunakan metodologi kami, kami merekomendasikan agar perusahaan melakukan transisi untuk menjadi yang mengutamakan AI:

• Mulailah dengan proses yang mengutamakan AI yang menanamkan tingkat pemikiran dan otonomi yang tepat untuk lingkungan mereka saat ini.
• Rancang arsitektur modular yang memungkinkan tingkat orkestrasi dan tata kelola yang tepat, sehingga memungkinkan agen untuk berkembang.
• Ciptakan jalur yang jelas bagi proses untuk berkembang dari otomatisasi statis ke sistem adaptif, pembelajaran, dan kolaboratif.

Dengan menetapkan rencana dan jangka waktu transformasi yang jelas, perusahaan-perusahaan yang mengutamakan AI meletakkan dasar bagi agen-agen pembelajaran yang adaptif yang akan mendukung perusahaan-perusahaan yang cerdas dan terdistribusi di masa depan, sehingga menciptakan keunggulan kompetitif yang semakin sulit untuk ditiru.

Posting terkait selanjutnya

Postingan terkait sebelumnya

Pos Agen di Perusahaan AI-First muncul pertama kali di Evangelos Simoudis.