Apa yang dimaksud dengan agen AI?

Seperti yang dijelaskan di atas, meskipun fitur utama agen AI adalah penalaran dan penindakan (seperti dijelaskan dalam ReAct Framework), lebih banyak fitur telah berkembang seiring waktu.

• Penalaran: Proses kognitif inti ini melibatkan penggunaan logika dan informasi yang tersedia untuk menarik kesimpulan, membuat inferensi, dan memecahkan masalah. Agen AI dengan kemampuan penalaran yang kuat dapat menganalisis data, mengidentifikasi pola, dan membuat keputusan yang tepat berdasarkan bukti dan konteks.
• Penindakan: Kemampuan untuk mengambil tindakan atau melakukan tugas berdasarkan keputusan, rencana, atau input eksternal sangat penting bagi agen AI untuk berinteraksi dengan lingkungannya dan mencapai sasaran. Hal ini dapat mencakup tindakan fisik dalam kasus AI gabungan, atau tindakan digital seperti mengirim pesan, memperbarui data, atau memicu proses lainnya.
• Pengamatan: Mengumpulkan informasi tentang lingkungan atau situasi melalui persepsi atau penginderaan sangat penting bagi agen AI untuk memahami konteks dan membuat keputusan yang tepat. Hal ini dapat melibatkan berbagai bentuk persepsi, seperti computer vision, natural language processing, atau analisis data sensor.
• Perencanaan: Mengembangkan rencana strategis untuk mencapai sasaran adalah aspek utama dari perilaku cerdas. Agen AI dengan kemampuan perencanaan dapat mengidentifikasi langkah-langkah yang diperlukan, mengevaluasi potensi tindakan, dan memilih tindakan terbaik berdasarkan informasi yang tersedia dan hasil yang diinginkan. Hal ini sering kali melibatkan antisipasi kondisi di masa depan dan mempertimbangkan potensi kendala.
• Kolaborasi: Bekerja secara efektif dengan orang lain, baik manusia maupun agen AI lainnya, untuk mencapai tujuan bersama menjadi semakin penting di lingkungan yang kompleks dan dinamis. Kolaborasi memerlukan komunikasi, koordinasi, dan kemampuan untuk memahami dan menghargai perspektif orang lain.
• Pengembangan mandiri: Kemampuan untuk melakukan peningkatan dan adaptasi diri adalah ciri khas sistem AI tingkat lanjut. Agen AI dengan kemampuan pengembangan mandiri dapat belajar dari pengalaman, menyesuaikan perilakunya berdasarkan masukan, dan terus meningkatkan performa dan kemampuannya seiring waktu. Hal ini dapat melibatkan teknik machine learning, pengoptimalan algoritma, atau bentuk modifikasi mandiri lainnya.

Asisten AI adalah agen AI yang dirancang sebagai aplikasi atau produk untuk berkolaborasi secara langsung dengan pengguna dan melakukan tugas dengan memahami serta merespons bahasa dan input alami manusia. Asisten AI ini dapat berpikir dan mengambil tindakan atas nama pengguna dengan pengawasan pengguna.

Asisten AI sering kali disematkan dalam produk yang digunakan. Karakteristik utamanya adalah interaksi antara asisten dan pengguna melalui berbagai langkah tugas. Asisten merespons permintaan atau perintah dari pengguna, dan dapat merekomendasikan tindakan, tetapi pengambilan keputusan dilakukan oleh pengguna.

• Otonomi: Agen AI memiliki tingkat otonomi tertinggi, sehingga mampu beroperasi dan membuat keputusan secara independen untuk mencapai sasaran. Asisten AI memiliki tingkat otonomi rendah, sehingga memerlukan arahan dan input pengguna. Bot memiliki tingkat otonomi terendah, biasanya mengikuti aturan yang telah diprogram sebelumnya.
• Kompleksitas: Agen AI dirancang untuk menangani tugas dan alur kerja yang kompleks, sedangkan asisten dan bot AI lebih cocok untuk tugas dan interaksi yang lebih sederhana.
• Pembelajaran: Agen AI sering kali menggunakan machine learning untuk beradaptasi dan meningkatkan performanya seiring waktu. Asisten AI mungkin memiliki beberapa kemampuan belajar, sedangkan bot biasanya memiliki kemampuan belajar yang terbatas atau tidak memiliki kemampuan belajar sama sekali.

Setiap agen menentukan peran, kepribadian, dan gaya komunikasinya, termasuk petunjuk dan deskripsi spesifik tentang alat yang tersedia. 

• Persona: Dengan persona yang jelas, agen dapat mempertahankan karakter yang konsisten dan berperilaku sesuai dengan peran yang ditetapkan. Agen ini juga dapat berkembang seiring dengan pengalaman dan interaksi yang didapatkan dari lingkungannya.
• Memori: Pada dasarnya, agen ini dilengkapi dengan memori jangka pendek, jangka panjang, konsensus, dan episodik. Memori jangka pendek digunakan untuk interaksi langsung, memori jangka panjang untuk data dan percakapan historis, memori episodik untuk interaksi masa lalu, dan memori konsensus untuk informasi bersama di antara agen. Agen ini dapat mempertahankan konteks, belajar dari pengalaman, dan meningkatkan performa dengan mengingat interaksi sebelumnya serta beradaptasi dengan situasi baru.
• Alat: Alat adalah fungsi atau resource eksternal yang dapat digunakan oleh agen untuk berinteraksi dengan lingkungan dan meningkatkan kemampuannya. AI dapat membantu agen melakukan tugas kompleks dengan mengakses informasi, memanipulasi data, atau mengontrol sistem eksternal, dan dapat dikategorikan berdasarkan antarmuka penggunanya, termasuk antarmuka fisik, grafis, dan berbasis program. Pembelajaran alat melibatkan pengajaran kepada agen tentang cara menggunakan alat ini secara efektif dengan memahami fungsi dan konteks penerapannya.
• Model: Model bahasa besar (LLM) berfungsi sebagai dasar untuk membangun agen AI, yang memberinya kemampuan untuk memahami, berpikir, dan bertindak. LLM bertindak sebagai "otak" agen, yang memungkinkannya memproses dan menghasilkan bahasa, sementara komponen lain memfasilitasi penalaran dan tindakan.

Agen AI dapat dikategorikan dengan berbagai cara berdasarkan kemampuan, peran, dan lingkungannya. Berikut beberapa kategori utama agen:

Ada berbagai definisi jenis dan kategori agen. 

Salah satu cara untuk mengategorikan agen adalah berdasarkan cara mereka berinteraksi dengan pengguna. Beberapa agen melakukan percakapan langsung, sementara agen yang lain beroperasi di latar belakang, melakukan tugas tanpa input langsung dari pengguna: 

• Partner interaktif (juga dikenal sebagai agen platform) – Membantu kami dengan tugas-tugas seperti layanan pelanggan, layanan kesehatan, pendidikan, dan penemuan ilmiah, dengan memberikan dukungan yang dipersonalisasi dan cerdas. Agen percakapan mencakup interaksi tanya jawab, obrolan ringan, dan pengetahuan dunia dengan manusia. Umumnya, iklan ini dipicu oleh kueri pengguna dan memenuhi kueri atau transaksi pengguna.
• Proses latar belakang otonom (juga dikenal sebagai agen latar belakang) – Bekerja di belakang layar untuk mengotomatiskan tugas rutin, menganalisis data untuk mendapatkan insight, mengoptimalkan proses untuk efisiensi, serta mengidentifikasi dan mengatasi potensi masalah secara proaktif. Termasuk di dalamnya adalah agen alur kerja. AI generatif memiliki interaksi manusia yang terbatas atau tidak memiliki interaksi manusia sama sekali, dan umumnya didorong oleh peristiwa serta menjalankan antrean tugas atau rangkaian tugas.

• Satu agen: Beroperasi secara independen untuk mencapai sasaran tertentu. Sistem ini memanfaatkan alat dan resource eksternal untuk menyelesaikan tugas, sehingga dapat meningkatkan kemampuan fungsional di berbagai lingkungan. Sistem ini paling cocok untuk tugas yang jelas dan tidak memerlukan kolaborasi dengan agen AI lainnya. Hanya dapat menangani satu model dasar untuk pemrosesannya.
• Multi-agen: Beberapa agen AI yang berkolaborasi atau bersaing untuk mencapai tujuan bersama atau tujuan individual. Sistem ini memanfaatkan beragam kemampuan dan peran agen individual untuk menangani tugas yang kompleks. Sistem multi-agen dapat menyimulasikan perilaku manusia, seperti komunikasi antarpribadi, dalam skenario interaktif. Setiap agen dapat memiliki model dasar yang berbeda dan paling sesuai dengan kebutuhan mereka.

Meskipun agen AI menawarkan banyak manfaat, ada juga beberapa tantangan terkait penggunaannya:

Tugas yang memerlukan empati mendalam/kecerdasan emosional atau yang memerlukan interaksi manusia dan dinamika sosial yang kompleks – agen AI dapat kesulitan memahami emosi manusia yang rumit. Tugas seperti terapi, pekerjaan sosial, atau resolusi konflik memerlukan tingkat pemahaman emosional dan empati yang saat ini tidak dimiliki AI. Agen mungkin akan kesulitan dalam situasi sosial yang kompleks dan memerlukan pemahaman terhadap isyarat yang tidak terucap.

Situasi dengan konsekuensi etis yang tinggi – Agen AI dapat membuat keputusan berdasarkan data, tetapi mereka tidak memiliki kompas moral dan penilaian yang diperlukan untuk situasi yang kompleks secara etis. Hal ini mencakup area seperti penegakan hukum, layanan kesehatan (diagnosis dan pengobatan), dan pengambilan keputusan yudisial.   

Domain dengan lingkungan fisik yang tidak dapat diprediksi – Agen AI dapat kesulitan di lingkungan fisik yang sangat dinamis dan tidak dapat diprediksi, yang membutuhkan adaptasi real-time dan keterampilan motorik yang kompleks. Hal ini mencakup tugas seperti operasi, jenis pekerjaan konstruksi tertentu, dan tanggap bencana.

Aplikasi yang membutuhkan banyak resource – Mengembangkan dan men-deploy agen AI yang canggih dapat membutuhkan komputasi yang mahal dan resource yang besar, sehingga tidak cocok untuk project atau organisasi yang lebih kecil dengan anggaran terbatas.