Artificial Intelligence (AI) berkembang dari sekadar membantu manusia mencari informasi menjadi teknologi yang mampu menghasilkan konten dan menjalankan tugas. Dua pendekatan yang semakin banyak dibicarakan adalah Generative AI dan Agentic AI. Keduanya sama-sama memanfaatkan AI untuk membantu pekerjaan, tetapi cara kerja dan tingkat kemandiriannya berbeda. Generative AI terutama dirancang untuk menghasilkan sesuatu berdasarkan instruksi pengguna, seperti teks, gambar, kode, atau rangkuman. Sementara itu, Agentic AI dirancang untuk memahami tujuan, menentukan langkah yang diperlukan, menggunakan berbagai alat, lalu menjalankan tugas dengan campur tangan manusia yang lebih sedikit.
Generative AI dapat dibayangkan seperti asisten yang sangat cepat dalam membuat atau mengolah informasi. Ketika pengguna memberikan pertanyaan, contoh, atau instruksi, sistem akan menghasilkan respons berdasarkan pola yang dipelajari dari data pelatihannya. Misalnya, seorang staf pemasaran dapat meminta AI membuat konsep artikel promosi, kemudian memperbaiki hasilnya melalui beberapa instruksi lanjutan. Proses tersebut tetap bergantung pada manusia untuk menentukan apa yang ingin dibuat, mengevaluasi hasilnya, dan memberikan arahan berikutnya. Karena itu, kekuatan utama Generative AI terletak pada kemampuan membantu manusia menghasilkan pekerjaan dengan lebih cepat, bukan pada kemampuannya menjalankan seluruh proses secara mandiri.
Agentic AI memiliki pendekatan yang lebih berorientasi pada tujuan. Alih-alih hanya menjawab satu instruksi, sistem dapat memecah tujuan menjadi beberapa pekerjaan, menentukan urutan tindakan, menggunakan alat yang tersedia, dan mengevaluasi hasil sementara. Sebagai contoh, ketika diminta membantu menyiapkan laporan penjualan bulanan, sebuah sistem agentic dapat mengambil data dari sumber yang telah diizinkan, mengolahnya, menemukan perubahan penting, membuat laporan, lalu meminta persetujuan sebelum mengirimkannya. Artinya, AI tidak hanya menghasilkan jawaban, tetapi juga berperan sebagai pelaksana rangkaian pekerjaan. Meski demikian, tingkat kemandirian tersebut tetap harus dibatasi dengan aturan, akses, dan mekanisme pengawasan yang jelas.
Perbedaan paling mudah terlihat ketika keduanya menghadapi pekerjaan yang sama. Misalnya, perusahaan ingin meningkatkan kualitas layanan pelanggan berdasarkan ribuan percakapan yang masuk setiap bulan. Generative AI dapat membantu merangkum percakapan, mengelompokkan keluhan, menyusun jawaban, atau membuat analisis berdasarkan data yang diberikan. Agentic AI dapat melangkah lebih jauh dengan memantau percakapan yang masuk, menentukan mana yang membutuhkan perhatian khusus, mengambil informasi dari sistem lain, membuat rekomendasi tindakan, dan meneruskan kasus kepada petugas sesuai aturan. Dengan demikian, Generative AI lebih cocok ketika manusia membutuhkan bantuan dalam menghasilkan atau memahami sesuatu, sedangkan Agentic AI lebih berguna ketika pekerjaan terdiri dari serangkaian tindakan yang saling berhubungan.
Namun, kemampuan yang lebih mandiri bukan berarti Agentic AI selalu menjadi pilihan yang lebih baik. Semakin besar kewenangan AI untuk mengambil tindakan, semakin besar pula risiko apabila sistem salah memahami tujuan atau menggunakan informasi yang keliru. Dalam lingkungan bisnis, misalnya, AI yang hanya membuat draft email memiliki risiko relatif kecil karena manusia masih dapat memeriksa isinya sebelum dikirim. Sebaliknya, AI yang diberi akses untuk mengubah data pelanggan, menjalankan transaksi, atau mengirim komunikasi secara otomatis membutuhkan pembatasan akses dan pemeriksaan yang jauh lebih ketat. Karena itu, pemilihan antara Generative AI dan Agentic AI sebaiknya didasarkan pada tingkat risiko, kompleksitas pekerjaan, serta seberapa besar keputusan yang boleh diserahkan kepada sistem.
Dalam praktiknya, kedua pendekatan tersebut tidak harus dipertentangkan karena keduanya dapat digunakan secara bersamaan. Sebuah sistem Agentic AI dapat memanfaatkan kemampuan Generative AI untuk membuat laporan, memahami dokumen, menyusun pesan, atau menghasilkan kode yang diperlukan dalam suatu proses. Contohnya, agen AI untuk layanan pelanggan dapat menggunakan Generative AI untuk memahami pertanyaan pelanggan dan menyusun respons, sementara komponen agentic mengatur proses seperti memeriksa status pesanan, mengambil informasi dari sistem perusahaan, dan menentukan apakah kasus perlu diteruskan kepada manusia. Kombinasi tersebut membuat AI tidak hanya mampu menghasilkan konten, tetapi juga menghubungkan kemampuan tersebut dengan tindakan yang memiliki tujuan jelas. Pada akhirnya, perbedaan utama bukan sekadar nama teknologi, melainkan seberapa jauh AI diberi tanggung jawab untuk bergerak dari menghasilkan respons menuju menyelesaikan pekerjaan.
Komentar
Posting Komentar