JAKARTA
—
Perkembangan kecerdasan buatan atau Artificial Intelligence (AI)
memasuki fase baru. Jika sebelumnya AI banyak dikenal sebagai teknologi untuk
menjawab pertanyaan, membuat teks, menerjemahkan bahasa, atau menghasilkan
gambar, kini perkembangan bergerak menuju AI Agent—sistem AI yang mampu
memahami tujuan, menyusun langkah, menggunakan berbagai perangkat atau tools,
serta menjalankan rangkaian pekerjaan secara lebih mandiri.
Perubahan
ini membuat pembahasan tentang Large Language Model (LLM) tidak lagi
sebatas persoalan model mana yang paling besar. Ekosistem AI Agent kini
berkembang ke arah penggunaan berbagai model dengan kemampuan khusus, mulai
dari bahasa, penalaran, penglihatan, efisiensi komputasi hingga kemampuan
melakukan tindakan.
Sejumlah
literatur dan pembahasan teknologi pada 2025–2026 memperkenalkan delapan
istilah yang sering dikaitkan dengan arsitektur AI Agent, yakni GPT, MoE,
LRM, VLM, SLM, LAM, HLM, dan LCM. Namun, perlu ditegaskan bahwa kedelapan
istilah tersebut bukan klasifikasi resmi tunggal yang berlaku universal.
Sebagian merupakan kategori arsitektur yang telah mapan, sementara sebagian
lainnya merupakan istilah pendekatan dan riset yang terus berkembang.
Dari
LLM Tunggal Menuju Ekosistem AI Agent
Perkembangan
AI pada 2026 menunjukkan kecenderungan menuju sistem yang tidak hanya
mengandalkan satu model. IDC menilai strategi AI semakin bergerak menuju
pendekatan multi-model, multimodal, dan multi-agent, sementara NVIDIA
menggambarkan agentic AI sebagai ekosistem yang dapat menggabungkan
model-model khusus untuk perencanaan, penalaran, pengambilan informasi,
multimodalitas, dan pengamanan.
Dengan
kata lain, masa depan AI tidak semata-mata ditentukan oleh pertanyaan:
"Seberapa
pintar chatbot?"
Tetapi
mulai bergeser menjadi:
"Seberapa
baik AI dapat menyelesaikan pekerjaan dari awal sampai akhir?"
1.
GPT: Fondasi Pemahaman Bahasa
GPT
atau Generative Pre-trained Transformer merupakan pendekatan yang sangat
dikenal dalam perkembangan model bahasa generatif.
Kemampuannya
mencakup memahami instruksi, menghasilkan teks, melakukan rangkuman,
menerjemahkan, membantu pemrograman, serta berkomunikasi menggunakan bahasa
manusia.
Dalam
AI Agent, kemampuan bahasa berfungsi sebagai salah satu fondasi untuk memahami apa
yang diinginkan pengguna.
Jika
seorang pengguna memberikan perintah:
"Analisis
data kemiskinan dan buatkan rekomendasi kebijakan."
Model
bahasa membantu menerjemahkan perintah tersebut menjadi tujuan yang dapat
diproses oleh sistem agent.
2.
MoE: Banyak Keahlian dalam Satu Sistem
MoE
atau Mixture of Experts menggunakan sejumlah komponen yang
berperan sebagai expert atau pakar khusus.
Sistem
dapat memilih bagian yang paling relevan untuk menangani suatu tugas sehingga
tidak selalu seluruh parameter model harus digunakan.
Konsep
ini dapat dianalogikan seperti sebuah organisasi yang memiliki ahli statistik,
ahli bahasa, ahli hukum, ahli teknologi, dan ahli ekonomi. Ketika sebuah
persoalan datang, sistem dapat mengarahkan persoalan tersebut kepada keahlian
yang paling sesuai.
Pendekatan
MoE menjadi salah satu cara untuk meningkatkan kapasitas model sekaligus
menjaga efisiensi komputasi.
3.
LRM: AI yang Lebih Kuat dalam Penalaran
LRM
atau Large Reasoning Model mengacu pada model yang dirancang untuk
menangani persoalan yang membutuhkan kemampuan penalaran lebih kompleks.
Misalnya,
AI diminta menentukan desa yang harus menjadi prioritas pembangunan berdasarkan
sejumlah indikator. Sistem tidak cukup hanya membaca data, tetapi perlu
membandingkan indikator, memahami hubungan antarvariabel, menentukan kriteria,
kemudian menyusun kesimpulan.
Kemampuan
reasoning menjadi semakin penting karena AI Agent harus mampu melakukan perencanaan
dan pemecahan masalah, bukan sekadar menghasilkan kalimat yang terlihat
benar.
4.
VLM: AI yang Bisa Memahami Dunia Visual
VLM
atau Vision-Language Model menggabungkan pemahaman bahasa dengan
kemampuan memahami informasi visual.
Teknologi
ini memungkinkan AI bekerja dengan:
- Foto
- Grafik
- Diagram
- Tabel
- Screenshot
- Dokumen
- Citra visual lainnya
Perkembangan
model multimodal juga semakin kuat. Google, misalnya, pada 2026 memperkenalkan
Gemma 4 12B sebagai model multimodal yang dirancang untuk membawa kemampuan AI
ke perangkat dengan kebutuhan memori yang lebih rendah.
Dalam
pemerintahan, kemampuan ini berpotensi digunakan untuk membantu membaca
dokumen, formulir, grafik, laporan, maupun berbagai informasi visual.
5.
SLM: AI yang Ringan dan Efisien
Tidak
semua pekerjaan membutuhkan model berukuran sangat besar.
SLM
atau Small Language Model menawarkan pendekatan model yang lebih
ringan sehingga berpotensi digunakan untuk kebutuhan yang membutuhkan
kecepatan, efisiensi, dan biaya komputasi lebih rendah.
SLM
dapat digunakan untuk pekerjaan seperti klasifikasi, ekstraksi informasi,
pemrosesan sederhana, atau kebutuhan edge computing.
Perkembangan
model yang lebih kecil tetapi tetap memiliki kemampuan reasoning dan multimodal
juga menjadi salah satu arah perkembangan AI saat ini.
6.
LAM: Dari Menjawab Menjadi Bertindak
Salah
satu konsep yang sangat relevan dengan AI Agent adalah LAM atau Large Action
Model.
Perbedaan
mendasarnya dapat digambarkan sederhana:
Chatbot:
"Berikut cara membuat laporan."
AI
Agent:
"Baik, saya mengambil data → menganalisis → menyusun laporan → memeriksa
hasil → menghasilkan dokumen."
Artinya,
AI Agent tidak berhenti pada jawaban, tetapi bergerak menuju tindakan.
Dalam
praktiknya, kemampuan ini membutuhkan integrasi dengan tools, database,
API, aplikasi, serta mekanisme pengamanan agar tindakan yang dilakukan tetap
berada dalam batas kewenangan yang telah ditentukan.
7.
HLM: Memecah Masalah Besar Menjadi Lebih Terstruktur
HLM
atau Hierarchical Language Model menggunakan pendekatan
hierarkis untuk menangani persoalan yang kompleks.
Sebagai
contoh, ketika AI diminta menganalisis pembangunan desa secara nasional,
pekerjaan tersebut dapat dipecah menjadi:
Nasional
→ Provinsi → Kabupaten/Kota → Kecamatan → Desa → Indikator → Analisis →
Rekomendasi.
Pendekatan
semacam ini memungkinkan pekerjaan besar dibagi menjadi sejumlah tugas yang
lebih kecil dan terstruktur.
Bagi
organisasi dengan proses kerja berjenjang, konsep tersebut sangat relevan
karena banyak pekerjaan memang memiliki struktur dan kewenangan bertingkat.
8.
LCM: Bergerak dari Kata Menuju Konsep
LCM
atau Large Concept Model merupakan pendekatan yang menempatkan
konsep sebagai bagian penting dalam pemrosesan informasi.
Jika
model bahasa bekerja dengan rangkaian kata atau token, pendekatan berbasis
konsep mencoba menangkap makna yang lebih abstrak dan hubungan antarkonsep.
Dalam
pembangunan, misalnya, kemiskinan tidak berdiri sendiri. Ia dapat berkaitan
dengan:
pekerjaan
→ pendapatan → pendidikan → kesehatan → infrastruktur → akses layanan →
kesejahteraan.
Pemahaman
hubungan seperti ini dapat membantu AI melihat suatu persoalan secara lebih
komprehensif.
Mengapa
AI Agent Penting bagi Indonesia?
Perkembangan
AI Agent bukan hanya menjadi isu industri teknologi. Teknologi ini mulai
mendapat perhatian dalam konteks transformasi digital pemerintahan Indonesia.
Kementerian
Komunikasi dan Digital, misalnya, pada Mei 2026 menyelenggarakan pelatihan
teknis AI Agent bagi aparatur, dengan 46 peserta dari berbagai instansi dan
lembaga. Hal tersebut menunjukkan bahwa kemampuan membangun dan memahami AI
Agent mulai dipandang relevan bagi pengembangan kapasitas birokrasi.
Kementerian
PANRB juga menekankan bahwa AI memiliki peran strategis dalam membangun tata
kelola pemerintahan digital yang lebih responsif, efisien, dan adaptif.
Artinya,
diskusi tentang AI Agent mulai bergeser dari sekadar teknologi menjadi bagian
dari transformasi cara kerja organisasi dan pelayanan publik.
Bayangkan
AI Agent untuk Pemerintahan
Sebagai
ilustrasi, sebuah AI Agent pembangunan daerah dapat diberikan tujuan:
"Identifikasi
wilayah yang membutuhkan intervensi prioritas dan berikan rekomendasi
kebijakan."
Agent
kemudian dapat melakukan sejumlah tahapan:
Data →
Verifikasi → Analisis → Reasoning → Prioritas → Rekomendasi → Laporan
Model
bahasa membantu memahami instruksi.
Model
reasoning membantu melakukan analisis.
Model
vision membantu membaca dokumen dan informasi visual.
Model
khusus membantu tugas tertentu.
Sistem
agent kemudian mengorkestrasi semuanya melalui tools dan sumber data
yang tersedia.
Dengan
demikian, AI berpotensi menjadi asisten digital berbasis data, bukan
hanya chatbot.
Tantangan:
Jangan Sampai AI Hanya "Terlihat Pintar"
Di
balik peluang besar tersebut terdapat tantangan yang tidak kalah penting.
AI
Agent yang mampu melakukan tindakan membutuhkan sistem pengamanan yang lebih
serius dibandingkan chatbot biasa.
Beberapa
aspek yang harus diperhatikan antara lain:
Akurasi
data.
AI tidak boleh mengambil keputusan berdasarkan data yang salah atau sudah tidak
relevan.
Keamanan.
Agent harus memiliki batas kewenangan yang jelas ketika mengakses sistem dan
data.
Privasi.
Data masyarakat dan data pemerintahan harus dikelola sesuai ketentuan yang
berlaku.
Human
oversight.
Keputusan strategis tetap membutuhkan pengawasan dan tanggung jawab manusia.
Auditability.
Setiap proses penting harus dapat ditelusuri dan dievaluasi.
Perkembangan
riset AI Agent juga menunjukkan semakin pentingnya mekanisme verifikasi sebelum
tindakan dieksekusi, khususnya pada sistem yang memiliki tingkat otonomi
tinggi.
Dari
"AI yang Menjawab" Menjadi "AI yang Bekerja"
Delapan
istilah tersebut pada akhirnya mengarah pada satu perubahan besar:
AI
tidak lagi hanya diposisikan sebagai mesin untuk menghasilkan jawaban, tetapi
sebagai bagian dari sistem yang dapat membantu menyelesaikan pekerjaan.
Transformasi
tersebut dapat diringkas menjadi:
MEMAHAMI
→ MELIHAT → BERPIKIR → MERENCANAKAN → MENGGUNAKAN TOOLS → BERTINDAK →
MENGEVALUASI
Namun,
masa depan AI Agent bukan berarti manusia menjadi tidak diperlukan.
Justru
sebaliknya, semakin besar kemampuan AI untuk bertindak, semakin penting pula manusia
menentukan tujuan, batas kewenangan, aturan, etika, dan keputusan akhir.
Bagi
Indonesia, peluang terbesar AI Agent bukan sekadar membuat pekerjaan menjadi
lebih cepat. Yang lebih penting adalah bagaimana teknologi tersebut dapat
digunakan untuk meningkatkan kualitas kebijakan, memperkuat pelayanan
publik, mengolah data secara lebih efektif, dan membantu aparatur mengambil
keputusan yang lebih tepat berbasis bukti.
Pada
akhirnya, pertanyaan pentingnya bukan lagi:
"Apakah
kita akan menggunakan AI?"
Melainkan:
"Bagaimana
kita membangun AI yang benar-benar bekerja untuk manusia, aman digunakan, dapat
dipertanggungjawabkan, dan memberikan manfaat nyata bagi masyarakat?"
Perubahan
dari AI sebagai chatbot menuju AI sebagai agent kemungkinan akan menjadi
salah satu fase penting dalam perjalanan transformasi digital Indonesia.
Posting Komentar