Blog

12 contoh agen AI yang menunjukkan apa yang sebenarnya mereka lakukan

Markdown

Jelajahi 12 contoh agen AI, mulai dari data keuangan dan dukungan pelanggan hingga pemrograman dan otomatisasi layar, serta pelajari perbedaan agen dengan chatbot dan alur kerja.

Agen AI muncul dalam berbagai macam produk, tetapi sebutan ini dapat menyulitkan kita memahami apa yang mereka lakukan. Ke-12 contoh ini menunjukkan cara kerja agen di perusahaan dan komputer pribadi, serta kapan agen, chatbot, atau otomatisasi biasa mungkin cocok untuk suatu tugas.

Poin-poin utama

  • Agen AI menjalankan tugas dengan merancang alur kerja menggunakan alat yang tersedia, sehingga berbeda dari chatbot yang hanya membalas dengan teks.
  • Agen dapat menangani pekerjaan tertentu: contohnya menjawab pertanyaan keuangan di Slack dan membuka pull request draf dari tugas pemrograman.
  • Kerangka kerja umum menjelaskan lima jenis agen: refleks sederhana, refleks berbasis model, berbasis tujuan, berbasis utilitas, dan agen pembelajar. Jenis-jenis ini dapat digabungkan dalam sistem multiagen.
  • Agen pribadi dapat membantu pekerjaan rutin seperti membersihkan kotak masuk atau mengarsipkan tanda terima, serta tugas perusahaan seperti analitik.

Apa itu agen AI, dalam satu kalimat

Agen AI adalah sistem yang mengindra lingkungannya, memutuskan apa yang harus dilakukan, dan menggunakan alat atau API untuk melaksanakan tugas yang terdiri atas beberapa langkah. IBM menjelaskan agen sebagai sistem yang secara otonom menjalankan tugas dengan merancang alur kerja menggunakan alat yang tersedia. Alat dan kemampuan untuk bertindak merupakan inti dari konsep ini.

Perbedaan agen dengan chatbot

Chatbot menjawab Anda; agen dapat mengambil tindakan. Chatbot tanpa alat, memori, atau penalaran tetap bersifat reaktif, sedangkan agen dapat menggabungkan kemampuan-kemampuan tersebut untuk bertindak. Salah satu cara untuk membedakannya adalah dengan melihat apakah sistem dapat menyelesaikan tugas tanpa kembali kepada Anda pada setiap langkah. Jika sistem berhenti dan menunggu setelah setiap balasan, fungsinya sebagai chatbot.

Komponen yang dimiliki setiap agen

Agen biasanya memiliki tiga komponen: persepsi, siklus pengambilan keputusan, dan tindakan melalui alat. Sistem membaca keadaan saat ini, memilih langkah, menjalankannya dengan alat, memeriksa hasilnya, lalu mengulanginya sampai tugas selesai. Siklus ini muncul pada berbagai jenis agen. Tanpa alat atau siklus pengambilan keputusan, sebuah sistem lebih menyerupai chatbot.

Jenis-jenis utama agen AI (masing-masing dengan contoh singkat)

Kerangka kerja lima jenis yang umum mencakup agen refleks sederhana, refleks berbasis model, berbasis tujuan, berbasis utilitas, dan pembelajar. Tingkat kecanggihannya berbeda-beda, dan beberapa jenis dapat digabungkan dalam sistem multiagen.

Agen refleks sederhana dan berbasis model

Agen refleks sederhana mengikuti aturan tetap jika-maka dan tidak memiliki memori. Termostat adalah contoh klasik: saat suhu turun di bawah titik setel, pemanas menyala. Agen refleks berbasis model menambahkan gambaran internal tentang dunia agar dapat melacak perubahan sejak langkah sebelumnya. Perbedaannya terletak pada apakah agen hanya mengandalkan aturan atau juga menyimpan keadaan.

Agen berbasis tujuan, berbasis utilitas, dan pembelajar

Agen-agen ini membuat rencana alih-alih hanya bereaksi. Agen berbasis tujuan bekerja mundur dari sasaran untuk memilih langkah, seperti aplikasi GPS saat menentukan rute. Agen berbasis utilitas menimbang kompromi untuk memilih di antara berbagai opsi, alih-alih memilih sembarang opsi yang mencapai tujuan. Agen pembelajar berkembang dari umpan balik seiring waktu. Ketiganya termasuk dalam kerangka kerja lima jenis agen.

Sistem multiagen

Sistem multiagen terdiri atas beberapa agen yang bekerja sama untuk menyelesaikan suatu pekerjaan, sering kali dengan agen utama yang membagikan pekerjaan kepada subagen. Fitur riset Anthropic yang dijelaskan di bawah ini merupakan contoh pola tersebut.

Contoh nyata agen AI di perusahaan

Contoh-contoh ini menunjukkan penggunaan agen untuk pekerjaan tertentu dengan bantuan alat. Masing-masing menggambarkan cara kerja agen yang berbeda.

Agen data keuangan Finch dari Uber

Finch adalah agen internal Uber di Slack yang mengubah pertanyaan dalam bahasa sehari-hari menjadi kueri data keuangan. Tim rekayasa Uber menjelaskan bahwa Finch mengubah pertanyaan dalam bahasa alami menjadi permintaan pengambilan data terstruktur dan memberikan jawaban keuangan yang aman secara waktu nyata. Alih-alih menulis SQL untuk beberapa sistem, analis keuangan dapat mengajukan pertanyaan.

Fitur riset multiagen Anthropic

Fitur Research dari Anthropic menggunakan agen utama yang meluncurkan beberapa subagen untuk melakukan pencarian secara paralel. Anthropic melaporkan bahwa agen utama dapat menjalankan 3 hingga 5 subagen secara paralel dan bahwa desain ini memangkas waktu riset hingga 90% untuk kueri kompleks dalam evaluasi internalnya. Hasil tersebut dilaporkan oleh Anthropic, bukan tolok ukur independen; arsitektur ini merupakan contoh sistem multiagen.

Agen basis pengetahuan produk Delivery Hero

Delivery Hero membangun alur kerja berbasis agen untuk menata katalog produknya. Tim teknologinya menjelaskan sistem yang mengotomatiskan ekstraksi atribut produk dan standardisasi judul menggunakan AI berbasis agen dengan model bahasa. Satu agen mengekstrak atribut terstruktur, sementara agen lain menulis judul standar, sehingga pekerjaan katalog yang sebelumnya dilakukan secara manual menjadi otomatis.

Agen dukungan dan suara Fin dari Intercom

Fin adalah agen dukungan pelanggan Intercom yang bekerja melalui chat, email, dan suara. Intercom melaporkan hasil penyelesaian otomatis, termasuk satu studi kasus pelanggan yang menyebut tingkat penyelesaian sebesar 50%. Angka tersebut dilaporkan vendor, bukan rata-rata industri yang diaudit; contoh ini menggambarkan agen yang menyelesaikan percakapan pelanggan tanpa campur tangan manusia.

Agen pemrograman yang membuka pull request

Agen pemrograman dapat menerima tugas dan membuka pull request. Agen pemrograman Copilot dari GitHub tersedia secara umum pada September 2025. GitHub menyatakan bahwa pengguna dapat mendelegasikan tugas sementara Copilot bekerja di latar belakang dalam lingkungannya sendiri dan membuka pull request draf. Manusia tetap meninjau dan menggabungkan perubahan tersebut.

Contoh agen AI sehari-hari dan untuk penggunaan pribadi

Agen pribadi dapat menangani tugas berulang di komputer. Sebagian agen berinteraksi dengan aplikasi dengan mengeklik, mengetik, dan menavigasi layar alih-alih membuat kueri ke gudang data.

Agen otomatisasi layar di komputer desktop

Agen otomatisasi layar mengoperasikan komputer dengan mengendalikan kursor, mengeklik tombol, dan mengetik. Anthropic memperkenalkan Computer Use pada Oktober 2024, kemampuan eksperimental untuk menggunakan alat standar dan perangkat lunak yang dirancang bagi manusia. OpenAI memperkenalkan Operator, agen browser yang kemampuannya kini telah digabungkan ke dalam mode agen ChatGPT.

Agen AI dan otomatisasi alur kerja: keunggulan masing-masing

Otomatisasi alur kerja mengikuti skrip tetap, sedangkan agen dapat menentukan langkah-langkahnya saat tugas berlangsung. Otomatisasi klasik, seperti Zapier atau Pintasan macOS, dapat berjalan cepat, berbiaya rendah, dan andal jika aplikasi menyediakan API dan langkah-langkahnya tetap stabil. Otomatisasi ini mungkin kurang cocok jika alur kerja melibatkan aplikasi tanpa integrasi atau tata letak layar yang berubah-ubah. TechTarget menggambarkan perbedaan serupa: chatbot dan aturan tetap membagikan informasi, sedangkan agen AI dapat melakukan tindakan kompleks dalam beberapa langkah tanpa perlu diperintah manusia.

Pilihan bergantung pada tugasnya. Gunakan otomatisasi berbasis skrip untuk tugas stabil yang mendukung API dan dilakukan dengan cara yang sama setiap kali. Pertimbangkan agen jika tugas mencakup beragam aplikasi, membutuhkan pertimbangan, atau cukup sering berubah sehingga makro tetap sulit dipelihara.

Kesimpulan

Agen AI mencakup beragam bentuk, mulai dari termostat yang mengikuti aturan jika-maka hingga sistem riset multiagen yang meluncurkan subagen. Contoh spesifiknya meliputi Finch di Slack, Fin yang menyelesaikan percakapan dukungan, Copilot yang membuka pull request, serta agen layar yang menavigasi aplikasi. Pilih alat paling sederhana yang sesuai dengan pekerjaan: otomatisasi berbasis skrip untuk tugas stabil dan agen untuk tugas yang membutuhkan alat, pertimbangan, atau beberapa langkah.

Pertanyaan yang sering diajukan

Apa saja contoh nyata agen AI?

Contoh di dunia nyata meliputi:

  • Fitur Research Anthropic mengoordinasikan subagen yang melakukan pencarian secara paralel dan menggabungkan temuan mereka.
  • Alur kerja Delivery Hero membaca data produk dan menulis judul katalog standar.
  • Fin dari Intercom menangani percakapan pelanggan melalui chat, email, dan suara.
  • Agen otomatisasi layar mengeklik dan mengetik di berbagai aplikasi komputer, termasuk aplikasi tanpa API.

Setiap agen menangani pekerjaan tertentu dengan alat, sehingga berbeda dari chatbot yang hanya merespons.

Apa saja 5 jenis agen AI?

Kelima jenisnya adalah agen refleks sederhana, refleks berbasis model, berbasis tujuan, berbasis utilitas, dan pembelajar. Agen refleks bereaksi terhadap situasi saat ini; agen berbasis model melacak keadaan; agen berbasis tujuan dan utilitas membuat rencana serta menimbang kompromi; agen pembelajar berkembang dari umpan balik. Pilih jenis yang sesuai dengan tugas: aturan tetap dapat berfungsi dengan baik jika pekerjaan tidak pernah berubah.

Apakah ChatGPT merupakan agen AI?

Tidak secara default. ChatGPT standar adalah chatbot yang merespons prompt. Dengan alat, ChatGPT dapat bertindak dengan cara yang menyerupai agen. Mode agen ChatGPT dari OpenAI dapat menjelajah, mengisi formulir, dan menyelesaikan tugas multi-langkah di komputer virtual. Perbedaan sederhananya adalah chatbot merespons, sedangkan agen menggunakan alat dan siklus untuk mengambil tindakan.

Apakah Copilot merupakan agen AI?

Jawabannya bergantung pada produk Copilot yang Anda maksud. Microsoft menggambarkan antarmuka Copilot sebagai asisten AI dan agen sebagai alat khusus untuk proses. Dalam pengertian tersebut, Copilot adalah antarmukanya dan agen adalah aplikasinya. Agen Copilot yang dibuat di Copilot Studio dapat mengambil data, melakukan tindakan, dan menjalankan proses bisnis, sehingga sesuai dengan deskripsi agen.

Apa contoh agen AI untuk penggunaan pribadi?

Agen otomatisasi layar dapat menangani tugas berulang di komputer pribadi, seperti memilah-milah kotak masuk atau mengarsipkan tanda terima. Agen ini menggunakan aplikasi yang tampil di layar dan dapat berhenti di titik pemeriksaan sebelum melakukan tindakan seperti mengirim sesuatu. Ketersediaan, harga, dan dukungan platform berbeda-beda menurut produk.

Jelajahi API agen AI Ailoot. Satu kunci API yang diterbitkan Ailoot membuka akses ke 1.284 model dan varian dalam 15 kategori. Dari segi jumlah model, Ailoot termasuk jajaran router AI terbesar di dunia. Gunakan GPT-6.2 Astra atau Qwen4 Max untuk menulis kode, Nano Banana untuk foto, Veo untuk video, Scribe untuk transkripsi, Suno untuk musik, dan Tripo3D untuk aset 3D. API yang sama mendukung embedding dan pemeringkatan ulang hasil pencarian.

Untuk proyek API agen Claude Code, pakai Ailoot di lingkungan pemrograman Anda dengan integrasi untuk Claude Code, Codex CLI, Cline, dan alat lain. Gunakan Claude Opus 5.5, GPT-6.2 Astra, dan Gemini 4 Hydrogen.

Jalankan tugas agen yang lebih panjang dengan berkas proyek di Ailoot Cloud Agents. Kelola pengeluaran model dengan kunci Ailoot khusus aplikasi atau satu saldo organisasi.

Satu langganan mencakup seluruh katalog Ailoot. Saat model unggulan baru dirilis, Anda bisa langsung menggunakannya dengan kunci yang sama. Langganan dan kode promo memberi penghematan hingga 50% dibandingkan tarif resmi API dari penyedia model. Dapatkan kunci API di https://ailoot.ai/ dan cek kode promo di akun Anda.