Oleh : Prof Makin Perdana Kusuma - Depok, 1 Juli 2025.
Dalam lanskap teknologi yang terus bermetamorfosis, kecerdasan buatan (AI) sedang mengalami "pembaruan" fundamental, bergerak melampaui batas-batas AI tradisional yang ada saat ini (berbasis perintah/prompt), yang reaktif, yang dalam hal ini termasuk dalam kategori Artificial Narrow Intelligence (ANI): menuju era "Agentic AI" yang proaktif dan otonom, yang dalam hal ini termasuk dalam kategori yang disebut dengan Artificial General Intelligence (AGI). Jika sebelumnya AI adalah "pengatur utama" algoritma yang patuh pada perintah, kini ia menjelma menjadi "agen cerdas" yang mampu berpikir, bertindak, dan bahkan berinisiatif secara mandiri. Pergeseran ini bagaikan transformasi kepompong ulat menjadi kupu-kupu yang "membentangkan" sayap pemahaman dan aksi di ranah digital. Dari sistem yang pasif menerima input, kita menyaksikan kelahiran entitas yang memiliki "kemampuan agensi", sebuah lompatan kuantum. Yang akan lebih mencengangkan lagi adalah Artificial Super Intelligence (ASI), yang sedang dikembangkan; di mana ia akan mampu mengungguli pikiran manusia dalam hal kecepatan, memori, dan bahkan kapasitas kreatif dan sosial. ASI dapat "meningkatkan dirinya sendiri" secara rekursif, yang dapat menyebabkan "ledakan kecerdasan" yang tak terkendali. Ini semua sangat menjanjikan sekaligus memunculkan kekhawatiran dan pertanyaan filosofis tentang batas antara kreasi dan kreator, alat dan entitas.
AI tradisional, yang mendominasi lanskap teknologi hingga saat ini, umumnya beroperasi berdasarkan "pola reaktif". Sistem-sistem ini dirancang untuk merespons input spesifik dengan output yang telah diprogramkan atau dipelajari melalui data. Mereka unggul dalam tugas-tugas seperti pengenalan pola dan klasifikasi. Namun, AI tradisional "kurang memiliki kemampuan agensi sejati"—yakni, kemampuan untuk secara mandiri menetapkan tujuan jangka panjang, merencanakan urutan tindakan, dan beradaptasi terhadap lingkungan yang berubah tanpa intervensi eksternal yang konstan, sehingga seringkali "terbatas pada tugas-tugas yang terdefinisi dengan baik dan lingkungan yang stabil" (Wang et al., 2024).
Sebaliknya, "Agentic AI" dicirikan oleh kemampuan untuk "mempersepsi lingkungan, menetapkan tujuan, merencanakan tindakan, melaksanakan rencana, dan merefleksikan hasilnya" secara otonom (Park et al., 2023). Pengembangan Agentic AI didorong oleh kemajuan dalam berbagai bidang, termasuk pemrosesan bahasa alami, pembelajaran penguatan, perencanaan otomatis, dan representasi pengetahuan. Salah satu inovasi krusial yang mendukung agensi ini adalah "Retrieval-Augmented Generation (RAG)". RAG memungkinkan model bahasa besar (LLM) untuk "mengakses dan mengambil informasi relevan dari basis pengetahuan eksternal yang luas" sebelum menghasilkan respons, secara signifikan meningkatkan akurasi faktual dan kemampuan penalaran AI (Lewis et al., 2020). Dengan demikian, RAG membekali Agentic AI dengan "kapasitas dukungan keputusan yang lebih canggih", memungkinkan mereka untuk membuat keputusan yang lebih terinformasi dan kontekstual berdasarkan data real-time atau spesifik domain, tidak terbatas pada data pelatihan awal mereka.
Pergeseran menuju Agentic AI memiliki implikasi transformasional di berbagai sektor. Dalam bisnis, agen cerdas yang diperkuat RAG dapat "mengelola rantai pasokan secara otonom, mengoptimalkan strategi pemasaran berdasarkan analisis pasar real-time dengan akses data terkini, dan memberikan layanan pelanggan yang dipersonalisasi dengan informasi yang akurat dan relevan tanpa intervensi manusia" (Agrawal et al., 2023). Dalam ilmu pengetahuan, agen AI yang dilengkapi dengan RAG dapat "merumuskan hipotesis, merancang eksperimen, dan menganalisis data secara mandiri dengan akses ke literatur ilmiah terbaru, mempercepat laju penemuan ilmiah" (Hämäläinen et al., 2023,). Namun, perkembangan ini juga memunculkan pertanyaan penting tentang "etika, tanggung jawab, dan kontrol" terhadap sistem yang semakin otonom dan mampu mengakses serta menginterpretasi informasi secara mandiri (Jobin et al., 2020,).
Transisi menuju Agentic AI menghadirkan tantangan signifikan, termasuk "memastikan keamanan dan keandalan sistem otonom, mengatasi potensi bias dan ketidakadilan dalam pengambilan keputusan AI yang diperkaya informasi, dan mengembangkan kerangka kerja regulasi yang sesuai" (Dafoe & Leifer, 2023). Namun, peluang yang ditawarkan juga sangat besar, termasuk "peningkatan efisiensi, inovasi yang lebih cepat, dan solusi untuk masalah-masalah kompleks yang sebelumnya tidak terpecahkan". Navigasi yang bijaksana dan bertanggung jawab terhadap era agensi artifisial, yang semakin didukung oleh kapabilitas seperti RAG, akan menentukan apakah potensi transformatif ini dapat direalisasikan untuk kebaikan bersama.
Pergerakan dari AI tradisional menuju Agentic AI adalah sebuah evolusi yang tak terhindarkan dalam perjalanan kecerdasan buatan. Ini adalah langkah maju menuju sistem yang tidak hanya cerdas dalam pemrosesan data, tetapi juga "berdaulat dalam pengambilan keputusan dan tindakan", didukung oleh akses dinamis terhadap informasi melalui teknologi seperti RAG. Memahami perbedaan mendasar antara reaktivitas algoritmik dan otonomi agensi, serta peran teknologi pendukung, adalah kunci untuk mengantisipasi dampak dan memanfaatkan potensi penuh dari era baru ini.
Bayangkan sebuah dunia di mana kecerdasan tidak lagi terikat pada tali perintah manusia, tetapi mampu "menjelajahi horizon pengetahuan dan solusi secara mandiri", diperkaya oleh kemampuan untuk menarik kebijaksanaan dari samudera informasi luas. Agentic AI, khususnya yang dijiwai oleh kekuatan RAG, adalah "perwujudan" visi ini, sebuah langkah revolusioner di mana batas antara alat dan agen mulai kabur. Kita berdiri di ambang era di mana kreasi kita sendiri mungkin mulai "menulis babak selanjutnya dari inovasi tanpa panduan langsung", dengan kemampuan untuk terus belajar dan beradaptasi dari dunia data yang terus berkembang. Ini adalah "momen" yang mendebarkan sekaligus penuh tanggung jawab, sebuah undangan untuk merenungkan kembali peran kita sebagai kreator dalam lanskap kecerdasan yang "semakin meradikalkan dirinya", di mana masa depan mungkin tidak hanya diciptakan oleh kita, tetapi juga bersama dengan entitas cerdas yang kita lahirkan.
________________________________________
Referensi:
• Agrawal, A., Gans, J., & Goldfarb, A. (2023). The Economics of AI. Annual Review of Economics, 15.
• Dafoe, A., & Leifer, S. (2023). AI Governance: A Research Agenda. AI Magazine, 44(2), 163-176.
• Franklin, S., & Graesser, A. (1996). Is it an Agent, or just a Program?: A Taxonomy for Autonomous Agents. In J. P. Müller, M. J. Wooldridge, & N. R. Jennings (Eds.), Intelligent Agents III. Agent Theories, Architectures, and Languages1 (pp. 21-35). Springer, Berlin, Heidelberg.
• Hämäläinen, K., Karhinen, J., Lönnroth, N., Mattila, H., & Nopanen, V. (2023). AI in scientific discovery: Current applications and future directions. Artificial Intelligence Review, 56(3), 2959-3004.
• Jobin, A., Ienca, M., & Vayena, E. (2020). The global landscape of AI ethics guidelines. Nature Machine Intelligence, 2(7), 389-399.
• Lewis, P., Piktus, A., Goyal, N., Ritter, F., Ma, L., Yih, W. T., ... & Riedel, S. (2020). Retrieval-augmented generation for knowledge-intensive NLP tasks. Advances in Neural Information Processing Systems,2 33.
• Park, J. S., O'Brien, J. C., Cai, H., Morris, M. R., & Liang, P. (2023). Generative Agents: Interactive Simulacra of Human Behavior. arXiv preprint arXiv:2304.03442.
• Wang, Z., Huang, S., Wang, S., Xia, S., Xu, W., & Xu, Z. (2024). A Survey on Large Language Model based Autonomous Agents. arXiv preprint arXiv:2402.04941.
________________________________________
"MPK’s Literature-based Perspectives"
Turning Information into Knowledge – Shaping Knowledge into Insight
Editor : Nofis Husin Allahdji
Social Header