Tahun 2025 sering disebut sebagai awal dari era agentic AI—AI yang mampu bertindak secara otonom layaknya sebuah agen pintar. Ini menjadi titik penting dalam evolusi sistem cerdas. Tahun lalu, saya membahas potensi kolaborasi multi-agen, dan belakangan saya menyoroti bagaimana kerja sama manusia dan AI akan mengubah cara kita berinteraksi serta bekerja.
Seiring agen otonom semakin menjadi arus utama, integrasi mereka dengan tim manusia menjanjikan tidak hanya efisiensi, tapi juga evolusi mendalam dalam cara kita berkolaborasi, berkreasi, dan meningkatkan produktivitas lintas industri.
Multi-agen dan Arsitekturnya
Para ahli AI banyak membahas berbagai jenis arsitektur multi-agen, seperti terpusat, terdesentralisasi, dan hierarkis—masing-masing dengan keunggulannya, mulai dari skalabilitas hingga adaptabilitas.
Misalnya, Sahin Ahmed dalam artikelnya di Medium menjelaskan dasar-dasar arsitektur multi-agen beserta kelebihannya. Nathan Lambert kemudian menambahkan, dengan membahas sistem berbasis agen masa depan yang mampu melakukan penalaran otonom dan kolaborasi dinamis.
Jalan yang Direncanakan dengan Cermat
Kami memilih jalur pengembangan dengan penuh perhitungan, bahkan telah mengajukan beberapa paten pada akhir 2024. Kunci keberhasilan terletak pada perencanaan yang tepat—menggunakan berbagai teknik penalaran dan refleksi agar setiap agen ditugaskan sesuai kemampuannya.
Namun, ada pelajaran penting: kesalahan bisa cepat berlipat ganda. Meskipun setiap langkah sudah dioptimalkan hingga 90%, hasil akhirnya bisa tetap jauh dari harapan jika agen perencana (planner agent) tidak menyusun strategi eksekusi yang efektif. Agen perencana inilah yang nantinya akan saya bahas lebih dalam, karena ia berperan sebagai “dirigen” dalam mengorkestrasi agen-agen lain agar bekerja harmonis.
Aplikasi Nyata di Jaringan dan Keamanan
Platform enterprise modern dirancang untuk mengumpulkan, memproses, dan menyimpan data dalam jumlah besar—baik yang terstruktur maupun tidak. Data ini mencakup perangkat, aplikasi, klien, pengguna, hingga informasi bisnis seperti kontrak layanan, lisensi, manual, dan catatan rilis.
Dengan menghubungkan data infrastruktur IT dan data bisnis, platform ini dapat memberi wawasan untuk pengambilan keputusan, otomatisasi tugas, hingga peningkatan pengalaman pelanggan.
Namun, tujuan sebesar ini tidak bisa dicapai dengan chatbot sederhana atau agen tunggal dari vendor besar. Kapasitas mereka masih terbatas. Karena itu, kami mengembangkan arsitektur multi-agen khusus untuk operasi jaringan dan keamanan.
Sistem ini memungkinkan operasi jaringan otonom dengan agen-agen yang mampu merasakan lingkungan, bernalar, mengambil keputusan, dan bertindak sesuai tujuan yang ditetapkan. Agen-agen ini bekerja efisien, adaptif, dan hampir tanpa pengawasan manusia.
Namun, kepercayaan pengguna tetap krusial. Karena itu, sistem memberikan opsi kontrol: kapan manusia harus dilibatkan, misalnya sebelum melakukan perubahan kritis di jaringan.
Dalam arsitektur ini, agen perencana memimpin strategi dan memanggil agen pekerja (worker agents) yang sesuai. Agen pekerja ini dilengkapi dengan berbagai alat: bisa berinteraksi dengan model lain, mengakses API REST/GraphQL, membaca database SQL/NoSQL/graph, hingga menggunakan mesin pencari, vektor store, dan data real-time.
Pendekatan Arsitektur AI
Ada tiga pendekatan umum:
-
Terpusat
-
Semua komunikasi dikendalikan agen perencana.
-
Cocok untuk tugas sederhana yang butuh konsistensi.
-
Lebih mudah dikelola, tapi bisa lambat karena tugas berjalan berurutan.
-
-
Terdesentralisasi
-
Agen bisa bekerja sama langsung.
-
Skalabel dan tahan gangguan untuk tugas besar.
-
Tantangannya: sulit menjaga konsistensi hasil.
-
-
Hibrida
-
Kombinasi keduanya.
-
Agen perencana memegang tujuan strategis, tapi eksekusi detail bisa dilakukan agen pekerja secara paralel.
-
Keterlibatan Manusia
Meski agen AI bisa berjalan otomatis, tetap dibutuhkan keterlibatan manusia di momen tertentu. Misalnya:
-
Inisiatif pengguna.
-
Pemicu berdasarkan jadwal.
-
Aktivasi karena suatu peristiwa (contoh: ada anomali jaringan).
Bayangkan sebuah permintaan troubleshooting. Agen perencana bisa mengatur serangkaian agen pekerja khusus untuk mengecek jaringan wireless, wired, dan fabric. Hasil analisis mereka kemudian digabungkan, memberikan diagnosis akar masalah, rekomendasi perbaikan, dan opsi tindakan otomatis—dengan persetujuan manusia.
Extreme Platform ONE
Di Extreme Networks, AI diintegrasikan sejak awal ke dalam Extreme Platform ONE. Sistem cerdas ini membantu organisasi menyederhanakan dan mengotomatiskan operasi, meningkatkan keamanan, dan memperbaiki pengalaman pengguna. Semua itu dicapai dengan otomatisasi alur kerja yang kompleks di jaringan, keamanan, dan domain IT.
Dalam beberapa bulan mendatang, kami akan berbagi detail teknis lebih dalam serta contoh nyata bagaimana agen-agen pintar ini memberi dampak nyata di dunia kerja.
Kesimpulan
Satu agen AI saja tidak cukup untuk menghadapi kompleksitas dunia nyata. Yang dibutuhkan adalah arsitektur multi-agen, dipimpin oleh agen perencana, bekerja sama dengan agen pekerja, dan tetap melibatkan manusia di titik-titik penting.
Dengan pendekatan ini, kita bukan hanya mendapatkan sistem yang efisien, tetapi juga mampu beradaptasi, aman, dan memberikan nilai nyata bagi bisnis. Inilah langkah besar menuju masa depan kolaborasi manusia dan AI.
Infrastruktur IT yang kuat adalah kunci produktivitas perusahaan. Dengan extremenetworks indonesia, Anda bisa mendapatkan solusi IT lengkap yang sesuai dengan kebutuhan Anda. iLogo Indonesia sebagai mitra terpercaya siap mengintegrasikan semuanya agar bisnis Anda tetap berjalan lancar dan aman.
Hubungi kami sekarang atau kunjungi extremenetworks.ilogoindonesia.id untuk informasi lebih lanjut!