Para ahli industri berkumpul, Pemikiran dan Strategi Menghadapi Era Agen AI

null

Kini, ekonomi Agen sudah tidak lagi menjadi konsep fiksi ilmiah; yang dihasilkannya bukan hanya lompatan efisiensi, tetapi juga perombakan serta redistribusi cara organisasi ekonomi. Terutama sejak proyek open-source OpenClaw meledak secara global, yang selanjutnya mendorong model besar dari tahap eksperimen menuju penerapan berskala. Berbagai pihak pun berlomba masuk dalam perang perebutan gerbang Agen.

Jadi, model besar mana yang seharusnya dipilih? Apakah sumber daya Token cukup untuk menopang penggunaan jangka panjang? Jika tidak mengikuti arus OpenClaw (udang karang), apakah akan tersingkir oleh zaman? Dalam perubahan revolusioner AI yang berkembang dengan cepat ini, bagaimana individu seharusnya bersikap dan mencari terobosan?

Dengan membawa pertanyaan-pertanyaan tersebut, pada 3 April, Xujiahui Kechuang, Asosiasi Teknologi Konsensus Terdistribusi Shanghai, PANews, dan Kantor Pengacara Mankun bersama-sama mengadakan acara bertema “Jangan ‘Cemas’ (udang karang)”.

Dalam sesi presentasi bertema “Merangkul Gelombang AI yang Tidak Terduga”, Li Chenxing, arsitek kepala di Conflux Tree Map, menyatakan bahwa saat ini memberikan lebih banyak otonomi kepada AI—bukan terlalu membatasi AI secara berlebihan oleh pengalaman manusia yang terbatas—adalah tren yang pasti dari tahap perkembangan teknologi saat ini. Masalah “tidak dipertimbangkan secara matang” yang ditunjukkan AI saat ini pada dasarnya karena dalam skenario kompleks AI sulit menangkap secara stabil dan mempertahankan ingatan terhadap konteks kunci yang menjadi batasan. Dari sudut pandang struktur teknis, AI terutama bergantung pada ingatan berbasis parameter, ingatan berbasis konteks, dan ingatan eksternal; namun mekanisme-mekanisme ini masih memiliki kesulitan pembaruan, jendela yang terbatas, serta efisiensi pemanggilan yang kurang. Oleh karena itu, ke depan seharusnya memfokuskan penguatan kemampuan pemanggilan ingatan eksternal, mengeksplorasi mekanisme pembelajaran berkelanjutan dan penggunaan ulang pengalaman, serta secara bertahap mengendapkan ingatan berbasis pengalaman melalui praktik di bidang-bidang vertikal untuk meningkatkan kelengkapan keputusan dan keandalan AI dalam skenario nyata yang kompleks.

Ia juga mengatakan bahwa kemajuan inti AI saat ini terutama terlihat pada peningkatan kemampuan analisis dan refleksi mandiri. Ke depan, seiring meningkatnya kemampuan ingatan, diharapkan dapat menembus hambatan kunci, serta memberi dampak mendalam bagi berbagai industri. Misalnya, saat ini potensi pada identitas digital dan sistem pembayaran digital dalam jangka panjang terhambat oleh ambang pengembangan dan ambang pengguna. Namun AI berpotensi melepaskan nilainya dengan menurunkan biaya pengembangan dan menggantikan proses belajar pengguna melalui pendekatan agen. Secara keseluruhan, AI tidak seharusnya dipandang sebagai ancaman terhadap pekerjaan, melainkan sebagai alat kunci untuk meningkatkan produktivitas dan melahirkan peluang-peluang baru. Individu dan industri perlu menjaga sikap terbuka, serta secara proaktif mengeksplorasi jalur integrasi AI.

Menurut Feng Heqing, arsitek produk Workbuddy Tencent Cloud, seiring meningkatnya kemampuan model besar secara signifikan, AI telah berkembang dari awalnya hanya mendukung bantuan pengembangan dasar seperti pelengkapan kode, menjadi mampu menyelesaikan tugas kompleks secara mandiri. Di dalamnya, kemampuan inti Agen yang dapat dikustomisasi tercermin dalam dukungan tugas end-to-end, kolaborasi multi-peran, sistem ingatan berlapis, serta pemecahan tugas cerdas berbasis konteks; sekaligus, melalui orkestrasi kolaborasi multi-Agen dapat mewujudkan aliran data dan pemrosesan paralel antar tugas. Pada sisi keamanan, Workbuddy menggunakan penyimpanan data lokal dan mekanisme konfirmasi manual untuk operasi penting guna menjaga keamanan data. Pada sisi aplikasi, Workbuddy telah mencakup skenario kantor yang umum seperti penyaringan CV, pembuatan PPT otomatis, analisis data, serta penggabungan laporan mingguan. Selain itu, melalui kemampuan integrasi tingkat perusahaan, Workbuddy dapat terhubung dengan sistem seperti Qiye Weixin, sehingga memungkinkan manajemen tugas yang terintegrasi; arsitektur teknisnya menekankan pengembangan mandiri full-stack, isolasi lingkungan eksekusi, serta kontrol izin tingkat perusahaan, mendukung penerapan di lokal maupun cloud. Dari sisi model bisnis, dapat ditujukan untuk pengguna yang bekerja pada R&D perusahaan dan posisi pekerjaan kantor digital berfrekuensi tinggi. Secara keseluruhan, Workbuddy bertujuan meningkatkan efisiensi produksi perusahaan melalui kemampuan Agen yang dapat dikustomisasi dan kolaborasi multi-tugas, serta melalui optimasi berkelanjutan kemampuan pemecahan tugas dan perluasan ekosistem, semakin memperkuat kesesuaian dan kemampuan implementasinya di skenario perusahaan yang kompleks.

Pendiri Biteye dan XHunt, Teddy, membawakan berbagi yang berfokus pada praktik karyawan digital, penerapan model besar dan masalah biaya, konfigurasi teknis dan risiko keamanan, serta optimalisasi cara berkolaborasi. Dalam aspek praktik karyawan digital, untuk menurunkan halusinasi model dan tingkat kesalahan kode, perlu menghadirkan Agen tipe pemeriksaan tingkat lebih tinggi untuk melakukan pengecekan ulang atas kode yang dihasilkan oleh Agen tingkat lebih rendah, sehingga terbentuk proses review kode yang bersifat wajib; karena saat ini penulisan kode oleh Agen masih memiliki sejumlah bug, kesalahan dapat dikurangi melalui proses pengembangan yang lebih terstandar, penguatan desain prompt, serta menambahkan mekanisme validasi multi-babak. Selain itu, pada skenario operasional, perlu fokus mengendalikan frekuensi posting, dan sebisa mungkin menggunakan API backend untuk penjadwalan terpusat guna menjamin stabilitas. Dalam lingkungan kolaborasi tim yang kompleks, Discord biasanya lebih cocok dibanding Telegram untuk kolaborasi Agen dan pembagian tugas; dalam hal manajemen sumber daya, perlu memberi perhatian khusus pada konsumsi Token. Selain itu, sistem Agen masih memerlukan keterlibatan manusia untuk melatih, melakukan penyesuaian, dan koreksi perilaku.

Terkait pemasangan dan penyebaran OpenClaw, Teddy menyarankan dapat dijalankan di komputer yang menganggur atau Mac Mini, memiliki hak kontrol otonomi yang lebih tinggi. Kode keseluruhannya bersifat open-source, menekankan kemampuan perlindungan privasi, dan dapat terhubung ke ekosistem internasional; namun ambang pemasangan dan konfigurasi relatif lebih tinggi. Dalam proses penggunaan, perlu memperhatikan secara khusus risiko perubahan konfigurasi model dan kanal, untuk menghindari gangguan sistem akibat konfigurasi yang tidak tepat. Jika muncul masalah, dapat dibantu oleh alat seperti Grok dan Gemini untuk penelusuran. Pada sisi keamanan, perlu mencegah risiko seperti serangan prompt injection dan penyuntikan skill berbahaya. Dari sisi sumber daya dan biaya, juga perlu memperhatikan kontrol konsumsi Token agar biaya operasional tidak menjadi terlalu tinggi.

Mankun Law Firm, partner pengacara Zhao Xuan, dalam pidato temanya membagikan tiga masalah hukum dan solusi yang perlu diperhatikan oleh pendiri usaha pada era AI. Pertama adalah masalah “selubung organisasi”, yaitu “isolasi semu” yang dibentuk oleh perusahaan satu orang (OPC). Secara permukaan tampak sebagai entitas independen, namun sebenarnya sulit benar-benar mengisolasi tanggung jawab dan risiko. Oleh karena itu, perlu membangun isolasi fisik dan hukum yang benar, termasuk memperkenalkan partner dalam arsitektur, menggunakan kartu kredit resmi khusus untuk kepentingan perusahaan, serta menyisipkan disclaimer AI dan batas ganti rugi dalam kontrak; kedua, masalah kepemilikan hak atas aset inti. Upaya tidak sama dengan hak, sehingga perlu membuktikan kekuasaan pengendalian sendiri, mencatat lengkap proses penciptaan dan melakukan bukti penyimpanan; ketiga, risiko sistemik “mencabut kabel” yang ditimbulkan oleh dominasi platform, termasuk klausul “ketentuan dari pihak atas” (God’s clause), lock-in teknologi, dan sebagainya. Memisahkan data inti dan layanan pihak ketiga, merencanakan solusi pengganti lebih awal, serta menghadirkan teknologi berbasis desentralisasi.

Dalam “Meja Bundar ‘Dari Fanatisme Menuju Kewaspadaan, Kebutuhan AI yang Benar di Mata VC dan Tesis-Tesis Semu’”, banyak investor berbagi tentang tahap perkembangan AI, batasan penerapan, serta logika investasi.

Giisik Capital, pendiri mitra kongsi, Ju Xie, berpendapat bahwa AI masih berada pada tahap awal pengembangan; untuk benar-benar mencapai tahap pengalaman pengguna yang matang dan dianggap luas sebagai “bermakna”, masih membutuhkan waktu yang cukup lama. Ia menekankan bahwa kecepatan iterasi teknologi AI sangat cepat; hanya mengandalkan keunggulan teknis sulit membangun parit pertahanan (moat) jangka panjang. Karena itu, investasi sebaiknya lebih fokus pada kemampuan lapisan dasar yang tidak dapat digantikan, seperti sumber daya inti misalnya komputasi (power/compute). Dalam lapisan aplikasi, ia memberi contoh bahwa alat seperti “udang karang” tidak ramah bagi pengguna pemrograman biasa; namun ke depan, mungkin lebih cocok untuk dikemas menjadi aplikasi skenario vertikal seperti “dokter keluarga”, yang memberikan saran profesional melalui data kesehatan real-time. Selain itu, ia berpendapat bahwa AI di sisi perusahaan dapat menggantikan alat produksi informasi seperti laporan riset, tetapi tidak dapat menggantikan peran pengambil keputusan akhir; AI hanya dapat ada sebagai alat bantu pengambilan keputusan.

Enlight Capital, pendiri mitra kongsi Tang Yi menyatakan bahwa saat ini di bidang investasi AI sulit membentuk peluang non-konsensus yang jelas. Iterasi cepat model besar mungkin terus “meratakan” keunggulan perusahaan aplikasi di lapisan tersebut. Ia relatif memandang baik arah kombinasi Web3 dan AI, karena keduanya masing-masing mewakili produktivitas canggih di bidangnya. Terkait alat open-source seperti OpenClaw, ia berpendapat bahwa alat tersebut sepadan dengan memberi “tangan” dan “kaki” kepada model besar, meningkatkan kemampuan koneksi dengan sistem eksternal dan aplikasi sosial. Namun pada saat yang sama, hal itu juga membawa risiko keamanan dan data yang lebih tinggi; oleh sebab itu diperlukan konfigurasi yang kompleks, dan tidak cocok untuk pengguna biasa. Saat ini, jalur yang lebih ideal adalah meningkatkan kemudahan penggunaan dan pengalaman secara keseluruhan melalui pengemasan (encapsulation).

First Rule Ventures investor Yinghao, dari sudut pandang pengguna dan produk, berfokus pada peluang aplikasi di industri lapisan dalam, penciptaan AI, serta penggabungan perangkat lunak dan perangkat keras. Ia mengevaluasi potensi proyek melalui perilaku pengguna dan data interaksi. Ia mengatakan bahwa bahkan jika tidak mencoba semua produk AI baru secara langsung, itu tidak berarti akan ketinggalan tren penting, karena kemampuan teknis sering kali cepat dimodulkan dan diintegrasikan ke dalam ekosistem produk yang sudah ada.

Dibandingkan produk tunggal, ia lebih memerhatikan tiga perubahan struktural jangka panjang: pertama, apakah interaksi AI sedang membentuk pembawa ingatan baru, sehingga kognisi dan pekerjaan pengguna tersimpan dan terendap dalam suatu sistem; kedua, apakah ingatan tersebut memiliki kemampuan migrasi lintas produk, atau justru akan semakin terikat pada satu produk saja, sehingga membentuk biaya migrasi yang tinggi dan penguncian pengalaman; ketiga, apakah akan muncul “pintu masuk” super baru yang menjadi simpul inti bagi interaksi AI dan distribusi trafik.

Mankun Law Firm, partner pengacara Zhao Xuan, dalam penggunaan produk AI, lebih banyak menggunakan alat untuk pemrosesan data, penelusuran, dan analisis, serta berharap ke depan akan ada lebih banyak produk terpadu yang mengintegrasikan kemampuan-kemampuan tersebut. Ia juga menekankan bahwa dalam startup AI, yang lebih penting adalah menghindari kegagalan besar sekali kejadian, dan menyarankan perusahaan memberi perhatian lebih sejak awal pada desain hukum kunci seperti kepatuhan data, klausul arbitrase, klausul pengecualian tanggung jawab (免责条款), agar saat muncul risiko yang tidak terkendali, mereka dapat sedapat mungkin mewujudkan pemisahan risiko dan perlindungan tanggung jawab, sehingga menghindari kehancuran total perusahaan akibat risiko titik tunggal. Selain itu, ia juga memandang bahwa ke depan Agent akan menjadi subjek utama eksekusi ekonomi, bertanggung jawab atas perolehan data, pembelian informasi, eksekusi strategi, bahkan transaksi lintas sistem, sehingga terbentuk aktivitas ekonomi dan sistem pembayaran dari mesin ke mesin.

Dalam diskusi meja bundar bertema “AI dengan N Cara Membukanya, Mari Bicara Peluang bagi Inovator”, banyak tamu membahas perubahan yang dibawa AI dari berbagai sudut pandang. CEO Matrix Intelligence, Zeno, mengajukan bahwa pengguna dapat menghubungkan banyak perangkat dengan mengubah skrip atau plugin mereka sendiri, sehingga memungkinkan sinkronisasi ingatan terpadu dan konsistensi status dari banyak peran; dengan begitu, informasi tidak hilang dan tugas tidak terputus. Selain itu, pengguna juga dapat menambahkan mekanisme pembersihan/retrospeksi harian untuk menjaga stabilitas sistem. Dibanding penggunaan alat jadi, pengguna yang melakukan penyesuaian mendalam berdasarkan izin tingkat perusahaan atau kemampuan platform biasanya lebih efisien, lebih bebas, dan juga lebih mudah membentuk workflow yang sesuai dengan kebiasaan pribadi. Menatap masa depan, ia berpendapat bahwa AI akan menjadi satu pintu masuk terpadu; pengguna hanya perlu berinteraksi melalui satu “hub AI” untuk memanggil berbagai alat dan sistem guna menyelesaikan semua tugas. Seiring penggunaan meningkat, AI akan terus mengumpulkan ingatan, preferensi, dan workflow pengguna, membentuk efek roda gila (flywheel) antara data dan kemampuan, sehingga makin memahami pengguna dan efisiensi makin tinggi. Dalam tren ini, individu melalui konfigurasi sistem AI dan biaya berlangganan pembayaran mungkin memperoleh peningkatan produktivitas jauh melampaui tenaga kerja tradisional, sehingga secara signifikan memperlebar kesenjangan efisiensi antarindividu.

ClawFirm.dev co-founder 0xOlivia mengungkapkan bahwa dalam penggunaan AI yang sebenarnya, masih ada masalah seperti sistem yang tidak stabil dan kemampuan ingatan serta otomatisasi yang terpecah-pecah. Pengguna perlu terus menyusun dan merangkai berbagai alat dan skrip seperti sedang merakit LEGO. Untuk pengguna yang tidak berlevel tinggi, langsung memakai platform komersial yang sudah matang dan menggabungkannya dengan aplikasi resmi serta kemampuan iterasi berkelanjutan, umumnya lebih stabil dan lebih efisien dibanding sistem buatan sendiri yang sangat terfragmentasi. Selain itu, memasukkan komponen open-source dapat semakin memperkuat kemampuan pemrosesan data dan pembentukan konten. Ia menegaskan bahwa keterbatasan utama AI saat ini tidak terletak pada kemampuan model itu sendiri, melainkan pada cara penggunaan yang bersifat rekayasa (engineering) yang belum sepenuhnya selaras dengan kemampuan model; karena itu masih ada ruang besar untuk optimasi dan implementasi. Ke depan, seiring kemampuan model besar yang terus meningkat dengan cepat, skenario aplikasi AI akan secara bertahap mencakup seluruh aspek pekerjaan dan kehidupan, serta terus menyatu dengan berbagai bentuk produk.

Pendiri Biteye/XHunt, Teddy, saat membahas karyawan digital AI, menyatakan bahwa AI dapat diintegrasikan ke dalam sistem internal melalui API atau antarmuka otomatisasi, sehingga AI menangani tugas eksekusi spesifik seperti generasi kode, pemenuhan kebutuhan, pemrosesan konten, dan sebagainya; sementara manusia fokus pada desain produk dan penetapan definisi kebutuhan, sehingga mempertahankan hak keputusan kunci. Mode kolaborasi ini lebih stabil dan lebih mudah dikembangkan; tidak hanya meningkatkan efisiensi pengembangan secara keseluruhan, tetapi juga secara signifikan menurunkan tingkat kesalahan, membuat AI lebih seperti tim outsourcing yang dapat didelegasikan dan dikelola, bukan sekadar alat tunggal. Ia juga menekankan bahwa semua pekerjaan yang bersifat proses (flow-driven) dan berulang memiliki kemungkinan untuk dimodifikasi atau digantikan oleh AI; meskipun pada tahap awal efeknya tidak stabil, dalam jangka panjang itu akan terus dioptimalkan dan secara bertahap memperkuat produktivitas. Di bidang tugas kompleks dan pengambilan keputusan manajemen, AI juga telah mulai menunjukkan kemampuan bantu yang jelas, dan sedang merambah ke skenario bisnis tingkat lebih tinggi.

Insinyur senior pengembangan aplikasi AI, Dou Ge, menambahkan bahwa semua orang pada umumnya menyetujui tren outsourcing AI, otomatisasi, dan kolaborasi yang berbasis alat. Namun dari sudut pandang perusahaan, yang lebih perlu dipertimbangkan adalah keamanan, manajemen izin, mekanisme kolaborasi karyawan, serta akumulasi aset. Di pasar saat ini terdapat berbagai framework pengembangan AI dan ekosistem alat; masing-masing menekankan pada arah yang berbeda seperti pengurangan bobot (lightweight), low-code, integrasi yang tinggi, serta kontrol keamanan. Perusahaan perlu menyeimbangkan fleksibilitas dan kontrol saat memilih, lalu merancang arsitektur sesuai dengan skenario bisnis nyata. Namun memahami dan mengimplementasikan sistem AI ini tidak cukup berhenti pada level teori; perlu adanya investasi nyata dan biaya penggunaan. Ia menegaskan bahwa AI sedang mempercepat restrukturisasi ulang workflow dan struktur organisasi. Baik individu maupun perusahaan harus segera beradaptasi dengan perubahan ini melalui pembelajaran berkelanjutan dan penerapan berbasis alat untuk meningkatkan efisiensi; jika tidak, mereka mudah tertinggal oleh kecepatan iterasi teknologi.