Bloomberg Technoz, Jakarta - Dalam beberapa tahun terakhir, kecerdasan artifisial semakin lekat dengan kehidupan profesional. AI hadir sebagai alat bantu yang menjawab pertanyaan, merangkum dokumen, hingga menyusun rencana kerja. Namun di balik berbagai fungsi tersebut, terjadi pergeseran mendasar dalam cara AI dirancang dan digunakan.

AI kini tidak lagi semata bereaksi terhadap perintah manusia. Teknologi ini mulai berkembang sebagai agen yang mampu mengejar tujuan, mengambil keputusan, dan mengeksekusi tindakan secara mandiri dalam batas tertentu. Pergeseran ini memunculkan pertanyaan penting di kalangan praktisi teknologi dan bisnis.

Pertanyaan tersebut berkisar pada sejauh mana AI dapat disebut otonom dan bagaimana tingkat kemandirian itu dapat diukur secara praktis. Kegelisahan inilah yang melahirkan sebuah kerangka berpikir tentang agentic AI yang membagi otonomi AI ke dalam lima tingkat berbeda.

Kerangka ini terinspirasi dari klasifikasi kendaraan otonom di industri otomotif. Namun pendekatan tersebut tidak lahir dari spekulasi futuristik, melainkan dari pengalaman nyata membangun dan menerapkan sistem AI di lingkungan bisnis yang kompleks dan berisiko.

Pendekatan lima tingkat agentic AI disusun oleh dua tokoh dengan latar belakang kuat di dunia teknologi dan praktik industri. Cal Al-Dhubaib dikenal sebagai ilmuwan data dan pelopor AI yang berpengalaman di sektor kesehatan, energi, dan pertahanan. Pengalaman ini membentuk pandangannya bahwa AI otonom tidak hanya soal kecanggihan teknis.

Bagi Cal Al-Dhubaib, semakin mandiri AI, semakin besar pula kebutuhan akan tata kelola, akuntabilitas, dan pemahaman dampak keputusan mesin. Perspektif ini dilengkapi oleh Ivan Lee, lulusan ilmu komputer Stanford yang berpengalaman membangun produk AI di perusahaan teknologi besar.

Melalui perannya di Datasaur, Ivan Lee berfokus pada upaya mendemokratisasi teknologi NLP dan LLM agar dapat digunakan secara efektif dan bertanggung jawab. Ia membawa sudut pandang praktis tentang bagaimana AI benar-benar dipakai oleh tim dan organisasi sehari-hari.

Keduanya melihat bahwa banyak organisasi terjebak pada dua ekstrem. Sebagian memandang AI hanya sebagai otomatisasi canggih, sementara sebagian lain membayangkan AI sepenuhnya otonom hingga manusia tidak lagi terlibat dalam pengambilan keputusan.

Kerangka lima level agentic AI hadir untuk menengahi kedua pandangan tersebut. Tujuannya bukan untuk mempromosikan otonomi penuh, melainkan menyediakan bahasa bersama agar organisasi dapat mendiskusikan tingkat kemandirian AI secara lebih presisi dan realistis.

Lima Level Agentic AI dalam Praktik

Level pertama menggambarkan AI sebagai mesin otomatis dengan aturan yang jelas. Pada tahap ini, AI menjalankan tugas berulang secara cepat dan konsisten tanpa memahami konteks di luar pemrogramannya. Banyak sistem yang saat ini disebut AI masih berada pada level ini.

Level kedua dikenal sebagai agen persiapan. AI mulai membantu menyusun langkah, membuat draf, atau mengusulkan rencana kerja. Meski terlihat lebih proaktif, keputusan akhir tetap berada di tangan manusia sehingga AI berfungsi sebagai asisten kerja yang efisien.

Memasuki level ketiga, AI berperan sebagai operator dalam ruang lingkup yang sempit namun jelas. Pada tahap ini, AI mampu menyelesaikan alur kerja tertentu dari awal hingga akhir, seperti menutup tiket layanan pelanggan atau menghasilkan laporan rutin.

Manusia tetap mengawasi, tetapi lebih sebagai pemeriksa daripada pengendali harian. Berdasarkan pengalaman para penyusun kerangka ini, banyak organisasi justru memperoleh nilai terbesar pada level ini karena beban kerja berkurang tanpa kehilangan kendali.

Level keempat membawa AI ke peran semi-otonom. AI mulai merencanakan tindakan, menggunakan berbagai alat, serta menyesuaikan diri dengan kondisi yang berubah. Namun pada tahap ini, keterlibatan manusia tetap krusial untuk keputusan berdampak besar.

Kebutuhan human in the loop menjadi penekanan utama, terutama untuk mencegah bias atau kesalahan yang tersembunyi dalam data historis. AI dapat bertindak cepat, tetapi validasi manusia tetap menjadi pagar pengaman.

Level kelima menggambarkan AI yang benar-benar otonom dalam pemecahan masalah terbuka. AI pada tahap ini mampu menentukan tujuan antara, belajar dari pengalaman, dan menciptakan solusi baru tanpa arahan langsung.

Meski sering menjadi topik diskusi populer, level ini masih lebih banyak berada di ranah riset dibandingkan implementasi bisnis nyata. Tantangannya bukan hanya teknis, tetapi juga etis dan organisatoris.

Menariknya, kerangka lima level ini tidak dimaksudkan sebagai peta jalan menuju otonomi penuh. Justru sebaliknya, pendekatan ini menekankan bahwa tingkat otonomi AI harus disesuaikan dengan konteks, risiko, dan tujuan organisasi.

Tidak semua permasalahan membutuhkan AI dengan tingkat kemandirian tinggi. Dalam banyak kasus, AI yang lebih sederhana namun terintegrasi dengan baik justru memberikan dampak yang lebih konsisten, aman, dan mudah dikelola.

Pengalaman membangun sistem AI di dunia nyata menunjukkan bahwa nilai AI tidak terletak pada seberapa otonom ia terlihat. Nilai sesungguhnya terletak pada seberapa efektif AI bekerja bersama manusia dalam proses pengambilan keputusan.

Dengan memahami posisi AI pada salah satu dari lima level tersebut, organisasi dapat membuat keputusan yang lebih sadar dan strategis. Pendekatan ini membantu menghentikan obsesi pada label futuristik dan mengalihkan fokus ke desain sistem yang realistis dan bertanggung jawab.

Pada akhirnya, perjalanan AI dari agen menuju otonom bukanlah lompatan instan. Ia merupakan evolusi bertahap yang membutuhkan pemahaman, tata kelola, dan kolaborasi manusia yang berkelanjutan agar teknologi benar-benar memberi manfaat.