Belakangan ini aku lumayan sering belajar tentang AI. Mulai dari menjalankan AI secara lokal, mencoba berbagai model, mengenal RAG, sampai bereksperimen dengan AI Agent. Jujur saja, semakin banyak belajar, aku sempat berpikir kalau “AI Agent” adalah jawaban untuk hampir semua kebutuhan.
Kalau ingin chatbot yang lebih pintar? Pakai AI Agent.
Kalau ingin otomatisasi? Pakai AI Agent.
Kalau ingin membuat sistem yang terasa lebih canggih? Ya… pakai AI Agent.
Entah kenapa, rasanya semua pembahasan tentang AI sekarang selalu mengarah ke sana. Sampai akhirnya aku membaca artikel dari Anthropic yang berjudul Building Effective Agents. Di situlah aku mulai melihat AI Agent dari sudut pandang yang berbeda.
Ada satu kalimat yang menurutku sederhana, tetapi cukup mengubah cara berpikirku.
When building applications with LLMs, we recommend finding the simplest solution possible.
Kalimat itu membuatku berhenti sejenak. Selama ini aku justru sibuk memikirkan bagaimana membuat sesuatu menjadi lebih kompleks, padahal mungkin masalahnya bisa diselesaikan dengan cara yang jauh lebih sederhana.
Selama belajar AI, aku sering melihat orang berlomba-lomba menggunakan framework agent, membuat banyak tools, bahkan membangun sistem multi-agent. Memang terdengar keren, tetapi setelah dipikir-pikir lagi, apakah semuanya benar-benar dibutuhkan?
Menurutku, inilah yang ingin disampaikan oleh Anthropic. AI Agent bukanlah tujuan akhir. AI Agent hanyalah salah satu alat untuk menyelesaikan sebuah masalah.
Kalau sebuah prompt yang baik sudah mampu menghasilkan jawaban yang kita inginkan, mungkin kita belum perlu membangun sebuah agent.
Kalau sebuah workflow sederhana sudah bisa mengotomatiskan pekerjaan, mungkin belum saatnya menambahkan berbagai lapisan kompleksitas.
Justru semakin banyak komponen yang kita tambahkan, semakin banyak pula hal yang harus dipelihara. Ada lebih banyak proses yang bisa gagal, lebih banyak konfigurasi yang harus dijaga, dan lebih banyak perilaku yang perlu diuji.
Aku jadi teringat perjalanan belajarku sendiri.
Awalnya aku berpikir bahwa langkah berikutnya setelah menjalankan AI secara lokal adalah membuat AI Agent. Rasanya seperti itu memang “level selanjutnya”. Namun setelah membaca artikel ini, aku sadar bahwa urutannya tidak sesederhana itu.
Yang lebih penting ternyata adalah memahami masalah yang ingin diselesaikan.
Kalau masalahnya sederhana, jangan dibuat rumit.
Kalau satu model sudah cukup, gunakan satu model.
Kalau sebuah workflow sudah bisa menyelesaikan pekerjaan, manfaatkan workflow tersebut sebaik mungkin.
Baru ketika semuanya benar-benar membutuhkan kemampuan yang lebih dinamis, AI Agent menjadi pilihan yang masuk akal.
Menurutku, ini bukan hanya pelajaran tentang AI. Ini juga pelajaran tentang cara membangun sebuah sistem.
Kadang kita terlalu bersemangat menggunakan teknologi terbaru hanya karena sedang ramai dibicarakan. Padahal pengguna tidak terlalu peduli apakah di balik layar kita memakai AI Agent, workflow, atau sekadar prompt yang tersusun rapi. Yang mereka rasakan hanyalah apakah masalah mereka selesai atau tidak.
Semakin kupikirkan, semakin aku merasa bahwa teknologi seharusnya tidak menjadi pusat perhatian. Yang seharusnya menjadi pusat perhatian adalah solusi.
Mungkin itulah alasan mengapa artikel ini terasa menarik bagiku. Bukan karena mengajarkan cara membuat AI Agent yang lebih canggih, tetapi karena mengingatkan bahwa teknologi yang baik tidak selalu yang paling kompleks.
Kadang, solusi terbaik justru yang paling sederhana.
Dan mungkin, sebelum bertanya “bagaimana cara membuat AI Agent?”, kita perlu bertanya terlebih dahulu, “apakah aku benar-benar membutuhkannya?”
Karena pada akhirnya, tujuan kita bukan membuat sistem yang terlihat paling canggih. Tujuan kita adalah membuat sesuatu yang benar-benar membantu orang lain menyelesaikan pekerjaannya.
Terima kasih untuk Anthropic yang sudah membagikan sudut pandang ini. Setidaknya sekarang aku jadi paham bahwa belajar AI bukan tentang seberapa banyak teknologi yang bisa digunakan, melainkan seberapa bijak kita memilih teknologi yang memang diperlukan.
