Daftar Isi
Transformasi AI Generatif dalam Dunia Kerja
Dalam beberapa tahun terakhir, AI generatif telah menunjukkan kemampuan luar biasa, terutama melalui model dasar seperti model bahasa besar (LLM) yang menciptakan konten dalam bentuk teks, audio, gambar, dan video. Fase berikutnya melibatkan “agen” yang didukung AI yang dapat melakukan alur kerja digital yang kompleks, beralih dari pemikiran ke tindakan. QuantumBlack, divisi AI McKinsey, memimpin transformasi ini dengan memanfaatkan teknologi dan keahlian untuk mengatasi tantangan AI di seluruh dunia. Sistem agen, yang dapat berinteraksi secara otonom dalam lingkungan dinamis, sedang diubah oleh kemampuan bahasa alami AI generatif. Sistem ini dapat merencanakan, melaksanakan tugas, berkolaborasi, dan belajar, berpotensi berfungsi sebagai rekan kerja virtual yang terampil. Misalnya, asisten virtual mungkin mengelola rencana perjalanan yang dipersonalisasi, sementara agen pemrogram dapat mengembangkan fitur perangkat lunak berdasarkan deskripsi manusia.
Penerapan Agen AI dalam Berbagai Industri
Secara tradisional, sistem agen memerlukan pemrograman yang rumit atau pelatihan machine learning tertentu. AI generatif menyederhanakan ini dengan menggunakan model dasar yang dilatih pada kumpulan data yang luas, memungkinkan adaptasi ke berbagai skenario. Pengguna dapat mengarahkan agen yang didukung AI menggunakan bahasa alami untuk menyelesaikan alur kerja yang kompleks. Sistem multiagen dapat menafsirkan alur kerja ini, menetapkan tugas, dan berkolaborasi dengan agen lain dan manusia untuk meningkatkan kinerja. Potensi agen AI generatif sangat besar, meskipun teknologi ini masih berkembang. Perusahaan besar seperti Google, Microsoft, dan OpenAI berinvestasi dalam fungsionalitas agen, dengan aplikasi seperti Microsoft Copilot dan Amazon Q beralih dari sistem berbasis pengetahuan ke sistem berbasis tindakan. Seiring kemajuan AI generatif, agen dapat menjadi umum seperti chatbot, mengotomatisasi tugas kompleks dengan input dan output variabel, seperti perencanaan perjalanan bisnis, yang sebagian besar masih manual karena kompleksitasnya. Agen yang didukung AI menjanjikan untuk merampingkan proses tersebut, membuat otomatisasi lebih layak dan efisien.
Tantangan dan Risiko dalam Implementasi Agen AI
Model bahasa besar (LLM) rentan terhadap kesalahan dan halusinasi. Karena sistem agen memproses urutan output yang berasal dari LLM, halusinasi dalam salah satu output ini dapat memiliki efek berantai jika perlindungan tidak ada. Selain itu, karena sistem agen dirancang untuk beroperasi dengan otonomi, pemimpin bisnis harus mempertimbangkan mekanisme pengawasan tambahan dan pembatasan. Model bahasa besar tidak selalu akurat, kadang-kadang memberikan informasi yang salah atau melakukan tindakan dengan konsekuensi yang tidak diinginkan. Risiko ini meningkat seiring agen AI generatif (gen AI) secara mandiri melaksanakan tugas menggunakan alat digital dan data dalam skenario yang sangat bervariasi. Misalnya, agen mungkin menyetujui pinjaman berisiko tinggi, yang mengakibatkan kerugian finansial, atau mungkin melakukan pembelian mahal yang tidak dapat dikembalikan untuk pelanggan.
