Generative AI vs Agentic AI: Apa Bedanya?
Generative AI membuat konten, agentic AI menjalankan langkah demi langkah menuju tujuan. Ini bedanya, dan kapan kamu butuh yang mana.
Ringkasnya
- Generative AI membuat atau mengolah konten, seperti teks, gambar, audio, video, dan kode, sesuai permintaanmu.
- Agentic AI mengejar tujuan: menyusun rencana, memakai alat, lalu menjalankan beberapa langkah.
- Keduanya saling melengkapi. Banyak AI agent justru memakai model generative AI sebagai "otaknya".
Kalau kamu pernah minta chatbot membuat caption, merangkum artikel, atau menulis kode, kamu sedang memakai generative AI. Teknologi ini membuat konten baru dari perintah yang kamu ketik. Hasilnya muncul, lalu dia menunggu perintah berikutnya.
Agentic AI bekerja dengan cara lain. Kamu tidak memberinya satu perintah, tapi satu tujuan. Sistem lalu memecah tujuan itu jadi beberapa tugas, memilih alat yang dibutuhkan, menjalankannya satu per satu, dan menyesuaikan langkah berikutnya dari hasil yang didapat. IBM menggambarkan bedanya begini: generative AI bersifat reaktif karena menunggu masukan, sedangkan agentic AI lebih proaktif mengejar tujuan.
Yang sering tidak disadari, keduanya bukan saingan. Menurut IBM, agentic AI menggabungkan kelenturan model bahasa besar (LLM), yaitu jenis generative AI di balik chatbot, dengan ketelitian program komputer biasa. LLM berperan seperti otak yang memahami situasi dan memutuskan langkah, sementara alat-alat lain menjalankan tugasnya.
Bayangkan kamu punya UMKM. Dengan generative AI, kamu bisa minta ide kampanye promosi dan beberapa pilihan caption. Dengan pendekatan agentic, tujuannya bisa lebih luas: sistem mencari info yang diperlukan, membuka aplikasi tertentu, mengolah hasilnya, lalu menyiapkan beberapa tahap pekerjaan. Seberapa jauh AI boleh bertindak tetap ditentukan oleh cara sistemnya dibangun dan izin yang kamu berikan.
Saya merasakan perbedaan ini saat membangun Veronica, AI agent yang saya pakai untuk pekerjaan sebagai dosen. Dengan chatbot biasa, rangkaian kerjanya manual: cari artikel ilmiah sendiri, salin, lalu minta ringkasan. Veronica menjalankan rangkaian itu sendiri. Ia mencari artikel dari database Scopus, menampilkan hasilnya di Telegram, lalu menyusun draft awal tulisan ilmiah. Draft itu bukan hasil akhir. Saya yang mengembangkan dan me-review-nya, termasuk memeriksa ulang setiap referensi, karena AI tetap bisa keliru.
Di situ bedanya terasa: generative AI membantu saya menulis, agentic AI membantu menjalankan prosesnya.
Keterangan: Veronica dan Veronica Labs dikembangkan oleh penulis.
Apa artinya buat kamu?
Kalau yang kamu butuhkan ide, tulisan, ringkasan, atau gambar, generative AI sudah lebih dari cukup. Mahasiswa bisa memakainya untuk merangkum bacaan, pekerja kantoran untuk menyusun draft email, dan pelaku UMKM untuk menulis caption produk.
Agentic AI cocok untuk pekerjaan yang terdiri dari banyak langkah dan melibatkan beberapa aplikasi. Tapi makin besar kemampuan AI untuk bertindak, makin penting batasan akses, izin, dan pengawasan manusia. IBM sendiri mencatat banyak penerapan agentic AI masih dalam tahap percobaan. Jadi mulailah dari pekerjaan rutin yang hasilnya mudah dicek, dan jangan langsung menyerahkan tugas berisiko seperti mengirim email atas namamu atau mengatur uang.
Coba sendiri
- Buka chatbot AI yang biasa kamu pakai. Ketik: "Buatkan 3 caption untuk kopi susu gula aren." AI langsung menulis. Itu generative AI.
- Sekarang beri tujuan, bukan perintah: "Aku mau jualan kopi susu minggu depan. Susun rencana promosi 7 hari, langkah demi langkah." Perhatikan cara AI memecah tujuan jadi tahapan. Tapi ingat, di sini AI baru merencanakan, belum menjalankan.
- Lihat rencananya dan tandai langkah yang masih harus kamu kerjakan sendiri, seperti memposting, membalas pesan, dan mencatat pesanan. Langkah-langkah seperti itulah yang bisa dijalankan AI agent, dengan izin dan pengawasanmu.