Agen AI pada tahun 2025: Harapan vs. kenyataan

Kita baru saja pulih dari gelombang demam NFT dan kripto yang mendominasi awal 2020-an, diikuti oleh gelembung metaverse, ketika media mulai memuji-muji AI generatif (gen AI) setelah peluncuran seperti rangkaian model GPT dari OpenAI, Claude dari Anthropic, dan Copilot dari Microsoft.

Meskipun fokus utama belum sepenuhnya beralih, fokus pada tahun 2025 telah bergeser dari model bahasa besar (LLM) ke kemajuan dalam agen kecerdasan buatan (AI) yang secara teori otonom yang mengantarkan masa depan pekerjaan.  

Terlepas dari lonjakan sesaat dalam minat gen AI di sekitar R1 Deepseek, yang menjanjikan peningkatan kinerja yang signifikan atas ChatGPT, narasi inovasi yang dominan pada tahun 2025 adalah agen AI.

Liputan media menyoroti janji-janji inovasi, otomatisasi, dan efisiensi yang akan dihadirkan oleh agen, tetapi seberapa besar dari pembicaraan ini hanyalah sensasi yang mencari klik?

Dunia media yang didukung iklan berkembang pesat berkat klik, dan wajar jika kita mengharapkan judul-judul sensasional dan menarik perhatian yang dirancang untuk menarik perhatian Anda. Namun, apa yang dapat kita harapkan secara realistis dari AI agen pada tahun 2025, dan bagaimana pengaruhnya terhadap kehidupan kita?  

Kami telah berbicara dengan beberapa pakar IBM untuk memisahkan fakta dari sensasi, dengan tujuan mengadakan percakapan yang lebih rasional tentang agen AI dan apa yang akan mereka lakukan. Tim ahli kami yang berpengalaman meliputi:  

• Maryam Ashoori, PhD: Direktur Manajemen Produk, IBM watsonx.ai  

• Marina Danilevsky: Ilmuwan Riset Senior, Teknologi Bahasa  

• Vyoma Gajjar: Arsitek Solusi Teknis AI  

• Chris Hay: Insinyur Utama 

Agen AI adalah program perangkat lunak yang mampu bertindak secara mandiri untuk memahami, merencanakan, dan melaksanakan tugas. Agen AI didukung oleh LLM dan dapat berinteraksi dengan alat, model lain, dan aspek lain dari sistem atau jaringan sesuai kebutuhan untuk memenuhi tujuan pengguna.

Kami tidak hanya meminta chatbot untuk menyarankan resep makan malam berdasarkan bahan-bahan yang tersedia di kulkas. Agen lebih dari sekadar email pengalaman pelanggan otomatis yang memberi tahu Anda bahwa perlu beberapa hari hingga manusia di dunia nyata dapat menjawab pertanyaan Anda.  

Agen AI berbeda dengan asisten AI tradisional yang membutuhkan prompt setiap kali menghasilkan respons. Secara teori, pengguna memberikan tugas tingkat tinggi kepada agen AI, dan agen AI mencari cara untuk menyelesaikannya.  

Penawaran yang ada saat ini masih dalam tahap awal untuk mendekati ide ini. "Apa yang biasanya disebut sebagai 'agen' di pasar adalah penambahan kemampuan perencanaan dan pemanggilan alat yang belum sempurna (terkadang disebut pemanggilan fungsi) pada LLM," ujar Ashoori. "Hal ini memungkinkan LLM untuk memecah tugas-tugas yang kompleks menjadi langkah-langkah yang lebih kecil yang dapat dilakukan oleh LLM."

Hay optimis bahwa agen yang lebih tangguh akan segera hadir: “Anda tidak memerlukan perkembangan lebih lanjut dalam model saat ini untuk membangun agen AI di masa mendatang,” katanya.  

Dengan demikian, apa yang akan terjadi pada pembicaraan tentang agen di tahun mendatang, dan seberapa banyak yang dapat kita anggap serius? 

"Agen yang lebih banyak dan lebih baik" sedang dalam perjalanan, demikian prediksi Time^.1 "Agen otonom dan profitabilitas kemungkinan besar akan mendominasi agenda kecerdasan buatan," lapor Reuters^.2 "Zaman AI agen telah tiba," janji Forbes, sebagai tanggapan atas klaim dari Jensen Huang dari Nvidia.³ 

Media teknologi dipenuhi dengan jaminan bahwa kehidupan kita berada di ambang transformasi total. Agen otonom siap untuk merampingkan dan mengubah pekerjaan kita, mendorong pengoptimalan, dan menemani kita dalam kehidupan sehari-hari, menangani kegiatan sehari-hari secara real time dan membebaskan kita untuk melakukan kegiatan kreatif dan tugas-tugas tingkat tinggi lainnya.

“IBM dan Morning Consult melakukan survei terhadap 1.000 pengembang yang sedang membangun aplikasi AI untuk perusahaan, dan 99% dari mereka mengatakan mereka sedang menjajaki atau mengembangkan agen AI,” jelas Ashoori. “Jadi ya, jawabannya adalah 2025 akan menjadi tahun agen.” Namun, deklarasi itu bukan tanpa nuansa.  

Setelah menetapkan konsep pasar saat ini tentang agen sebagai LLM dengan pemanggilan fungsi, Ashoori membedakan antara ide tersebut dan agen yang benar-benar otonom. “Definisi sebenarnya [dari agen AI] adalah entitas cerdas dengan kemampuan penalaran dan perencanaan yang dapat mengambil tindakan secara otonom. Kemampuan penalaran dan perencanaan tersebut masih dalam pembahasan. Tergantung pada bagaimana Anda mendefinisikannya.”  

 "Saya melihat agen AI sedang menuju ke arah ini, tetapi kita belum sepenuhnya sampai di sana," kata Gajjar. "Saat ini, kami melihat sekilas gambaran awal—agen AI sudah bisa menganalisis data, memprediksi tren, dan mengotomatiskan alur kerja sampai batas tertentu. Namun, membangun agen AI yang bisa menangani pengambilan keputusan yang kompleks secara mandiri akan membutuhkan lebih dari sekadar algoritma yang lebih baik. Kita membutuhkan lompatan besar dalam penalaran kontekstual dan pengujian untuk kasus-kasus yang tidak biasa," tambahnya.  

Danilevsky tidak yakin bahwa ini adalah sesuatu yang baru. "Saya masih berjuang untuk benar-benar percaya bahwa ini semua berbeda dari sekadar orkestrasi," katanya. "Anda telah mengganti nama orkestrasi, tetapi sekarang disebut agen, karena itu kata yang keren. Namun, orkestrasi adalah sesuatu yang telah kami lakukan dalam pemrograman sejak dahulu."   

Terkait tahun 2025 sebagai tahun agen, Danilevsky merasa skeptis. "Tergantung dari apa yang Anda maksud dengan agen, apa yang Anda pikirkan tentang apa yang akan dicapai oleh agen dan nilai apa yang menurut Anda akan dibawanya," katanya. "Ini adalah pernyataan yang cukup berani untuk disampaikan ketika kita bahkan belum mengetahui ROI (laba atas investasi) teknologi LLM secara umum."  

Dan bukan hanya sisi bisnis yang membuatnya berhati-hati. “Ada euforia untuk membayangkan jika AI agen ini bisa berpikir untuk Anda, membuat semua keputusan, dan mengambil tindakan di komputer Anda. Secara realistis, itu menakutkan."

Danilevsky menggambarkan kesenjangan tersebut sebagai masalah komunikasi yang buruk. “[Agen] cenderung sangat tidak efektif karena manusia adalah komunikator yang sangat buruk. Kita masih belum bisa membuat agen obrolan mengartikan apa yang Anda inginkan dengan benar setiap saat."  

Namun, tahun yang akan datang menjanjikan banyak hal sebagai era eksperimen. "Saya sangat percaya pada [tahun 2025 sebagai tahun agen]," kata Hay dengan penuh semangat.  

Setiap perusahaan teknologi besar dan ratusan perusahaan rintisan kini bereksperimen dengan agen. Salesforce, misalnya, telah merilis platform Agentforce, yang memungkinkan pengguna untuk membuat agen yang mudah diintegrasikan ke dalam ekosistem aplikasi Salesforce.  

“Gelombang berikutnya akan datang dan kita akan memiliki banyak agen. Ini masih merupakan ekosistem yang sangat baru, jadi saya pikir banyak orang akan membangun agen, dan mereka akan menikmati prosesnya.” 

Narasi ini mengasumsikan bahwa agen saat ini memenuhi definisi teoretis yang diuraikan dalam pengantar tulisan ini. Agen tahun 2025 akan menjadi program AI yang sepenuhnya otonom yang mampu merencanakan sebuah proyek dan menyelesaikannya dengan semua alat yang mereka butuhkan tanpa bantuan dari mitra manusia. Namun, yang kurang dari narasi ini adalah nuansa.

Hay percaya bahwa dasar-dasarnya telah diletakkan untuk perkembangan seperti itu. "Hal yang paling penting dari agen adalah mereka memiliki kemampuan untuk membuat rencana," jelasnya. "Mereka memiliki kemampuan untuk bernalar, menggunakan alat bantu dan melaksanakan tugas, dan mereka harus melakukannya dengan kecepatan dan skala yang besar."

Dia mengutip 4 perkembangan yang, dibandingkan dengan model terbaik pada 12 hingga 18 bulan yang lalu, berarti bahwa model pada awal tahun 2025 dapat memberdayakan agen yang dibayangkan oleh para pendukung narasi ini:  

• Model yang lebih baik, lebih cepat, dan lebih kecil  

• Pelatihan rantai pemikiran (COT)

• Jendela konteks yang ditingkatkan  

• Pemanggilan fungsi  

"Sebagian besar hal-hal ini sudah diterapkan,” lanjut Hay. ”Anda bisa menggunakan alat panggilan AI. Alat ini bisa menyusun rencana. Alat ini bisa berlogika dan memberikan jawaban yang baik. Alat ini bisa menggunakan komputasi waktu inferensi. Anda akan memiliki rantai pemikiran yang lebih baik dan lebih banyak memori untuk bekerja. Alat ini akan berjalan cepat. Alat ini murah. Hal ini akan membawa Anda ke struktur di mana menurut saya Anda bisa memiliki agen. Model-model ini terus berkembang dan makin baik, jadi hal ini hanya akan mempercepat perkembangan tersebut." 

Ashoori sangat berhati-hati dalam membedakan antara apa yang dapat dilakukan oleh para agen di kemudian hari, dan apa yang dapat mereka lakukan saat ini. "Ada yang dijanjikan, dan ada yang bisa dilakukan oleh agen saat ini," katanya. "Menurut saya, jawabannya tergantung pada contoh penggunaan. Untuk contoh penggunaan yang sederhana, para agen mampu melakukannya [memilih alat yang tepat], tetapi untuk contoh penggunaan yang lebih canggih, teknologinya masih belum matang."  

Danilevsky membingkai ulang narasi tersebut sebagai narasi yang kontekstual. "Jika sesuatu itu benar pada suatu waktu, bukan berarti itu selalu benar. Apakah ada beberapa hal yang bisa dilakukan oleh para agen? Tentu. Apakah itu berarti Anda bisa mengagenkan alur apa pun yang muncul di kepala Anda? Tidak."  

Bagi Gajjar, pertanyaannya adalah tentang risiko dan tata kelola. "Kami melihat agen AI berevolusi dari pembuat konten menjadi pemecah masalah secara otonom. Sistem ini harus diuji dengan ketat di lingkungan sandbox untuk menghindari kegagalan yang bertingkat. Merancang mekanisme untuk tindakan rollback dan memastikan log audit merupakan bagian integral untuk membuat agen-agen ini dapat digunakan dalam industri yang berisiko tinggi."  

Namun, ia optimis bahwa kita akan menghadapi tantangan ini. “Saya rasa kita akan melihat kemajuan tahun ini dalam menciptakan mekanisme pembatalan dan jejak audit. Ini bukan hanya tentang membangun AI yang lebih cerdas, tetapi juga merancang jaring pengaman sehingga kita dapat melacak dan memperbaiki masalah dengan cepat saat terjadi kesalahan.”  

Dan meskipun Hay banyak berharap tentang potensi pengembangan agen pada tahun 2025, ia melihat adanya masalah di area lain: "Sebagian besar organisasi belum siap menjadi agen. Yang akan menjadi menarik adalah mengekspos API yang Anda miliki di perusahaan Anda saat ini. Di situlah pekerjaan yang menarik akan terjadi. Dan ini bukan tentang seberapa bagus model yang akan dibuat. Ini akan menjadi tentang seberapa siap Anda untuk level perusahaan." 

“New normal” yang dibayangkan oleh narasi ini melihat tim agen AI berkumpul di bawah model uber-orkestrator yang mengelola alur kerja proyek secara keseluruhan.

Perusahaan akan menggunakan orkestrasi AI untuk mengoordinasikan beberapa agen dan model machine learning (ML) lainnya yang bekerja bersama-sama dan menggunakan keahlian khusus untuk menyelesaikan tugas.

Gajjar memandang prediksi ini tidak hanya kredibel, tetapi juga mungkin terjadi. "Kita berada di awal pergeseran ini, tetapi ini bergerak dengan cepat. Orkestrator AI dapat dengan mudah menjadi tulang punggung sistem AI perusahaan tahun ini—menghubungkan banyak agen, mengoptimalkan alur kerja AI dan menangani data multibahasa dan multimedia," ujarnya. Namun, ia memperingatkan agar tidak terburu-buru tanpa membuat pengamanan yang tepat.  

"Pada saat yang sama, peningkatan sistem ini akan membutuhkan kerangka kerja kepatuhan yang kuat agar semuanya berjalan dengan lancar tanpa mengorbankan akuntabilitas," kata Gajjar. "Tahun 2025 mungkin merupakan tahun di mana kita beralih dari eksperimen ke adopsi skala besar, dan saya tidak sabar untuk melihat bagaimana perusahaan menyeimbangkan kecepatan dengan tanggung jawab."

Sangat penting bahwa organisasi mendedikasikan diri mereka dengan semangat yang sama pada tata kelola AI dan kepatuhan data seperti yang mereka lakukan untuk mengadopsi inovasi terbaru.

"Anda akan memiliki orkestrator AI, dan mereka akan bekerja dengan banyak agen," jelas Hay. "Model yang lebih besar akan menjadi orkestrator, dan model yang lebih kecil akan melakukan tugas-tugas yang terbatas."

Namun, seiring berkembangnya dan meningkatnya agen, Hay memprediksi pergeseran dari alur kerja yang diatur ke sistem agen tunggal. "Seiring dengan makin mumpuninya agen-agen tersebut, Anda akan beralih dengan mengatakan, 'Saya memiliki agen yang dapat melakukan semuanya secara menyeluruh."  

 Hay memperkirakan akan terjadi evolusi maju-mundur seiring dengan berkembangnya model-model yang ada. "Anda akan mencapai batas [apa yang bisa dilakukan oleh agen tunggal], dan kemudian Anda akan kembali ke kolaborasi multi-agen lagi. Anda akan mendorong dan menarik antara kerangka kerja multi-agen dan agen tunggal yang seperti dewa." Dan meskipun model AI akan menjadi penentu alur kerja proyek, Hay percaya bahwa manusia akan selalu ada di dalam prosesnya.

Bagi Ashoori, kebutuhan akan meta-orchestrator tidak sepenuhnya mutlak dan bergantung pada contoh penggunaan yang dimaksud. “Ini adalah keputusan arsitektur,” jelasnya. “Setiap agen, secara definisi, harus memiliki kemampuan untuk menentukan apakah mereka perlu berkoordinasi dengan agen lain, mengintegrasikan berbagai alat, atau memerlukan data pelengkap. Anda tidak selalu membutuhkan agen perantara yang berada di atas dan memantau semua agen untuk memberi tahu mereka apa yang harus dilakukan.”  

Namun, dalam beberapa kasus, Anda mungkin perlu. "Anda mungkin perlu mencari cara untuk menggunakan kombinasi agen khusus untuk tujuan Anda," kata Ashoori. "Dalam hal ini, Anda dapat memutuskan untuk membuat agen Anda sendiri yang bertindak sebagai orkestrator."  

Danilevsky menyarankan perusahaan untuk terlebih dahulu memahami alur kerja mana yang dapat dan harus diagenkan untuk tingkat ROI yang seperti apa, kemudian mengembangkan strategi AI dari sana. "Apakah akan ada beberapa alur orkestrasi dengan beberapa agen? Tentu, tetapi haruskah semua yang ada di organisasi Anda diatur dengan alur agen? Tidak, itu tidak akan berhasil." 

Visi adopsi agen yang berlaku di tahun depan adalah visi yang melihat agen sebagai pembantu, tetapi tidak harus menggantikan pekerja manusia. Mereka akan berperan sebagai kontributor dalam alur kerja yang efisien yang dipimpin oleh manusia, kata para advokat.

Namun, kekhawatiran akan kehilangan pekerjaan terkait AI adalah konstan dalam percakapan yang sedang berlangsung seputar adopsi AI perusahaan. Ketika agen menjadi lebih cakap, akankah para pemimpin bisnis mendorong kolaborasi antara agen dan manusia atau berusaha menggantikan pekerja dengan alat AI?

Ashoori percaya bahwa jalan terbaik ke depan adalah mempercayai karyawan untuk menentukan penggunaan AI yang optimal dalam pekerjaan mereka masing-masing. "Kita harus memberdayakan karyawan untuk memutuskan bagaimana mereka ingin memanfaatkan agen, tetapi tidak harus menggantikannya dalam setiap situasi," jelasnya. Beberapa fungsi pekerjaan sudah siap untuk diserahkan kepada agen, sementara fungsi pekerjaan lainnya tidak dapat digantikan oleh input manusia. "Seorang agen mungkin akan menuliskan dan merangkum sebuah pertemuan, tetapi Anda tidak akan mengirimkan agen Anda untuk melakukan percakapan ini dengan saya."  

Danilevsky berbagi pandangan yang sama dengan Ashoori dan menekankan bahwa penggunaan agen di tempat kerja tidak akan datang tanpa kesulitan. "Anda masih akan menghadapi kasus-kasus di mana begitu sesuatu menjadi lebih kompleks, Anda akan membutuhkan manusia." Meskipun para pemimpin bisnis mungkin tergoda untuk memangkas biaya jangka pendek dengan menghilangkan pekerjaan, penggunaan agen "...akan lebih banyak menjadi semacam peran tambahan. Anda harus selalu memiliki manusia, dan manusia dibantu, tetapi manusia yang membuat keputusan akhir," kata Danilevsky, menggambarkan visi human-in-the-loop (HITL) untuk AI.  

Hay melihat adanya jalan menuju adopsi AI yang berkelanjutan di tempat kerja. "Jika kita melakukannya dengan benar, AI hadir untuk membantu manusia melakukan berbagai hal dengan lebih baik. Jika AI dilakukan dengan benar, maka AI akan membebaskan kita untuk melakukan hal-hal yang lebih menarik." Namun di saat yang sama, ia bisa membayangkan versi lain dari masa depan di mana AI diprioritaskan secara berlebihan. "Ada risiko nyata bahwa jika dilakukan dengan buruk dan salah, kita akan berakhir dengan manusia yang membantu AI, bukan sebaliknya."  

Gajjar juga memperingatkan agar tidak terlalu bergantung pada AI. "Saya tidak melihat agen AI akan menggantikan pekerjaan dalam semalam, tetapi mereka pasti akan mengubah cara kita bekerja. Tugas-tugas yang berulang dan bernilai rendah sudah diotomatisasi, yang membebaskan orang untuk melakukan pekerjaan yang lebih strategis dan kreatif. Meskipun demikian, perusahaan harus berhati-hati dalam memperkenalkan AI. Tata kelola AI seperti kerangka kerja yang berfokus pada keadilan, transparansi, dan akuntabilitas akan menjadi kuncinya."

Bagi Hay, salah satu keunggulan model AI sumber terbuka adalah bagaimana model ini membuka pintu menuju pasar digital agen AI di masa depan dan monetisasi selanjutnya bagi para kreator. "Menurut saya, agen sumber terbuka adalah kuncinya," kata Hay. "Karena sumber terbuka, siapa pun bisa membuat agen AI, dan agen AI tersebut bisa melakukan tugas-tugas yang bermanfaat. Dan Anda bisa membuat perusahaan Anda sendiri."  

Penting juga untuk mempertimbangkan potensi pertumbuhan dan restrukturisasi organisasi terhadap manfaat berbasis AI, terutama di kawasan Global Selatan, percaya Hay.

LLM menyediakan output berbasis teks, yang dapat menjangkau pengguna melalui SMS di area tanpa koneksi internet yang andal. “Pemberdayaan yang dapat terjadi di negara-negara [tanpa akses internet yang kuat] karena AI dapat bekerja dalam skenario bandwidth rendah dan makin murah sepanjang waktu—ini sangat menarik,” kata Hay.

Selama percakapan ini, dua tema muncul berkali-kali dengan semua keempat pakar kami. Selain dari empat narasi yang kami lihat, rute berkelanjutan melalui ledakan AI saat ini akan membutuhkan perusahaan dan pemimpin bisnis untuk merangkul dua ide:  

1. Tata kelola AI mendukung kepatuhan yang sukses dan penggunaan yang bertanggung jawab. 
2. Strategi AI yang kuat yang berfokus pada nilai ekonomi akan membawa bisnis menuju adopsi AI yang berkelanjutan. 

"Perusahaan membutuhkan kerangka kerja tata kelola untuk memantau kinerja dan memastikan akuntabilitas karena agen-agen ini berintegrasi lebih dalam ke dalam operasi," imbau Gajjar. "Di sinilah pendekatan AI yang bertanggung jawab dari IBM benar-benar bersinar. Ini semua tentang memastikan AI bekerja bersama manusia, bukan melawan mereka, dan membangun sistem yang dapat dipercaya dan dapat diaudit sejak hari pertama."  

Ashoori melukiskan gambaran tentang potensi kekacauan AI agen. “Menggunakan agen hari ini pada dasarnya mengambil LLM dan membiarkannya mengambil tindakan atas nama Anda. Bagaimana jika tindakan ini terhubung ke kumpulan data dan menghapus banyak catatan sensitif?”  

"Teknologi tidak berpikir. Teknologi tidak bisa bertanggung jawab," kata Danilevsky. Dalam hal risiko seperti kebocoran atau penghapusan data yang tidak disengaja, "skala risikonya lebih tinggi," katanya. "Hanya ada beberapa hal yang bisa dilakukan manusia dalam waktu yang sangat singkat, sedangkan teknologi bisa melakukan banyak hal dalam waktu yang jauh lebih singkat dan dengan cara yang mungkin tidak kita sadari."  

Dan ketika hal itu terjadi, kita tidak bisa semata-mata menyalahkan AI dan membebaskan semua pihak yang bertanggung jawab dari kesalahan. “Seorang manusia dalam organisasi tersebut akan dituntut pertanggungjawaban atas tindakan-tindakan tersebut,” Hay memperingatkan.  

"Jadi tantangannya di sini adalah transparansi," kata Ashoori. "Dan ketertelusuran tindakan untuk setiap hal yang dilakukan oleh para agen. Anda harus tahu persis apa yang terjadi dan dapat melacak, menelusuri, dan mengendalikannya."  

Bagi Danilevsky, eksperimen bebas adalah jalan menuju pembangunan berkelanjutan. "[Ada banyak nilai] dalam mengizinkan orang untuk benar-benar bermain dengan teknologi dan membangunnya serta mencoba merusaknya." Ia juga mendorong para pengembang untuk berhati-hati saat menentukan model mana yang akan digunakan dan data apa yang akan dimasukkan ke dalam model tersebut. "[Beberapa penyedia akan] mengambil semua data Anda. Jadi berhati-hatilah."

"Ledakan AI saat ini benar-benar didorong oleh FOMO, dan akan mereda ketika teknologi ini menjadi lebih normal," prediksi Danilevsky. "Saya rasa orang-orang akan mulai memahami dengan lebih baik hal-hal apa saja yang berhasil dan tidak berhasil." "Fokusnya juga harus pada pengintegrasian agen AI ke dalam ekosistem di mana mereka dapat belajar dan beradaptasi secara terus menerus, sehingga mendorong peningkatan efisiensi jangka panjang," tambah Gajjar.  

Danilevsky cepat menyeimbangkan ekspektasi dan mengarahkan kembali pembicaraan pada kebutuhan bisnis yang konkret. “Perusahaan perlu berhati-hati agar tidak menjadi palu yang mencari paku,” ujarnya. “Kita pernah mengalami hal ini saat LLMs pertama kali muncul. Orang-orang berkata, ‘Langkah pertama: kita akan menggunakan LLMs. Langkah kedua: Untuk apa kita menggunakannya?’”  

Hay mendorong perusahaan untuk menyiapkan agen jauh-jauh hari. "Nilainya akan ada pada organisasi yang mengambil data pribadi mereka dan mengaturnya sedemikian rupa sehingga para agen dapat melakukan penelitian terhadap dokumen Anda." Setiap perusahaan memiliki banyak data kepemilikan yang berharga, dan mengubah data tersebut agar bisa mendukung alur kerja agen mendukung ROI yang positif.  

"Dengan agen AI, perusahaan memiliki pilihan untuk memanfaatkan data milik mereka dan alur kerja perusahaan yang sudah ada untuk membuat diferensiasi dan untuk menskalakan," kata Ashoori."Tahun lalu adalah tahun eksperimen dan eksplorasi bagi perusahaan. Mereka perlu meningkatkan dampak tersebut dan memaksimalkan ROI mereka dari AI generatif. Agen AI adalah tiket untuk mewujudkannya."  

Untuk informasi lebih lanjut tentang implementasi AI yang sukses di perusahaan, baca panduan Maryam Ashoori tentang analisis biaya AI agen. Pastikan juga untuk menyaksikan Vyoma Gajjar dan Chris Hay menguraikan prediksi mereka untuk AI pada tahun 2025 di podcast Mixture of Experts IBM.