Kecerdasan buatan (AI) semakin berkembang daripada sekadar menjawab pertanyaan kepada membantu merancang dan melaksanakan tugasan. AI beragen atau Agentic AI semakin mendapat perhatian kerana keupayaannya mengurus tugasan melalui beberapa langkah bagi mencapai matlamat yang ditetapkan.

Kebanyakan kita sudah biasa menggunakan AI untuk mencari idea menu, merancang percutian atau membandingkan produk. Dalam penggunaan biasa, kita mengemukakan pertanyaan dan AI memberikan jawapan. Namun, dengan AI beragen, sistem bukan sahaja memberikan maklumat, malah boleh membantu merancang tindakan, menggunakan alat digital dan menyemak hasil bagi menyelesaikan sesuatu tugasan.

Apakah yang dimaksudkan dengan AI beragen?

AI beragen boleh difahami sebagai pendekatan kecerdasan buatan yang membolehkan sistem bertindak sebagai pembantu digital untuk mencapai matlamat tertentu. Berdasarkan arahan yang diberikan, sistem boleh meneliti maklumat, merancang langkah yang perlu diambil dan menggunakan alat digital yang tersedia. Maklumat berkaitan tugasan juga boleh disimpan untuk digunakan semula apabila diperlukan, bergantung pada keupayaan sistem.

Sebagai contoh, jika diminta merancang program gotong-royong, AI beragen boleh membantu menyusun jadual dan mengira anggaran bajet. Sekiranya tarikh program belum ditetapkan atau sesuatu tindakan memerlukan kelulusan, sistem boleh meminta maklumat tambahan daripada pengguna.

Berbanding chatbot yang lazimnya berinteraksi melalui soal jawab, AI beragen boleh membantu mengurus beberapa langkah tugasan secara berurutan tanpa memerlukan arahan baharu daripada pengguna bagi setiap langkah. Walau bagaimanapun, tahap kebebasan sistem bergantung pada reka bentuk, akses dan had yang ditetapkan.

Bagaimana AI beragen berfungsi?

Secara umum, cara kerja AI beragen boleh difahami melalui empat langkah utama, iaitu mentafsir tugasan, merancang tindakan, menggunakan alat digital dan menyemak hasil. Proses ini boleh berulang sehingga tugasan memenuhi keperluan yang ditetapkan atau sistem memerlukan maklum balas pengguna.

Rajah 1 menunjukkan empat langkah utama dalam cara kerja AI beragen, manakala Rajah 2 memperlihatkan contoh penggunaannya dalam perancangan program gotong-royong.

Berdasarkan Rajah 2, proses tersebut dapat dijelaskan melalui contoh perancangan program gotong-royong untuk 50 orang peserta dengan bajet tidak melebihi RM1,000.

Pertama, sistem mengenal pasti matlamat dan batas yang ditetapkan oleh pengguna. Sekiranya tarikh, lokasi atau tempoh program belum dinyatakan, sistem boleh meminta maklumat tambahan sebelum meneruskan perancangan.

Seterusnya, sistem membahagikan tugasan kepada beberapa langkah yang lebih kecil, seperti menyediakan tentatif program, menyenaraikan peralatan yang diperlukan, menganggarkan kos makanan dan menghasilkan draf surat jemputan.

Bagi melaksanakan tugasan tersebut, AI beragen boleh menggunakan alat digital yang bersesuaian. Sebagai contoh, kalkulator boleh digunakan untuk mengira anggaran bajet, aplikasi dokumen untuk menyediakan kertas kerja dan kalendar untuk menyemak tarikh program. Penggunaan alat berkenaan memerlukan akses yang sesuai diberikan kepada sistem.

Selepas itu, sistem menyemak hasil tindakan sebelumnya bagi menentukan langkah seterusnya. Jika anggaran perbelanjaan melebihi RM1,000, sistem boleh meneliti pecahan kos dan mencadangkan pelarasan untuk dipertimbangkan oleh penganjur.

AI beragen berbanding AI generatif

AI generatif atau Generative AI merujuk kepada teknologi yang menghasilkan kandungan seperti teks, imej, audio dan kod berdasarkan arahan pengguna. AI beragen pula lebih menumpukan pada perancangan dan pelaksanaan tindakan bagi mencapai sesuatu matlamat.

Walaupun mempunyai fokus yang berbeza, kedua-duanya boleh saling melengkapi. Sistem AI beragen boleh menggunakan model AI generatif untuk menghasilkan kandungan, seperti draf surat jemputan atau kertas kerja, sebagai sebahagian daripada proses pelaksanaan tugasan.

Rajah 3 menunjukkan perbandingan antara AI beragen dengan AI generatif dari segi fungsi dan pendekatan penggunaannya.

Manfaat AI beragen

AI beragen berpotensi membantu mengurus tugasan yang melibatkan banyak langkah, khususnya kerja rutin yang memerlukan penyusunan maklumat, penyediaan dokumen dan pengiraan anggaran kos.

Selain itu, sistem ini boleh membantu menghubungkan maklumat antara tugasan. Sebagai contoh, perubahan jumlah peserta boleh digunakan untuk menyemak semula anggaran bajet makanan dan keperluan peralatan. Dengan cara ini, perubahan pada satu bahagian perancangan boleh dipertimbangkan dalam tugasan lain yang berkaitan.

AI beragen juga boleh mencadangkan pelarasan apabila menerima maklumat baharu atau apabila hasil sesuatu tindakan belum memenuhi keperluan yang ditetapkan.

Pengguna boleh menetapkan matlamat dan batas tugasan sejak awal, kemudian menyemak sama ada hasil yang diberikan memenuhi keperluan serta mencapai matlamat tersebut. Pendekatan ini berpotensi membantu pengurusan tugasan menjadi lebih teratur, terutama apabila melibatkan beberapa proses yang saling berkaitan.

Kekurangan dan risiko AI beragen

Walaupun menawarkan pelbagai manfaat, penggunaan AI beragen turut mempunyai batasan dan risiko yang perlu diberi perhatian.

Sekiranya sistem tersalah mentafsir maklumat awal, kesilapan tersebut boleh mempengaruhi pengiraan, dokumen atau tindakan berikutnya. Arahan yang kurang jelas atau pemberian akses yang terlalu luas juga boleh menyebabkan sistem melaksanakan tindakan yang tidak dimaksudkan oleh pengguna.

Selain itu, penggunaan AI beragen mungkin memerlukan persediaan teknikal untuk menghubungkannya dengan aplikasi lain, seperti kalendar atau aplikasi pengurusan dokumen. Sesetengah aplikasi atau perkhidmatan yang digunakan juga mungkin melibatkan kos tambahan.

Oleh itu, pengguna perlu menyemak ketepatan hasil yang diberikan dan memastikan tindakan yang melibatkan kewangan, maklumat sulit atau komitmen kepada pihak lain mendapat kelulusan sewajarnya. Pengawasan manusia tetap penting bagi mengurangkan risiko kesilapan dan memastikan tindakan sistem selaras dengan tujuan asal.

Adakah AI beragen sama dengan ejen AI?

Istilah AI beragen (Agentic AI) dan ejen AI (AI agent) berkait rapat, tetapi merujuk kepada konsep yang berbeza.

Ejen AI merujuk kepada sistem atau komponen yang melaksanakan tindakan bagi mencapai matlamat tertentu. Sementara itu, AI beragen merujuk kepada pendekatan atau keupayaan sistem yang membolehkan perancangan, pelaksanaan tindakan dan penyesuaian langkah dilakukan bagi mencapai matlamat dalam batas yang ditetapkan.

Dalam contoh program gotong-royong, sebuah ejen AI yang khusus untuk pengurusan bajet boleh diberikan tugas menyemak anggaran perbelanjaan. Ejen tersebut boleh menggunakan alat pengiraan untuk menjumlahkan kos makanan, peralatan dan bahan program. Jika jumlah perbelanjaan melebihi RM1,000, ejen boleh mengenal pasti kos yang berpotensi dikurangkan dan mengemukakan cadangan kepada penganjur.

Bagi sistem yang lebih kompleks, beberapa ejen AI boleh digunakan untuk mengurus tugasan yang berbeza. Sebagai contoh, ejen jadual boleh membantu menyusun tentatif, manakala ejen dokumen boleh menyediakan draf kertas kerja dan surat jemputan.

Ejen-ejen tersebut boleh diselaraskan untuk membantu mencapai matlamat penganjuran program. Walau bagaimanapun, pembahagian tugasan ini hanyalah salah satu contoh reka bentuk sistem. AI beragen boleh menggunakan satu atau lebih ejen AI, bergantung pada keperluan dan kerumitan sistem.

Antara contoh platform yang menerapkan keupayaan AI beragen ialah Claude Code dan Microsoft Copilot Studio, yang menawarkan fungsi berbeza mengikut tujuan dan reka bentuk masing-masing.

Kesimpulannya, AI beragen memperluas penggunaan kecerdasan buatan daripada sekadar menghasilkan jawapan kepada membantu merancang dan melaksanakan tugasan menggunakan alat digital. Keberkesanannya bergantung pada kejelasan arahan, kesesuaian akses dan pengawasan manusia.

Walaupun teknologi ini berpotensi memudahkan pengurusan tugasan, manusia tetap memainkan peranan penting dalam menyemak hasil, membuat pertimbangan dan bertanggungjawab terhadap keputusan yang diambil.

Oleh Dr. Wan Noor Hamiza Wan Ali, Fakulti Kecerdasan Buatan, Universiti Teknologi Malaysia (UTM)