Sekarang setelah Anda tahu apa yang akan dilakukan agen Anda dan di mana ia akan digunakan, saatnya untuk mengajukan pertanyaan penting.
Apakah masalah ini benar-benar membutuhkan agen?
Tidak semua proyek membutuhkan agen; bahkan tidak semua proyek otomatisasi. Terkadang alur kerja sederhana, skrip, atau proses berbasis aturan sudah cukup. Memahami perbedaannya akan menghemat waktu, biaya, dan kebingungan di kemudian hari.
Agen AI dirancang untuk melakukan lebih dari sekadar menjalankan instruksi. Ia membaca, menulis, dan berbicara dalam bahasa alami. Ia menafsirkan maksud, menerapkan pengetahuan, dan membuat keputusan dalam situasi yang tidak pasti. Fleksibilitas inilah yang membuatnya kuat, tetapi juga menambah kompleksitas. Setiap panggilan LLM memerlukan token, waktu, dan membawa risiko. Jadi, masuk akal menggunakan agen hanya jika pekerjaannya memang membutuhkan penalaran atau pemahaman bahasa.
Jika tugasnya deterministik (artinya memiliki satu input dan satu output yang dapat diprediksi), biasanya alur kerja atau alat otomatisasi lebih baik. (sedikit tips: Botpress bisa melakukan keduanya!)
Jika tugasnya melibatkan konteks, interpretasi, atau percakapan, agen AI adalah pilihan yang tepat.
Mari kita lihat bagaimana Terminal Roast menangani hal ini.
Tim Taryn telah menentukan tugas pertama mereka: mengumpulkan umpan balik pelanggan tentang varian rasa dan resep kopi baru. Adrian, kepala barista, mengusulkan dua cara agen dapat menangani hal ini.
Yang pertama bersifat percakapan. Agen bertanya mengapa pelanggan menyukai atau tidak menyukai suatu minuman dan mencoba memahami alasannya. Ini membutuhkan nuansa, interpretasi, dan memori. Ini cocok untuk agen.
Yang kedua bersifat terprogram. Agen menampilkan daftar sederhana resep baru dan meminta pelanggan menjawab “ya” atau “tidak.” Interaksi ini tidak memerlukan penalaran. Ini sangat cocok untuk otomatisasi.
Dengan memisahkan kedua alur ini, tim membuat sistem menjadi lebih efisien. Mereka menggunakan agen ketika pemahaman bahasa penting, dan alur kerja ketika logika saja sudah cukup.
Banyak tim yang mencampuradukkan perbedaan ini. Mereka mencoba membangun agen yang melakukan segalanya: menjawab pertanyaan, mengambil data, memperbarui catatan, dan mengelola transaksi. Namun setiap fungsi tambahan meningkatkan biaya, keterlambatan, dan beban pemeliharaan. Pendekatan yang lebih baik adalah menggabungkan agen dan alur kerja.
Gunakan alur kerja untuk struktur dan keandalan. Gunakan agen untuk kecerdasan dan adaptasi.
Anggaplah agen sebagai antarmuka “garis depan” yang memahami pengguna, lalu meneruskan tindakan terstruktur ke sistem otomatisasi yang mengeksekusinya dengan presisi. Ketika kedua sistem ini didefinisikan dengan jelas, hasilnya lebih stabil, dapat diskalakan, dan transparan.
Berikut tes singkatnya.
Tanyakan pada diri Anda: apakah tugas ini memerlukan pemahaman bahasa alami, atau cukup dengan aturan sederhana? Jika memerlukan pemahaman — misalnya, mengidentifikasi maksud, menangani ambiguitas, atau merujuk pengetahuan — maka butuh agen. Jika tidak, buatlah sebagai alur kerja.
Anda selalu bisa menambahkan agen di atasnya nanti setelah logika dan data sudah jelas. Jauh lebih mudah mengembangkan alur kerja yang sudah berjalan menjadi cerdas daripada memperbaiki agen yang terlalu rumit.
Pendekatan Terminal Roast (memisahkan tugas percakapan dan terprogram) adalah contoh yang baik. Mereka akhirnya memiliki sistem yang lebih ramping yang melakukan setiap tugas sesuai dengan keunggulan masing-masing bagian.
Kejelasan di sini akan sangat bermanfaat untuk pemeliharaan, biaya, dan kinerja di masa depan.
Tindakan: Tinjau tugas-tugas yang diusulkan untuk agen Anda dan identifikasi mana yang benar-benar memerlukan pemahaman bahasa.
Biarkan hanya tugas-tugas tersebut di bawah kendali agen, dan rencanakan untuk mengotomatisasi sisanya melalui alur kerja standar.
