Latest / M365.FM – Podcast Microsoft 365, Copilot & AI Bahasa Indonesia / Agen AI vs otomatisasi: perbedaan sebenarnya dan kapan tidak perlu membuat agen (Sulih Suara AI)

Transcript

Agen AI vs otomatisasi: perbedaan sebenarnya dan kapan tidak perlu membuat agen (Sulih Suara AI) · M365.FM – Podcast Microsoft 365, Copilot & AI Bahasa Indonesia

• 0:00
  Otomasi kita. Anda tekan tombol, skrip berjalan, dan Anda mendapatkan hasil yang ini.
• 0:03
  Tidak berbedaannya, agen bukanlah skrip.
• 0:06
  Mereka mengamati Anda, merencanakan langkahnya sendiri, dan bertindak tanpa perlu melapor setiap 5 detik.
• 0:10
  Otomasi penjual otomatis.
• 0:11
  Agen adalah pegawai magang yang mempelajari kebiasaan Anda dan mulai melengkapi kalimat Anda.
• 0:16
  Dalam sesi ini, Anda akan mempelajari anatomi nyata dari sebuah agen, siklus amati rencana tindak,
• 0:20
  5 komponen utama, kapan sebaiknya tidak membangunnya,
• 0:22
  dan mengapa tata kelola menentukan apakah sistem Anda sukses atau gagal.
• 0:25
  Agen modern bekerja dengan menjalankan siklus observasi, perencanaan, dan tindakan.
• 0:30
  Siklus standar industri yang dirancang untuk adaptasi, bukan pengulangan.
• 0:33
  Itulah yang membedakan agen asli dari otomasi yang sekadar diberi label ulang,
• 0:37
  dan mengapa perbedaan itu penting bagi tim Anda.
• 0:39
  Jadi mari kita mulai dari tempat di mana kebingungan biasanya berbual.
• 0:41
  Anda menekan tombol dan keajaiban untuk Anda.
• 0:43
  Untukkah benar, ilusi otomasi.
• 0:45
  Ilusi otomasi terletak pada hal ini.
• 0:47
  Seringkali terlihat seperti kecerdasan, padahal hanyalah tik sulap yang terlatih dengan baik.
• 0:51
  Di balik layar hanyalah sekumpulan instruksi tetap yang dipicu sesuai perintah tanpa kesadaran dan tanpa pilihan lain.
• 0:57
  Ia tidak menimbang pilihan.
• 0:59
  Ia tidak menginginkan kejadian alam.
• 1:00
  Ia hanya menjalankan kembali skrip.
• 1:02
  Keandalan itu bisa terasa hidup, namun tetap mekanis.
• 1:05
  Otomasi unggul dalam satu hal, konsistensi mutlak.
• 1:08
  Bayangkan sebagai juru tulis patuh yang mengecap seribu formulir dengan cara yang persis sama setiap hari.
• 1:13
  Untuk tugas berulang, bervolume tinggi, dan terikat aturan itu adalah berkah.
• 1:17
  Cepat, akurat, tidak mengeluh, dan terkadang itulah yang Anda butuhkan.
• 1:20
  Namunilah batasannya.
• 1:22
  Ubah sedikit saja detailnya, maka seluruh proses akan berantakan.
• 1:25
  Tambahkan baris baru pada formulir atau ganti tinta hitam ke biru dan tiba-tiba juru tulis terbubuk.
• 1:29
  Tidak ada negosiasi.
• 1:30
  Tidak ada improvisasi.
• 1:32
  Hanya tetapan kosong sampai seseorang menulis ulang aturannya.
• 1:36
  Inilah mengapa memberi label agen pada skrip otomatis tidak membuatnya lebih cerdas.
• 1:41
  Jika otomasi adalah mesin penjual otomatis, tekan C7, terima cola,
• 1:44
  maka agen adalah asisten toko yang memperhatikan stok menipis ingat Anda membeli dua kemarin lalu menyarankan air sebagai gantinya.
• 1:50
  Perbedaan itu penting.
• 1:51
  Otomasi mengikuti aturan yang Anda beri.
• 1:53
  Agen mengamati, merencanakan, dan bertindak dengan tingkat otonomi tertentu.
• 1:56
  Agen memiliki kapasitas untuk membawa memori antar tugas,
• 1:59
  menyesuaikan dengan kondisi, dan membuat keputusan tanpa pengawasan terus-menerus.
• 2:02
  Itulah garis pemisah yang ditarik oleh para peneliti maupun praktisi.
• 2:06
  Yang satu menjalankan skrip,
• 2:07
  Pertimbangkan analogi GPS.
• 2:09
  Model lama hanya menarik garis dari titik A ke titik B.
• 2:12
  Jika ada jembatan putus, itu masalah Anda.
• 2:14
  Anda masih disuruh berkendara menembus udara kosong.
• 2:15
  Itulah otomatisasi skrip yang terlukis di beta.
• 2:18
  Bandingkan dengan sistem modern yang mengalihkan ruta Anda secara otomatis saat lalu lintas macam.
• 2:23
  Itulah agen yang beraksi,
• 2:24
  menyesuaikan arah secara waktu nyata,
• 2:25
  mempertimbangkan kondisi darurat,
• 2:27
  dan membawa Anda menuju tujuan meski ada rintangan.
• 2:29
  Perbedaannya bukan sekadar tampilan, tetapi fungsional.
• 2:32
  Namun, pemasaran suka mengaburkan hal ini.
• 2:33
  Kita semua pernah melihat bot cerdas yang dipromosikan sebagai pembantu
• 2:36
  hanya untuk mendapati mereka mengulang jawaban standar yang sama.
• 2:40
  Siklus sensasi mengubah pengulangan menjadi kekecewaan.
• 2:43
  Manager mengharapkan kopilot yang fleksibel,
• 2:45
  tetapi mereka malah diberi makro yang kaku.
• 2:47
  Hasilnya bukan sekadar iritasi,
• 2:48
  melainkan rusaknya kepercayaan.
• 2:50
  Sekali kecewa, tim ragu untuk mencoba lagi.
• 2:53
  Bahkan saat sistem agen yang asli akhirnya tiba,
• 2:56
  Anda balik untuk persikap jelas.
• 2:57
  Otomatisasi itu tidak buruk.
• 2:58
  Faktanya terkadang itu lebih disukur.
• 3:00
  Jika proses Anda tidak berubah,
• 3:01
  jika aturannya sederhana,
• 3:02
  maka skrip tetap jauh,
• 3:03
  lebih murah, aman, dan sangat efektif.
• 3:06
  Otomatisasi gagal saat konteks berubah,
• 3:08
  kondisi berkembang,
• 3:09
  atau diperlukan penilaian.
• 3:11
  Mendelegasikan skenario tersebut ke skrip murni
• 3:13
  ibarat mengharap printer kantor tahu jenis kertas
• 3:14
  apa yang paling cocok untuk presentasi klien dadakan.
• 3:17
  Itu bukan tujuan yang dicipta.
• 3:19
  Nah, lelucon singkat hanya berhasil jika ia memperkuat poin utama.
• 3:21
  Tentu, jika kita menarik definisinya cukup jauh,
• 3:23
  pemanggara roti Anda bisa disebut agen.
• 3:25
  Ia mengambil roti memanaskannya,
• 3:26
  lalu melompat tebak.
• 3:27
  Namun itu bukan agensi, itu mekanika.
• 3:29
  Bahaya sebenarnya adalah melabili setiap perangkat
• 3:31
  atau bot dengan keliru.
• 3:32
  Hal itu mengecerkan makna agen,
• 3:34
  melambungkan ekspektasi,
• 3:35
  dan memicu kekecewaan yang tak terelakkan.
• 3:37
  Tata kelola bergantung pada ketepatan di sini.
• 3:39
  Jika Anda salah mengira otomatisasi sebagai agensi,
• 3:41
  Anda akan memberikan berwenang pada sistem
• 3:43
  yang tidak bisa digunakannya secara bertanggung jawab.
• 3:45
  Jadi, poin pentingnya adalah ini.
• 3:46
  Otomatisasi mengeksekusi dengan kecepatan dan konsistensi,
• 3:48
  tetapi tidak bisa.
• 3:49
  Merencanakan, mengingat, atau beradaptasi.
• 3:51
  Akin melakukan hal-hal tersebut,
• 3:52
  dan perbedaan itu bukan permainan kata,
• 3:54
  melainkan arsitek.
• 3:55
  Mencampur adukan keduanya tidak menguntungkan siapapun,
• 3:57
  dan disinilah cerita kelompok.
• 3:58
  Karena begitu Anda menyingkirkan ilusi
• 3:59
  dan menyebut otomatisasi apa adanya,
• 4:01
  Anda siap melihat apa yang sebenarnya menggerakkan agen,
• 4:03
  ritme batin yang membuat mereka adaptif alih-alih mekanis.
• 4:07
  Ritme itu dimulai dengan perulangan,
• 4:08
  urutan dasar yang memberi.
• 4:09
  Mereka kemampuan untuk memperhatikan,
• 4:11
  memutuskan, dan bertindak seperti rekan junior
• 4:13
  yang mendampingi Anda.
• 4:15
  Mesin mengamati merencanakan bertindak adalah
• 4:19
  tempat kata agen mendapatkan maknanya.
• 4:21
  Sikirkan sensasi,
• 4:23
  dan yang tersisa adalah siklus ini.
• 4:25
  Observasi berkelanjutan,
• 4:27
  perencanaan matang, dan eksekusi yang aman.
• 4:29
  Ini bukan sekadar pelengkap,
• 4:30
  melainkan motor utama yang membedakan penilaian
• 4:32
  dari sekadar pemutaran ulang.
• 4:33
  Mulailah dengan observasi.
• 4:35
  Agen tersebut tidak bertindak secara membabila.
• 4:37
  Ia mengumpulkan sinyal dari saluran manapun yang Anda berikan,
• 4:39
  email, log, kutas obrolan,
• 4:41
  data sensor, metrik yang mengalir dari dashboard.
• 4:45
  Dalam prakteknya,
• 4:46
  ini berarti menghubungkan agen ke sumber data yang tepat
• 4:48
  dan memberinya ruang lingkup yang cukup
• 4:49
  untuk memahami konteks tanpa tenggelam dalam kebisingan.
• 4:52
  Pengamat yang baik tidaklah dramatis,
• 4:54
  ia cermat, stabil, dan selalu memperhatikan.
• 4:56
  Bagi bisnis, fase ini menentukan apakah agen tersebut
• 4:58
  memiliki bahan mentah untuk bertindak secara cerdas.
• 5:01
  Jika Anda memutusnya dari konteks,
• 5:02
  Anda tidak membangun apapun selain makro yang terlalu rumit.
• 5:05
  Selanjutnya adalah,
• 5:05
  adalah pikiran yang sedang berdasarkan input
• 5:08
  agen menimbang kemungkinan jalur yang ada.
• 5:11
  Jika saya mengambil tindakan ini,
• 5:12
  apakah itu akan mendekatkan tujuan?
• 5:14
  Risiko apa yang muncul?
• 5:15
  Alternatif apa yang tersedia?
• 5:17
  Secara teknis,
• 5:18
  langkah ini seringkali didukung oleh model bahasa besar
• 5:20
  atau mesin keputusan yang mengerikan hasil
• 5:22
  dan menentukan jalur ke depan.
• 5:23
  Bayangkan serang alih strategi yang sedang melambat tipe panjat.
• 5:26
  Setiap pilihan memiliki konsekuensi,
• 5:27
  namun hanya satu yang menyeimbangkan kemajuan segera
• 5:29
  dengan posisi jangka panjang.
• 5:31
  Bagi organisasi, implikasinya sudah jelas.
• 5:32
  Perencanaan adalah di mana agen memutuskan
• 5:34
  apakah ia menjadi aset atau beban.
• 5:36
  Tanpa daya nalar,
• 5:37
  ia hanya bereaksi, bukan memilih.
• 5:39
  Setelah rencana terbentuk,
• 5:40
  tindakan membawa kata-kata menjadi kenyataan.
• 5:43
  Agen sekarang mengeluarkan perintah,
• 5:44
  memanggil API,
• 5:45
  mengirim pembaruan,
• 5:46
  atau memicu proses di dalam sistem anda yang ada.
• 5:48
  Dan tidak seperti buat tetap,
• 5:49
  ia harus menangani kesalahan,
• 5:51
  izin ditolak,
• 5:51
  data hilang,
• 5:52
  atau layanan yang kehabisan waktu.
• 5:54
  Eksekusi menuntut keandalan dan pengendalian diri.
• 5:57
  Inilah sebabnya integrasi yang aman
• 5:58
  dan penangan kesalah penting.
• 5:59
  Jika dilakukan dengan salah,
• 6:00
  satu langkah keliru akan berdampak pada segalanya dihilin.
• 6:03
  Bagi tim bisnis,
• 6:04
  tindakan adalah tempat garis kepercayaan berat.
• 6:06
  Jika agen melakukan kesalahan di sini,
• 6:07
  orang tidak akan mengandalkannya.
• 6:08
  Perhatikan bagaimana perulangan ini tidak bersifat.
• 6:10
  Setiap tindakan mengubah status sistem
• 6:12
  yang kemudian menjadi masukan
• 6:13
  bagi apa yang diamati agen berikutnya.
• 6:15
  Jika suatu pay gagal,
• 6:16
  pengalaman tersebut membentuk kembali keputusan mereka.
• 6:18
  Jika berhasil,
• 6:18
  agen memperkuat pengenalan polanya.
• 6:21
  Seiring waktu,
• 6:22
  sikus ini bukan sekalian pengulangan,
• 6:23
  melainkan akumulasi.
• 6:24
  Penyesuaian kecil yang membangun kinerja yang lebih baik.
• 6:27
  Di sini sebuah metafora sedang dapatkan.
• 6:29
  Bayangkan seorang bilang,
• 6:30
  mereka membiayai instrumen,
• 6:31
  mengamati.
• 6:32
  Mereka membetahkan jalur di sekitar cuaca
• 6:33
  merencanakan.
• 6:34
  Mereka menyesuaikan kendali,
• 6:35
  bertindak.
• 6:36
  Lalu mereka segera melihat kembali ke arah indikator
• 6:38
  untuk memverifikasi.
• 6:39
  Cepat berulang,
• 6:40
  dan didasarkan pada umpan balik.
• 6:41
  Itulah sebabnya perulangan ini.
• 6:42
  Ini bukan tentang kemewahan,
• 6:43
  ini tentang kelangsungan hidup.
• 6:44
  Keunggulan praktisnya adalah ini.
• 6:46
  Otomatisasi hanya sekadar mengeksplusi,
• 6:47
  tetapi agen melakukan perulang.
• 6:54
  Menjaga siklus tetap hidup.
• 6:55
  Lewatkan bagian manapun dari mesin ini,
• 6:57
  dan apa yang Anda bangun bukanlah agen,
• 6:58
  melainkan mainan rapuh yang dilabelis sebagai.
• 7:00
  Jadi pertanyaan sebenarnya adalah
• 7:01
  bagaimana kerangka ini menopang kehidupan.
• 7:03
  Jika mengamati,
• 7:04
  merencanakan dan bertindak adalah bingkainya
• 7:05
  bagian apa yang memperdarah dan memicu pergerak.
• 7:07
  Bagian apa yang membentuk tubuh agen
• 7:09
  agar siklus ini benar-benar berfungsi.
• 7:11
  Kita akan membeda kelima organ tersebut, sanggir.
• 7:13
  Lima organ tubuh agen.
• 7:15
  Setiap agen yang berfungsi
• 7:16
  memiliki lima organ inti yang bekerja bersama.
• 7:18
  Jika satu ditinggalkan,
• 7:19
  yang Anda menikibukanlah rekan yang dapat dianal.
• 7:21
  Itu hanyalah konstruksi rapuh
• 7:23
  yang menunggu untuk gagal
• 7:24
  dalam kondisi dunia nyata yang berantakan.
• 7:26
  Jadi mari kita bedah satu persatu
• 7:27
  dalam istilah praktis.
• 7:28
  Persepsi adalah katup asupan.
• 7:30
  Ia mengumpulkan informasi dari lingkungan,
• 7:32
  baik itu dokumen dalam folder,
• 7:34
  sensor dari lapangan,
• 7:35
  atau pembaruan streaming API.
• 7:38
  Ini bukan sekadar mengambil data bersih,
• 7:39
  ini tentang menangani sinyal mentah yang bising
• 7:41
  dan membentuknya menjadi sesuatu yang bisa digunakan.
• 7:44
  Tanpa persepsi,
• 7:45
  agen secara efektif tertutup dari realitas bertindak buta.
• 7:47
  Sementara dunia terus berubah.
• 7:50
  Memori adalah apa yang memori konteks pada persepsi.
• 7:52
  Ada dua jenis yang berbeda di sini.
• 7:53
  Memori jangka pendek menyimpan ancaman langsung,
• 7:55
  percakapan yang sedang berlangsung,
• 7:57
  atau beberapa perintah terakhir yang dijalankan.
• 7:59
  Sementara memori jangka panjang
• 8:00
  menyimpan basis pengetahuan terstruktur
• 8:02
  atau penyematan vektor yang dapat diingat
• 8:03
  bahkan berbulan-bulan kemudian.
• 8:05
  Bersama-sama memungkinkan agen menghindari
• 8:07
  pengulangan kesalahan atau kehilangan alur interaksi.
• 8:09
  Secara teknis, ini seringkali berarti
• 8:11
  menggabungkan memorisasi untuk koherensi
• 8:12
  dan penyimpanan eksternal untuk ingatan yang tanam.
• 8:17
  Penelaran adalah mesin pengambil keputusan.
• 8:20
  Ia mengambil apa yang telah dirasakan dan diingat
• 8:21
  lalu menikmati opsi terhadap tujuan yang diinginkan.
• 8:24
  Ini dapat didukung oleh mesin inferensi
• 8:26
  model optimasi atau model bahasa besar
• 8:28
  yang bertindak sebagai perencana.
• 8:30
  Anggaplah itu sebagai navigator kapal,
• 8:32
  menganalisis rute yang memungkinkan,
• 8:34
  melihat badai di depan,
• 8:36
  dan merekomendasikan kemana harus mengarahkan.
• 8:38
  Penelaran memperkenalkan penilaian,
• 8:39
  membuat perbedaan antara refleks mentah dan strategi.
• 8:42
  Tanpa penelaran tidak ada agensi,
• 8:44
  hanya reaksi hafalan.
• 8:44
  Pembelajaran adalah sikus umpan balik yang mencegah stagnasi.
• 8:48
  Ia menyerap hasil dan menyesuaikan perilaku dari waktu ke waktu.
• 8:51
  Jika urutan alur kerja yang dicoba gagal,
• 8:53
  mekanisme pembelajaran memperbarui buku perdoman untuk lain waktu.
• 8:57
  Dalam prakteknya,
• 8:57
  agen mencapai ini melalui pelatihan ulang model
• 8:59
  atau memperbarui heuristik berdasarkan sinyal keberhasilan dan kegagalan.
• 9:02
  Inilah yang mengangkat agen dari alat statis menjadi sesuatu yang adaptif,
• 9:06
  meningkat perlahan namun pasti dengan setiap pertemuan.
• 9:08
  Tanpa pembelajaran,
• 9:09
  sistem yang cerdas sekalipun pada akhirnya menjadi usang,
• 9:12
  terkunci dalam waktu.
• 9:13
  Tindakan adalah tangan dan suara dari sistem tersebut.
• 9:16
  Rencana hanya berarti jika diterjemahkan menjadi eksekusi.
• 9:18
  Panggilan API, penulisan file, notifikasi, atau perintah.
• 9:21
  Komponen ini menjembatani keputusan menuju realitas namun bawah risiko.
• 9:25
  Bagaimana jika ia memicu urutan yang salah,
• 9:27
  atau mengabaikan perlindungan?
• 9:28
  Itulah sebabnya tindakan yang tanggung mencakup integrasi aman,
• 9:30
  pemeriksaan izin, dan sistem pengaman.
• 9:32
  Jika dilakukan dengan benar,
• 9:33
  ini adalah perbedaan antara sistem kendali membuat gerakan terarah
• 9:36
  dan balita yang menekan tombol di depan.
• 9:38
  Setiap organ ini penting,
• 9:39
  namun tidak ada yang bisa beroperasi secara terisolasi.
• 9:42
  Mereka membentuk sirkuit yang hidup.
• 9:43
  Persepsi memberi makan,
• 9:45
  memori mendasari penalaran,
• 9:46
  penalaran menginformasikan,
• 9:47
  pembelajaran, dan keempatnya mendorong.
• 9:49
  Jika satu organ hilang,
• 9:50
  siklus tersebut akan pincang atau runtuh.
• 9:52
  Itulah sebabnya begitu banyak yang disebut agen gagal saat diuji.
• 9:54
  Mereka kehilangan anatomi vital.
• 9:56
  Namun ingat, anatomi saja tidak menjamin operasi yang aman.
• 9:58
  Organ-organ tersebut membutuhkan aturan dan percaya.
• 10:01
  Jika tidak, mereka akan membuat kesalahan dengan percaya di.
• 10:03
  Dan disanalah bagian percakapan berikutnya yang berlanjut.
• 10:05
  Apa yang sebenarnya diperlukan untuk menjaga sistem yang kuat tetap di jalur?
• 10:08
  Tatak lola manual penerbangan.
• 10:10
  Anggaplah ini bukan seperti mengikat roket ke meja Anda,
• 10:13
  melainkan seperti mengeluarkan aturan penerbangan sebelum lepasan.
• 10:15
  Agen itu kuat,
• 10:16
  dan begitu mereka mulai membuat keputusan sendiri,
• 10:18
  mereka membutuhkan langit yang cerah dan batasan yang terlihat.
• 10:20
  Tanpa struktur itu,
• 10:21
  apa yang tampak seperti kecerdasan bisa berubah menjadi kekacauan lebih cepat dari kedipan mata.
• 10:24
  Tika agen beroperasi secara mandiri,
• 10:27
  mereka berperilaku seperti pilot dari pesawat mereka sendiri.
• 10:30
  Mereka menafsirkan aliran data,
• 10:31
  menimbang opsi,
• 10:32
  dan memicu tindakan di seluruh sistem Anda.
• 10:34
  Disitulah hal-hal bisa menjadi salah.
• 10:36
  Bias dalam data yang masuk akan mengaruhi penilaian.
• 10:38
  Kurangnya transparansi membuat Anda menatap kotak hitam.
• 10:41
  Dan keputusan yang dibuat di luar jangkauan
• 10:42
  bisa bertabrakan dengan kepatuan etika.
• 10:45
  Tata kelola penstabilnya.
• 10:46
  Ini tidak memperlambat misi.
• 10:47
  Ini memastikan jalur tetap sah dan adil.
• 10:50
  Ada tiga kendali praktis yang perlu ditetapkan oleh setiap organisasi.
• 10:53
  Pertama, penyerapan data yang aman.
• 10:55
  Ini mendefinisikan informasi apa yang boleh dikonsumsi agen
• 10:58
  dan bagaimana persetujuannya.
• 11:00
  Umpan acak adalah resak untuk bias dan kebocoran.
• 11:02
  Sebaliknya, saluran yang disetujui menjamin bahwa
• 11:04
  hanya masukan bersih yang diizinkan yang mendot,
• 11:06
  berong penalaran.
• 11:07
  Kedua, transparansi dan jejak audit.
• 11:10
  Setiap keputusan harus meninggalkan jejak yang dapat Anda periksa
• 11:12
  agar regulator, manajer, dan pemangku kepentingan
• 11:14
  memahami bagaimana hasil dicapai.
• 11:15
  Ketiga, pengawasan manusia.
• 11:18
  Manusia tetap terlibat dalam keputusan
• 11:20
  di mana dampaknya serius.
• 11:21
  Perekrutan, kesehatan, keuangan, keselamatan.
• 11:24
  Ini bukan pekerjaan siasih.
• 11:25
  Ini adalah pekerjaan pembatas yang menjaga kepercayaan saat risiko tinggi.
• 11:27
  Penelitian menunjukkan bahwa dua hambatan adopsi
• 11:29
  muncul berulang kali.
• 11:31
  Bias yang meraih masuk dari data yang miring dan kesenjangan
• 11:33
  interpretabilitas membuat hasil sulit dijelaskan.
• 11:36
  Itulah sebabnya data kelola harus mencakup kurasi data yang kuat
• 11:38
  serta mekanisme yang menjaga penalaran tetap terlihat.
• 11:41
  Kualitas yang masuk berarti keandalan yang keluar.
• 11:42
  Jika Anda melewatkan langkah itu, agen bisa beroperasi
• 11:45
  dengan kecepatan penuh sambil diam-diam mempelajarin yang salah.
• 11:48
  Kerangga kerja membantu menerjemahkan prinsip-prinsip ini ke dalam.
• 11:50
  Tidak glamor tetapi struktural.
• 11:52
  Sebagai contoh, alat sudah ada yang bertindak
• 11:54
  seperti kontrol lalu lintas udara untuk data Anda.
• 11:57
  Microsoft Purview adalah salah satu opsi tersebut.
• 11:59
  Ia menegakkan apa yang mengalir masuk,
• 12:00
  di bawah aturan apa, dan bagaimana keselarasan
• 12:02
  dengan kewajiban kepatuhan.
• 12:03
  Ia tidak ada untuk menambah kecerdasan,
• 12:05
  ia ada untuk memastikan koridor penerbangan itu sendiri aman.
• 12:08
  Pengawasan juga meluas ke etika.
• 12:09
  Bayangkan agen perekrutan yang melakukan optimasi
• 12:12
  dengan terlalu menyesuaikan diri pada riwayat yang bisa.
• 12:14
  Itu terlihat efisien dalam kode,
• 12:15
  tetapi secara etis dan hukum itu gagal.
• 12:18
  Tata kelola bersikeras agar manusia
• 12:19
  memeriksa keputusan rute itu sebelum kerusakannya meluas keluar.
• 12:22
  Itu bukan memperambat kemajuan,
• 12:24
  itu mencegah tuntutan hukum, skandal, dan keruntuhan reputasi.
• 12:27
  Regulasi memainkan peran serupa
• 12:28
  dalam mendefinisikan koridor tersebut.
• 12:30
  Aturan privasi data, kepatuhan industri,
• 12:32
  dan batasan nilai semuanya bertindak
• 12:33
  seperti zona larangan terbang.
• 12:35
  Langgar itu, dan Anda tidak akan bertablakan
• 12:37
  dengan gangguan teknis, lainkan dengan dendam penegakan hukum
• 12:40
  atau hilangnya kepercayaan.
• 12:41
  Tata kelola yang tepat membingkai ulang batasan-batasan ini
• 12:43
  sebagai penstabilan.
• 12:45
  Mereka tidak memblokir inovasi,
• 12:46
  mereka menjaga agar pesawat tidak menyimpang ke jalur orang lain.
• 12:49
  Bias itu sendiri layak untuk disebutkan secara khusus,
• 12:51
  anggap itu sebagai kompos yang tidak sejajak.
• 12:53
  Begitu data yang miring mengatur jarum dengan salah,
• 12:55
  setiap koreksi yang dilakukan agen mengarah semakin keluar jalan.
• 12:58
  Tata kelola melawan balik
• 12:59
  dengan mengurasi input, mengaudit model,
• 13:01
  dan menyesuaikan kalibrasi secara berkala.
• 13:03
  Tanpa ini, agen dapat beroperasi
• 13:05
  dengan presisi yang mencengangkan menuju target yang besar.
• 13:07
  Beberapa pemimpin masih memperlakukan tata kelola
• 13:09
  seperti rendungan tambahan, sesuatu yang berasang setelah pembangunan sesuatu.
• 13:11
  Pandangan itu meleset dari sasaran.
• 13:13
  Tata kelola bukanlah parasut,
• 13:14
  melainkan sistem stabilitas internal.
• 13:16
  Ia menghauskan guncangan,
• 13:17
  memastikan instrumen sejajar,
• 13:19
  dan memungkinkan penerbangan berlanjut
• 13:20
  bahkan saat turbulensi terjadi.
• 13:22
  Anda tidak menyorakinya,
• 13:23
  tetapi Anda mengandalkannya setiap kali Anda lepasan.
• 13:25
  Dan inilah catatan praktis untuk tim.
• 13:27
  Ribatkan manusia untuk keputusan yang berisiko tinggi atau ambigu.
• 13:30
  Saat pilihan memengaruhi uang,
• 13:31
  keselamatan, atau keadilan,
• 13:33
  berikan kata akhir kepada pengawasan.
• 13:34
  Untuk otomatisasi rutin,
• 13:36
  biarkan agen berjalan sendiri.
• 13:37
  Teriasa sederhana ini membangun kepercayaan
• 13:39
  tanpa buat semuanya terhenti.
• 13:40
  Jadi tata kelola tidak menghilangkan sensasi dari otonomi.
• 13:43
  Ia mengubah potensi mentah menjadi kinerja yang andal.
• 13:46
  Setelah aturan-aturan itu ditetapkan,
• 13:48
  pertimbangan berikutnya bukanlah apakah agen bisa terbang,
• 13:51
  melainkan jenis pesawat apa yang sesuai dengan misi yang Anda pikirkan.
• 13:54
  Memilih hanggar Anda,
• 13:56
  agen Microsoft di lapangan.
• 13:58
  Memilih tempat untuk menaruh agen Anda
• 13:59
  bukan soal fitur canggih,
• 14:00
  melainkan menyesuaikan armada dengan misi.
• 14:02
  Microsoft telah mengisi hanggar
• 14:03
  dengan beberapa platform masing-masing dibuat
• 14:05
  untuk jenis pilot dan rencana penerbangan yang berbeda.
• 14:08
  Kuncinya bukan menghapal nama,
• 14:09
  melainkan mengetahui kokpit mana yang sesuai dengan peran,
• 14:11
  kompleksitas masalah,
• 14:12
  kebutuhan kepatuhan,
• 14:13
  dan seberapa dalam Anda harus terintegrasi
• 14:15
  dengan sistem yang lebih luas.
• 14:16
  Layangkan empat tombol yang harus Anda atur
• 14:18
  sebelum memilih hanggar.
• 14:19
  Pertama, jenis pengguna.
• 14:21
  Apakah Anda pengguna akhir,
• 14:22
  pengguna mahir,
• 14:22
  atau pengembang?
• 14:24
  Kedua, kompleksitas misi.
• 14:25
  Alur kerja sederhana atau tantangan skala perusahaan.
• 14:29
  Ketiga, sensitivitas data.
• 14:31
  Akankah persyaratan kepatuhan dan audit
• 14:32
  membayangi Anda terus-menerus?
• 14:34
  Dan keempat, kebutuhan integrasi.
• 14:35
  Apakah agen hanya menjawab pertanyaan,
• 14:37
  atau harus terhubung dengan separuh tumpukan teknologi Anda?
• 14:39
  Setiap platform Microsoft pas dengan kisi-kisi ini.
• 14:42
  Mulai dengan agen SharePoint.
• 14:43
  Mereka disetel untuk pengguna akhir
• 14:45
  yang hidup di dalam dokumen dan alur kerja.
• 14:47
  Kriteri yang paling cocok,
• 14:48
  profil pengguna akhir,
• 14:49
  kompleksitas misi rendah hingga sedang,
• 14:51
  dan kebutuhan integrasi moderat
• 14:52
  yang sebagian besar terikat pada konten internal.
• 14:54
  Mereka tidak mencolok,
• 14:55
  tetapi bersinar saat Anda butuh asisten berbasis dokumen
• 14:57
  untuk mengambil,
• 14:59
  meringkas,
• 14:59
  atau mengatur catatan yang ada di SharePoint.
• 15:03
  Anggaplah mereka sebagai staff kantor
• 15:04
  dengan ingatan yang cukup.
• 15:05
  Stabil,
• 15:06
  bermanfaat,
• 15:07
  dan patuh pada aturan internet Anda.
• 15:09
  Profil sederhana meningkatkan standar sedikit lebih tinggi.
• 15:13
  Paling tepat,
• 15:13
  untuk pengguna akhir yang menginginkan pengembangan low-code,
• 15:16
  ia berspesialisasi dalam pembantu percakapan
• 15:17
  dan otomatisasi proses ringan.
• 15:19
  Kompleksitas misi di sini moderat.
• 15:22
  Obrolan layanan pelanggan,
• 15:24
  pencarian pengetahuan,
• 15:25
  dan alur kerja terpat.
• 15:26
  Tuntutan kepatuhan biasanya rendah,
• 15:28
  tetapi integrasi tetap mudah diakses.
• 15:30
  Ia terhubung ke aplikasi bisnis
• 15:32
  tanpa memerlukan teknik mendalam.
• 15:34
  Singkatnya,
• 15:34
  Copilot Studio adalah pesawat layang
• 15:35
  bagi pengguna bisnis seringnya mudah bermanufa
• 15:37
  dan cukup toleran jika Anda melakukan kesalahan.
• 15:39
  Azure iPhone 3 adalah hal yang berbeda.
• 15:41
  Ini milih pengguna mahir dan spesialis
• 15:43
  yang menangani misi berat.
• 15:44
  Sistem kecerdasan tingkat perusahaan
• 15:46
  di mana kepatuhan sangat ketat
• 15:47
  dan integrasi berjalan dalam.
• 15:49
  Penyelarasan kriteriannya jelas.
• 15:51
  Jenis pengguna tingkat lanjut,
• 15:52
  kompleksitas misi tinggi,
• 15:53
  sensitivitas data tinggi,
• 15:55
  dan kebutuhan integrasi yang luas.
• 15:57
  Foundry adalah tempat Anda
• 15:58
  merancang mesin e-custom,
• 15:59
  menerapkan kontrol,
• 16:00
  tata kelola,
• 16:01
  dan berskala di seluruh sistem yang diatur.
• 16:04
  Ini adalah pesawat kelas Indo,
• 16:05
  besar, kompleks,
• 16:06
  dan ditujukan untuk misi
• 16:07
  di mana presisi dan regulasi
• 16:09
  sama pentingnya dengan kecepatan.
• 16:11
  Sekarang untuk para eksperimentator,
• 16:13
  semanti kenal dan autogail.
• 16:14
  Platform ini cocok untuk pengembangan
• 16:16
  dan peneliti yang lebih menghargai
• 16:17
  fleksibilitas dan orkestrasi
• 16:18
  daripada kesederhanaan siap pakai.
• 16:20
  Kriteria yang sesuai,
• 16:21
  tipe pengguna pengembang,
• 16:22
  kompleksitas misi yang tinggi,
• 16:23
  kepatuhan yang bervariasi
• 16:24
  tergantung penerapan,
• 16:25
  dan kebutuhan integrasi yang sangat tinggi
• 16:26
  karena orkestrasi seringkali
• 16:28
  berarti menangani banyak sistem.
• 16:30
  Semantic kernel memperluas
• 16:31
  aplikasi yang ada dengan penelaran AI,
• 16:32
  sementara autogen mengordinasikan
• 16:34
  kawanan agen yang bekerja bersama.
• 16:36
  Bayangkan ini sebagai
• 16:36
  satu skuadron alih-alih satu pilot tunggal.
• 16:39
  Penerbangan formasi yang memungkinkan
• 16:40
  satu agen menyerahkan tugas
• 16:41
  ke agen lain di tengah jalan.
• 16:42
  Satu contoh industri membantu
• 16:43
  menunjukkan mengapa
• 16:44
  pemerintahan ini penting.
• 16:45
  Sebuah perusahaan barang konsumsi global
• 16:47
  mendokumentasikan bagaimana
• 16:48
  mereka mengonsolidasikan
• 16:49
  dan menganalisis data pemasaran
• 16:50
  menggunakan pendekatan agen
• 16:51
  untuk merampingkan pengambilan keputusan.
• 16:53
  Penerapan itu membutuhkan
• 16:54
  integrasi yang luas
• 16:55
  dan kemampuan perencanaan
• 16:56
  yang canggih kriteria
• 16:57
  yang dengan tegas mengarah
• 16:59
  pada platform kelas perusahaan
• 17:00
  seperti Azure AI Foundry.
• 17:03
  Kasus bisnisnya tidak abstrak,
• 17:04
  itu memberikan ROI yang terukur
• 17:05
  karena hanggar yang dipilih
• 17:06
  sesuai dengan profil penerbangan.
• 17:09
  Dan perlu dicatat bahwa
• 17:09
  langit tidak dimiliki
• 17:10
  oleh satu produsen saja.
• 17:12
  Microsoft menawarkan armada yang kuat
• 17:13
  tetapi alternatif seperti
• 17:14
  Salesforce Agent Force
• 17:15
  mengingatkan kita bahwa
• 17:15
  petisi itu ada.
• 17:17
  Kehadiran mereka menyoroti
• 17:18
  bahwa tidak ada
• 17:18
  monopoli vendor yang mendikti jalanan.
• 17:20
  Profil misilah yang seharusnya
• 17:21
  menentukan bukan merek
• 17:22
  yang tertulis di badan besar.
• 17:23
  Kerangka kerja keputusannya sederhana.
• 17:25
  Sesuaikan dengan siapa Anda,
• 17:26
  seberapa kompleks pekerjaannya,
• 17:28
  seberapa sensitif datanya,
• 17:29
  dan seberapa ketat integrasi
• 17:30
  yang dibutuhkan.
• 17:32
  Dari sana hanggar yang tepat
• 17:33
  akan terlihat dengan sendiri.
• 17:34
  Jika Anda salah mencocokkan,
• 17:35
  Anda akan merancang tugas
• 17:36
  sepilih secara berlebihan
• 17:37
  atau melengkapi misi
• 17:38
  yang menuntut lebih dengan perawatan.
• 17:39
  Namun,
• 17:39
  masalahnya sejubahkan terakhir.
• 17:41
  Jika masalah Anda
• 17:41
  terdefinisi dengan baik
• 17:42
  dan dapat diulang,
• 17:43
  otomatisasi masih bisa digunakan.
• 17:44
  Pilih agen hanya jika Anda
• 17:45
  membutuhkan memori,
• 17:46
  perencanaan,
• 17:47
  atau otonomi
• 17:47
  di luar alur kerja yang sudah terlalu.
• 17:49
  Dan setelah Anda melihat
• 17:50
  perbedaan itu dengan jelas,
• 17:51
  bagian terakhir dari perjalanan
• 17:52
  pun menjadi fokus.
• 17:54
  Mendefinisikan ulang apa
• 17:54
  sebenarnya agen itu,
• 17:55
  dan mengapa menganggapnya
• 17:56
  sebagai sesuatu yang lebih sederhana
• 17:58
  menciptakan risiko
• 17:58
  sekaligus peluang
• 17:59
  yang terlewatkan.
• 18:01
  Kesimpulan
• 18:02
  Jadi inilah ringasan,
• 18:04
  agen bukan otomatisasi.
• 18:06
  Mereka berpikir dalam perulangan,
• 18:07
  bukan skrip.
• 18:08
  Raga berjalan dengan mesin amati
• 18:09
  rencanakan dan bertindak
• 18:10
  yang didukung oleh 5 komponen penting.
• 18:12
  Dan tanpa tata kelola,
• 18:13
  masukan yang aman,
• 18:14
  pengawasan dalam proses,
• 18:15
  dan jejak audit,
• 18:16
  Anda tidak akan mempercayai
• 18:17
  mereka musik yang penting.
• 18:19
  Itulah perbedaan antara
• 18:20
  makro yang cerdas
• 18:20
  dan rekan tim yang sebenarnya.
• 18:22
  Satu mengulang,
• 18:23
  yang lain beradaptasi.
• 18:25
  Dan gila nanti,
• 18:26
  apa satu proses di organisasi Anda
• 18:27
  yang benar-benar
• 18:27
  membutuhkan agen alih
• 18:28
  otomatisasi biasa?
• 18:30
  Tuliskan di kolom komentar.
• 18:31
  Saya akan membaca contoh
• 18:31
  yang paling menarik.
• 18:32
  Dan yang dikirimkan bagus.
• 18:33
  Berlangganan agar otak Anda
• 18:34
  mendapatkan pembaraan otomatis.