Saya mau ajak Anda flashback sebentar ke pagi tadi.

Alarm bunyi. Anda meraih HP. Buka email. Buka spreadsheet. Salin angka dari email ke spreadsheet. Buka browser. Cari data. Balik lagi ke spreadsheet. Tempel. Buka aplikasi lain. Ulangi sampai mata pegal.

Puluhan tahun kita hidup begitu.

Kita hafal semua menunya, semua tombolnya, semua shortcut-nya. Tidak ada cara lain. Kalau kita tidak jadi operator, pekerjaan itu tidak jalan.

Sekarang coba pagi yang lain.
Anda duduk di kafe, menyeruput teh panas, dan cukup bilang, “Yang kemarin itu, tolong tuntaskan.”

Lalu ada yang membuka browser, membaca data, memilih aplikasi, bekerja langkah demi langkah, dan baru muncul di depan Anda dengan satu kalimat: “Sudah beres. Tinggal satu yang perlu Anda putuskan.”

Itu pergeseran besar.

AI berpindah dari yang menjawab menjadi yang mengerjakan.

Dalam beberapa bulan terakhir, OpenAI, Anthropic, Google, xAI, dan Meta bergerak ke arah yang sama.

Mereka sedang berlomba, dan lombanya jauh lebih serius dari adu benchmark. Yang diperebutkan adalah siapa yang akan jadi tempat manusia menitipkan pekerjaan.

Supaya jelas apa yang berubah, kita mulai dari fondasinya.

Perbedaan Chatbot dan Agent dalam Mengerjakan Tugas

Chatbot itu seperti orang yang kita panggil ke kantor untuk satu keperluan. Kita tanya, “Berapa penjualan bulan lalu?” Ia jawab. Kita tanya lagi, “Bandingkan sama bulan sebelumnya.” Ia jawab lagi.
Setiap pertanyaan berdiri sendiri, dan kitalah yang harus terus bertanya.

Agent bekerja dengan cara lain.

Kita bilang, “Pantau penjualan tiap minggu. Kalau turun signifikan, cari penyebabnya, bikin analisis, lalu kabari saya.”

Ia tidak berhenti di jawaban pertama. Ia punya tujuan, tahu konteksnya, memakai alat yang tersedia, mengerjakan beberapa langkah, dan terus jalan, bahkan saat kita tidur.

Perhatikan dua kalimat ini:
“Tolong buatin laporan.”
“Tolong urus laporan ini tiap minggu, kabari saya kalau ada yang perlu saya putuskan.”

Kalimat pertama itu perintah. Kalimat kedua itu delegasi.
Dan delegasi adalah hal yang relatif baru di dunia komputer.

Contoh paling jelas dari delegasi semacam ini adalah Dots.

Dots sebagai Asisten yang Sudah Punya Meja Kerja

OpenAI memperkenalkan Dots sebagai agent yang selalu menyala. Ia punya komputer cloud dan browser sendiri, terhubung ke aplikasi yang kita izinkan, mengingat konteks pekerjaan, dan terus mengejar tujuan kita di sela-sela percakapan. Mesinnya GPT-6 Astra.

ChatGPT biasa itu tukang servis AC. Datang kalau ditelepon, kerja, pulang.
Dots itu karyawan tetap yang sudah kita kasih meja, komputer, kunci dua ruangan, dan daftar kerjaan.

Kita tidak perlu berdiri di belakangnya. Ia kerja sendiri, lalu kembali dan bilang, “Ini hasilnya. Ada satu keputusan yang perlu Anda ambil.”

Di situlah jurang antara percakapan dan delegasi.

Tapi kalau kita berhenti di Dots, kita hanya melihat satu produk.

Gambar yang lebih besar baru kelihatan kalau kita menengok pemain lainnya.

5 Perusahaan Besar Menuju Tujuan yang Sama

Dari ketinggian, ceritanya begini: hampir semua pemain besar menuju rumah yang sama, lewat jalan yang berbeda. Masing-masing membawa modal sendiri.

OpenAI Membangun Agent untuk Semua Pekerjaan

OpenAI memilih jalur agent serbaguna untuk pekerjaan dan kehidupan orang pada umumnya.

Dots punya komputer cloud, browser, konteks yang berkelanjutan, dan bisa terhubung ke lebih dari 4.000 aplikasi lewat ekosistem plugin. Artinya OpenAI ingin AI yang punya tangan dan kaki di dunia digital, sebab AI yang cuma pintar tidak cukup.

Satu detail menurut saya paling penting adalah Dots bisa mendelegasikan pekerjaan ke subagents.

Polanya bergeser dari satu manusia dan satu AI menjadi satu manusia, satu agent utama, dan beberapa agent spesialis di bawahnya.

Bentuknya sudah mirip struktur organisasi.

Anthropic Menaruh Perhatian pada Keamanan Agent

Anthropic jalan dengan gayanya sendiri.

Claude Code kuat di dunia rekayasa perangkat lunak.
Claude Cowork membawa kemampuan serupa ke pekerjaan kantor secara umum: menulis dan menjalankan kode, mengelola file, dan menuntaskan kerja yang melibatkan banyak aplikasi.

Soal keamanan, Anthropic secara eksplisit bilang bahwa makin besar otonomi agent, makin besar blast radius kalau ia salah langkah. Maka mereka memakai sandbox, mesin virtual, isolasi, dan batas akses.

Mereka juga menemukan hal yang lucu tapi serius. Kalau agent minta izin terus, manusia lelah, lalu asal pencet “approve”.

Pengguna Claude Code menyetujui sekitar 93% permintaan izin. Itu yang disebut approval fatigue: manusianya ada di dalam lingkaran, tapi jarinya sudah jalan otomatis. Kalau Anda sering menggunakan claude code, Anda akan tersenyum mengiyakan.

Temuan ini kita butuhkan lagi nanti, waktu bicara soal kepercayaan.

Google Mengandalkan Ekosistem yang Sudah Ada di Mana-Mana

Google memegang kartu yang susah ditiru: distribusi.

Search, Gmail, Drive, Calendar, Docs, Android, Chrome, YouTube, Workspace, dan Gemini di atas semuanya. Gemini 3.5 hingga sekarang Gemini 4, dirancang untuk alur kerja agentic dan tindakan nyata.

Untuk developer ada Jules, agent coding asinkron yang bekerja langsung di repository. Jules sudah keluar dari beta publik dan dipakai untuk puluhan ribu tugas.

Lalu ada Managed Agents di Gemini API, infrastruktur untuk menjalankan agent di sandbox cloud yang aman, lengkap dengan reasoning, tools, dan eksekusi kode.

Pesan Google berubah.
Dari “pakai Gemini” menjadi “bangun agent Anda sendiri di atas fondasi kami”.

Itu permainan jual tanah, dan orang bisnis tahu bahwa yang untung sering kali pemilik tanah di pinggir jalan raya, sementara pemilik toko paling bagus belum tentu.

xAI Menyiapkan Tim Agent yang Bekerja Tanpa Henti

Grok Bot mungkin lawan paling langsung bagi Dots. xAI menyebutnya AI teammates.

Ia punya komputer sendiri, kerja 24/7, bisa login ke berbagai tools, bekerja lintas aplikasi dan website, menuntaskan pekerjaan dari ujung ke ujung, dan baru muncul kalau butuh persetujuan.

Tiap Bot punya komputer cloud permanen dengan browser, filesystem, dan terminal. Beberapa Bot bisa jalan paralel, saling bicara, berbagi konteks, dan melempar pekerjaan satu sama lain.

Ini sudah dekat sekali dengan organisasi AI.

Satu Bot mencari prospek, satu membuat kampanye, satu membereskan bug, satu mengurus invoice, lalu semuanya berkoordinasi.

Yang bekerja di situ satu tim.

Meta Membawa Agent ke Kehidupan Sehari-hari

Meta masuk lewat jalur yang unik: media sosial, aplikasi pesan, dan perangkat.

Muse diperkenalkan sebagai agent pribadi yang membantu kita mencapai tujuan, menyusun rencana aksi, dan bekerja di belakang layar. Untuk keamanan, Meta membangun Muse Secure VM, komputer virtual terisolasi khusus untuk agent dan data pengguna.

Ambisi Meta yang paling lain adalah membawa agent keluar dari layar, ke kacamata AI.

Anda melihat produk di rak toko, tidak perlu foto, tidak perlu mengetik, cukup tanya, “Ini bagus nggak? Cari harga termurahnya.”

Menurut Meta, Muse nantinya bisa memakai apa yang sedang kita lihat lewat kacamata itu untuk membantu mengambil tindakan.

OpenAI membangun agent untuk meja kerja. Meta membangunnya untuk kehidupan sehari-hari, dan pasar itu besarnya luar biasa.

Peta Posisi 5 Pemain

Ini bukan peringkat, dan memang tidak apple to apple, karena distribusi dan strategi tiap perusahaan berbeda. Tapi satu pola sulit diabaikan: semuanya bergerak dari AI yang menjawab ke AI yang melakukan.

Kalau semuanya menuju ke sana, wajar kalau pertanyaan yang kita ajukan soal AI ikut berubah.

Pertarungan Bergeser dari Kecerdasan Model ke Kemampuan Bekerja

Selama ini kita sering debat soal ChatGPT lawan Claude lawan Gemini lawan Grok. Siapa lebih pintar, benchmark berapa, context window berapa, harga token berapa.

Setelah AI cukup pintar, pertanyaannya pindah ke apa yang bisa ia kerjakan.

Punya komputer atau tidak? Bisa membuka browser, mengakses email, membaca file, menjalankan kode? Bisa memakai MCP? Ingat konteks? Kuat kerja semalaman? Bisa berkoordinasi dengan agent lain, minta approval kalau perlu, dan diaudit?

Di titik ini model tinggal satu komponen dari banyak. Dan itu membawa kita ke lapisan yang jarang masuk obrolan.

Harness sebagai Lapisan yang Jarang Dibahas

Saya lama jadi programmer, dan saya tahu satu lapisan yang sering luput. Namanya harness.

Saya sudah pernah menulis tentang Agent Harness dengan penjelasan yang mudah dipahami orang nonteknis. Anda bisa dapatkan mini ebooknya disini.

Model itu otak. Agent butuh sistem yang mengatur konteks, tools, memori, eksekusi, izin, subagents, percobaan ulang, pemantauan, dan titik tempat manusia meninjau hasilnya. Tanpa itu, kita punya otak pintar yang tidak punya badan. Dengan harness, otak itu menjadi bagian dari sistem yang benar-benar bekerja.

Lihat apa yang dibangun masing-masing pemain.

Google menyediakan Managed Agents untuk menyederhanakan infrastruktur.
Anthropic membangun arsitektur containment untuk Claude.
xAI memberi Grok Bot komputer cloud persisten.
OpenAI memberi Dots komputer cloud, plugin, kontrol approval, dan subagents.

Semuanya menyelesaikan masalah yang sama: bagaimana membuat AI bekerja mandiri tanpa kehilangan kendali. Siapa yang paling rapi menjawabnya, dialah yang akan bertahan.

Skor benchmark tidak akan menentukan itu.

Begitu AI punya badan, cara kita memperlakukan komputer ikut berubah.

Cara Kita Memakai Komputer Ikut Berubah

Selama ini komputer jadi pusat aktivitas kita. Kita berpikir dalam istilah aplikasi.
Buka Chrome, buka Excel, buka Gmail. Kita hafal semuanya karena kita yang harus mengoperasikannya.

Di dunia agentic, aplikasi apa yang dipakai jadi urusan nomor dua. Hasil akhirnya yang kita pedulikan.

Contoh nyatanya begini.

Anda bilang ke agent, “Cari 20 perusahaan teknologi di Asia Tenggara yang potensial jadi partner. Shortlist berdasarkan ukuran, produk, dan kebutuhan AI mereka. Masukkan ke spreadsheet, siapkan draft email untuk tiap perusahaan.”

Dulu pekerjaan ini membuka tab banyak sekali. LinkedIn, Google, spreadsheet, email, catatan, mungkin CRM. Manusianya jadi “kuli angkut”, copy sana, paste sini, seharian.

Sekarang agent yang mengangkut.
Ia memilih tools, mengambil informasi, memindahkannya dari satu tempat ke tempat lain, menganalisis, lalu menyerahkan hasil.

Kita tidak lagi mengoperasikan aplikasi satu per satu. Kita memberi pekerjaan.

Perubahan ini paling terasa di browser.

Browser Mulai Dipakai Agent

The browser is being consumed by the agent window.

Browser selama ini dirancang untuk manusia. Kita melihat halaman, klik link, membaca, mengetik.

Agent tidak butuh pengalaman itu.
Ia cuma perlu membaca, menavigasi, mengklik, mengetik, mengambil data, dan menjalankan tindakan.

Jadi browser berubah dari alat yang kita pakai, menjadi alat yang dipakai agent untuk bekerja atas nama kita.

Kalau itu terjadi, pertanyaan “browser mana yang paling cepat?” jadi basi. Yang relevan, “Agent mana yang paling jago memakai seluruh internet untuk kita?”

Dan kalau satu agent sudah bisa begitu, langkah berikutnya gampang ditebak.

Dari Satu Agent ke Satu Tim Kerja

Ambil perusahaan kecil lima orang: CEO, sales, marketing, finance, developer.

Di masa depan, masing-masing punya agent.
Agent CEO paham prioritas. Agent sales mencari prospek. Agent marketing menyiapkan kampanye. Agent finance memantau arus kas. Agent developer membereskan issue.

Lalu mereka saling bicara.

Agent sales bilang ke agent marketing, “Saya nemu 20 prospek baru, tolong siapkan kampanye.”
Agent marketing minta bantuan agent riset.
Agent finance mengecek histori pembayaran prospek itu.
Agent CEO merangkum semuanya.

Manusia tetap yang memutuskan.

Tapi kerja koordinasi yang selama ini makan separuh hari, rapat sana-sini, tanya-tanya, menyusun ulang informasi, mulai dikerjakan mesin.

Di sinilah agentic AI terasa lain dari chatbot. Ia mulai punya bentuk organisasi.
Dan organisasi yang jalan tanpa kita awasi tiap detik hanya bisa berdiri di atas satu syarat.

Kepercayaan Menjadi Syarat Utama

Makin pintar AI, pertanyaan “bisa atau tidak?” makin tidak penting. Yang penting adalah, “Berani atau tidak kita memberinya izin?”

AI yang bisa membaca email itu berguna. AI yang bisa mengirim email lebih berguna.
Tapi AI yang bisa mengakses rekening perusahaan, membeli barang, mengubah data pelanggan, menghapus file, dan mengirim email atas nama kita? Di situ kita mulai berpikir dua kali.

Makin besar otonominya, makin besar risikonya.

Karena itu pintu persetujuan jadi penting.

Agent boleh mengerjakan 90% pekerjaan sendiri, tapi untuk tindakan tertentu ia harus berhenti dan bilang, “Saya butuh tanda tangan Anda.”

OpenAI, Anthropic, Meta, dan xAI sekarang sama-sama menjelaskan pendekatan mereka soal sandbox, approval, isolasi, dan containment.

Keamanan sudah jadi bagian dari produk agent.

Persetujuan Manusia Perlu Ditempatkan dengan Tepat

Di sinilah angka 93% tadi bekerja.

Kalau agent tiap langkah bertanya, “Boleh saya klik ini? Boleh saya kirim ini?”, kita sebenarnya belum punya agent. Kita punya remote control, dan manusia masih jadi operator.

Kalau agent tidak pernah bertanya, kita sedang menyiapkan masalah yang jauh lebih mahal.

Jalan tengahnya adalah otonomi yang selektif.

Pekerjaan berisiko rendah jalan sendiri. Pekerjaan berisiko tinggi minta approval. Pekerjaan terlarang tidak disentuh sama sekali.

Jadi desain agent harus menjawab di bagian mana ia boleh otonom.

Pertanyaan “seberapa otonom?” terlalu kasar untuk itu. Semua pemain besar sedang berlomba menjawab versi yang lebih halus.

Begitu kita bicara soal batas, kita sebenarnya sedang bicara soal keterampilan baru milik manusia.

Keahlian Mendelegasikan Akan Semakin Mahal

Ini prediksi saya, dan saya cukup yakin.
Beberapa tahun ke depan, keahlian yang naik harganya adalah memberi pekerjaan ke agent dengan benar.

Menulis prompt yang bagus hanya sebagian kecil dari itu.

Ilmunya mirip mendelegasikan ke manusia.

Kalau Anda bilang ke karyawan, “Pokoknya bikin yang bagus,” Anda akan diserbu pertanyaan, atau lebih buruk, dia mengerjakan hal yang salah dengan penuh percaya diri.

Kalau Anda bilang, “Tujuannya ini. Data yang boleh dipakai ini. Jangan sentuh yang itu. Deadline besok. Kalau ketemu kondisi begini, berhenti dulu sampai saya approve,” delegasinya jalan mulus.

Agentic AI menuntut disiplin yang sama.

Kita harus bisa menjelaskan hasil akhirnya, konteksnya, tools yang boleh dipakai, batasannya, kapan harus berhenti, kapan minta izin, dan seperti apa wujud “selesai”.

Ini ilmu mengatur pekerjaan, hanya saja yang diatur kali ini mesin.

Disiplin itu tidak berhenti di pengguna. Ia merembes sampai ke cara kita membangun software.

Software Mulai Menjual Hasil Kerja

Selama ini developer bertanya, “Fitur apa yang harus saya buat?”
Di dunia agentic, pertanyaannya bergeser menjadi, “Pekerjaan apa yang bisa saya delegasikan ke agent?”

Software tradisional menyediakan fitur.
Software agentic menyediakan hasil.

Software akuntansi lama memberi kita invoice, laporan, dashboard, dan tombol export.
Software akuntansi agentic cukup diberi satu kalimat, “Pastikan invoice bulan ini tertagih. Follow up yang telat, tandai yang bermasalah, kabari saya kalau ada customer berisiko.”

Tombolnya hilang dari percakapan.

Yang dibeli adalah pekerjaan yang sudah beres, jadi posisinya naik dari penjual alat ke penjual jasa.

Kalau semua ini benar, wajar kita bertanya siapa yang akan menang.

Pemenang Perlombaan Ini Belum Bisa Ditebak

Saya tidak mau buru-buru menjawab, karena lombanya baru mulai.

OpenAI memegang ChatGPT dan jutaan developer.
Google memegang Search, Android, Chrome, dan Workspace, semua yang sudah ada di genggaman kita.
Meta memegang WhatsApp, Instagram, Messenger, dan perangkat yang dipakai tiap hari.
Anthropic kuat di kalangan developer dan enterprise.
xAI membawa Grok ke model rekan kerja yang persisten.

Tiap pemain punya keunggulan distribusi yang berbeda, dan mungkin itu yang akan menentukan.

Model paling pintar belum tentu jadi agent yang paling banyak dipakai.
Agent yang paling berguna perlu konteks yang tepat, tools yang tepat, izin yang tepat, distribusi yang tepat, kepercayaan pengguna, dan kemampuan menuntaskan pekerjaan.

Pemenangnya adalah yang paling dekat dengan pekerjaan manusia. IQ-nya urusan belakangan.

Ujian Sebenarnya Ada di Pekerjaan Satu Hari

Menurut saya, pertanyaan paling menarik adalah, “Pekerjaan pertama apa yang berani kita serahkan ke AI tanpa mengawasi terus-menerus?”

Video demo yang mengagumkan dan angka benchmark tidak akan menjawabnya.

Kasih agent tugas satu hari penuh. Biarkan ia kerja saat kita tidur. Lalu hitung berapa kali ia salah, berapa kali ia minta tolong, dan apakah hasil akhirnya benar-benar terpakai.

AI agent baru bernilai ketika manusia bisa pergi meninggalkannya bekerja, kembali, dan menemukan pekerjaan yang sudah selesai.

Kalau itu terjadi dalam skala besar, cara kita memakai komputer berubah, dan mungkin cara kita menyusun organisasi juga.

Komputer tidak lagi duduk manis menunggu disuruh. Kita cukup bilang apa yang mau dicapai.

Sisanya? Biarkan agent bekerja.

Terima kasih sudah membaca. Semoga bermanfaat.