AI Agent: Beda Agen vs. Agenive, Gimana Sih?

Kamu pasti udah sering denger istilah "coding agent" atau "AI co‑scientist" yang katanya bakal nge‑boost produktivitas. Tapi apa sih yang bikin mereka disebut agen? Di artikel ini, penulis ngebahas definisi agency dari sudut pandang Descartes sampai sci‑fi.

Intinya, agency itu bukan cuma soal bisa ngelakuin tugas. Agency harus punya tujuan, identitas, cara ngambil keputusan, regulasi diri, dan kemampuan belajar yang semuanya terinternalisasi di dalam sistem, bukan cuma di luar lewat skrip atau workflow.

Kalau sistem cuma ngandelin workflow yang udah di‑engineer, itu masih agen‑like, alias "agentic". Mereka bagus buat tugas terstruktur, tapi belum bisa ngadepin situasi dunia nyata yang berubah‑ubah tanpa bantuan manusia.

Sebaliknya, "agentive" itu level selanjutnya. Sistem ini punya otonomi sejati: tujuan, identitas, dan proses belajar semuanya muncul dari dalam, tanpa harus diatur tiap langkahnya oleh developer.

Penulis menganalisa lima dimensi utama agen: goal, identity, decision‑making, self‑regulation, dan learning. Semua harus terintegrasi dalam satu kerangka supaya AI bisa dibilang punya agency yang sesungguhnya.

Salah satu contoh yang diusulinya adalah arsitektur Goal‑Identity‑Configurator (GIC). GIC memecah tujuan jadi hierarki, mengembangkan identitas seiring waktu, dan pakai world model terpisah buat simulasi keputusan.

GIC juga menambahkan self‑regulation yang dipelajari lewat feedback, serta kemampuan belajar mandiri baik dari pengalaman nyata maupun simulasi. Jadi, sistemnya nggak cuma ngikutin skrip, tapi belajar adaptif.

Tapi, makin otonom, makin penting soal auditability dan safety. Penulis tekankan bahwa meski agenive punya kebebasan lebih, mereka tetap harus diawasi manusia lewat mekanisme kontrol yang transparan.

Intinya, perbedaan utama antara agentic dan agentive terletak pada tempat “otak” keputusan berada. Kalau masih di luar, kita masih di level tool. Kalau udah di dalam, kita mulai masuk ke zona AI yang bener‑benar mandiri.

Praktisnya, buat kamu yang lagi ngembangin AI, pertimbangkan dulu: mau bikin tool yang kuat tapi terkontrol, atau mau melangkah ke AI yang belajar dan beradaptasi sendiri? Pilih arsitektur yang cocok dengan tujuan dan toleransi risiko kamu.