Otomatisasi tradisional mengikuti jalur yang sudah dirancang sejak awal, sedangkan alur kerja AI agent dapat memilih tindakan berikutnya berdasarkan konteks saat itu. Ia menggunakan alat, memeriksa hasil, dan mengubah arah bila diperlukan. Karena itu, alur kerja agent berguna untuk tugas-tugas yang terlalu bervariasi bagi aturan tetap namun tetap membutuhkan tujuan yang jelas. Panduan ini menjelaskan bagaimana alur kerja ini bekerja, di mana cocok diterapkan, cara membuatnya, dan apa yang bisa dilakukan Kimi Agent untuk tugas-tugas pekerjaan berbasis pengetahuan yang umum.
Apa itu alur kerja AI agent?
Alur kerja AI agent adalah rangkaian tugas yang diselesaikan oleh satu atau lebih AI agent untuk mencapai hasil yang telah ditentukan. Agent menginterpretasikan tujuan tersebut dan memilih tindakan berikutnya. Ia kemudian menggunakan alat yang tersedia dan memeriksa hasilnya sebelum melanjutkan atau merevisi rencananya.
Alur kerja AI vs AI agent
Alur kerja AI menggunakan logika yang telah ditentukan sebelumnya untuk memindahkan informasi melalui suatu proses. AI agent adalah aktor perangkat lunak yang dapat memilih tindakan secara dinamis. Alur kerja menggambarkan bagaimana pekerjaan diatur, sementara agent memutuskan bagaimana menyelesaikan bagian tugas yang diberikan kepadanya.
Kedua pendekatan ini bukanlah dua hal yang berlawanan. Banyak sistem yang andal menggunakan desain hibrida. Langkah-langkah alur kerja yang tetap menangani operasi yang bisa diprediksi, sementara agent mengelola tugas yang membutuhkan interpretasi atau perubahan jalur eksekusi.
| Pendekatan | Jalur eksekusi | Paling cocok untuk | Trade-off utama |
|---|---|---|---|
| Otomatisasi tradisional | Aturan tetap | Proses yang stabil dan berulang | Gagal saat menghadapi input yang tidak terduga |
| Alur kerja AI | Langkah model dan alat yang sudah ditentukan sebelumnya | Pemrosesan AI yang terkendali | Kemampuan adaptasi terbatas |
| Alur kerja AI agent | Keputusan dinamis dalam batasan tertentu | Tugas bertahap dengan variasi tinggi | Membutuhkan pengujian dan pengawasan yang lebih ketat |
Alur kerja AI agent vs otomatisasi tradisional
Otomatisasi tradisional bekerja dengan baik ketika setiap input memiliki jalur yang sudah diketahui. Aturan persetujuan faktur atau transfer data terjadwal jarang membutuhkan penalaran terbuka. Sistem hanya perlu mengikuti aturan secara cepat dan konsisten.
Otomatisasi alur kerja AI agent lebih berguna ketika langkah berikutnya bergantung pada makna atau bukti baru. Agent dukungan pelanggan mungkin mencari di basis pengetahuan dan menguji kemungkinan solusi. Jika pengujian gagal, ia dapat mengubah arah atau meminta bantuan manusia.
Diagram alur kerja AI agent: Cara kerjanya
Diagram alur kerja AI agent berikut menunjukkan loop eksekusi dasar. Sistem nyata mungkin menambahkan lebih banyak alat atau titik persetujuan, tetapi urutan yang sama tetap terlihat.
Dari tujuan ke rencana
Workflow yang berguna dimulai dengan hasil yang spesifik. “Riset kendaraan listrik” membuka terlalu banyak ruang untuk interpretasi, sedangkan “Bandingkan tiga strategi pengisian daya untuk armada kota dan buat rekomendasi dua halaman” memberi agent target yang jelas. Instruksi dan sumber materi yang disetujui kemudian menyediakan konteks yang diperlukan untuk memilih tindakan berikutnya.
Penggunaan alat dan eksekusi
Alat memungkinkan agent mengambil informasi atau melakukan tindakan yang disetujui di luar model. Pencarian dapat menyediakan informasi terkini, sementara alat basis data dapat mengembalikan catatan internal. Setelah setiap panggilan alat, agent memeriksa hasilnya dan memutuskan apakah akan melanjutkan, mencoba pendekatan lain, atau meminta informasi yang belum tersedia.
Evaluasi dan persetujuan manusia
Workflow membutuhkan kriteria penyelesaian yang jelas, seperti kolom wajib atau standar bukti. Workflow juga harus berhenti sejenak sebelum tindakan yang sensitif atau tidak dapat dibatalkan. Misalnya, agent dapat menyiapkan email untuk pelanggan, tetapi seseorang dapat meninjaunya sebelum dikirim.
Pola workflow AI agent yang umum
Sebagian besar workflow AI agent menggunakan sekumpulan kecil pola yang berulang. Pilih pola paling sederhana yang dapat menyelesaikan tugas secara andal.
Workflow berurutan dan terarah
Workflow berurutan bergerak melalui tahapan yang saling bergantung dalam urutan tetap. Setiap tahap menggunakan output dari tahap sebelumnya, sehingga prosesnya mudah dilacak dan diuji. Workflow terarah sebaliknya mengklasifikasikan input dan mengirimkannya melalui salah satu dari beberapa jalur yang telah ditentukan.
Misalnya, workflow konten dapat menyelesaikan riset sebelum menyusun draf dan meninjau artikel. Router dukungan pelanggan dapat mengirim pertanyaan penagihan ke satu proses sambil mengarahkan masalah login ke proses lain.
Workflow paralel dan multi-agent
Workflow paralel menjalankan tugas-tugas independen secara bersamaan untuk mengurangi waktu pemrosesan. Workflow multi-agent membagi pekerjaan berdasarkan peran, dengan agent yang bekerja secara berurutan atau paralel. Ini membutuhkan tanggung jawab yang jelas dan cara yang andal untuk menggabungkan hasil.
Selama studi masuk pasar, agent yang berbeda dapat memeriksa permintaan pelanggan dan aktivitas pesaing, sementara agent lain meninjau regulasi lokal. Agent koordinator kemudian menggabungkan temuan-temuan tersebut menjadi satu laporan.
Workflow human-in-the-loop
Workflow human-in-the-loop berhenti sejenak pada titik-titik tertentu untuk ditinjau atau disetujui. Langkah-langkah rutin dapat berjalan secara otomatis, sementara keputusan yang tidak pasti atau berdampak besar dikembalikan kepada seseorang. Titik pemeriksaan ini harus dibatasi hanya pada tempat di mana penilaian manusia memberikan nilai tambah.
Dalam pengadaan, agent dapat membandingkan proposal pemasok sebelum meminta manajer menyetujui pilihan akhir. Workflow penerbitan juga mungkin mengharuskan editor memverifikasi klaim faktual sebelum artikel dipublikasikan.
Contoh praktis workflow AI agent
Bayangkan sebuah workflow yang mengubah pertanyaan pasar menjadi laporan singkat. Pengguna menentukan audiens dan cakupan, lalu menentukan format yang diperlukan. Agent memecah permintaan menjadi pertanyaan-pertanyaan riset.
Agent mencari sumber-sumber yang disetujui dan mencatat temuan yang relevan. Agent memeriksa apakah ada bukti yang belum lengkap sebelum menyusun draf laporan. Jika dua sumber saling bertentangan, agent menandai perbedaan tersebut atau melanjutkan riset. Langkah tinjauan akhir memeriksa draf terhadap struktur yang diminta sebelum diserahkan.
Contoh ini berisi bagian yang tetap maupun yang adaptif. Output yang diperlukan dan kriteria tinjauan tetap tidak berubah. Kueri pencarian dapat berubah seiring agent mempelajari lebih banyak hal. Keseimbangan tersebut membuat proses ini lebih mudah dikendalikan dibandingkan agent yang sepenuhnya terbuka.
Kasus penggunaan bisnis yang umum
Workflow AI agent cocok untuk pekerjaan dengan input yang bervariasi tetapi hasil yang diinginkan tetap jelas:
Workflow dukungan pelanggan dapat menyelidiki suatu kasus dan menyiapkan eskalasi dengan konteks yang berguna.
Workflow riset dapat mengumpulkan bukti dan mengubahnya menjadi ringkasan terstruktur.
Workflow dokumen dapat mengekstrak informasi sebelum meneruskan pengecualian untuk ditinjau.
Workflow IT dapat memeriksa peringatan dan menyarankan tindakan berikutnya yang diizinkan.
Workflow tetap tetap menjadi pilihan yang lebih baik untuk tugas sederhana dengan volume tinggi dan aturan yang stabil. Perilaku agentic seharusnya menyelesaikan variabilitas nyata, bukan sekadar menambah sesuatu yang baru.
Cara membangun workflow AI agent
Versi pertama yang berguna tidak memerlukan banyak agent. Mulailah dengan satu tugas yang terbatas dan perluas hanya setelah pengujian menunjukkan keterbatasan yang jelas.
Tentukan hasil dan petakan langkah-langkahnya
Tulis kondisi penyelesaian yang dapat diverifikasi oleh orang lain. Kemudian petakan bagaimana tugas tersebut ditangani saat ini. Tandai langkah-langkah yang menggunakan aturan tetap dan langkah-langkah yang membutuhkan penilaian.
Gunakan otomatisasi untuk operasi yang dapat diprediksi. Berikan agent hanya keputusan-keputusan yang mendapat manfaat dari konteks atau penggunaan alat. Ini membuat workflow tetap mudah dipahami dan mengurangi panggilan model yang tidak perlu.
Pilih alat workflow AI agent
Pilih alat berdasarkan jenis pekerjaan, bukan kategori produk. Workflow riset membutuhkan pengambilan data yang andal. Workflow operasional mungkin membutuhkan akses terkontrol ke sistem internal. Agent hanya boleh menerima alat yang diperlukan untuk perannya.
Saat membandingkan alat workflow AI agent, periksa opsi integrasi dan kontrol izinnya. Cari log eksekusi yang menunjukkan apa yang terjadi selama proses yang gagal. Batas biaya juga penting karena penalaran berulang dan percobaan ulang dapat meningkatkan penggunaan dengan cepat.
Tambahkan pengaman dan uji workflow
Tetapkan batasan sebelum menjalankan workflow. Tentukan data mana yang dapat diakses oleh agent. Batasi tindakan tulis dan tambahkan gerbang persetujuan di tempat-tempat dengan konsekuensi yang signifikan. Setiap workflow juga membutuhkan kondisi penghentian.
Ujilah tugas secara menyeluruh, bukan prompt yang terisolasi. Lacak tingkat penyelesaian dan frekuensi kesalahan, lalu tinjau seberapa sering orang harus turun tangan. Sinyal-sinyal ini menunjukkan apakah workflow benar-benar menghemat pekerjaan atau hanya memindahkannya ke tahap pengawasan.
Jika tujuan Anda adalah merasakan kemampuan agent tanpa membangun infrastrukturnya sendiri, Kimi Agent menawarkan opsi yang lebih langsung. Anda dapat memberikannya tugas multi-langkah yang didukung, mulai dari riset, dokumen, presentasi, spreadsheet, hingga pembuatan situs web. Kimi menangani tugas tersebut dalam pengalaman produk itu sendiri, sehingga Anda tidak perlu merakit koneksi model dan komponen workflow secara manual.
Apa yang bisa dilakukan Kimi Agent untuk pekerjaan multi-langkah
Arsitektur khusus menawarkan kontrol yang detail, tetapi juga membutuhkan pekerjaan orkestrasi dan evaluasi. Kimi Agent menyediakan pengalaman agent umum bagi pengguna yang ingin menyelesaikan tugas kerja pengetahuan multi-langkah tanpa harus membangun sendiri infrastruktur tersebut.
Perencanaan berbasis tujuan dan eksekusi tugas
Kimi Agent dapat menafsirkan sebuah tujuan dan merencanakan pekerjaan yang diperlukan. Setelah itu, ia menjalankan tugas tersebut langsung dalam pengalaman produk. Ini memberikan cara langsung untuk menggunakan workflow agentic tanpa perlu merancang planner atau tool loop terlebih dahulu.
Riset mendalam, pembuatan situs web, dan presentasi
Kimi Agent dilengkapi dengan berbagai fitur. Misalnya, ia dapat membuat situs web dan menyusun presentasi PPT. Kemampuan ini membantu pengguna mengubah permintaan yang luas menjadi hasil yang terstruktur melalui satu pengalaman produk.
Penanganan dokumen, spreadsheet, dan file multimodal
Kimi mendukung penalaran multimodal dan workflow berbasis file. Kimi dapat mengolah dokumen PDF dan Word. File Excel dan PPT juga didukung. Kimi juga menangani gambar dan file TXT, sementara video menjadi format input lainnya. Hal ini membuat Kimi Agent mampu memproses materi sumber yang melampaui teks obrolan biasa.
Kapan menggunakan Kimi Agent Swarm
Kimi Agent Swarm menyediakan kemampuan multi-agent tersendiri untuk tugas yang mendapat manfaat dari eksekusi paralel yang luas. Ia dapat mengoordinasikan banyak unit kerja khusus untuk pencarian skala besar atau tugas batch. Pekerjaan berdurasi panjang dengan jalur riset yang independen juga dapat memanfaatkan pendekatan ini.
Manfaat dan batasan otomatisasi workflow AI agent
Workflow AI agent dapat mengurangi handoff manual dan beradaptasi dengan input yang membuat skrip kaku menjadi gagal. Workflow ini dapat menghubungkan riset dengan analisis, lalu mengubah temuannya menjadi hasil akhir. Manfaatnya paling besar saat tugas memiliki tujuan yang stabil tetapi jalur yang bervariasi.
Fleksibilitas yang sama juga menciptakan risiko. Keputusan agent bersifat probabilistik. Kegagalan sebuah tool dapat memengaruhi langkah-langkah berikutnya, sementara data yang buruk melemahkan hasilnya. Izin yang luas meningkatkan dampak dari kesalahan. Karena itu, workflow yang andal membutuhkan validasi dan log yang terlihat. Tindakan berdampak besar membutuhkan persetujuan.
Kesimpulan
Workflow AI agent menggabungkan proses yang terdefinisi dengan keputusan yang adaptif. Workflow menentukan hasil dan batasannya, sementara agent memilih tindakan yang bermanfaat di dalam batasan tersebut. Mulailah dengan satu tugas yang jelas. Tambahkan hanya tool yang dibutuhkan, lalu uji seluruh proses dan pastikan tindakan yang berdampak besar tetap berada di bawah kendali manusia. Untuk tugas riset dan pembuatan konten yang didukung, Kimi Agent menyediakan cara langsung untuk menggunakan kemampuan AI multi-langkah tanpa perlu membangun infrastruktur workflow sendiri.