SURABAYA || BERITA KARYA
Cara menggunakan kecerdasan buatan (AI) diperkirakan tengah memasuki fase baru. Jika selama ini pengguna terbiasa berinteraksi dengan chatbot melalui serangkaian prompt, kini banyak praktisi AI mulai mengadopsi pendekatan yang memungkinkan model bekerja secara mandiri melalui proses iteratif atau loop.
Konsep tersebut kembali menjadi perhatian setelah AI researcher @0xCodila membagikan thread panjang di platform X yang membahas metode yang populer disebut sebagai Karpathy Loop. Thread tersebut menarik perhatian komunitas AI karena menjelaskan bagaimana produktivitas model dapat ditingkatkan bukan hanya melalui prompt yang lebih baik, tetapi dengan merancang alur kerja (workflow) yang memungkinkan AI terus mengevaluasi dan memperbaiki hasilnya sendiri.
Perubahan pendekatan ini dinilai sejalan dengan perkembangan agentic AI, yaitu sistem AI yang mampu merencanakan, menjalankan, mengevaluasi, dan mengulang pekerjaannya secara otomatis hingga memenuhi target tertentu.
Dari Prompt Menuju Workflow
Selama beberapa tahun terakhir, teknik prompt engineering menjadi keterampilan utama bagi pengguna AI.
Pengguna menulis instruksi, AI memberikan jawaban, kemudian pengguna memperbaiki prompt apabila hasilnya belum sesuai.
AI Gratis dari China Mulai Mengubah Cara Orang Indonesia Bekerja, Belajar, dan Berbisnis
Namun, pendekatan tersebut memiliki keterbatasan ketika digunakan untuk menyelesaikan pekerjaan yang kompleks atau membutuhkan banyak iterasi.
Sebagai alternatif, muncul pendekatan berbasis workflow.
Alih-alih memberikan banyak prompt secara manual, pengguna cukup menentukan tujuan akhir. Selanjutnya AI akan menjalankan serangkaian proses secara otomatis, mulai dari menyusun rencana, menjalankan tugas, mengevaluasi hasil, hingga memperbaiki pekerjaannya apabila target belum tercapai.
Verifier Menjadi Kunci
Salah satu komponen terpenting dalam pendekatan ini adalah verifier, yaitu mekanisme yang bertugas mengevaluasi kualitas hasil AI.
Tanpa proses evaluasi yang baik, model berpotensi menganggap pekerjaannya sudah benar meskipun masih terdapat kesalahan.
Selain verifier, sistem juga memerlukan state atau memori proses yang menyimpan seluruh riwayat eksperimen. Dengan begitu AI dapat menghindari pengulangan kesalahan yang sama dan memanfaatkan strategi yang sebelumnya terbukti berhasil.
Kombinasi kedua komponen tersebut membuat AI dapat meningkatkan kualitas hasil secara bertahap melalui proses iterasi.
Karpathy dan Konsep Eksperimen Otomatis
Nama Andrej Karpathy menjadi salah satu tokoh yang paling sering dikaitkan dengan pendekatan ini.
Mantan Director of AI Tesla dan salah satu peneliti awal OpenAI tersebut dalam berbagai kesempatan menunjukkan ketertarikannya terhadap sistem yang memungkinkan AI melakukan eksperimen secara otomatis terhadap kode maupun model pembelajaran mesin.
Dalam thread yang viral di X disebutkan bahwa pendekatan tersebut memisahkan bagian kode yang dapat dimodifikasi AI dengan sistem evaluasi yang dikunci agar model hanya dapat meningkatkan kualitas solusi tanpa memanipulasi proses penilaian.
Meski sejumlah contoh yang beredar di media sosial masih memerlukan verifikasi lebih lanjut melalui sumber primer, konsep pemisahan antara generator dan evaluator memang semakin banyak diterapkan dalam berbagai riset AI modern.
Perkembangan ini merupakan bagian dari tren agentic AI, yaitu sistem yang tidak hanya menghasilkan jawaban, tetapi juga mampu mengambil langkah-langkah untuk mencapai tujuan tertentu.
Dalam praktiknya, AI dapat:
menyusun rencana kerja,
menggunakan berbagai alat pendukung,
menjalankan tugas,
mengevaluasi hasil,
memperbaiki kesalahan,
mengulang proses hingga target tercapai.
Pendekatan tersebut dinilai lebih efektif untuk pekerjaan yang membutuhkan eksperimen berulang, seperti pengembangan perangkat lunak, analisis data, maupun optimasi model AI.
Relevansi bagi Talenta Digital Indonesia
Bagi ekosistem digital Indonesia, pendekatan berbasis workflow berpotensi membuka peluang baru.
Developer dapat memanfaatkan AI untuk melakukan refactoring kode secara otomatis, analis data dapat menjalankan berbagai eksperimen tanpa intervensi manual, sementara startup dapat menggunakan AI sebagai asisten riset maupun otomatisasi proses bisnis.
Namun, implementasi metode ini juga memiliki tantangan.
Proses iterasi membutuhkan konsumsi token yang lebih besar, waktu komputasi lebih lama, serta mekanisme evaluasi yang benar-benar andal. Selain itu, hasil yang dihasilkan AI tetap memerlukan validasi manusia, terutama untuk pekerjaan yang berdampak pada keputusan bisnis maupun publik.
Pergeseran Cara Berinteraksi dengan AI
Perkembangan AI saat ini menunjukkan bahwa kompetensi yang dibutuhkan tidak lagi terbatas pada kemampuan menulis prompt.
Semakin banyak praktisi mulai berfokus pada perancangan workflow, evaluator, dan sistem otomatis yang memungkinkan AI bekerja secara lebih mandiri.
Jika tren ini terus berkembang, kemampuan membangun alur kerja AI diperkirakan akan menjadi salah satu keterampilan penting bagi developer, engineer, hingga pelaku industri digital dalam beberapa tahun ke depan.
