Sering kali orang menyamakan “membuat AI agent” dengan “menulis prompt yang bagus”. Padahal, meski keduanya sama-sama melibatkan instruksi ke model bahasa (LLM), cara berpikirnya cukup berbeda. Memahami bedanya penting supaya ekspektasi terhadap AI agent lebih realistis.
Prompt Chatbot: Satu Instruksi, Satu Percakapan
Saat menulis prompt untuk chatbot biasa, fokusnya adalah bagaimana membuat satu respons jadi sebagus mungkin dalam satu sesi percakapan. Konteksnya terbatas pada apa yang diketik pengguna dan riwayat chat saat itu. Chatbot semacam ini pasif — ia menunggu ditanya, lalu menjawab.
Merancang Agent: Sistem yang Bertindak, Bukan Sekadar Menjawab
Merancang AI agent melibatkan lebih banyak keputusan di luar kalimat instruksi itu sendiri:
- Tools/akses — agent apa saja yang boleh diakses (kalender, database, WhatsApp, sistem internal) dan bagaimana ia memutuskan kapan memakainya.
- Memory — informasi apa yang perlu diingat lintas percakapan, dan bagaimana agent mengambil konteks yang relevan saat dibutuhkan.
- Alur kerja — urutan langkah yang harus dilakukan agent untuk menyelesaikan tugas, termasuk kapan harus berhenti dan menunggu konfirmasi manusia.
- Batasan dan pagar pengaman — hal-hal yang tidak boleh dilakukan agent tanpa persetujuan, misalnya mengirim pesan ke pelanggan atau mengubah data penting.
Analogi Sederhana
Menulis prompt chatbot itu seperti menulis instruksi ke seseorang untuk menjawab satu pertanyaan dengan baik. Merancang agent lebih mirip menulis SOP (standard operating procedure) untuk karyawan baru — mencakup apa saja yang boleh dan tidak boleh dilakukan, alat apa yang boleh dipakai, dan kapan harus bertanya ke atasan sebelum bertindak.
Kenapa Perbedaan Ini Penting
Kalau ekspektasinya masih di level “prompt yang bagus”, biasanya hasil AI agent terasa mengecewakan — responsnya kaku, tidak konsisten, atau salah menangani kasus di luar skenario yang dibayangkan. Sebaliknya, kalau proses desainnya sudah mempertimbangkan tools, memory, alur kerja, dan batasan sejak awal, agent yang dihasilkan cenderung lebih andal dan bisa dipercaya untuk tugas yang lebih kompleks.
Inilah kenapa membangun AI agent yang baik biasanya butuh proses iteratif dan pemahaman terhadap alur kerja bisnis — bukan sekadar menulis kalimat instruksi yang panjang dan berharap hasilnya sempurna.