Sabtu malam lalu, Xu Yuting (tokoh ilustratif — manajer operasi pemasaran di sebuah merek e-commerce perawatan kulit di Taichung, bukan pelanggan nyata) sedang membuka ponselnya ketika dia mengklik video YouTube tentang “tren AI Agent,” hanya untuk membunuh waktu. Alih-alih, video itu membuatnya ingin mencari jawaban begitu dia masuk kantor hari Senin. Dia membuka folder “template prompt” yang sudah dia kumpulkan hampir setahun, berniat menambahkan beberapa slide baru untuk pelatihan tim, dan menempelkan kalimat yang paling sering dia pakai — “saya ingin kamu berperan sebagai pakar pemasaran senior, tolong rencanakan dalam lima langkah...” — ke kotak chat untuk didemonstrasikan kepada karyawan baru.
Balasannya justru membuatnya terdiam: model AI langsung bertanya, “Bisa langsung beri tahu saya seperti apa hasil akhir yang kamu inginkan? Tidak perlu mengatur peran untuk saya dulu.” Karyawan baru itu bertanya pelan, “Apakah template sudah ketinggalan zaman?” Xu Yuting tidak bisa menjawab. Dia memutuskan menghabiskan seminggu untuk mencocokkan enam tren AI Agent dari video itu, satu per satu, dengan pekerjaan nyata yang dilakukan timnya — untuk melihat mana yang benar-benar layak diikuti dan mana yang cuma gimmick.
Senin: Alasan Sebenarnya Folder Template-nya Terbantahkan
Tren pertama dalam video itu sangat langsung: setelah model menjadi lebih pintar, pengguna tidak perlu lagi menghafal prompt seperti mantra “tolong berperan sebagai...” — cukup sampaikan kebutuhan dengan jelas dan spesifik, dan hasil dari AI akan semakin mendekati apa yang ada di kepala kita. Ini tidak hanya terjadi pada teks — hal yang sama juga terjadi pada pembuatan gambar. Jika dulu Midjourney membutuhkan banyak rasio dan kode gaya, sekarang banyak model gambar generasi baru bisa langsung diminta dengan bahasa sehari-hari, “ubah judul utama jadi merah, ganti latar belakang jadi biru muda,” dan penyesuaian pun selesai.
Xu Yuting mencoba menghapus pembukaan pengaturan peran dari tiga template yang sering dipakai timnya, dan langsung mendeskripsikan kebutuhan dengan bahasa sehari-hari. Ternyata kualitas hasilnya tidak menurun — bahkan lebih mendekati apa yang dia inginkan. Dia mulai curiga bahwa sebagian waktu yang dia habiskan setahun terakhir untuk mengumpulkan dan merapikan template mungkin memang salah sasaran.
Selasa: Apa yang Sekali Dipelajari AI, Akan Diingatnya — dan Bahkan Digabungkannya Sendiri
Tren kedua adalah “Skills” — menyimpan alur kerja yang sudah dipoles menjadi semacam panduan yang diingat AI, sehingga lain kali cukup satu kalimat untuk mengulanginya persis sama, dan masih bisa terus diperbarui. Video itu menyebutkan bahwa alat-alat utama seperti Claude, Claude Code, Cowork, Codex, dan Cursor sekarang semuanya mendukung mekanisme serupa. Cara yang benar-benar efektif bukan langsung duduk menulis dokumen proses yang sempurna, melainkan membiarkan AI menyelesaikan satu tugas konkret dulu, baru memintanya menyimpan proses itu setelah hasilnya memuaskan.
Yang lebih penting, setelah Skills yang terkumpul makin banyak, AI mulai menggabungkannya sendiri — misalnya, jika ada Skills terpisah untuk “cari data” dan “tulis laporan mingguan,” cukup katakan “buatkan laporan minggu ini” dan AI akan otomatis merangkainya secara berurutan, tanpa perlu diingatkan di tengah jalan. Xu Yuting menyimpan alur kerja “draf pertama copy produk baru” yang rutin dikerjakan timnya sebagai satu Skill, dan keesokan harinya rekan kerja lain langsung memanggilnya, menghemat waktu yang biasanya dihabiskan untuk menjelaskan ulang.
Rabu: Dari Terbiasa Berganti-ganti Lima atau Enam Alat, Sampai Dia Mencoba “Satu Platform untuk Semua”
Tren ketiga adalah munculnya platform agent serba guna — contoh yang disebutkan video adalah Claude Cowork dari Anthropic dan Codex dari OpenAI. Ciri khas platform ini adalah menulis dokumen, membuat presentasi, menulis kode, bahkan langsung mempublikasikan halaman web yang sudah jadi, semuanya bisa dilakukan dalam satu antarmuka yang sama, tanpa perlu bolak-balik berganti lima atau enam aplikasi. Video itu juga menyebutkan bahwa platform ini punya browser bawaan, yang bisa mencari di internet dan mengklik tautan sendiri.
Tim Xu Yuting dulu memakai satu alat untuk balasan layanan pelanggan, alat lain untuk menjadwalkan posting media sosial, dan alat ketiga untuk copy produk — hanya untuk berganti login saja sudah menyita banyak waktu. Dia mengumpulkan draf layanan pelanggan dan copy media sosial ke dalam satu platform serba guna yang sama untuk uji coba seminggu, dan waktu yang terbuang untuk “ganti tab” memang berkurang banyak — tapi dia juga mengingatkan dirinya sendiri bahwa platform yang bagus tidak otomatis berarti penggunaan jadi lebih hemat, yang ingin benar-benar dia hitung pada hari Jumat.
Kamis: Otomatisasi Tidak Perlu Diawasi Lagi, Tapi Dompet Juga Tidak Ada yang Mengawasi — dan Itu Nyata
Tren keempat adalah otomatisasi latar belakang — cukup atur satu kalimat, misalnya “setiap pagi jam 8:30, rangkum berita industri kemarin jadi lima poin dan kirim ke saya,” maka AI akan menjalankannya secara otomatis sesuai jadwal, tanpa perlu belajar mengatur trigger secara teknis seperti dulu dengan Zapier atau Make.com. Video itu juga menyebutkan hal yang lebih mutakhir, yaitu “Computer Use,” di mana AI Agent langsung mengoperasikan mouse dan keyboard serta mengambil alih browser; sang kreator secara pribadi memperkirakan bahwa kemahiran AI mengoperasikan komputer bisa melampaui manusia dalam satu hingga satu setengah tahun ke depan — ini adalah pengamatan dan spekulasi pribadi dari kreator, bukan data resmi atau kesimpulan penelitian akademis — dan fitur ini sendiri saat ini masih diluncurkan bertahap, jadi belum semua akun bisa langsung memakainya.
Karena penasaran, Xu Yuting mengatur tiga tugas otomatis — memantau aktivitas media sosial kompetitor, merangkum poin penting dari email layanan pelanggan, dan membuat draf posting media sosial harian — lalu menghubungkan ketiganya ke model flagship yang paling tinggi penilaiannya di timnya, diatur berjalan di latar belakang sepanjang minggu, tanpa dia lihat lagi sama sekali.
Titik Balik: Notifikasi Tagihan Hari Jumat yang Membongkar Biaya Tak Ada yang Mengawasi Dompet
Saat mengecek penggunaan minggu itu pada hari Jumat, Xu Yuting baru sadar masalahnya bukan pada bagus tidaknya alat, melainkan karena dia menghubungkan pekerjaan berulang sehari-hari yang tidak butuh presisi tinggi, seperti “memantau aktivitas kompetitor” dan “merangkum email layanan pelanggan,” ke model flagship paling mahal, lalu diatur berjalan otomatis sepanjang minggu tanpa ada batas atas yang ditetapkan siapa pun. Video itu kebetulan juga menyinggung sisi lain dari fenomena yang sama: model-model terdepan paling canggih saat ini masih mahal — ada yang membagikan kasus uji coba nyata, hanya dengan percakapan menggunakan model kelas tertinggi untuk membuat satu aplikasi ponsel, dalam sekitar sembilan sampai sepuluh kali percakapan, sudah menghabiskan ratusan dolar AS — ini adalah kasus yang dibagikan dalam video, bukan acuan harga resmi, dan biaya sebenarnya akan sangat bervariasi tergantung skala tugas dan versi model. Di sisi lain, video itu juga menyebutkan bahwa model open source sedang cepat mengejar ketertinggalan, dengan pengalaman yang sudah sangat mendekati model flagship — terutama untuk pekerjaan sehari-hari seperti desain web, di mana selisihnya kecil tapi harganya bisa jauh lebih murah; video itu lebih jauh menyebutkan bahwa sejumlah model open source terbaik saat ini berasal dari Tiongkok — ini juga merupakan pengamatan pribadi dari kreator, peringkatnya bisa cepat berubah seiring versi model baru, dan pemilihan model sebaiknya tetap mengacu pada benchmark publik terbaru, bukan dianggap sebagai kesimpulan final.
Barulah Xu Yuting sadar bahwa selama seminggu mengejar enam tren, dia justru melewatkan satu hal paling penting: dia belum pernah menetapkan “Token Budget” untuk perusahaannya — memikirkan dulu tugas mana yang layak menggunakan model flagship termahal (sekali pakai, penting, berisiko tinggi jika salah), dan tugas mana yang sebaiknya diserahkan ke model murah atau open source (berulang, tidak butuh presisi tinggi) — alih-alih membiarkan sistem otomatis menjalankan semua hal dengan model termahal yang sama tanpa henti.
Penutup: Yang Dia Bawa ke Workshop Minggu Berikutnya Bukan Lagi Folder Template
Pada pelatihan Senin berikutnya, Xu Yuting tidak lagi membuka folder template prompt itu. Yang dia bawa adalah tabel baru yang membagi tugas-tugas rutin timnya menjadi dua kolom — “layak pakai model flagship” dan “cukup dengan model murah” — dengan catatan di sampingnya berapa banyak Token yang benar-benar terpakai untuk setiap kategori minggu itu. Kalimat pertama yang dia sampaikan ke timnya bukan lagi “cara menulis prompt yang lebih jitu,” melainkan: “sebelum menyambungkan tugas otomatis apa pun mulai sekarang, pikirkan dulu model tingkat mana yang seharusnya dipakai, baru putuskan apakah mau disambungkan.”
Dia menuliskan kalimat itu sebagai poin pertama dalam “daftar periksa peluncuran otomatisasi” timnya, lalu menempelkannya di tempat folder yang dulu berisi template prompt — folder yang sama yang membuatnya terdiam pada Senin pagi itu. Yang sekarang ada di dalamnya bukan lagi mantra, melainkan aturan.
Pertanyaan yang Sering Diajukan
Apakah sekarang benar-benar tidak perlu lagi menghafal template prompt?
Bukan sepenuhnya tidak perlu, tapi tingkat ketergantungannya memang menurun. Arah trennya adalah model semakin mampu memahami kebutuhan spesifik yang disampaikan dengan bahasa sehari-hari — menyampaikan kebutuhan dengan jelas dan spesifik jadi lebih penting daripada menghafal pola kalimat tetap. Ini adalah pengamatan yang disimpulkan kreator video dari pengujian langsung; tidak berlaku untuk semua tugas dan semua model, dan tugas yang kompleks atau membutuhkan presisi tinggi mungkin masih perlu prompt yang lebih terstruktur.
Apa bedanya Skills dengan template prompt?
Template prompt adalah kalimat tetap yang harus ditempel ulang setiap kali; Skills menyimpan alur kerja yang sudah dipoles menjadi panduan yang diingat AI, yang setelah itu bisa dipanggil ulang dengan satu kalimat, terus diperbarui, bahkan bisa saling dirangkai secara otomatis antar-Skills.
Apakah perusahaan perlu mengadopsi banyak platform AI Agent sekaligus?
Belum tentu. Tren menunjukkan platform agent serba guna (seperti Claude Cowork dan Codex) sedang menggabungkan berbagai jenis pekerjaan ke dalam satu antarmuka. Daripada bingung memilih alat mana yang harus dipelajari, memilih satu platform yang nyaman dipakai tim biasanya lebih efisien daripada mempertahankan lima atau enam sistem sekaligus.
Apa itu Token Budget dan mengapa perusahaan membutuhkannya?
Token Budget adalah anggaran yang wajar dan aturan bertingkat yang ditetapkan perusahaan lebih dulu untuk penggunaan dan biaya AI-nya — misalnya, tugas mana yang memakai model flagship, dan mana yang diserahkan ke model murah atau open source — untuk mencegah sistem otomatis menjalankan segala sesuatu dengan model termahal tanpa pengawasan, yang berujung pada tagihan yang kacau. Hal ini menjadi makin penting seiring otomatisasi dan kolaborasi multi-agent yang semakin umum.
Apakah model open source benar-benar bisa menggantikan model flagship?
Pada sebagian pekerjaan sehari-hari yang sangat berulang dan tidak menuntut presisi tinggi, selisihnya memang semakin mengecil — tapi penilaian ini bisa cepat berubah seiring versi model baru, jadi sebaiknya dicek lagi lewat benchmark publik atau kasus nyata sendiri untuk tugas spesifik yang dihadapi, bukan langsung menyimpulkan dari satu video saja.
Catatan Sumber
Artikel ini diadaptasi dari video yang dipublikasikan pada 1 Agustus 2026 oleh kanal YouTube 李廠長來了 (“Direktur Li Sudah Datang”), berjudul 6 Tren AI Agent Ini Akan Mengubah Total Cara Kerjamu dalam Setahun ke Depan!, disusun ulang dan ditulis ulang dalam bentuk narasi, bukan terjemahan kata demi kata. “Xu Yuting” dalam artikel ini adalah tokoh ilustratif untuk keperluan penjelasan, bukan pelanggan nyata. Pernyataan dalam artikel ini seperti “kemahiran AI mengoperasikan komputer bisa melampaui manusia dalam satu hingga satu setengah tahun,” “model open source terbaik saat ini berasal dari Tiongkok,” dan “satu kasus menghabiskan ratusan dolar AS dalam sekitar sembilan sampai sepuluh kali percakapan untuk membuat sebuah aplikasi,” semuanya merupakan pengamatan pribadi, spekulasi, atau kasus individu yang dibagikan oleh kreator video asli — bukan data resmi, penelitian akademis, atau acuan harga yang dapat diverifikasi — dan hasil sebenarnya akan sangat bervariasi tergantung versi model, jenis tugas, dan waktu. Penilaian tren dalam artikel ini hanya sebagai referensi; sebelum benar-benar mengadopsinya, pembaca sebaiknya merujuk pada dokumentasi resmi setiap platform dan benchmark publik terbaru.
Ambil Tindakan Sekarang
Tren AI Agent terus bermunculan satu demi satu, tapi yang benar-benar menentukan apakah tagihanmu tetap terkendali adalah apakah kamu sudah menetapkan batas yang jelas untuk setiap tugas otomatis, tentang model tingkat mana yang seharusnya dipakai. Coba AI Token King gratis, dan biarkan kami menunjukkan dengan jelas berapa banyak Token yang benar-benar terpakai oleh berbagai Agent dan Skills, agar kamu bisa menetapkan Token Budget yang tepat untuk timmu.
