Model frontier terbaru baru saja diluncurkan minggu ini (Kimi K3), dengan 2,8 triliun parameter, bobot terbuka (open weights), tolok ukur yang kompetitif dengan yang terbaik di dunia, dan hemat biaya. Jika Anda memperhatikan berita di bidang AI dalam setahun terakhir, kemungkinan besar dalam beberapa bulan ke depan, model lain akan dirilis dengan tolok ukur yang lebih baik dan/atau efektivitas biaya yang lebih tinggi. Pertanyaannya sekarang bukanlah siapa yang memiliki model atau optimasi biaya terbaik, melainkan apa tren yang dapat diamati, dan tren tersebut adalah bahwa LLM semakin mengerucut menjadi sebuah komoditas dan penyedia LLM mulai bergerak naik ke rantai nilai.
Kita sudah pernah melihat pola ini sebelumnya. Komputasi awan (cloud compute) mengikuti alur yang sama: AWS memulai dengan keunggulan masif, tetapi dalam satu dekade, komputasi menjadi dapat dipertukarkan antara AWS, Azure, dan Google Cloud. Nilainya berpindah ke layanan terkelola (managed services). Basis data pun mengalami hal yang sama — PostgreSQL dan MySQL menjadi komoditas, dan nilai terakumulasi pada platform yang membangun solusi vertikal di atasnya.
Polanya konsisten: ketika kemampuan dasar menjadi dapat dipertukarkan dan murah, diferensiasi berpindah ke lapisan atas (stack). LLM mengikuti lintasan yang sama — hanya saja lebih cepat.
Apa Artinya Ini bagi Bisnis?
Meskipun berita terbaru ini signifikan dalam banyak aspek, hal ini tidak menjawab bagaimana perusahaan mampu menerjemahkannya menjadi nilai bisnis yang nyata. Pada akhirnya, ketika setiap perusahaan dapat menjalankan kecerdasan frontier dengan biaya sangat murah, pernyataan “kami memiliki model yang lebih baik” bukan lagi merupakan keunggulan kompetitif. Itu seperti menyombongkan listrik yang Anda miliki. Yang terpenting adalah apa yang Anda bangun di atas listrik tersebut. Untuk mengilustrasikan hal ini dengan lebih baik, kita dapat membagi rantai nilai AI menjadi 3 lapisan secara singkat.
Lapisan 1: Lapisan LLM — Bahan Bakar, Bukan Diferensiasi
Ini adalah dasarnya. Kecerdasan mentah. Semakin dapat dipertukarkan, semakin murah. Parit pertahanan (moat) di sini sudah hilang. Perilisan Kimi K3 sebagai bobot terbuka hanyalah konfirmasi terbaru.
Lapisan 2: Agen Generik — Sudah Terlalu Padat
Agen pengodean. Agen riset. Agen produktivitas umum. Setiap platform besar membangun hal yang sama. Lihat petanya: OpenClaw memungkinkan siapa saja mengubah LLM menjadi pekerja otonom. AWS Q Developer menanamkan pengodean berbasis agen dan modernisasi infrastruktur jauh ke dalam konsol AWS. Tencent WorkBuddy mengubah tugas kantor desktop menjadi alur kerja otomatis dengan satu instruksi. Dan itu belum menghitung puluhan lainnya.
Jika strategi AI Anda adalah “kami menerapkan asisten AI” untuk staf Anda, tidak diragukan lagi itu adalah titik awal yang bagus, tetapi kemungkinan besar tidak berbeda dengan apa yang dilakukan pesaing Anda. Tentu saja, saya menyampaikan komentar ini dengan catatan, karena tingkat kematangan setiap perusahaan berbeda-beda. Namun satu hal yang konsisten di seluruh perusahaan adalah mereka semua mencari keunggulan kompetitif yang dapat dihadirkan oleh AI.
Lapisan 3: Agen Domain — Tempat Nilai Berada
Di sinilah hal itu menjadi menarik. Agen generik menulis kode, tetapi agen domain (misalnya agen CRM berbasis AI asli) tidak hanya akan melakukan kueri ke basis data — ia memahami siklus hidup pelanggan secara lengkap: bagaimana prospek mengalir melalui pipeline Anda, sinyal keterlibatan mana yang memprediksi konversi, kapan sebuah kesepakatan membutuhkan perhatian manusia, dan bagaimana mengatur penjangkauan di setiap titik kontak tanpa menduplikasi upaya atau melanggar batas kepatuhan. Contoh lainnya termasuk agen tata kelola yang memastikan semua respons diaudit dan sesuai dengan kebijakan peraturan dan perusahaan, atau agen hukum yang menangkap nuansa dan bahasa spesifik industri, serta merekomendasikan strategi negosiasi kontrak.
Ini bukanlah bot monolitik tunggal. Mereka adalah sistem multifaset: spesialis sinkronisasi data, spesialis penilaian, spesialis kepatuhan, spesialis panduan (playbook) — masing-masing disetel untuk pekerjaan yang sempit, dikoordinasikan oleh lapisan yang memahami domain tersebut.
Di sinilah akurasi AI sebenarnya berada. Bukan pada model yang lebih besar. Melainkan dalam sistem yang terdiri dari keterampilan khusus domain.
Dan inilah tren yang akan datang: agen domain pada akhirnya tidak hanya akan membantu — mereka akan memberikan hasil sebagai sebuah layanan. Ketika agen CRM dapat secara otonom mengkualifikasi prospek, menjadwalkan tindak lanjut, memperbarui tahapan pipeline, dan memunculkan risiko churn tanpa campur tangan manusia, Anda tidak lagi membeli alat. Anda membeli hasil. Agen tersebut tidak membantu perwakilan Anda menjual dengan lebih baik. Ia melakukan sebagian dari penjualan untuk Anda.
Mengapa Agen Domain Harus Multifaset
Masalah bisnis yang nyata bersifat lintas fungsi. Menggunakan CRM sebagai contoh utama, agen CRM yang hanya membaca catatan kontak nyaris tidak lebih baik daripada bilah pencarian. Nilainya muncul ketika ia dapat:
- Mengurutkan ulang prospek berdasarkan sinyal keterlibatan dari berbagai titik kontak
- Menyarankan langkah selanjutnya dari pola kemenangan historis Anda
- Menyusun draf penjangkauan yang sadar konteks yang mencerminkan posisi prospek sebenarnya dalam perjalanan pelanggan
- Menandai batasan kepatuhan sebelum perwakilan mengirimkan hal yang salah kepada orang yang salah
- Menyerahkan tugas kepada manusia dengan konteks lengkap saat tingkat kepercayaan menurun
- Memunculkan sinyal risiko churn sebelum menjadi pembatalan
- Mengotomatiskan urutan tindak lanjut yang beradaptasi secara real-time berdasarkan perilaku respons
Tidak ada model tunggal yang dapat melakukan ini. Akurasi berasal dari komposisi — beberapa agen khusus yang bekerja sama di dalam domain yang mereka pahami.
Parit Pertahanannya Adalah Perpustakaan Keterampilan
Pertahanan bukan terletak pada LLM. Bukan pada kerangka kerja agen generik. Melainkan pada perpustakaan keterampilan — integrasi kepemilikan, logika orkestrasi yang disetel, konektor khusus domain yang membutuhkan waktu berbulan-bulan untuk dibangun dan disempurnakan. Itulah yang tidak dapat direplikasi oleh pesaing hanya dengan mengganti penyedia API. Dan inilah mengapa tren ini penting. Dalam pengumuman baru-baru ini, Kimi K3 menarik bukan karena ia adalah model yang lebih besar. Ia menarik karena Moonshot juga merilis Kimi Code, Agent Swarm, dan Document-to-Skills — produk yang berada kokoh di lapisan agen. Model adalah pengumumannya. Tumpukan agen (agent stack) adalah strateginya. Setiap lab melakukan langkah yang sama: menjangkau lapisan atas karena lapisan dasar mulai mendatar.
Apa yang Seharusnya Anda Beli?
Setiap vendor menyebut produk mereka sebagai “agen AI.” Perbedaannya adalah untuk apa produk itu dibangun.
Gunakan agen generik ketika:
- Tugas bersifat lintas fungsi dan tidak memerlukan pengetahuan domain yang mendalam — menyusun presentasi, menjadwalkan di berbagai kalender, merangkum makalah penelitian, menulis kode dalam bahasa umum
- Toleransi akurasi cukup tinggi sehingga hasil yang “cukup baik” sudah memadai — draf pertama, analisis kasar, titik awal
- Pengguna adalah pakarnya dan agen adalah asistennya
Gunakan agen domain ketika:
- Tugas berada di dalam alur kerja tertentu dengan aturan, riwayat, dan konteks yang penting — menilai prospek, mengarahkan kesepakatan, menandai risiko kepatuhan, memproses klaim
- Toleransi akurasi rendah karena kesalahan memiliki biaya nyata — kesepakatan yang salah arah, tanda kepatuhan yang terlewat, keputusan kredit yang buruk, diskon yang salah diberikan pada kutipan penjualan
- Agen perlu mengetahui apa yang diketahui pengguna tanpa harus diberitahu setiap saat
Agen generik adalah pisau Swiss Army. Ia melakukan banyak hal dengan cukup baik. Agen domain adalah alat bedah. Ia melakukan satu hal dengan tepat karena ia memahami konteksnya — logika corong (funnel) Anda, aturan wilayah Anda, batasan peraturan Anda, panduan (playbook) Anda.
Model membantu Anda memulai. Agen domain adalah apa yang memberikan nilai bisnis.
