Tadi malam, untuk menguji beberapa AI Agent, saya memasukkan data yang sama di chain ETH ke beberapa platform yang berbeda. Awalnya saya mengira setiap Agent akan menghasilkan strategi yang benar-benar berbeda.
Setelah bolak-balik mengujinya belasan kali, saya menemukan fenomena yang menarik: cara mereka menjawab memang berbeda, tetapi logika eksekusinya justru semakin lama semakin mirip.
Saya menatap layar cukup lama. Semakin banyak AI Agent, tapi kenapa malah makin terasa “mirip”?
Pertanyaan ini, belakangan ini saya teliti saat mengkaji Agent Framework milik @OpenGradient , tapi saya belum juga menemukan jawabannya.
Banyak orang memahami Agent sebagai sebuah alat yang berdiri sendiri, tetapi OpenGradient lebih seperti mengerjakan hal lain: menghubungkan model, tools, layanan on-chain, dan Agent-agent lain, sehingga satu Agent bisa terus memanggil Agent lain. Dengan begitu, kemampuan yang sebelumnya terpisah-pisah bisa dirangkai menjadi sebuah jaringan kolaborasi. Yang ditulis oleh para pengembang bukan hanya satu Agent, melainkan sistem pemanggilan untuk mengakses seluruh ekosistem.
Desain seperti ini memang menurunkan hambatan pengembangan, dan memungkinkan lebih banyak pengembang membangun Agent dengan cepat.
Tapi yang benar-benar membuat saya berhenti dan berpikir adalah hal lain. Ketika semakin banyak pengembang membangun di atas Framework yang sama, memanggil model yang sama, memakai toolchain yang mirip, dan menjalankan alur kerja yang serupa, berapa banyak perbedaan nyata antar Agent yang masih bisa tersisa?
Jika ke depannya pengguna terus memanggil beberapa Agent yang sering digunakan, apakah lebih banyak pengembang akan berakhir sebagai penyedia kemampuan dasar? Nilai akhirnya akan tetap berada pada Agent itu sendiri, atau perlahan terkonsolidasi ke jaringan yang menguasai relasi pemanggilan dan pintu masuk trafik?
Kontradiksi yang sesungguhnya ada di sini. Agent Framework menyelesaikan efisiensi pengembangan, tapi belum tentu menyelesaikan pembagian nilai. Ia membuat Agent lebih mudah lahir, tetapi juga bisa membuat persaingan makin terkonsentrasi.
Setelah melihat ini, justru saya tidak mendapat jawaban. Di era AI Agent di masa depan, yang paling langka sebenarnya adalah Agent yang semakin pintar, atau justru jaringan dasar yang menentukan bagaimana Agent berkolaborasi dan bagaimana mereka dipanggil?
#opg $OPG
Setelah bolak-balik mengujinya belasan kali, saya menemukan fenomena yang menarik: cara mereka menjawab memang berbeda, tetapi logika eksekusinya justru semakin lama semakin mirip.
Saya menatap layar cukup lama. Semakin banyak AI Agent, tapi kenapa malah makin terasa “mirip”?
Pertanyaan ini, belakangan ini saya teliti saat mengkaji Agent Framework milik @OpenGradient , tapi saya belum juga menemukan jawabannya.
Banyak orang memahami Agent sebagai sebuah alat yang berdiri sendiri, tetapi OpenGradient lebih seperti mengerjakan hal lain: menghubungkan model, tools, layanan on-chain, dan Agent-agent lain, sehingga satu Agent bisa terus memanggil Agent lain. Dengan begitu, kemampuan yang sebelumnya terpisah-pisah bisa dirangkai menjadi sebuah jaringan kolaborasi. Yang ditulis oleh para pengembang bukan hanya satu Agent, melainkan sistem pemanggilan untuk mengakses seluruh ekosistem.
Desain seperti ini memang menurunkan hambatan pengembangan, dan memungkinkan lebih banyak pengembang membangun Agent dengan cepat.
Tapi yang benar-benar membuat saya berhenti dan berpikir adalah hal lain. Ketika semakin banyak pengembang membangun di atas Framework yang sama, memanggil model yang sama, memakai toolchain yang mirip, dan menjalankan alur kerja yang serupa, berapa banyak perbedaan nyata antar Agent yang masih bisa tersisa?
Jika ke depannya pengguna terus memanggil beberapa Agent yang sering digunakan, apakah lebih banyak pengembang akan berakhir sebagai penyedia kemampuan dasar? Nilai akhirnya akan tetap berada pada Agent itu sendiri, atau perlahan terkonsolidasi ke jaringan yang menguasai relasi pemanggilan dan pintu masuk trafik?
Kontradiksi yang sesungguhnya ada di sini. Agent Framework menyelesaikan efisiensi pengembangan, tapi belum tentu menyelesaikan pembagian nilai. Ia membuat Agent lebih mudah lahir, tetapi juga bisa membuat persaingan makin terkonsentrasi.
Setelah melihat ini, justru saya tidak mendapat jawaban. Di era AI Agent di masa depan, yang paling langka sebenarnya adalah Agent yang semakin pintar, atau justru jaringan dasar yang menentukan bagaimana Agent berkolaborasi dan bagaimana mereka dipanggil?
#opg $OPG