Ada lima jenis klasik AI agent: simple reflex agent, model-based reflex agent, goal-based agent, utility-based agent, dan learning agent. Sederhananya, agent ini mengikuti aturan, mencatat apa yang sedang terjadi, bekerja menuju tujuan, memilih yang terbaik dari beberapa opsi, atau makin baik berkat masukan. Banyak daftar menambahkan dua jenis lagi, hierarchical agent dan multi-agent system, yang membahas cara beberapa agent bekerja sama.
Panduan ini menjelaskan tiap jenis dengan satu contoh sehari-hari dan satu contoh bisnis. Panduan ini juga menyampaikan satu poin praktis: ketika AI agent salah mengerjakan pekerjaan bisnis, penyebabnya biasanya bukan perencanaan yang lemah. Penyebabnya adalah agent bekerja dengan fakta yang salah. Jadi, saat memilih agent, tanyakan dulu apa yang bisa ia lihat dan apa yang boleh ia ubah. Seberapa pintar agent itu, itu urusan kedua.
Apa itu AI agent?
AI agent adalah perangkat lunak yang melihat suatu situasi, memutuskan apa yang perlu dilakukan, lalu benar-benar melakukannya. Chatbot menjawab pertanyaan Anda. Agent juga bisa mengambil langkah berikutnya, misalnya membaca inbox Anda, memperbarui spreadsheet, atau menyusun draf balasan.
Kelima jenis ini berasal dari buku teks karya Stuart Russell dan Peter Norvig, Artificial Intelligence: A Modern Approach, buku yang dipakai di sebagian besar mata kuliah AI di universitas. Buku ini mengelompokkan agent berdasarkan satu pertanyaan: bagaimana agent memutuskan apa yang dilakukan selanjutnya? Panduan IBM tentang jenis-jenis AI agent memakai daftar yang sama.
Tidak ada satu definisi resmi, dan itu tidak masalah. Bagi pembaca dari dunia bisnis, ujian yang berguna cukup sederhana: apakah ia hanya menjawab, atau juga bisa bertindak?
5 jenis klasik AI agent
Baca kelima jenis ini dari yang paling sederhana sampai yang paling rumit. Ini bukan peringkat. Desain yang sederhana sering kali justru yang tepat, dan kemampuan belajar bisa ditambahkan ke salah satu dari empat jenis lainnya.
Kelima jenis klasik ini menjelaskan bagaimana keputusan diambil. Kemampuan belajar bisa ditambahkan ke empat jenis lainnya; ia bukan anak tangga terakhir. Periksa kualitas konteks di setiap desain.
YouTube · IBM Technology
5 Types of AI Agents: Autonomous Functions & Real-World Applications · 28 April 2025
Penjelasan 10 menit tentang jenis-jenis agent versi buku teks, dengan satu gambar untuk tiap jenis. Rangkuman di menit 8:23 merumuskannya dalam lima kata kerja: bereaksi (reacts), mengingat (remembers), membidik tujuan (aims), menilai (evaluates), dan berkembang (improves).
1. Simple reflex agent: mengikuti aturan
Apa yang dilakukan: "Kalau ini terjadi, lakukan itu." Agent ini hanya melihat apa yang ada di depannya saat ini.
Contoh sehari-hari: termostat menyalakan pemanas saat suhu di bawah 19°C.
Contoh bisnis: aturan inbox meneruskan setiap email yang memuat kata "invoice" ke tim utang usaha (accounts payable).
Di mana ia keliru: pada apa pun yang tidak diantisipasi aturannya. Newsletter yang menyebut kata "invoice" juga ikut masuk ke tim keuangan Anda. Aturan itu tidak bisa membedakannya, dan akan mengulangi kesalahan yang sama setiap kali.
Gunakan saat: situasinya bisa ditebak dan kesalahan tidak berdampak mahal.
2. Model-based reflex agent: mencatat apa yang sedang terjadi
Apa yang dilakukan: agent ini tetap mengikuti aturan, tetapi ia mengingat apa yang sudah ia lihat. Dari situ ia punya gambaran tentang situasi, yang di buku teks disebut "model".
Contoh sehari-hari: robot penyedot debu mengingat ruangan mana saja yang sudah ia bersihkan.
Contoh bisnis: asisten layanan pelanggan melihat bahwa pelanggan sudah melaporkan bug yang sama minggu lalu, jadi ia menambahkan pesan baru ke tiket yang masih terbuka alih-alih membuat tiket ganda.
Di mana ia keliru: saat gambarannya sudah usang. Data CRM yang lama, keputusan yang hanya tercatat di thread Slack, atau spreadsheet bulan lalu akan membuatnya bertindak dengan yakin berdasarkan fakta yang salah.
Gunakan saat: tindakan yang tepat bergantung pada riwayat, bukan hanya pada pesan terbaru.
Inilah jenis yang paling penting bagi tim bisnis, dan sebuah postingan yang ramai dibagikan di X pada awal November 2026 menunjukkan alasannya. Gul Saeed Khattak, lead data engineer di University of Glasgow, menceritakan sebuah agent yang diminta mencari pendapatan kuartal lalu:
X · Gul Saeed Khattak (@Ldataengineer) · 3 November 2026
"It answers in 3 seconds. Clean number. Nice chart. But it used the wrong 'revenue' column. Nobody notices."
(Terjemahan) "Ia menjawab dalam 3 detik. Angkanya rapi. Grafiknya bagus. Tapi ia memakai kolom 'revenue' yang salah. Tidak ada yang sadar."
Agent dalam cerita itu tidak salah bernalar. Ia bernalar dengan baik, tetapi dari kolom yang salah. Kami setuju dengan diagnosis tersebut. Perlu dicatat, postingan itu kemudian mempromosikan alat data tertentu yang belum kami uji. Pelajaran bisnisnya lebih sederhana daripada alat apa pun: sebelum memercayai jawaban agent, periksa sumber mana yang ia gunakan.
3. Goal-based agent: bekerja menuju target
Apa yang dilakukan: Anda memberinya tujuan, lalu ia merencanakan langkah-langkahnya. Alih-alih bertanya "aturan mana yang berlaku?", ia bertanya "langkah apa yang membuat saya makin dekat?"
Contoh sehari-hari: aplikasi navigasi menyusun rute dan menghitung ulang rute saat Anda melewatkan belokan.
Contoh bisnis: "Siapkan deck untuk rapat direksi hari Kamis." Agent menarik angka terbaru, menyalin tata letak slide kuartal lalu, dan mendaftar pertanyaan yang masih terbuka.
Di mana ia keliru: ia hanya memeriksa apakah tujuannya tercapai. Kalau ada dua rencana yang sama-sama berhasil, ia tidak punya alasan untuk memilih yang lebih murah atau lebih aman.
Gunakan saat: Anda tahu hasil yang diinginkan, tetapi langkah-langkahnya berubah setiap kali.
4. Utility-based agent: memilih opsi terbaik
Apa yang dilakukan: ia membandingkan beberapa opsi yang bagus dan memberi skor berdasarkan hal-hal yang Anda anggap penting.
Contoh sehari-hari: pencarian tiket pesawat yang menimbang harga, lama perjalanan, dan jumlah transit.
Contoh bisnis: asisten iklan menyarankan pemindahan anggaran antarkampanye dengan menimbang biaya per penjualan, sisa anggaran, dan seberapa banyak data yang dimiliki tiap kampanye.
Di mana ia keliru: skornya hanya sebaik prioritas Anda. Kalau belum ada yang memutuskan apakah kecepatan lebih penting daripada biaya, agent juga tidak bisa memutuskannya.
Gunakan saat: ada untung-rugi yang nyata dan lebih dari satu jawaban yang bisa diterima.
5. Learning agent: makin baik berkat masukan
Apa yang dilakukan: ia melihat bagaimana hasil tindakannya di masa lalu, lalu menyesuaikan diri. Kemampuan ini bisa dipasang di atas salah satu dari empat jenis di atas.
Contoh sehari-hari: rekomendasi aplikasi musik berubah saat Anda melewati atau memutar ulang lagu.
Contoh bisnis: asisten penilai prospek (lead scoring) menyusun peringkat prospek dengan lebih baik setelah tim sales menandai prospek mana yang benar-benar menjadi deal.
Di mana ia keliru: ia mempelajari apa pun yang diajarkan oleh masukan. Masukan yang bolong-bolong atau tidak konsisten membuatnya salah dengan penuh percaya diri. Proses belajar juga butuh data paling banyak dan waktu paling lama.
Gunakan saat: pekerjaannya sering berulang dan ada orang yang memeriksa apa yang sedang dipelajari agent.
Jenis 6 dan 7: hierarchical agent dan multi-agent system
Dua jenis ini menjelaskan bagaimana beberapa agent diatur, bukan bagaimana satu agent mengambil keputusan.
- Hierarchical agent: agent "manajer" memecah pekerjaan besar menjadi beberapa bagian dan menyerahkan tiap bagian ke agent lain.
- Multi-agent system: beberapa agent menangani masalah yang sama secara bersamaan, berbagi atau membagi pekerjaannya.
Contoh bisnis: untuk peluncuran produk, satu agent meriset kompetitor, satu agent menyusun draf email peluncuran, dan satu agent lagi memeriksa landing page.
Apakah lebih banyak agent berarti hasil lebih baik? Tergantung pekerjaannya. Pada Juni 2025, Anthropic melaporkan bahwa tim agent mengalahkan satu agent dalam uji riset internal mereka, tetapi memakai sekitar 15 kali lebih banyak token (satuan yang dipakai untuk menagih penggunaan AI) dibanding chat biasa. Anthropic juga menyebut bahwa tugas yang mengharuskan setiap agent memiliki konteks yang sama kurang cocok untuk cara ini (Anthropic). Sebuah makalah riset dari Oktober 2026, yang belum melalui peer review, menemukan bahwa agent yang saling mengoper pekerjaan tidak saling memeriksa ulang fakta, kecuali prosesnya memaksa mereka melakukannya (arXiv).
Jadi kesimpulannya bukan "makin banyak agent makin baik". Aturannya sama dengan saat Anda bekerja dengan orang: setiap serah terima butuh input yang jelas, output yang jelas, dan seseorang yang memeriksa hasilnya.
Posisi AI agent masa kini
Kelima jenis ini dirumuskan sebelum alat seperti ChatGPT dan Claude ada. AI agent modern menggabungkan beberapa di antaranya. Ia mengikuti instruksi Anda (aturan), membaca dokumen dan pesan-pesan lama Anda (mencatat situasi), merencanakan langkah menuju apa yang Anda minta (tujuan), menimbang opsi saat Anda memintanya memilih (opsi terbaik), dan bisa makin baik saat Anda menyimpan koreksi (masukan).
Jadi, kalau sebuah vendor bilang produknya adalah "goal-based agent", itu tidak banyak memberi tahu Anda. Lebih baik ajukan tiga pertanyaan sederhana:
- Apa yang bisa ia baca?
- Apa yang bisa ia ubah?
- Kapan ia berhenti dan bertanya kepada manusia?
Kesalahan umum saat memahami jenis-jenis agent
"Jenis yang lebih belakang selalu lebih baik." Tidak. Aturan sederhana lebih murah, lebih cepat, dan lebih mudah diperiksa. Pakai jenis paling sederhana yang bisa menyelesaikan pekerjaan.
"Learning agent otomatis belajar dari semua hal." Di sebagian besar alat bisnis, agent hanya makin baik kalau ada yang menyimpan koreksinya, misalnya sebagai instruksi yang diperbarui. Kalau tidak ada yang menyimpannya, proses berikutnya mulai dari nol lagi.
"Lebih banyak agent berarti lebih mampu." Lebih banyak agent berarti lebih banyak serah terima. Kesalahan kecil juga menumpuk: kalau setiap langkah benar 95% dari waktu, proses sepuluh langkah hanya benar sekitar 60% dari waktu.
"Jenisnya menunjukkan apa yang bisa ia lakukan di bisnis saya." Jenisnya menunjukkan bagaimana ia memutuskan. Apa yang bisa ia lakukan bergantung pada apa yang bisa ia akses dan apa yang boleh ia ubah.
Cara yang lebih mudah bagi tim bisnis: kelompokkan agent berdasarkan pekerjaannya
Jenis-jenis versi buku teks menjelaskan cara agent berpikir. Seorang sales lead atau manajer operasional biasanya lebih peduli pada pekerjaan yang akan dikerjakan agent. Karena itu banyak tim merasa lebih mudah mengelompokkan agent berdasarkan peran. Ini cara berpikir praktis, bukan daftar resmi.
| Peran | Apa yang dilakukan | Apa yang Anda dapat | Apa yang tetap diputuskan manusia |
|---|---|---|---|
| Pemantau | Mengawasi satu sumber dan menandai hal yang penting | Peringatan atau ringkasan harian | Peringatan mana yang perlu ditindaklanjuti |
| Periset | Mengumpulkan dan membandingkan informasi | Ringkasan riset atau daftar pendek | Apakah sumbernya bagus dan apa langkah selanjutnya |
| Pembuat konten | Mengubah bahan mentah menjadi draf | Email, laporan, deck, atau halaman | Menyunting, lalu mengirim atau menerbitkan |
| Operator | Melakukan perubahan di dalam alat-alat Anda | Data yang diperbarui, postingan terjadwal | Memberi akses dan menyetujui perubahan |
| Koordinator | Menjalankan pekerjaan multi-langkah lintas alat | Paket yang sudah jadi, diserahkan kembali untuk ditinjau | Bertanggung jawab atas hasilnya |
Orang-orang sudah mulai menyerahkan pekerjaan utuh kepada agent. Greg Isenberg, CEO studio pembangun perusahaan Late Checkout, menceritakan minggunya di X:
X · Greg Isenberg (@gregisenberg) · 3 November 2026
"my team is 50+ people in 12 countries, but i talk to my agents more than my human teammates"
(Terjemahan) "tim saya berisi 50+ orang di 12 negara, tapi saya lebih sering bicara dengan agent saya daripada dengan rekan kerja manusia"
Dalam postingan yang sama, ia menyebut satu langkah di mana agent mempertanyakan idenya sebelum apa pun dibangun. Itu kebiasaan yang baik untuk peran apa pun di tabel: biarkan agent bertanya tentang tujuannya sebelum mulai bekerja. Pandangan kami tidak sedramatis cara ia membingkainya. Sering berbicara dengan agent tidak masalah, selama manusia tetap yang memutuskan apa yang dikirim, diubah, atau disetujui.
Contoh: satu tindak lanjut penjualan, langkah demi langkah
Berikut cara jenis-jenis tadi muncul dalam satu tugas biasa. Ini contoh bagaimana langkah-langkahnya saling terhubung di Okou, bukan kisah pelanggan.
Permintaannya. Setelah panggilan perpanjangan kontrak, seorang account manager menulis: "Tinjau riwayat pelanggan ini, siapkan ringkasan untuk tim saya, dan buat draf email tindak lanjut."
1. Periksa fakta dulu (mencatat situasi). Agent membaca thread email, catatan panggilan, data di CRM, dan berita terbaru tentang pelanggan. CRM mencatat "perpanjangan, syarat standar". Tetapi email dari minggu lalu menyebut bahwa kepala bagian keuangan pelanggan menginginkan penagihan per kuartal. Agent memakai email yang lebih baru dan menandai ketidaksesuaian itu sebagai pertanyaan terbuka.
2. Rencanakan pekerjaannya (tujuan). Agent mengumpulkan apa yang dibutuhkan oleh ringkasan dan email: apa yang dijanjikan dalam panggilan, apa yang masih terbuka, dan langkah berikutnya yang disetujui pelanggan.
3. Ikuti preferensi tim (opsi terbaik). Account manager sudah pernah bilang "email ke pelanggan maksimal 150 kata dan langsung buka dengan langkah berikutnya". Itu menjawab pilihan antara email yang singkat atau yang detail.
4. Buat draf, jangan kirim. Tim mengizinkan Okou menulis draf Gmail, tetapi tidak mengirimnya (Apa itu Okou?). Kalau agent butuh akses yang belum ia miliki, seseorang menyetujuinya dan memilih berapa lama akses itu berlaku.
5. Gunakan format yang tepat untuk tiap pembaca. Tim internal menerima ringkasan dalam bentuk dokumen yang bisa mereka beri komentar. Pelanggan menerima email singkat yang membuat langkah berikutnya jelas.
6. Manusia meninjau. Account manager memperbaiki satu kalimat tentang penagihan, memeriksa penerima, lalu menekan Send.
Email yang disusun di Okou (data contoh dari tugas lain). Perhatikan label Draft dan tombol Send: tidak ada yang terkirim sampai seseorang menekan Send. Klik gambar untuk melihat ukuran penuhnya.
7. Simpan agar tim bisa memakainya lagi (masukan). Perbaikan hanya membantu di lain waktu kalau disimpan. Account manager meminta Okou menyimpan prosesnya sebagai workflow: sumber mana yang harus diperiksa, seperti apa bentuk ringkasannya, dan aturan bahwa email tetap berupa draf. Rekan satu tim lalu bisa menjalankannya untuk pelanggan lain, dengan akun email dan CRM miliknya sendiri, bukan milik pembuatnya (Okou untuk tim). Kalau tim ingin workflow ini berjalan sebelum setiap panggilan perpanjangan, mereka bisa menambahkan otomatisasi dengan jadwal atau pemicu.
Sebagian besar artikel tentang jenis-jenis agent berfokus pada langkah 2, yaitu perencanaan. Dalam contoh ini, yang membuat hasilnya berguna adalah langkah 1 (email yang lebih baru), langkah 4 (buat draf, jangan kirim), langkah 5 (format yang tepat), dan langkah 7 (menyimpan perbaikan).
Cara memilih jenis AI agent yang tepat
Jawab pertanyaan-pertanyaan berikut tentang pekerjaannya:
- Bisakah Anda menuliskan aturannya dalam satu kalimat? Kalau bisa, aturan sederhana mungkin sudah cukup.
- Apakah jawaban yang benar bergantung pada riwayat? Kalau ya, agent butuh akses ke sumber yang tepat, dan Anda perlu memeriksa apa yang ia lakukan saat dua sumber saling bertentangan.
- Anda tahu hasilnya, tetapi tidak tahu langkahnya? Itu pekerjaan goal-based: ringkasan riset, laporan, draf pertama.
- Apakah ada untung-rugi yang harus ditimbang? Tentukan prioritas Anda dulu, lalu biarkan agent menerapkannya.
- Apakah pekerjaan ini akan berulang? Rencanakan cara menyimpan koreksi agar proses berikutnya lebih baik.
- Seberapa banyak yang boleh ia ubah tanpa bertanya? Mulailah dengan akses baca saja dan draf. Tambahkan akses secara bertahap, dengan batas waktu jika memungkinkan.
Saat Okou membutuhkan izin yang belum dimiliki, seseorang melihat dengan jelas apa yang diminta dan memilih berapa lama izin itu diberikan.
Peran Okou
Okou adalah rekan kerja AI untuk tim bisnis. Anda tidak perlu memilih jenis agent. Anda cukup menjelaskan pekerjaannya, menunjukkan file dan alat yang relevan, lalu Okou mengumpulkan konteks, mengerjakan tugasnya di cloud, dan menyerahkan kembali hasil yang bisa Anda periksa.
Tiga hal dari panduan ini membentuk cara kerja Okou:
- Fakta yang benar lebih dulu. Okou membaca email, dokumen, dan data yang dibutuhkan tugas, lalu mencocokkan fakta yang bisa berubah dengan sumbernya. Koreksi yang Anda buat di sebuah chat akan terbawa di chat itu. Untuk memakai latar belakang dari chat lain, Anda tinggal mengarahkan Okou ke chat tersebut (Chat).
- Format yang tepat. Pesan singkat untuk kabar terbaru, dokumen untuk detail yang perlu ditinjau, halaman web atau slide saat sebuah kelompok perlu membahas suatu rekomendasi bersama-sama.
- Bisa dipakai ulang, dengan batasan. Workflow yang disimpan memungkinkan rekan tim memakai ulang sebuah metode dengan akun dan izin mereka sendiri. Membagikan workflow tidak ikut membagikan inbox atau chat pribadi siapa pun.
Untuk contoh lainnya, lihat 20 contoh penggunaan AI agent dengan prompt dan hasil nyata, manajemen konteks AI agent untuk tim, dan cara Okou bertanya sebelum bertindak.
Pertanyaan yang sering diajukan
Apa saja 5 jenis AI agent?
Simple reflex agent mengikuti aturan yang tetap. Model-based reflex agent juga mencatat situasi yang sedang terjadi. Goal-based agent merencanakan langkah menuju target. Utility-based agent memilih yang terbaik dari beberapa opsi. Learning agent makin baik berkat masukan. Daftar ini berasal dari buku teks AI karya Russell dan Norvig dan dipakai di sebagian besar mata kuliah.
Apa itu simple reflex agent dalam AI?
Agent ini hanya bertindak berdasarkan apa yang ia lihat saat ini, dengan aturan "kalau ini, maka itu". Ia tidak punya ingatan dan tidak membuat rencana. Termostat adalah salah satu contohnya. Dalam bisnis, filter inbox dan aturan pengalihan dasar bekerja seperti ini: andal saat situasinya bisa ditebak, mudah terkecoh saat tidak.
Apa bedanya goal-based agent dan utility-based agent?
Goal-based agent sudah puas dengan rencana apa pun yang mencapai tujuan. Utility-based agent membandingkan opsi-opsinya dan memilih yang terbaik. Goal-based agent memesan sembarang penerbangan ke Chicago. Utility-based agent memesan penerbangan yang paling seimbang antara harga, waktu, dan jumlah transit, berdasarkan apa yang Anda anggap penting.
Apakah multi-agent system termasuk jenis AI agent?
Lebih tepat disebut sebagai cara mengatur agent. Beberapa agent membagi atau berbagi satu pekerjaan, dan masing-masing tetap bisa berupa salah satu dari lima jenis klasik. Lebih banyak agent juga berarti lebih banyak serah terima, dan di titik serah terima itulah pemeriksaan paling sering terlewat.
Apakah ada daftar resmi jenis-jenis AI agent untuk bisnis?
Tidak ada. Lima jenis klasik ini banyak diajarkan, tetapi pengelompokan untuk bisnis berbeda-beda. Ada yang mengelompokkan agent berdasarkan departemen, ada yang berdasarkan seberapa mandiri agent itu, dan ada yang berdasarkan peran, seperti peran pemantau, periset, pembuat konten, operator, dan koordinator dalam panduan ini. Gunakan pengelompokan apa pun sebagai alat perencanaan, bukan sebagai standar.
Jenis AI agent apa yang sebaiknya dipakai bisnis kecil untuk memulai?
Mulailah dengan pekerjaan yang berulang, punya hasil yang jelas, dan aman diperiksa sebelum apa pun dikirim keluar, misalnya laporan mingguan, ringkasan riset, atau draf email tindak lanjut. Beri agent akses baca ke apa yang ia butuhkan, biarkan pengiriman dan perubahan data tetap di tangan manusia, dan tambahkan akses hanya setelah agent terbukti andal.
