𝗪𝗵𝘆 𝗠𝗼𝘀𝘁 𝗔𝗜 𝗔𝗴𝗲𝗻𝘁𝘀 𝗔𝗿𝗲 𝗢𝘃𝗲𝗿𝗲𝗻𝗴𝗶𝗻𝗲𝗲𝗿𝗲𝗱

AI agent ada di mana-mana.

Anda melihat agent swarms, tim otonom, dan planning agents. Framework baru muncul setiap minggu. Setelah mempelajari alur kerja (workflow) AI, saya sampai pada sebuah kesimpulan.

Kebanyakan AI agent terlalu overengineered.

Agent tidaklah tidak berguna. Para pengembang sering kali menyelesaikan masalah dengan agent, padahal alur kerja sederhana bisa memperbaikinya.

Industri Menyukai Kompleksitas

Bayangkan Anda ingin membangun sistem untuk membaca PDF dan menjawab pertanyaan.

Beberapa pengembang membuat arsitektur yang masif. Mereka menggunakan enam agent, manajemen status (state management) yang kompleks, dan sinkronisasi memori. Hal ini menyebabkan banyak masalah.

Anda sering kali dapat menyelesaikan masalah yang sama dengan urutan sederhana: • PDF • Chunk • Embed • Vector DB • LLM • Response

Sebuah workflow sudah cukup. Anda tidak butuh pasukan agent.

Workflow Menyelesaikan Sebagian Besar Masalah

Sebagian besar aplikasi AI bersifat deterministik. Mereka mengikuti urutan yang telah ditetapkan.

Contohnya meliputi: • Document Q&A • Customer support • Meeting summaries • Blog generation • Code review

Ini adalah workflow, bukan sistem otonom. Workflow lebih mudah untuk di-debug, diskalakan, dan dipelihara. Kompleksitas haruslah sepadan dengan manfaatnya.

Agent Memperkenalkan Biaya Tersembunyi

Setiap tambahan agent menambah: • Biaya token yang lebih tinggi • Latensi yang lebih besar • Lebih banyak peluang halusinasi • Debugging yang lebih sulit • Infrastruktur yang kompleks

Aplikasi sederhana dengan cepat berubah menjadi proyek rekayasa yang masif.

Di Mana Agent Benar-benar Unggul

Saya tidak anti-agent. Agent bekerja dengan baik ketika: • Tugas memakan waktu lama, seperti meneliti banyak situs web. • Diperlukan pengambilan keputusan berdasarkan logika. • Berbagai alat harus berkolaborasi, seperti Email, GitHub, dan Slack. • Intervensi manusia adalah bagian dari prosesnya.

Aturan Saya

Pengembang sering kali langsung terjun ke framework seperti CrewAI atau LangGraph. Sebelum Anda melakukannya, ajukan satu pertanyaan: Bisakah sebuah workflow menyelesaikan ini?

Jika jawabannya ya, mulailah dari sana. Gunakan agent hanya jika kompleksitas menuntutnya. Jangan gunakan mereka hanya karena tren (hype).

Saya mengikuti prinsip ini:

  1. Workflow terlebih dahulu.
  2. Agent kedua.
  3. Multi-agent terakhir.

Kompleksitas bukanlah inovasi. Kompleksitas adalah biaya. Pengguna tidak peduli berapa banyak agent yang Anda gunakan. Mereka peduli bahwa alat Anda berfungsi.

Kesederhanaan adalah fitur terbaik.

Source: https://dev.to/jaideepparashar/why-i-think-most-ai-agents-are-overengineered-249o

Optional learning community: https://t.me/GyaanSetuAi