Dua agen AI di New Street Studios mengubah ide kartu permainan menjadi file siap cetak. Namun, sorotan utamanya adalah bagaimana sistem tersebut mendeteksi kesalahan sebelum berlanjut ke tahap berikutnya. Ketika bot produksi menandai adanya item kunci yang tersembunyi pada karya seni, ia mengirimkan kembali file tersebut ke bot desain, sehingga menghentikan kesalahan tanpa perlu campur tangan manusia.

Mengapa serah terima itu penting

Pengujian ini mengukur pencegahan kesalahan, bukan kecepatan. Biasanya, seorang desainer membuat draf kartu, alat produksi menyesuaikan tata letak, dan peninjau manusia memberikan persetujuan. Jika tahap produksi menemukan masalah, seseorang akan turun tangan, menafsirkan masalah tersebut, dan menetapkan kembali tugasnya. Dalam eksperimen ini, bot produksi—INKA-01—menemukan pose karakter yang menutupi elemen permainan yang krusial. Alih-alih melakukan pemotongan (crop) cepat, ia menghasilkan pesan penolakan yang menyebutkan kegagalan secara spesifik, menjelaskan mengapa alat yang ada tidak dapat memperbaikinya, dan mengembalikan artefak tersebut ke bot desain—LUDO-01. Siklus tersebut selesai tanpa memerlukan bantuan manusia.

Bagaimana tim ini disusun

Studio tersebut menjalankan saluran Slack publik yang menampung para pekerja AI. Setiap bot memiliki satu tanggung jawab yang terdefinisi dengan baik:

  • LUDO-01 membuat konsep permainan dan seni kartu.
  • INKA-01 menyiapkan file untuk pencetakan.
  • VENDA-01 memperbarui toko daring.
  • CORA-01 memoderasi saluran.

Seorang operator manusia—yang hanya diidentifikasi sebagai “I”—meninjau apa pun yang keluar dari saluran tersebut. Struktur ini mengubah sekumpulan perintah menjadi sistem multi-agen yang sesungguhnya, di mana setiap agen dapat menerima atau menolak hasil kerja agen lainnya.

Mekanisme penolakan eksplisit

Peninjauan yang berguna melakukan lebih dari sekadar mengatakan “ada yang salah.” Peninjauan tersebut harus:

  1. Sebutkan kegagalannya – tunjuk masalah secara tepat (misalnya, “item kunci tersembunyi”).
  2. Jelaskan mengapa alat saat ini tidak dapat memperbaikinya – perjelas keterbatasannya (misalnya, “pemotongan akan memotong detail penting”).
  3. Kembalikan artefak ke agen hulu yang tepat – arahkan kembali pekerjaan ke desainer untuk desain ulang.

Memaksa bot kedua untuk mengartikulasikan masalah menciptakan titik keputusan yang dapat dilacak. Penolakan tersebut menjadi bagian dari log audit, dapat dilihat oleh siapa pun yang memantau saluran, dan mencegah file yang cacat berpindah ke tahap selanjutnya seperti pencetakan atau pengunggahan ke toko daring.

Membangun sistem serupa

Eksperimen ini merangkum lima aturan praktis bagi siapa pun yang ingin mereplikasi pengaturan tersebut:

  • Tetapkan artefak spesifik untuk setiap pekerjaan. Mintalah file yang konkret, bukan sekadar “bantu saya dengan ini” yang samar.
  • Tentukan kondisi penghentian sejak awal. Hentikan alur kerja jika instruksi hilang atau izin ditolak.
  • Wajibkan penerimaan atau penolakan secara eksplisit. Pesan saja tidak menandakan penyelesaian.
  • Libatkan manusia dalam pilihan strategis. Operator tetap memegang kendali atas selera, kebijakan, dan otoritas rilis akhir.
  • Buat catatan kerja dapat dilihat. Saluran bersama memungkinkan siapa pun untuk mengaudit proses dan memahami mengapa serah terima terjadi.

Mengikuti panduan ini mengubah rangkaian perintah menjadi tim yang terkoordinasi di mana setiap anggota tahu apa yang harus diproduksi, kapan harus berhenti, dan bagaimana mengomunikasikan kegagalan.

Kesimpulan: Ketika agen AI menyebutkan kegagalan, menjelaskan batasan alat, dan mengarahkan kembali pekerjaan ke bot hulu yang tepat, kesalahan akan dicegat lebih awal, sehingga manusia dapat berkonsentrasi pada keputusan yang benar-benar memajukan bisnis.