Sepuluh tulisan sudah kita lalui, dan kini saatnya melihat seluruh perjalanan sebagai satu peta. AI adalah payung besarnya. Di dalamnya, LLM adalah mesin bahasa yang berpikir dalam teks. Tools dan function calling memberinya tangan untuk bertindak, MCP menyediakan colokan standar ke dunia luar, dan harness adalah lingkungan kerja yang mengatur semuanya dengan aman. LLM yang terpasang dalam harness dan diberi tugas khusus menjadi agent, dan sistem kerja yang mengoordinasikan agent-agent dengan tingkat kemandirian tertentu adalah agentic AI. Dua tulisan terakhir memperlihatkan wujud nyatanya: OpenClaw dan Hermes Agent. Jika peta ini sudah terbayang, kita tidak akan lagi tertukar oleh istilah-istilah baru yang akan terus bermunculan.
Mari kita mulai perbandingannya dari persamaannya, karena OpenClaw dan Hermes sebenarnya lebih mirip daripada berbeda. Keduanya program terbuka (open source) berlisensi MIT yang dijalankan di perangkat atau server sendiri, bukan di awan milik perusahaan besar. Keduanya bukan model: keduanya bebas disambungkan ke LLM dari penyedia mana pun, termasuk model lokal. Keduanya bisa dihubungi lewat aplikasi pesan yang kita pakai sehari-hari, punya ingatan yang menetap antar-percakapan, bisa diperluas dengan skills, dan bisa bekerja terjadwal. Memilih di antara keduanya bukan soal mana yang "lebih AI", melainkan soal penekanan dan kebiasaan kerja mana yang lebih cocok untuk kita.
Perbedaannya terletak pada penekanan itu. OpenClaw lebih dulu hadir dan lebih dulu ramai, sehingga ekosistem skills komunitas dan bahan belajarnya lebih luas; karakternya adalah gerbang asisten pribadi yang matang, dengan ingatan yang disimpan sebagai berkas yang mudah diperiksa dan diubah sendiri oleh pemiliknya. Hermes Agent hadir belakangan dengan senjata utamanya, learning loop: ia menulis dan memperbaiki skills dari pengalamannya sendiri, menelusuri percakapan lamanya, dan secara bertahap membangun pemahaman tentang pekerjaan penggunanya — bahkan menyediakan jalur migrasi resmi bagi pengguna OpenClaw yang ingin pindah. Maka panduan sederhananya: pilih OpenClaw bila mengutamakan kematangan ekosistem dan banyaknya pilihan skills yang sudah jadi; pilih Hermes bila pekerjaan kita berulang dan kita ingin agent yang makin lama makin pandai mengerjakan pekerjaan khas kita itu.
Di luar dua nama itu, ada jalan ketiga yang justru paling cocok bagi kebanyakan pembaca seri ini: memakai produk AI yang sudah jadi dan terawat oleh penyedianya, seperti aplikasi percakapan AI populer atau asisten pribadi siap pakai. Jalan ini menukar kendali dengan kenyamanan — tidak perlu server sendiri, tidak perlu memasang dan merawat apa pun, cukup berlangganan dan memakai — tetapi data berada di pihak penyedia dan kemampuannya dibatasi oleh apa yang mereka sediakan. Spektrumnya bisa dibayangkan begini: semakin siap pakai sebuah produk, semakin sedikit kendali dan kustomisasi yang kita pegang; semakin kita menjalankan sendiri seperti OpenClaw dan Hermes, semakin besar kendalinya, tetapi semakin besar pula tanggung jawab perawatan dan keamanannya. Untuk guru dan siswa yang baru mulai, mulailah dari yang siap pakai. Untuk pengelola sekolah atau penggemar teknologi yang punya server dan peduli penuh pada kendali data, jalan menjalankan sendiri layak dipertimbangkan — dengan catatan keamanan yang sudah berulang kali kita bahas.
Apa pun pilihannya, jangan lupakan biaya yang sesungguhnya. Program terbuka memang gratis, tetapi model yang disambungkan umumnya berbayar sesuai pemakaian, server harus menyala dan dirawat, dan waktu kita untuk memasang, mengawasi, serta memperbaiki adalah biaya yang nyata. Sebaliknya, produk berlangganan tampak sederhana tetapi biayanya berjalan terus setiap bulan. Tidak ada pilihan yang unggul untuk semua orang; yang ada adalah pilihan yang paling sesuai dengan kebutuhan, kemampuan teknis, anggaran, dan tingkat risiko yang siap kita tanggung. Dan dalam semua pilihan itu, satu prinsip tidak berubah: manusia tetap pemegang keputusan akhir, terutama untuk hal-hal yang menyangkut siswa dan data sekolah.
Sebagai penutup seri ini, bawalah satu bekal sederhana setiap kali mendengar nama teknologi AI baru: tanyakan empat hal — modelnya apa, harness-nya seperti apa, tools dan akses apa yang diberikan kepadanya, dan siapa yang memegang data serta persetujuannya. Empat pertanyaan itu akan membuat kita kebal terhadap kebingungan istilah dan promosi yang berlebihan. AI akan terus berkembang dan nama-nama baru akan terus datang, tetapi peta dasarnya sudah ada di tangan kita sekarang. Terima kasih sudah mengikuti Seri AI dari tulisan pertama; semoga kita semua menjadi pengguna AI yang cerdas, tenang, dan bijak — memanfaatkannya untuk belajar dan bekerja, tanpa menyerahkan akal sehat kita kepadanya.
No comments:
Post a Comment