Cara Menilai Model AI Baru yang Diklaim AGI: 4 Kemampuan yang Perlu Dicek Sebelum Ganti Tools

Cara menilai model AI baru sebelum ganti tools adalah mengetes empat kemampuan yang langsung terasa di pekerjaanmu: vision, files, integrasi internet dan tool use. Kalau model baru itu belum lebih baik di keempatnya untuk tugasmu sendiri, label “AGI” di pengumumannya belum cukup jadi alasan pindah.

Bagian dari playbook: Playbook AI untuk Produktivitas dan Efisiensi Bisnis

Intinya:

• Klaim AGI pada pengumuman model baru belum punya satu definisi baku, jadi perlakukan sebagai klaim pemasaran sampai kamu tes sendiri.
• Empat kemampuan yang layak dicek adalah membaca gambar, mengolah file, mengambil info terbaru dari internet dan menjalankan tool lain.
• Keputusan ganti tools sebaiknya diambil dari hasil tes dengan tugas nyata bisnismu, bukan dari skor benchmark atau ramainya timeline.

Coba kamu bayangin dua pebisnis produk digital. Misalnya keduanya jual ebook dan template untuk UMKM.

Pebisnis pertama langsung langganan setiap kali ada model baru yang ramai dibahas. Prompt library dipindah, custom instruction ditulis ulang, tim kecilnya disuruh adaptasi lagi. Dua minggu kemudian ada rilis lain, dan siklusnya berulang. Kerjanya sibuk, tapi output bisnisnya tidak bergerak.

Pebisnis kedua punya satu folder “paket uji”. Isinya screenshot halaman checkout, PDF ebook, satu pertanyaan soal kebijakan terbaru, dan satu tugas yang melibatkan Google Sheets. Setiap ada model baru, dia jalankan paket itu dalam satu sesi santai. Kalau hasilnya jelas lebih baik, dia pindah. Kalau tidak, dia lanjut kerja.

Nah, artikel ini membahas cara jadi pebisnis kedua.

Kenapa klaim “AGI” gampang bikin kita FOMO?

AGI (artificial general intelligence) adalah istilah untuk sistem AI yang mampu mengerjakan beragam jenis tugas, bukan satu tugas sempit saja, pada tingkat yang mendekati atau melampaui manusia. Masalahnya, batas “beragam” dan “setara manusia” itu ditafsirkan berbeda oleh tiap pihak.

Makalah Levels of AGI for Operationalizing Progress on the Path to AGI karya Meredith Ringel Morris, Shane Legg dan rekan menganalisis berbagai definisi AGI yang sudah ada. Mereka lalu mengusulkan level AGI berdasarkan kedalaman kemampuan (performance) dan keluasan kemampuan (generality). Artinya, AGI lebih tepat dibaca sebagai spektrum bertingkat.

Ini penting buat kamu. Kalau definisinya bertingkat, kata “AGI” di sebuah pengumuman tidak memberi tahu apa pun soal tugasmu. Model bisa sangat kuat di soal matematika atau coding, lalu biasa saja saat diminta membaca screenshot dashboard iklanmu.

Ada tiga sebab kenapa FOMO-nya tetap kuat:

• Benchmark diukur di soal milik vendor. Skor tinggi di tes tertentu belum tentu terbawa ke SOP bisnismu.
• Demo dipilih untuk terlihat bagus. Video peluncuran menampilkan kasus terbaik, bukan rata-rata hasil harian.
• Biaya pindah jarang dihitung. Prompt, kebiasaan tim, integrasi dan dokumen yang tersimpan di tool lama ikut “pindah rumah”.

Apa saja 4 kemampuan yang perlu dicek sebelum percaya klaim AGI?

Checklist 4 kemampuan model AI adalah cara menilai model baru dari sisi pekerjaan nyata, dengan empat pertanyaan: bisa melihat, bisa membaca dokumen, bisa mengambil info terbaru, dan bisa bertindak lewat tool lain. Atributnya sederhana: berbasis tugasmu, bisa diulang, bisa dibandingkan dengan tool lama, dan tidak butuh keahlian teknis.

Baca jugaAI untuk Produktivitas & OperasionalGoogle Drive Penuh Ide AI Setengah Jadi? Cara Nyelesein Satu Dulu Sebelum Mulai yang Baru

1. Vision: bisakah model membaca apa yang kamu lihat?

Vision adalah kemampuan model memahami gambar, seperti screenshot, foto produk, grafik dan mockup desain.

Untuk pebisnis produk digital, ini kepakai di banyak tempat. Misalnya membaca screenshot hasil iklan, mengecek mockup cover ebook, atau menilai tampilan landing page di layar HP.

Cara tesnya:

• Upload screenshot halaman checkout atau landing page milikmu.
• Minta model menyebut tiga titik yang bikin calon pembeli ragu.
• Cek apakah ia membaca teks kecil dengan benar, termasuk harga dan nama tombol.
• Perhatikan apakah sarannya merujuk elemen yang benar-benar ada di gambar.

Model yang “mengarang” elemen yang tidak ada di screenshot adalah tanda bahaya. Kelihatannya pintar, padahal tidak melihat.

2. Files: bisakah model mengolah dokumenmu dengan akurat?

Files adalah kemampuan model menerima dan mengolah dokumen seperti PDF, spreadsheet, slide dan transkrip.

Banyak aset bisnis produk digital berbentuk file. Ebook, modul kelas, data penjualan, sampai rekaman meeting yang sudah ditranskrip. Kalau kamu sering mengolah rekaman, panduan mengubah rekaman meeting jadi transkrip lewat ChatGPT bisa jadi bahan uji yang bagus.

Cara tesnya:

• Upload ebook atau modul yang isinya kamu hafal.
• Tanyakan satu detail spesifik dari bagian tengah dokumen.
• Minta ringkasan per bab, lalu cocokkan dengan isi aslinya.
• Untuk spreadsheet, minta satu hitungan yang hasilnya sudah kamu tahu.

Kuncinya, pakai dokumen yang kamu kuasai. Dengan begitu kamu langsung tahu kalau model salah kutip atau melewatkan bagian penting.

3. Integrasi internet: bisakah model mengambil info terbaru dan menunjukkan sumbernya?

Integrasi internet adalah kemampuan model mencari dan membuka halaman web saat menjawab, sehingga tidak terbatas pada data latihannya. Dokumentasi Anthropic, misalnya, menjelaskan web search tool sebagai cara mencari informasi di luar knowledge cutoff, lengkap dengan sumber yang dikutip.

Ini relevan untuk riset kompetitor, cek kebijakan platform, atau update fitur tools marketing.

Cara tesnya:

• Tanyakan sesuatu yang baru terjadi dan jawabannya sudah kamu ketahui.
• Buka setiap tautan sumber yang diberikan.
• Cek apakah isi halaman benar-benar mendukung kalimat yang dikutip.

Jawaban dengan tautan belum tentu jawaban yang benar. Yang kamu nilai adalah kecocokan antara klaim dan isi sumbernya.

4. Tool use: bisakah model bertindak lewat aplikasi lain?

Tool use adalah kemampuan model memanggil alat atau aplikasi lain untuk menyelesaikan tugas, misalnya menjalankan kode, membaca kalender atau menulis ke spreadsheet. Penjelasan resminya bisa kamu baca di dokumentasi tool use Claude.

Salah satu cara menyambungkan AI ke tool lain adalah Model Context Protocol. Menurut situs resmi MCP, MCP adalah standar open-source untuk menghubungkan aplikasi AI seperti Claude atau ChatGPT ke sistem eksternal, seperti file lokal, database dan tools.

Cara tesnya:

• Hubungkan satu aplikasi yang memang kamu pakai, misalnya kalender atau Google Sheets.
• Beri satu tugas kecil yang melibatkan baca lalu tulis data.
• Perhatikan apakah model meminta konfirmasi sebelum mengubah sesuatu.
• Cek hasilnya langsung di aplikasi tersebut.

Kalau kamu ingin paham sisi sebaliknya, yaitu bagaimana AI agent membaca dan memakai website bisnismu, bahasan soal website yang ramah AI agent melengkapi poin ini.

Kenapa empat kemampuan ini lebih penting daripada skor kecerdasan?

Ini mekanisme yang sering terlewat. Nilai AI untuk bisnismu kira-kira datang dari dua hal: seberapa pintar modelnya, dan seberapa banyak konteks bisnismu yang bisa ia jangkau.

Model yang sangat pintar tanpa akses ke datamu mirip konsultan hebat yang dikunci di ruangan kosong. Dia bisa menjawab teori dengan bagus. Tapi dia tidak melihat dashboard-mu, tidak membaca ebook-mu, dan tidak bisa mengisi spreadsheet-mu.

Empat kemampuan tadi adalah “pintu” ke konteks itu. Vision dan files membuka akses ke aset yang kamu punya. Integrasi internet membuka akses ke kondisi pasar terbaru. Tool use membuka akses untuk bertindak.

Ada satu konsekuensi penting. Sebagian besar dari empat kemampuan ini melekat pada aplikasi atau platformnya, bukan hanya pada modelnya. Model yang sama bisa terasa jauh berbeda di dua aplikasi. Model baru juga bisa terasa lebih lemah kalau aplikasinya belum mendukung upload file atau connector yang kamu butuhkan.

Jadi pertanyaan yang lebih berguna adalah: “Di aplikasi yang akan saya pakai, apakah keempat pintu ini terbuka dan bekerja untuk tugas saya?”

Apa artinya buat pebisnis produk digital dengan tim tipis?

Buat bisnis kecil, setiap jam dan setiap langganan terasa. Ganti tools membawa biaya yang jarang terlihat di awal:

• Prompt dan custom instruction perlu disesuaikan lagi.
• Project, knowledge base dan riwayat percakapan tertinggal di tool lama.
• Integrasi ke kalender, Sheets atau CRM perlu disambung ulang.
• Tim atau VA perlu belajar ulang, padahal waktu mereka sudah penuh.
• Sering terjadi langganan dobel karena tool lama belum berani dilepas.

Checklist ini membantu kamu memindahkan keputusan dari “semua orang membahas model ini” ke “model ini lebih baik di tugas yang saya kerjakan setiap minggu”. Saat ada rilis besar seperti yang dibahas di artikel GPT-6 Astra dan apa yang perlu dicek pebisnis, kamu tinggal menjalankan paket uji yang sama.

Contoh ilustrasi: misalnya pekerjaan paling sering di bisnismu adalah menulis ulang materi ebook jadi konten carousel. Maka kemampuan files dan vision yang paling menentukan. Integrasi internet dan tool use boleh dinilai, tapi bobotnya lebih kecil.

Jebakannya: kapan checklist ini tidak cukup?

Checklist ini alat bantu keputusan. Ada beberapa batas yang perlu kamu sadari:

• Kebutuhanmu ada di luar empat kemampuan ini. Kalau pekerjaan utamamu coding, analisis data berat atau menulis panjang berbahasa Indonesia, tambahkan tes khusus untuk itu.
• Privasi dan keamanan data tidak teruji. Sebelum upload data pelanggan atau dokumen sensitif, baca kebijakan data tiap layanan.
• Hasil tes bisa berubah. Vendor memperbarui model dan fitur secara berkala, jadi hasil hari ini belum tentu sama bulan depan.
• Paket gratis dan berbayar sering berbeda fitur. Pastikan kamu menguji di paket yang memang akan kamu pakai.
• Checklist bisa jadi alasan menolak semua hal baru. Tujuannya memilih dengan tenang, termasuk berani pindah kalau hasilnya jelas lebih baik.

Satu lagi: tes satu kali dengan satu prompt itu rapuh. Jalankan setiap tugas minimal dua kali supaya kamu melihat konsistensinya.

Langkah yang bisa kamu lakukan minggu ini

Kamu tidak perlu menunggu rilis berikutnya. Siapkan sekarang, supaya saat model baru muncul kamu tinggal menjalankan.

1. Pilih empat tugas nyata. Satu tugas untuk tiap kemampuan: vision, files, internet dan tool use.
2. Kumpulkan bahan uji dalam satu folder. Screenshot, PDF, pertanyaan yang jawabannya kamu tahu, dan satu tugas integrasi.
3. Tulis prompt yang sama untuk semua model. Simpan di satu dokumen supaya perbandingannya adil.
4. Jalankan di tool yang kamu pakai sekarang. Ini jadi baseline.
5. Jalankan di model baru dengan prompt yang sama. Catat hasilnya sebagai lebih baik, sama, atau lebih buruk.
6. Hitung biaya pindah. Tulis apa saja yang harus disetel ulang kalau kamu pindah.
7. Tetapkan aturan pindah. Misalnya: pindah hanya kalau lebih baik di tugas yang paling sering kamu kerjakan, lalu pakai paralel dulu sebelum melepas tool lama.

Model AI baru akan terus datang, dan sebagian memang membawa lompatan. Yang membuat bisnismu tetap jalan adalah alur kerja yang stabil dan cara menguji yang bisa kamu ulang kapan saja.

Kalau kamu ingin menyusun paket uji dan alur kerja AI yang pas dengan bisnismu sendiri, kita bisa membahasnya lewat sesi konsultasi.