Aplikasi Mematikan AI: Bagaimana Agen AI Dapat Mengubah Segalanya

Menemukan Aplikasi Blockbuster AI

Sejak peluncuran publik ChatGPT, teknologi AI telah menjadi sorotan dan memikat perhatian publik umum, spesialis TI, dan investor.

Hal ini terutama benar karena kapasitas AI generatif telah tumbuh secara eksponensial. Selain itu, gelombang kompetisi baru telah mempercepat kemajuan di bidang ini, dengan AI China seperti DeepSeek menantang struktur biaya dan harga AI buatan AS.

Namun, industri AI masih berada di atas tanah yang goyah, karena ratusan miliar dalam infrastruktur AI belum menghasilkan tingkat pendapatan yang diperlukan untuk membenarkan investasi.

Revolusi teknologi sebelumnya dibangun di atas aplikasi menguntungkan teknologi ke dalam ekonomi “nyata”, seperti pekerjaan kantor (Windows & Office), hiburan (video game dan streaming), iklan (Google), komunikasi (smartphone), atau perdagangan (pembayaran online & e‑commerce).

Sejauh ini, AI belum merevolusi cara kebanyakan orang bekerja atau menjalani kehidupan sehari‑hari. Namun hal ini kemungkinan akan berubah dengan munculnya AI khusus dengan rentang kinerja dan kemampuan yang meledak: agen AI.

Apa Itu Agen AI?

Ide inti agen AI adalah menciptakan AI yang dapat beroperasi secara mandiri dalam lingkungan tertentu. Ini memberikan peran praktis yang sangat berbeda dibandingkan AI generatif seperti LLM (Model Bahasa Besar) atau generator gambar, yang kebanyakan hanya merespons perintah yang dibuat manusia.

Dalam konteks ini, “lingkungan” dapat berarti baik situasi spesifik di dunia nyata, seperti mobil di jalan dan AI untuk fungsi mengemudi otomatis, maupun tempat virtual sepenuhnya, seperti perangkat lunak atau antarmuka digital tertentu.

Karena agen AI bertindak secara otonom dalam perannya, ia tidak memerlukan intervensi manusia secara terus‑menerus melalui perintah. Jadi, ia juga dapat mengambil tindakan sendiri, tanpa memerlukan konfirmasi atau pengawasan.

Dalam praktiknya, sebagian besar agen AI juga akan memiliki kondisi & aturan bawaan di mana mereka akan meminta umpan balik dari pengawas manusia.

Menurut Google, fitur utama agen AI adalah:

• Penalaran: mereka dapat menganalisis data, mengidentifikasi pola, dan membuat keputusan yang tepat berdasarkan bukti dan konteks.
• Bertindak: kemampuan untuk mengambil tindakan atau melakukan tugas, termasuk tindakan fisik atau digital.
• Mengamati: mengumpulkan informasi tentang lingkungan atau situasi untuk memahami konteks mereka dan membuat keputusan yang tepat.
• Merencanakan: mengembangkan rencana untuk mencapai tujuan, dengan mengidentifikasi langkah‑langkah yang diperlukan, tindakan potensial, dan jalur terbaik.
• Berkolaborasi: bekerja secara efektif dengan orang lain, baik manusia maupun agen AI lainnya.
• Penyempurnaan Diri: agen AI dapat belajar dari pengalaman, menyesuaikan perilaku berdasarkan umpan balik, dan terus meningkatkan kinerja serta kemampuan mereka seiring waktu.

Sumber: DevRevAI

Apakah Ini Benar‑Benar Baru?

Serangkaian fitur ini menempatkan agen AI satu langkah di atas iterasi sebelumnya dari alat AI, seperti asisten AI dan bot, dengan kemampuan proaktif yang lebih, otonomi, dan kemampuan menangani tugas yang lebih kompleks.

Sumber: Google

Agen AI dengan “badan” fisik dapat berinteraksi langsung dengan dunia nyata, sementara agen AI digital kemungkinan akan berspesialisasi dalam lingkungan kerja virtual tertentu.

Dalam kedua kasus, memberikan AI cukup kebebasan dan tindakan yang memungkinkan untuk berguna namun tidak berlebihan untuk menghindari kerusakan tak terduga akibat kesalahan sangat penting.

Secara keseluruhan, kemungkinan pertumbuhan paralel dalam kualitas keputusan AI dan peningkatan familiaritas dengan mereka akan membuat orang dan otoritas memberikan lebih banyak kebebasan pada pengambilan keputusan AI. Namun, hal ini membuka pertanyaan hukum dan etika menarik mengenai tanggung jawab tindakan AI (lihat diskusi di bawah tentang topik ini).

Potensi Agen AI

Kemampuan agen AI untuk bekerja secara mandiri adalah apa yang dapat menjadikannya aplikasi mematikan AI. Kehidupan modern penuh dengan tugas berulang yang tidak terlalu kompleks namun pada saat yang sama terlalu rumit untuk diberikan kepada bentuk otomatisasi yang lebih sederhana.

Ini, misalnya, mengapa Tesla harus mundur dalam otomatisasi dan robotisasi lini perakitan mereka pada 2018 (TSLA ).

“Kami memiliki jaringan sabuk konveyor yang gila dan kompleks … Dan itu tidak berfungsi, jadi kami menghilangkan semuanya. Ya, otomatisasi berlebihan di Tesla adalah kesalahan. Lebih tepatnya, kesalahan saya. Manusia diremehkan.” – Elon Musk

Namun, AI modern bukan sekadar rangkaian aturan kaku yang sangat rumit yang mencoba mengantisipasi segala hal sebelumnya. Sebaliknya, mereka dapat, sampai batas tertentu, beradaptasi dan berkembang ke kondisi baru jika diberikan cukup data relevan selama pelatihan.

Jadi ini dapat membuat AI sangat relevan untuk tugas berulang tinggi, mulai dari membimbing pelanggan melalui algoritma pemecahan masalah hingga mengemudikan truk di jalan raya.

Berbeda dengan manusia, AI semacam itu dapat bekerja 24/7 dan tidak memerlukan gaji, asuransi kesehatan, dll.

Ada banyak cara untuk mengklasifikasikan tingkat kemampuan AI yang telah kita capai. Secara keseluruhan, mereka cenderung membandingkan kemampuan AI dengan populasi manusia umum, dengan agen AI terbaru mungkin segera mencapai keterampilan 50‑90% populasi dalam tugas domain sempit tertentu, biasanya dianggap sebagai titik tengah dalam kemajuan AI, dan hanya awal bagi AGI.

Sumber: Cobus Greyling

Bagaimana Agen AI Bekerja?

Agen AI terdiri dari beberapa “komponen” kunci yang berinteraksi satu sama lain:

• Sensors: untuk agen AI fisik, ini dapat mencakup kamera, mikrofon, LIDAR, antena radio, dll. Untuk agen AI digital, ini dapat berupa fungsi pencarian, alat untuk membaca file, mengekstrak data dari perangkat lunak atau basis data tertentu, dll.
• Actuators: Ini cara AI dapat melakukan pekerjaannya. Jika fisik, dapat berupa roda atau lengan robotik. Jika digital, dapat berupa kemampuan membuat atau memodifikasi file, menulis laporan, melakukan analisis data, dll.
• Brains: terbuat dari alat AI yang semakin kompleks yang dibangun dari jaringan saraf, ini adalah pusat keputusan agen AI.
• Database: ini adalah pusat pengetahuan dengan fakta, data pelatihan, dan koreksi manusia yang memungkinkan “otak” membuat keputusan yang tepat.

Sumber: Thomas Latterner

Kombinasi komponen ini memungkinkan agen AI memiliki memori dan persona yang dibangun di atas fondasi LLM khusus.

Memori adalah bagian yang sangat penting dari AI di sini dan merupakan peningkatan radikal dibandingkan bot sebelumnya. Hal ini karena kurangnya memori menjadi sumber sebagian besar keluhan tentang chatbot dan sistem serupa: itulah mengapa kebanyakan bot terjebak dalam loop penalaran, mengapa mereka gagal mengingat informasi sebelumnya yang sudah diberikan, dll.

Jenis‑jenis Agen AI

Selain perbedaan fisik vs digital, ada cara lain untuk mengkategorikan agen AI:

• Salah satu cara adalah mempertimbangkan apakah agen berinteraksi dengan manusia, atau bekerja di latar belakang.
• Cara lain adalah mempertimbangkan penggunaan satu agen untuk tugas tertentu atau beberapa agen yang berkomunikasi satu sama lain untuk melakukan pekerjaan yang lebih rumit, dengan setiap agen memiliki modelnya sendiri dan berbagi data atau tidak dengan yang lain.
  • Ketika menggunakan banyak agen, hierarki dapat dibentuk, dengan satu atau beberapa agen yang bertanggung jawab mengoordinasikan dan “mengatur” agen tingkat bawah.
• Kemungkinan lain untuk kategorisasi agen AI adalah mempertimbangkan tujuan akhir dan kompleksitas.
  • Agen AI berbasis tujuan akan fokus pada hasil akhir, dan menyesuaikan perilaku atau tindakan mereka sampai tujuan tersebut tercapai. Misalnya, AI gudang akan memberi instruksi untuk memindahkan paket sampai mencapai tujuan.
  • Agen berbasis utilitas juga fokus pada tujuan, tetapi juga pada cara terbaik mencapainya. Jadi, misalnya, mobil mengemudi otomatis akan pergi dari titik A ke titik B, tetapi juga mempertimbangkan keamanan, efisiensi bahan bakar, waktu perjalanan, jenis jalan, dll.

Sumber: Ampcome

Mengapa Menggunakan Agen AI Daripada AI Generalis?

Ada banyak alasan mengapa industri AI beralih ke agen AI dibandingkan model universal.

Yang pertama adalah masalah kompleksitas teknis dan kelayakan. Kecerdasan umum setara manusia (AGI) masih di luar jangkauan sejauh yang kami tahu.

Namun, tampaknya jauh lebih realistis untuk membuat, misalnya, agen AI khusus yang dapat mengemudi mobil seperti manusia tanpa memiliki kapasitas penalaran manusia lainnya.

Masalah lain adalah efisiensi. Model yang digunakan untuk mengemudi mobil tidak perlu sangat baik dalam berbicara, berjalan, melakukan pencarian web, menghitung, dll. Jadi banyak agen AI individu untuk setiap tugas jauh lebih masuk akal daripada mencoba menerapkan sistem AI/robotik serbaguna, seperti yang sering ditampilkan dalam fiksi ilmiah.

Terakhir, biaya menjadi masalah serius untuk semua proyek AI. Ini berlaku untuk biaya pelatihan dan ribuan bahkan jutaan GPU yang dibutuhkan. Namun hal ini juga berlaku untuk biaya operasional AI pada perangkat keras komputasi serta energi yang dikonsumsi. Jadi agen AI yang lebih khusus, lebih sederhana, dan juga lebih baik dalam pekerjaannya lebih diutamakan.

Dari Agen AI Spesialis ke Generalis?

Untuk tugas yang sempit dan berulang, agen AI yang sangat sempit mungkin yang terbaik. Namun, untuk sepenuhnya memahami manfaat revolusi AI, sistem yang sedikit lebih kompeten akan diperlukan. Misalnya, AI tidak hanya dapat secara otomatis menghasilkan daftar peralatan yang membutuhkan pemeliharaan tetapi juga menjadwalkan teknisi untuk melakukan pemeliharaan tersebut dan mengelola lembar waktu, gaji, dll.

Dalam beberapa aplikasi, ini mungkin menjadi langkah yang diperlukan untuk benar‑benar membantu pekerja manusia, karena tugas dan analisis tidak dapat dipisahkan sepenuhnya.

Misalnya, AI yang melakukan diagnosis harus dapat menganalisis gambar medis, memahami teks atau suara yang menjelaskan gejala, mengintegrasikan hasil tes medis dan riwayat pasien, menemukan literatur ilmiah dan protokol medis yang relevan, dll.

Sumber: Nature

AI yang bersifat generalis, namun khusus aplikasi, kemungkinan akan dibangun melalui konstruksi multi‑agen, dengan setiap sub‑elemen unggul pada satu tugas, sementara AI pengawas akan mengintegrasikan output masing‑masing agen menjadi satu kesatuan yang kohesif.

Kasus penggunaan khusus aplikasi bukan satu‑satunya kemungkinan. Misalnya, AI multi‑agen yang menggunakan agen dari bidang yang sangat berbeda dapat berguna untuk membuat penemuan ilmiah baru, dengan menggabungkan berbagai set data.

Aplikasi Agen AI

Meskipun kemungkinan banyak aplikasi belum dipahami, seperti halnya tidak ada yang dapat membayangkan Internet modern pada tahun 1995, beberapa aktivitas sudah siap untuk penerapan agen AI:

• Layanan pelanggan: Dari obrolan online hingga mengambil pesanan di restoran, proses permintaan pelanggan yang relatif sederhana memudahkan otomatisasi. Sejauh ini chatbot belum memadai, tetapi agen AI yang lebih pintar kemungkinan akan menggantikan banyak pekerjaan ini, dengan beberapa manusia di belakang untuk menangani permintaan paling rumit.
• Penelitian ilmiah: Ini akan mencakup analisis dataset yang sangat kompleks dan besar serta penelusuran ribuan publikasi ilmiah, termasuk dalam bahasa non‑Inggris. Ini juga akan mencakup AI yang berspesialisasi dalam tugas sangat teknis, seperti memprediksi pelipatan protein, komposisi atom material, dll.
• Situs web & Pemasaran: Banyak pemasaran online dan iklan saat ini sudah sebagian ditangani dengan templat dan optimasi otomatis. Karena semakin banyak pengalaman yang dipersonalisasi dihargai oleh pelanggan, agen AI fleksibel kemungkinan akan segera tampil sebaik banyak manusia di bidang ini.
• Terjemahan dan Hukum: Banyak tugas manusia bergantung pada pengetahuan unik tentang topik sangat spesifik dengan banyak hal yang harus diketahui, lebih dari sekadar topik yang sulit dianalisis. Kemampuan AI menelusuri data dalam jumlah besar dapat membantu.
  • Namun, risiko “halusinasi” sangat tinggi, terutama karena klien kemungkinan tidak dapat menemukan kesalahan, sehingga hanya agen yang sangat dapat diandalkan yang dapat melakukan tugas ini.
  • Terjemahan waktu nyata dan suara‑ke‑suara, terutama untuk situasi non‑kritis seperti pariwisata, kemungkinan akan menjadi harapan standar bagi smartphone kita.
• Sen​i: Mungkin salah satu fungsi AI yang paling kontroversial adalah gagasan menggantikan ribuan musisi, pelukis, desainer grafis, dll., yang tidak disukai banyak orang. Namun, hal ini juga dapat memberdayakan tim yang jauh lebih kecil, atau bahkan individu tunggal, untuk bersaing dengan perusahaan besar dalam membuat film, video game, buku, dll.
• Kesehatan: Saat ini, Elon Musk merekomendasikan pengikutnya menggunakan AI X, Grok, untuk pendapat medis sekunder. Dalam jangka panjang, kemungkinan AI medis khusus akan membantu dokter menganalisis data medis dan menyarankan perawatan.
  • Seiring operasi robotik menjadi lebih umum, kita juga dapat membayangkan masa depan di mana ahli bedah AI dapat melakukan beberapa tindakan bedah tanpa bantuan manusia.
• Keamanan: ini meluas dari keamanan lokal hingga kepolisian bahkan militer. AI dapat sangat baik dalam peran deteksi ancaman, bahkan identifikasi target. Namun, untuk saat ini, hampir tabu memberi mereka terlalu banyak otonomi di sektor ini, terutama untuk keputusan mematikan.
• Logistik dan transportasi: sudah semakin banyak digunakan di gudang, robot, dan drone semakin mungkin mengambil alih pekerjaan pengiriman dan logistik paket serta rantai pasokan secara keseluruhan seiring mereka menjadi lebih pintar dan mampu menangani rintangan dunia nyata.
  • Dan tentu saja, mobil dan truk mengemudi otomatis dapat menjadi revolusi yang lebih besar, mengubah total cara kita menangani mobilitas dan bahkan membuat kepemilikan mobil pribadi menjadi hal yang aneh.
• Keuangan: “Algos” sudah menjadi bagian besar pasar keuangan hari ini, jadi kita harus mengharapkan AI yang lebih pintar terlibat lebih banyak. Agen AI yang disesuaikan juga dapat menjadi umum dalam menilai kasus asuransi, aplikasi pinjaman, dll.
• Manufaktur: Tren pencetakan 3D, mesin CNC, dan alat baru lainnya untuk produksi fleksibel telah membuat pabrik modern jauh lebih polyvalent dibandingkan jalur perakitan lama. Agen AI yang diwujudkan dalam robot industri dan humanoid dapat mendorong tren ini lebih jauh.

Legalitas, Regulasi & Etika

Tanggung Jawab

Dalam setiap diskusi mengenai AI, isu penanganan teknologi secara bertanggung jawab diperdebatkan secara intens.

Di satu sisi, regulasi yang berlebihan akan menghambat kemajuan, dan kemungkinan hanya menyerahkan AI paling canggih kepada yurisdiksi yang lebih fleksibel. Dalam konteks perlombaan teknologi AI antara AS dan China, jelas bahwa ini bukan hasil yang diinginkan bagi pihak manapun.

Di sisi lain, tidak ada yang menginginkan AI yang tidak terkendali tanpa tanggung jawab.

Jadi, kerangka hukum yang jelas perlu ditentukan. Misalnya, jika mobil mengemudi otomatis mengalami kecelakaan, apakah penyedia agen AI bertanggung jawab? Dan semakin banyak otonomi yang diberikan kepada agen AI, semakin besar keputusan mereka dapat memengaruhi orang nyata dan menjadi mahal.

Ini juga mencakup isu penyalahgunaan AI, seperti, misalnya, pencurian identitas, penipuan, dll.

Dalam banyak kasus, bahkan tidak jelas lembaga atau otoritas mana yang harus mengatur AI. Haruskah itu menjadi badan khusus yang terdedikasi? Atau apakah AI di bidang keuangan harus diatur oleh SEC, drone udara oleh FAA, dll?

Ini adalah pertanyaan legislatif dan regulasi, tetapi karena hal tersebut sering tertinggal bertahun‑tahun di belakang kemajuan teknologi, kemungkinan mendesak bahwa beberapa pertanyaan paling mendesak mengenai kerangka regulasi agen AI harus segera dijawab.

Pekerjaan & Ketidaksetaraan

Efek yang sering ditakuti dari pengembangan AI adalah pertumbuhan pengangguran massal, karena AI menggantikan lebih banyak pekerjaan lebih cepat daripada orang dapat melatih ulang atau pekerjaan baru diciptakan.

Secara teori, ini seharusnya menjadi langkah menuju peradaban Utopian pasca‑kelangkaan. Dalam praktiknya, hal ini dapat mendorong jutaan orang ke kemiskinan sebelum kita mencapai titik tersebut. Dan berbeda dengan gelombang otomatisasi sebelumnya, AI dapat menggantikan pekerja pengetahuan yang sangat berkualifikasi.

Sumber: Intellipoint

Bahaya monopoli atau memperdalam ketimpangan kekayaan juga serius, karena secara historis terbukti berbahaya dan tidak menstabilkan masyarakat secara luas.

Etika

Apa yang dapat dan tidak dapat dikelola oleh AI. Ini menjadi pertanyaan yang semakin mendesak untuk setiap tugas yang melampaui memindahkan palet di gudang atau menjawab email secara otomatis.

Isu ini menjadi lebih mendesak ketika ada godaan menggunakan AI untuk sistem penargetan pada drone militer. Termasuk di Ukraina, dengan “Perlombaan Drone Berbasis AI di Medan Perang Ukraina”.

Reuters melaporkan bahwa perlombaan drone berbasis AI “membawa perang ke wilayah yang belum dipetakan karena para kombatan berlomba memperoleh keunggulan teknologi dalam pertempuran.” Di Ukraina, pengembangan drone AI berfokus pada tiga area kunci: identifikasi target, pemetaan medan untuk navigasi, dan penciptaan “kelompok” drone yang terhubung.

Satu perusahaan, Swarmer, sedang membangun perangkat lunak untuk menghubungkan drone, memungkinkan keputusan dijalankan secara instan di seluruh kelompok dengan intervensi manusia minimal.

Apakah kita benar‑benar ingin memberi AI kapasitas semacam ini? Tetapi apakah kita benar‑benar ingin hanya “musuh” yang memilikinya?

Isu‑isu ini kemungkinan perlu dibahas dan diputuskan secara internasional. Mereka juga merupakan topik yang tidak boleh dihindari oleh industri AI.

Agen AI yang Sudah Beroperasi

Agen OpenAI

Sebagai pemimpin lama dalam AI, tidak mengherankan melihat OpenAI memiliki beberapa agen berbasis GPT yang solid. Perusahaan menyediakan pengembang dengan alat khusus untuk mengembangkan agen AI, termasuk SDK Open AI multi‑agen (Standard Development Kit).

Model OpenAI tampaknya terutama fokus pada menciptakan versi GPT dan LLM lain yang lebih baik, kemudian menggunakannya sebagai dasar untuk pengembangan agen terpisah, mengandalkan posisinya yang terdepan untuk menghasilkan permintaan agen yang menggunakan GPT.

Google

Google (GOOGL ) telah hadir dalam AI sejak lama melalui model DeepMind-nya. Namun, dengan Gemini 2.0 ia merangkul “era agen”.

Google juga sangat menyadari potensi ancaman AI LLM terhadap pencarian klasik, yang hingga kini masih menjadi sumber 90% pendapatan perusahaan.

Jadi ia menggunakan Gemini 2.0 untuk membuat AI Overviews, hasil pencarian tambahan untuk menangani topik yang lebih kompleks dan pertanyaan berlangkah‑langkah, termasuk matematika dan pemrograman.

Ia juga menciptakan Jules, agen AI asisten pemrograman, dan Genie 2, model AI untuk membuat dunia 3D yang dapat dimainkan.

Google juga berusaha tetap berada di garis depan melalui riset perangkat keras, khususnya Trillium TPU (Tensor Processing Units).

Manus

Butterfly Effect, sebuah startup China, merilis Manus pada Maret 2025, mengklaimnya sebagai agen AI umum pertama yang mampu bertindak secara otonom.

Sementara beberapa melihatnya sebagai “momen DeepSeek kedua” untuk agen AI, di mana China memimpin, situasinya tidak sejelas pendekatan DeepSeek yang jauh lebih efisien secara komputasi (dan finansial).

Manus tampaknya sedikit lebih lambat, lebih rentan crash, tetapi juga memberikan respons yang lebih detail dibandingkan ChatGPT. Namun demikian, tampaknya agen AI umum mungkin dapat terwujud lebih cepat daripada yang diperkirakan, meskipun mungkin tidak ideal untuk semua situasi.

Alibaba

Pemimpin e‑commerce yang berada di bawah tekanan dari platform pesaing seperti Temu, atau bahkan TikTok, Alibaba berusaha kembali mengukuhkan posisinya sebagai pemimpin teknologi dengan kemajuan AI.

Secara khusus, ia merilis kode sumber model QwQ-32B pada awal Maret 2025, mengklaim bahwa dengan satu per lima parameter DeepSeek‑R1, model ini dirancang untuk efisiensi.

Juga, pada Maret 2025, Alibaba merilis versi baru Quark, asisten/agen AI yang didukung oleh AI Qwen perusahaan, menggabungkan pemikiran mendalam dan AI generatif. Sebelum pembaruan AI ini, Quark sudah memiliki 200 juta pengguna ketika masih menjadi mesin pencari.

Perusahaan Agen AI

Alibaba

Lebih dikenal di Barat karena platform e‑commerce dan sebagai pemasok bahan, suku cadang, serta barang konsumen murah, Alibaba juga merupakan perusahaan teknologi raksasa di China, memimpin dalam AI dan komputasi awan.

Secara khusus, Alibaba menguasai 36% pasar cloud di China, jauh di depan semua pesaingnya.

Sumber: Jeff Townson

Mungkin lebih penting, ia sudah menawarkan enam model DeepSeek AI baru, AI sumber terbuka yang mengguncang dunia dengan secara tiba‑tiba mengungguli sebagian besar model AI Amerika dengan biaya yang sangat kecil ….

Alibaba juga memiliki model AI miliknya, Qwen, dan mengklaim Qwen 2.5 bahkan lebih baik daripada Deep Seek V3.

“Qwen 2.5‑Max mengungguli … hampir di semua bidang GPT‑4o, DeepSeek‑V3, dan Llama‑3.1‑405B,” Unit Cloud Alibaba

Secara keseluruhan, selain pertumbuhan cloud dan AI, Alibaba tetap menjadi raksasa e‑commerce di China, dengan Taobao & Tmall hanya sedikit turun dari pangsa 29% penjualan online global mereka pada 2019.

Sumber: Forbes

Kemajuan AI terbaru telah mengubah cara Alibaba dipandang. Dari posisi e‑commerce warisan yang berada di bawah tekanan dan penjualan cloud yang dominan (tetapi juga di bawah tekanan pesaing), ia kembali memimpin inovasi teknologi China.

Quark kini menjadi senjata tambahan yang Alibaba gunakan untuk menguasai pasar asisten AI China, setelah membangun landasan dengan meluncurkannya sebagai mesin pencari AI terlebih dahulu dan mengumpulkan 200 juta pengguna.

Jadi, meskipun mempertimbangkan harga sahamnya yang relatif rendah, dipicu oleh bertahun‑tahun penindasan teknologi di China dan kekhawatiran berinvestasi di negara tersebut, Alibaba bisa menjadi peluang bagi investor yang bersedia bertaruh pada China memimpin perlombaan AI.

(pAnda juga dapat membaca laporan khusus kami yang berfokus pada Alibaba untuk detail lebih lanjut).

Terbaru tentang Alibaba