Claude kini mendukung pembagian kerja hingga 1000 agen AI; biaya menjadi sorotan

AI menangani semuanya, mulai dari perencanaan hingga pembagian tugas

Anthropic menambahkan alur kerja dinamis yang membagi pekerjaan di antara beberapa agen ke platform eksekusi agen AI “Claude Managed Agents”. Agen koordinator menyusun rencana, membagikan tugas kepada subagen, lalu menggabungkan hasilnya. Hingga 1000 agen dapat berjalan secara paralel dalam satu kali eksekusi.

Agen AI adalah sistem AI yang menjalankan tugas untuk mencapai tujuan yang diberikan. Dengan fitur baru ini, semua pekerjaan tidak diserahkan kepada satu agen, tetapi dibagi antara agen koordinator dan agen pelaksana. Dengan kata lain, mekanisme untuk menjalankan beberapa AI sekaligus ditambahkan ke platform eksekusi yang sudah ada.

Yang patut diperhatikan bukan hanya batas 1000 agen. AI juga menangani pembagian tugas dan penggabungan hasil. Namun, jumlah agen yang dapat berjalan secara paralel tidak serta-merta berarti pemrosesan menjadi lebih cepat atau hasil meningkat sebesar kelipatannya.

66 dari 70 bug terdeteksi

Dalam pengujian yang dipaparkan Anthropic, 70 bug sengaja disisipkan ke dalam 116.000 baris kode, lalu hasil deteksinya dibandingkan. Satu agen saja menemukan 14–27 bug dalam sekali eksekusi, sedangkan alur kerja dinamis dilaporkan secara konsisten mendeteksi 66 bug.

Jika dikonversi menjadi tingkat deteksi, satu agen saja mencapai sekitar 20–39%, sedangkan alur kerja dinamis mencapai sekitar 94%. Dalam pengujian ini, pembagian kerja di antara beberapa agen meningkatkan jumlah bug yang terdeteksi. Namun, hasil 66 bug itu tetap berarti tidak semua bug yang disisipkan berhasil ditemukan.

Selain itu, hasil tersebut diperoleh dari tugas khusus, yakni mendeteksi bug dalam kode. Belum dapat dipastikan apakah perbedaan serupa akan muncul dalam pekerjaan lain seperti riset atau penulisan dokumen. Materi yang disediakan juga tidak menyebutkan jumlah agen yang benar-benar digunakan dalam pengujian, sehingga terlalu dini untuk menganggap hasil itu dicapai dengan menjalankan 1000 agen.

Ukuran penerapan: biaya per hasil, bukan jumlah agen

Pembagian kerja juga berarti beban pemrosesan AI bertambah. Anthropic memperingatkan bahwa fitur ini dapat mengonsumsi banyak token dan menyarankan pengguna memulai dengan konfigurasi kecil. Token adalah satuan pemrosesan teks atau kode yang ditangani AI, dan menjadi salah satu tolok ukur untuk memperkirakan biaya penggunaan.

Yang perlu dipertimbangkan perusahaan bukan berapa banyak agen AI yang dapat dijalankan, melainkan berapa biaya untuk memperoleh hasil dengan kualitas yang dibutuhkan. Meski lebih banyak bug terdeteksi, keputusan untuk mengadopsi fitur ini akan bergantung pada seberapa besar peningkatan biaya dan beban pemeriksaan. Pendekatan yang realistis adalah membandingkan satu agen dengan konfigurasi pembagian kerja yang melibatkan sedikit agen pada tugas yang sama, lalu mengukur jumlah bug yang terdeteksi, waktu pengerjaan, dan biayanya.

Materi yang disediakan tidak mencantumkan total biaya, waktu pemrosesan, atau konsumsi token dalam pengujian perbandingan ini. Yang dapat dipastikan hanyalah perbedaan jumlah bug yang terdeteksi; hasil tersebut belum membuktikan efektivitas biaya.