Agen AI Pandai Menawar, tetapi Belum Tentu Memahami Pemiliknya

Project Swap menyoroti jurang antara kepandaian agen bernegosiasi dan pemahaman preferensi manusia. Implikasi untuk mandat pembelian dan delegasi bertahap.
Ilustrasi konseptual agen AI menukar buku berwarna dengan pilihan pembaca yang perlu dicocokkan.
Ilustrasi konseptual AI.

Analisis strategis | 29 Oktober 2026. Otomatisasi perdagangan sering dibayangkan sebagai perlombaan mencari agen yang paling pandai bernegosiasi. Namun, kemampuan memperoleh kesepakatan berbeda dari kemampuan memilih kesepakatan yang sungguh diinginkan pemiliknya. Bagi organisasi Indonesia yang mempertimbangkan agen pembelian, perbedaan ini menentukan bagian mana yang perlu diperbaiki sebelum memperbesar anggaran otomatis.

Dari jual-beli ke pertukaran buku

Project Deal, yang dilaporkan Anthropic pada 24 April 2026, menguji pasar barang milik karyawan dengan agen yang mewakili pembeli dan penjual. Penelitian tersebut menemukan keuntungan hasil negosiasi bagi peserta yang diwakili model lebih kuat, sementara peserta tidak selalu merasakan perbedaannya.[3]

Laporan lanjutan Project Swap terbit pada 24 September 2026. Eksperimen ini melibatkan 201 karyawan di enam kantor, yang membawa buku untuk ditukar oleh agen setelah percakapan singkat mengenai selera bacaan. Peserta juga menyusun peringkat buku secara terpisah sebagai pembanding yang tidak dilihat agen.[4]

Urutan pasangan buku yang diperkirakan Claude cocok dengan pilihan peserta pada 61 persen pasangan yang dibandingkan. Ukuran ini bukan tingkat kepuasan keseluruhan, bukan tingkat transaksi berhasil, dan bukan akurasi untuk semua keputusan belanja.[4]

Menurut dekomposisi peneliti dalam eksperimen tersebut, kekeliruan representasi preferensi menjelaskan sebagian besar selisih dari hasil optimal. Artinya, persoalan utamanya bukan semata cara agen menawar, melainkan informasi tentang keinginan manusia yang menjadi dasar perdagangan.[4]

Dua sasaran yang mudah tertukar

Analisisnya sederhana: agen dapat sangat efektif mengoptimalkan daftar keinginan yang keliru. Jika sistem menganggap harga murah selalu paling penting, ia dapat menekan biaya sekaligus memilih barang yang terlalu lambat dikirim. Keberhasilan pada sasaran perantara tidak otomatis berarti keberhasilan bagi pemilik keputusan. Ini penafsiran strategis dari eksperimen, bukan hasil pengujian pengadaan Indonesia.[4]

Contoh hipotetisnya adalah usaha katering yang membutuhkan kemasan. Pemilik menginginkan harga rendah, tetapi pesanan tertentu juga membutuhkan kemasan tahan panas dan tiba sebelum acara. Agen yang hanya menerima batas anggaran bisa memilih penawaran termurah yang tidak memenuhi kebutuhan tersebut. Negosiasi makin agresif tidak memperbaiki kebutuhan yang sejak awal belum dicatat.

Karena itu, rancangan mandat sebaiknya memisahkan syarat mutlak, preferensi yang dapat ditukar, dan informasi yang belum pasti. Batas waktu acara adalah syarat mutlak dalam contoh tadi. Warna kemasan mungkin preferensi. Klaim pemasok tentang ketahanan panas adalah informasi yang harus diperiksa, bukan diperlakukan sebagai keinginan pengguna atau fakta yang sudah terjamin.

Uji pemahaman sebelum memberi anggaran

Rekomendasi pertama adalah meminta pemilik menilai beberapa pilihan contoh sebelum agen bertransaksi. Jangan hanya meminta persetujuan atas ringkasan profil yang terdengar meyakinkan. Tunjukkan pasangan penawaran dengan pertukaran harga, waktu, dan mutu, lalu bandingkan pilihan pemilik dengan pilihan agen. Pendekatan ini sejalan dengan pengujian representasi yang dibahas Project Swap.[4]

Rekomendasi kedua adalah mencatat alasan ketidakcocokan dalam bahasa operasional. Apakah agen melewatkan syarat, menebak prioritas, atau kekurangan data pemasok? Respons perbaikannya berbeda: memperjelas mandat, mengumpulkan informasi, atau menahan transaksi. Mengganti model dapat membantu kemampuan tertentu, tetapi tidak menggantikan diagnosis tersebut.

Rekomendasi ketiga adalah memisahkan pemilihan dari pelaksanaan. Agen boleh membandingkan penawaran dalam cakupan luas, sementara transaksi awal tetap memerlukan persetujuan. Perluasan kewenangan ditentukan setelah kecocokan pilihan dan pemenuhan barang diperiksa, bukan hanya setelah banyak kesepakatan tercapai.

Skenario pasar agen di Indonesia

Dalam skenario ekspansi terburu-buru, platform menonjolkan jumlah transaksi dan penghematan harga. Pelanggan menerima barang yang tampak murah tetapi sering tidak cocok. Jika itu terjadi, biaya koreksi dapat menghapus manfaat otomatisasi. Ini skenario untuk diuji, bukan klaim mengenai platform yang telah beroperasi.

Dalam skenario delegasi bertahap, agen lebih dulu menangani kebutuhan yang spesifikasinya stabil, sedangkan pilihan baru atau ambigu dikembalikan kepada manusia. Ukuran hasil mencakup kecocokan, pemenuhan, keluhan, dan transaksi yang sengaja dibatalkan. Tidak membeli bisa menjadi hasil benar ketika mandat belum jelas.

Batas generalisasinya penting. Project Swap memakai karyawan Anthropic, pasar buku, dan agen yang kooperatif; penelitian itu sendiri mengakui peserta tidak mewakili populasi umum. Temuannya bukan bukti bahwa pola yang sama pasti berlaku pada pasar Indonesia yang lebih beragam.[4]

Pelajaran strategisnya bukan menolak perdagangan agen. Sebelum membayar untuk penawar yang lebih canggih, pastikan organisasi dapat membuktikan bahwa agen memahami apa yang layak ditawar. Ukuran keberhasilan akhirnya adalah kebutuhan pemilik yang terpenuhi, bukan kesibukan mesin di lantai perdagangan.

Sources

[3] Anthropic — Project Deal (24 April 2026)

[4] Anthropic — Project Swap: What happens when agents trade for us? (24 September 2026)

Komentar & Diskusi

Tulis Komentar

Bagikan pendapat Anda dengan sopan dan relevan. Alamat email tidak akan ditampilkan.