From Graph Engineering to Model Routing : Bagaimana Bisnis Menggunakan AI Lebih Cepat, Lebih Hemat, dan Tetap Andal

AI yang paling canggih tidak selalu menjadi AI yang paling tepat untuk setiap pekerjaan. Ketika penggunaan AI di perusahaan masih terbatas, perbedaan ini mungkin belum terasa. Namun saat AI mulai digunakan untuk banyak proses, dampaknya menjadi nyata. Model yang lebih kuat biasanya membutuhkan biaya lebih besar dan waktu pemrosesan yang lebih panjang. Padahal banyak pekerjaan sehari-hari tidak membutuhkan kemampuan sebesar itu. Sebaliknya, memilih model yang lebih ringan untuk semua pekerjaan juga bukan solusi. Biaya memang bisa turun, tetapi risiko kesalahan ikut meningkat. Tantangan bagi perusahaan akhirnya sederhana: bagaimana mendapatkan hasil yang tetap baik tanpa mengeluarkan biaya dan waktu lebih dari yang diperlukan? Dilema antara penggunaan model yang kuat dan model yang lebih ekonomis inilah yang menjadi salah satu persoalan penting dalam pengembangan AI agent.

Persoalan tersebut muncul setelah AI agent berkembang semakin jauh. Sebelumnya, Graph Engineering membantu mengatur bagaimana AI menjalankan sebuah pekerjaan dari satu tahap ke tahap berikutnya. Setelah alur pekerjaannya dapat diatur, muncul kebutuhan baru: AI mana yang sebaiknya mengerjakan setiap bagian pekerjaan tersebut? Cara berpikirnya sebenarnya tidak jauh berbeda dengan mengelola sebuah perusahaan. Tidak semua pekerjaan harus ditangani orang paling senior. Pekerjaan rutin dapat diberikan kepada orang yang sesuai, sedangkan persoalan yang lebih sulit membutuhkan orang dengan kemampuan lebih tinggi. Model Routing membawa prinsip yang sama ke dalam penggunaan AI: menggunakan AI yang sesuai dengan kebutuhan pekerjaan, bukan menggunakan satu AI untuk semuanya.

Gagasan Reliability-First Model Routing berangkat dari riset tesis Muhammad Daffa Raihan, mahasiswa Magister Informatika Universitas Islam Indonesia. Penelitian tersebut dikembangkan di bawah supervisi Dr. Syarif Hidayat, yang sekaligus berperan sebagai lead researcher dalam pengembangan pendekatan ini. Gagasan tersebut dipresentasikan pada 1st International Conference on Life Science and Advanced Technology (ICOLISAT) 2026 di Yogyakarta. Idenya sederhana: pastikan terlebih dahulu AI yang digunakan cukup dapat diandalkan, kemudian pilih pilihan yang paling efisien. Reliability first. Cost second. Pekerjaan yang sederhana tidak harus menggunakan model paling kuat. Sebaliknya, pekerjaan yang membutuhkan kemampuan lebih tinggi dapat diberikan kepada model yang lebih mampu. Jika pilihan awal belum memberikan hasil yang memadai, pekerjaan dapat dialihkan ke kemampuan yang lebih tinggi. Dengan cara ini, efisiensi tidak dicapai dengan memilih AI yang paling murah, tetapi dengan tidak menggunakan kemampuan yang lebih besar dari yang sebenarnya dibutuhkan.

Bagi bisnis, perubahan ini dapat mengubah cara AI digunakan dalam skala besar. Pertanyaannya tidak lagi sekadar, “AI apa yang sebaiknya digunakan perusahaan?”, tetapi menjadi, “AI mana yang paling tepat untuk pekerjaan ini?”. Jika keputusan tersebut dapat dilakukan dengan baik, perusahaan berpeluang menjalankan lebih banyak pekerjaan dengan AI tanpa membuat biaya dan waktu meningkat secara berlebihan. Model yang lebih ringan menangani pekerjaan yang memang dapat diselesaikannya, sementara kemampuan yang lebih tinggi tersedia saat benar-benar diperlukan. Masa depan penggunaan AI di perusahaan mungkin bukan tentang mencari satu AI terbaik untuk mengerjakan semuanya. Masa depannya adalah menggunakan AI yang tepat untuk pekerjaan yang tepat—lebih cepat, lebih hemat, dan tetap dapat diandalkan. Inilah inti dari Reliability-First Model Routing: Reliability is the constraint; efficiency is the consequence.

(Reporter: nnur)