AGI adalah singkatan dari Artificial General Intelligence (Kecerdasan Buatan Umum). Istilah ini menggambarkan sebuah sistem yang dapat memperoleh keterampilan baru dan memecahkan masalah yang sebelumnya tidak pernah dilatih, alih-alih hanya menjalankan satu fungsi sempit dengan baik. Saat ini belum ada sistem AGI yang tersedia secara komersial. Dalam CRM, AGI berarti perangkat lunak yang mampu mempertimbangkan berbagai keputusan penjualan, pemasaran, dan dukungan pelanggan, alih-alih menjalankan alur kerja yang telah ditentukan sebelumnya.
Jika Anda bertanya kepada vendor apa yang akan membuat produk mereka dianggap sebagai AGI (Artificial General Intelligence), mereka mungkin hanya akan menjelaskan versi yang ditingkatkan dari apa yang sudah mereka jual, seperti otomatisasi yang lebih cepat, lebih banyak fitur, atau personalisasi yang lebih baik. Tetapi tidak satu pun dari peningkatan tersebut saja yang membuat suatu sistem benar-benar bersifat umum.
Ada cara yang lebih ketat untuk menilai klaim tersebut. Cara ini berfokus pada apakah suatu sistem dapat belajar dan memecahkan masalah yang benar-benar asing, dan terdapat tolok ukur tertulis untuk menguji kemampuan tersebut. Memahami apa yang diukur oleh tes tersebut memberikan cara yang lebih jelas untuk menilai klaim AGI (Artificial General Intelligence).
Apa itu AGI?
AGI (Artificial General Intelligence) adalah jenis AI teoretis yang dapat menyamai atau melampaui kemampuan manusia di hampir semua tugas intelektual dan kognitif. Tidak seperti AI khusus yang ada saat ini, sistem AGI dapat belajar, bernalar, dan beradaptasi dengan situasi yang sepenuhnya baru tanpa memerlukan pemrograman khusus untuk tugas tertentu.
Definisi kerja yang paling ketat berasal dari François Chollet, peneliti di balik pustaka pembelajaran mendalam Keras. Dalam makalahnya tahun 2019 Tentang Pengukuran Kecerdasan, ia mendefinisikan kecerdasan sebagai efisiensi perolehan keterampilan pada tugas yang tidak dikenal alih-alih kinerja pada tugas-tugas yang telah dipersiapkan untuk sistem tersebut.
Perbedaan itulah inti dari argumen ini, dan hal itu mengubah arti dari skor acuan. Jika sebuah model dilatih dengan materi yang menyerupai tes, skor tinggi menunjukkan bahwa model tersebut dapat menemukan jawaban yang sudah pernah dilihatnya. Hal itu tidak menjelaskan apa yang terjadi ketika masalahnya benar-benar baru.
Chollet membuat sebuah tolok ukur untuk mengujinya. ARC-AGI mempersembahkan teka-teki kotak-kotak Di mana suatu aturan harus disimpulkan dari dua atau tiga contoh dan diterapkan pada kasus yang belum pernah dilihat sistem sebelumnya. Sistem ini dirancang untuk menahan hafalan, karena setiap tugas unik dan contohnya terlalu sedikit untuk pencocokan pola statistik.
Empat karakteristik membedakan AGI dari kapal-kapal yang ada saat ini:
- Transfer: Keterampilan yang dipelajari dalam satu bidang dapat diterapkan ke bidang yang tidak terkait tanpa pelatihan ulang, yang saat ini belum dilakukan oleh sistem produksi mana pun.
- Penanganan hal baru: Sistem ini memecahkan masalah yang tidak pernah terpikirkan oleh para pengembangnya. Model-model saat ini berperilaku tidak terduga begitu input berhenti menyerupai apa yang digunakan untuk melatihnya, dan mereka jarang memberi sinyal bahwa hal ini telah terjadi.
- Dekomposisi tujuan otonom: Ini memecah tujuan yang ambigu menjadi beberapa langkah tanpa campur tangan manusia dalam menentukan alur kerjanya.
- Efisiensi: Ia belajar dari segelintir contoh, bukan jutaan, yang merupakan kriteria yang sebenarnya diukur oleh definisi di atas.
| Pengecekan kenyataan: ARC-AGI-1 Diluncurkan pada tahun 2019 untuk menguji apakah sistem AI dapat mempelajari aturan baru hanya dari beberapa contoh dan menerapkannya pada masalah yang tidak dikenal. Pada akhir tahun 2024, model-model terdepan telah menjadi jauh lebih besar, dengan daya komputasi pelatihan meningkat sekitar 50,000 kali lipat, namun tolok ukur ini tetap menjadi tantangan yang signifikan. Ini berarti membuat model lebih besar dan memberinya lebih banyak daya komputasi dapat meningkatkan kinerja, tetapi skala saja tidak menghasilkan pembelajaran dan generalisasi yang efisien yang terkait dengan AGI. |
AGI vs AI vs AI Generatif
AI, AI generatif, dan AGI sering dibahas seolah-olah menggambarkan tingkatan yang berbeda dari teknologi yang sama. Padahal tidak. Perbedaan utamanya terletak pada apa yang dapat dipelajari oleh suatu sistem, bagaimana sistem tersebut menangani masalah yang tidak dikenal, dan seberapa banyak proses pengambilan keputusan yang dapat dilakukannya secara mandiri.
| AI yang sempit | AI generatif | AGI | |
| Cakupan | Melaksanakan tugas yang telah ditentukan. | Menghasilkan konten dalam berbagai format. | Mampu menangani berbagai macam tugas intelektual. |
| Mempelajari tugas-tugas baru | Tidak, biasanya memerlukan pelatihan ulang atau konfigurasi ulang. | Tidak, bukan dari beberapa contoh saja. | Ya, dari contoh yang terbatas. |
| Menangani masalah yang tidak dikenal | Terbatas di luar tugas yang telah ditentukan | Dapat menghasilkan respons yang masuk akal tetapi mungkin tidak dapat diandalkan pada tugas-tugas yang tidak dikenal. | Dirancang untuk memecahkan masalah yang benar-benar baru. |
| Penetapan tujuan | Didefinisikan oleh manusia | Dipicu oleh manusia | Mampu memecah tujuan yang lebih luas menjadi tugas-tugas secara independen. |
| Tersedia secara komersial | Ya, secara luas | Ya, secara luas | Tidak |
Perbedaan paling sederhana adalah ini: AI generatif dapat melakukan banyak jenis tugas pembuatan konten, sementara AGI mampu mempelajari cara menangani jenis masalah baru. Sistem AI generatif dapat menyusun email tindak lanjut atau klausul kontrak saat diminta. AGI perlu menentukan apakah pengiriman email tersebut tepat, mempertimbangkan konteks akun, dan memutuskan apa yang harus dilakukan selanjutnya.
Bagaimana AGI Dapat Mengubah CRM?
CRM adalah salah satu bidang di mana AGI dapat memberikan dampak yang sangat signifikan karena sistem CRM sudah menyatukan konteks pelanggan yang dibutuhkan oleh sistem penalaran. Riwayat kontak, aktivitas transaksi, interaksi dukungan, respons kampanye, dan informasi akun disimpan dalam satu lingkungan. Jika AGI dapat melakukan penalaran dalam situasi yang tidak dikenal, konteks ini dapat memungkinkannya untuk membuat keputusan daripada sekadar menjalankan alur kerja yang telah ditentukan sebelumnya.
- Keterlibatan Pelanggan Otonom
Saat ini, otomatisasi CRM biasanya dimulai dengan pemicu yang telah ditentukan sebelumnya, seperti perubahan tahapan transaksi atau tindakan pelanggan. Sistem AGI (Artificial General Intelligence) justru dapat menilai akun secara keseluruhan dan memutuskan apakah kontak diperlukan, saluran mana yang tepat, apa yang harus disampaikan dalam pesan, dan kapan pesan tersebut harus dikirim.
- Manajemen Prospek Cerdas
Penilaian prospek biasanya bergantung pada aturan dan sinyal yang dipilih administrator sebelumnya, seperti jabatan, ukuran perusahaan, keterlibatan, atau industri. AGI dapat mengevaluasi akun menggunakan konteks yang lebih luas dan mengidentifikasi sinyal relevan yang tidak pernah diubah menjadi bidang yang telah ditentukan sebelumnya. Hal ini dapat membuat kualifikasi prospek menjadi kurang bergantung pada berapa banyak aturan yang telah dikonfigurasi oleh administrator CRM.
- Wawasan Pelanggan Prediktif
AI prediktif Sistem ini dapat mengidentifikasi pola yang terkait dengan hasil seperti tingkat pelanggan yang berhenti berlangganan (churn), konversi, atau penutupan transaksi. AGI berpotensi melangkah lebih jauh dengan menalar mengapa suatu hasil mungkin terjadi dan menentukan tindakan apa yang dapat mengubahnya. Alih-alih hanya menandai akun sebagai berisiko, sistem dapat menghubungkan keadaan yang mendasarinya dan merekomendasikan intervensi yang tepat.
- Pengambilan Keputusan Alur Kerja Lintas Fungsi
Alur kerja CRM umumnya mengikuti proses yang telah dirancang sebelumnya. AGI dapat membuat keputusan di seluruh proses tersebut berdasarkan perubahan keadaan. Misalnya, AGI dapat mengenali bahwa masalah dukungan yang serius harus menghentikan sementara kampanye upsell, meskipun tidak ada yang membuat aturan yang menghubungkan kedua peristiwa tersebut.
Kemampuan ini belum tersedia secara komersial saat ini. Kemampuan ini mewakili arah yang mungkin untuk otomatisasi CRM dan menyediakan standar yang berguna untuk menilai seberapa jauh sistem AI saat ini dari kecerdasan umum yang sesungguhnya.
| Fakta yang menarik: Peta jalan Gartner mengarah pada sistem AI yang semakin terkoordinasi daripada kecerdasan tunggal serbaguna. Peta jalan ini menempatkan sistem multi-agen kolaboratif sekitar tahun 2027 dan seterusnya. ekosistem multi-agen sekitar tahun 2029, berfokus pada beberapa agen khusus yang bekerja sama. |
Potensi Manfaat CRM yang Didukung AGI
Potensi nilai AGI dalam CRM tidak hanya berasal dari mempercepat otomatisasi yang ada. Perubahan yang lebih besar adalah kemampuan untuk mengambil keputusan dalam situasi yang tidak pernah secara eksplisit tercakup oleh alur kerja, dengan menggunakan konteks pelanggan yang lebih luas yang sudah tersedia di CRM.
- Penghakiman Tanpa Konfigurasi
Sebagian besar otomatisasi CRM bergantung pada aturan yang telah ditentukan sebelumnya. AGI dapat mengurangi ketergantungan tersebut dengan memutuskan respons mana yang menghasilkan hasil optimal ketika suatu situasi berada di luar batasan tersebut. Alih-alih hanya menjalankan alur kerja statis, sistem mengevaluasi konteks untuk menentukan tindakan yang paling strategis.
- Konteks yang Tetap Ada Setelah Proses Serah Terima
Informasi pelanggan sering berpindah antar tim penjualan, pemasaran, dan dukungan, menciptakan kesenjangan yang harus diatasi karyawan secara manual. Sistem AGI (Artificial General Information) dapat membawa konteks akun yang relevan melalui transisi dari penjualan ke dukungan, yang merupakan kesenjangan tersebut. tim operasi pendapatan Seringkali harus melakukan patching secara manual.
- Penjelasan Beserta Prediksi
Prediksi akan lebih bermanfaat jika penerima prediksi memahami alasan di baliknya. Alih-alih hanya menandai akun sebagai kemungkinan akan berhenti berlangganan, sistem AGI (Artificial General Intelligence) dapat menghubungkan sinyal pelanggan yang relevan, menjelaskan alasan di balik prediksi tersebut, dan menyarankan respons yang tepat. Hal ini dapat mendorong perubahan positif. Pengalaman pelanggan AI Melangkah dari sekadar mengidentifikasi masalah hingga merencanakan cara mengatasinya.
- Mengurangi Pekerjaan Administratif
Administrator CRM menghabiskan banyak waktu untuk membuat kolom, aturan, alur kerja, dan pengecualian untuk situasi yang tidak dapat ditangani sistem secara otomatis. Generalisasi yang lebih besar dapat mengurangi sebagian konfigurasi ini dengan memungkinkan sistem untuk menentukan bagaimana merespons ketika suatu situasi tidak sesuai dengan alur kerja yang ada.
Tantangan Penggunaan AGI dalam CRM
Tantangan penggunaan AGI dalam CRM bukanlah hal yang sepenuhnya baru. Sistem AI terbatas sudah membuat bisnis menghadapi banyak risiko yang sama, tetapi AGI akan meningkatkannya karena dapat mengakses lebih banyak data, membuat keputusan yang lebih luas, dan membutuhkan lebih sedikit intervensi manusia.
- Privasi data: Sistem penalaran yang mencakup setiap catatan pelanggan memerlukan akses ke setiap catatan pelanggan, yang memperluas jangkauan pelanggaran dan mempersulit persetujuan berdasarkan hukum perlindungan data.
- Akurasi dan fabrikasi: Model generatif menghasilkan jawaban yang lancar, percaya diri, dan salah, tanpa perubahan nada untuk menandai perbedaannya. Ketika seseorang meninjau hasilnya, satu kesalahan akan memakan waktu sejenak. Ketika sistem bertindak berdasarkan hasilnya sendiri, kesalahan tersebut sampai ke pelanggan, dan keputusan selanjutnya dibangun di atasnya.
- Akuntabilitas: Ketika sistem otonom mengirimkan pesan yang salah ke akun perusahaan, pertanyaan tentang siapa yang mengotorisasinya tidak memiliki jawaban yang jelas berdasarkan model tata kelola saat ini.
- Pengawasan manusia: Peninjauan yang bermakna membutuhkan pemahaman atas alasannya, dan meninjau keputusan yang dibuat lebih cepat daripada kemampuan seseorang untuk membacanya hanyalah pengawasan dalam nama saja.
- Kompleksitas integrasi: Suatu sistem penalaran hanya akan sebaik aksesnya ke sistem tempat pekerjaan dilakukan, yang menjadikan ini masalah arsitektur sebelum menjadi masalah AI.
- Postur keamanan: Akses sistem yang lebih luas meningkatkan nilai akun yang diretas, itulah sebabnya Kontrol keamanan CRM Menjadi lebih mampu menopang beban seiring dengan semakin dalamnya otomatisasi, bukan sebaliknya.
Masa Depan AGI dan CRM
Diskusi tentang peta jalan (roadmap) AGI mengasumsikan industri sedang bergerak menuju ke sana. Namun, perkiraan yang dipublikasikan menggambarkan perjalanan yang berlawanan. Apa yang dibangun dan dijual semakin sempit setiap tahunnya, dan peta jalan CRM yang ditawarkan kepada Anda mengikuti arah tersebut.
Agen Khusus Tugas Adalah yang Akan Dihadirkan pada Tahun 2026
Gartner memprediksi bahwa 40% dari aplikasi perusahaan akan terintegrasi dengan agen AI khusus tugas pada akhir tahun 2026, meningkat dari kurang dari 5% pada tahun 2025, dan menempatkan ekosistem multiagen pada tahun 2029. Khusus tugas adalah frasa kunci, dan itu adalah antonim dari umum.
Dalam konteks ini, seorang agen menjalankan satu pekerjaan dari awal hingga akhir, seperti menyusun penawaran perpanjangan atau menyelesaikan antrian dukungan, lalu berhenti di ujungnya. Itulah otonomi di dalam batasan yang telah ditentukan oleh seseorang.
Keluasan Berasal dari Pengumpulan, Bukan dari Generalisasi
Peta jalan tersebut mencapai kemampuan yang luas dengan menyatukan banyak agen khusus yang saling meneruskan pekerjaan, alih-alih membangun satu sistem yang bersifat umum dengan sendirinya.
Apakah perakitan memberikan cakupan yang luas masih menjadi pertanyaan penelitian terbuka. Sebuah tim di UC Berkeley melakukan anotasi. lebih dari 1,600 jejak eksekusi di tujuh kerangka kerja multi-agen dan melaporkan bahwa peningkatan kinerja dibandingkan dengan pengaturan agen tunggal seringkali minimal.
Taksonomi mereka menyebutkan 14 mode kegagalan dalam tiga kelompok, meliputi spesifikasi yang tidak jelas, ketidaksesuaian antar agen, dan kurangnya verifikasi atas keluaran masing-masing. Sebagian besar berakar pada desain sistem daripada pada keterbatasan model yang mendasarinya.
Ketika satu agen salah membaca inputnya, setiap agen di hilir akan bertindak berdasarkan kesalahan tersebut tanpa menyadari bahwa kesalahan itu telah terjadi, sehingga kesalahan muncul di ujung rantai, bukan di sumbernya.
Permasalahan tata kelola berubah bentuk. Anda tidak menyetujui penilaian satu sistem, tetapi batasan untuk setiap agen dan catatan tentang agen mana yang membuat keputusan mana.
Perubahan Apa yang Terjadi pada CRM?
Pergeseran realistis dalam waktu dekat adalah dari sistem pencatatan ke sistem rekomendasi. Penilaian kesepakatan, Perkiraan penjualan AI, dan saran tindakan selanjutnya sudah bekerja dengan cara ini di jalur yang sempit, dan jalur tersebut melebar alih-alih menghilang.
Pertanyaan pembelian berubah seiring dengan mereka. Alih-alih bertanya apakah CRM memiliki AI, tanyakan apa yang dapat dilakukan setiap agen tanpa persetujuan manusia, dan di mana izin tersebut dicatat.
Bagaimana Vtiger One Bersiap untuk CRM Berbasis AI
Vtiger One tidak menyediakan AGI (Artificial General Intelligence), dan ini berlaku untuk CRM secara umum saat ini. Kemampuan AI-nya mewakili lapisan AI terbatas yang mendukung otomatisasi CRM saat ini, membantu menyatukan data pelanggan dan alur kerja dalam lingkungan yang terpadu. Fondasi ini juga dapat membantu memberikan konteks yang dibutuhkan sistem AI di masa depan untuk bernalar lebih efektif di seluruh interaksi pelanggan.
Kalkulus AI Memprediksi hasil seperti penutupan kesepakatan dan merekomendasikan tindakan selanjutnya sambil menyerahkan keputusan akhir kepada orang yang mengelola akun tersebut. Bersamaan dengan itu, kemampuan AI CRM mendukung tugas-tugas seperti meringkas dan menyusun percakapan, sementara membangun agen AI Memungkinkan tugas-tugas yang terdefinisi dengan baik dan dapat diulang dalam batasan yang telah ditentukan.
Keefektifan sistem AI apa pun bergantung pada kualitas informasi yang dapat diaksesnya. Tahapan kesepakatan yang hilang atau catatan kontak yang duplikat dapat menyebabkan kesimpulan yang salah bahkan ketika sistem itu sendiri berfungsi sesuai yang diharapkan. Inilah sebabnya mengapa Produktivitas CRM yang didukung AI Keuntungan terbesar diperoleh ketika data pelanggan akurat, lengkap, dan dipelihara secara konsisten.
Pertanyaan yang Sering Diajukan
Apa kepanjangan dari AGI?
AGI adalah singkatan dari Artificial General Intelligence (Kecerdasan Buatan Umum). Istilah ini menggambarkan sebuah sistem yang dapat memperoleh keterampilan baru dan memecahkan masalah yang sebelumnya tidak dirancang atau dilatih untuknya di berbagai bidang. Hal ini berbeda dengan AI sempit, yang hanya melakukan satu tugas tertentu dan memerlukan pelatihan ulang untuk menangani tugas yang berbeda.
Apa perbedaan AGI dengan AI?
AI adalah istilah umum untuk setiap sistem yang melakukan tugas-tugas yang biasanya membutuhkan kecerdasan manusia. Hampir semua AI yang diterapkan bersifat sempit, artinya hanya menangani satu tugas dan gagal di luar data pelatihannya. AGI adalah subset yang dapat menangani tugas-tugas yang tidak dikenal tanpa perlu dilatih ulang.
Apa perbedaan antara AGI dan AI generatif?
AI generatif menghasilkan konten seperti teks, gambar, atau kode, dan melakukan generalisasi di berbagai format sambil tetap terbatas dalam kemampuannya. Ia tidak dapat mempelajari keterampilan baru yang sesungguhnya dari beberapa contoh. AGI didefinisikan oleh efisiensi pembelajaran tersebut, bukan oleh variasi output, dan belum ada di pasaran.
Bagaimana AGI dapat mentransformasi CRM?
Hal ini akan menggeser CRM dari menjalankan alur kerja yang dikonfigurasi oleh seseorang menjadi membuat penilaian yang tidak dikonfigurasi oleh siapa pun. Itu termasuk memutuskan apakah akan menghubungi suatu akun sama sekali, mengkualifikasi prospek berdasarkan sinyal yang tidak pernah dimasukkan ke dalam kolom input, menjelaskan mengapa prediksi dibuat, dan mengoordinasikan keputusan di seluruh tim penjualan, pemasaran, dan dukungan.
Apakah ada CRM yang menawarkan AGI saat ini?
Tidak. Setiap fitur AI CRM yang tersedia saat ini terbatas, mencakup penilaian prospek, peramalan, peringkasan, penyusunan draf, atau agen yang ruang lingkupnya ditentukan untuk menjalankan tugas-tugas tertentu. Vendor mana pun yang menyebut produk yang sedang dipasarkan sebagai AGI menggunakan istilah tersebut sebagai strategi pemasaran, bukan sebagai klaim teknis tentang kemampuan.
Apa saja manfaat AGI dalam CRM?
Keuntungan utamanya adalah pengambilan keputusan tanpa konfigurasi, artinya sistem menangani situasi yang tidak pernah diantisipasi oleh administrator. Keuntungan sekunder meliputi konteks yang tetap ada setelah peralihan tim, penjelasan yang dilampirkan pada prediksi alih-alih skor semata, dan pekerjaan konfigurasi manual yang jauh lebih sedikit daripada yang dibutuhkan administrasi CRM saat ini.
Apa saja tantangan dalam menggunakan AGI (Kecerdasan Buatan Umum) dalam bisnis?
Privasi data semakin meluas seiring dengan meluasnya akses sistem, dan model generatif masih menghasilkan keluaran yang percaya diri namun tidak akurat. Akuntabilitas untuk keputusan otonom belum memiliki jawaban yang pasti, dan pengawasan manusia yang bermakna sulit dilakukan ketika pengambilan keputusan melebihi kecepatan membaca. Kompleksitas integrasi dan radius dampak keamanan yang lebih besar berlaku sejak penerapan pertama.
