Saya mulai merasa ada satu kebiasaan baru yang cukup menarik sejak coding agent semakin sering digunakan: kita tidak lagi hanya meminta AI untuk mengerjakan sesuatu, tetapi mulai meminta AI untuk mencari tahu dulu sebelum mengerjakannya.

Beberapa hari terakhir saya menemukan last30days-skill, sebuah skill untuk coding agent yang mencoba melakukan hal tersebut. Ide dasarnya sederhana: ketika kita ingin tahu apa yang sedang terjadi tentang sebuah topik, agent tidak hanya mengandalkan pengetahuan yang sudah ada di model, tetapi mencari percakapan dan informasi terbaru dari berbagai sumber seperti GitHub, X, Reddit, YouTube, Hacker News, dan web.

Kelihatannya sederhana. Tapi menurut saya, ini menyentuh masalah yang cukup fundamental dalam cara kita menggunakan AI.

Selama ini kita terbiasa bertanya kepada AI seolah-olah dia adalah ensiklopedia. Kita punya pertanyaan, lalu berharap model sudah memiliki jawabannya. Untuk pertanyaan seperti “apa itu Kubernetes?” cara seperti ini tentu masuk akal.

Tapi coba ganti pertanyaannya menjadi “apa yang sedang ramai dibicarakan tentang Kubernetes minggu ini?”

Itu sudah menjadi pertanyaan yang berbeda.

Model bisa saja tahu banyak tentang Kubernetes, tetapi pengetahuan bukan berarti mengetahui apa yang baru saja terjadi. Ada project baru, repository yang tiba-tiba naik, orang menemukan bug, seseorang membuat workflow baru, atau ada pendekatan yang mulai ditinggalkan. Semua itu terjadi di luar pengetahuan statis sebuah model.

Di sinilah menurut saya konsep seperti last30days-skill menjadi menarik.

Agent tidak hanya menjawab berdasarkan apa yang sudah diketahuinya. Ia diberi kemampuan untuk melihat keluar, mencari sumber yang relevan, kemudian menyusun kembali informasi tersebut menjadi sesuatu yang bisa kita pahami.

Saya sendiri cukup sering melakukan proses ini secara manual.

Kalau ingin tahu sebuah teknologi sedang ramai atau tidak, biasanya saya buka GitHub. Setelah itu X. Kadang Reddit. Lalu YouTube untuk melihat apakah ada orang yang benar-benar membuat sesuatu dengan teknologi tersebut. Setelah beberapa tab terbuka, baru saya mencoba menyimpulkan apakah sesuatu memang menarik atau sebenarnya hanya kelihatan ramai karena satu postingan.

Masalahnya bukan proses itu sulit.

Masalahnya, proses itu melelahkan.

Dan pekerjaan seperti inilah yang menurut saya cocok diberikan kepada agent.

Bukan karena agent lebih pintar daripada kita, tetapi karena agent tidak keberatan melakukan pekerjaan yang sama berkali-kali.

Ada perbedaan yang cukup besar antara meminta AI menjawab “apa yang kamu tahu tentang X?” dengan meminta AI mencari tahu “apa yang sedang terjadi dengan X?”

Yang pertama membutuhkan pengetahuan.

Yang kedua membutuhkan observasi.

Semakin cepat sebuah bidang berubah, semakin penting perbedaan tersebut.

Dunia software bergerak cukup cepat. Repository baru muncul setiap hari. Library berganti arah. Model baru dirilis. Cara orang menggunakan AI berubah. Bahkan tool yang baru beberapa bulan lalu terasa seperti eksperimen bisa tiba-tiba menjadi bagian dari workflow sehari-hari.

Dalam kondisi seperti ini, saya rasa AI yang hanya mengandalkan memorinya sendiri akan semakin terasa terbatas.

Bukan berarti modelnya kurang pintar.

Informasinya saja memang sudah berubah.

Mungkin karena itu saya mulai melihat arah yang cukup menarik dari coding agent. Agent tidak hanya dibuat supaya semakin bagus dalam reasoning atau semakin jago menulis kode. Agent juga mulai diberikan kemampuan untuk melakukan riset, memeriksa sumber, membandingkan informasi, dan mencari konteks sebelum mengambil keputusan.

Pada akhirnya, mungkin AI yang paling berguna bukan AI yang selalu punya jawaban.

Tapi AI yang tahu kapan jawabannya belum cukup.

Dan daripada mengarang jawaban dari apa yang sudah dia tahu, dia memilih membuka beberapa tab, mencari tahu apa yang baru terjadi, lalu kembali kepada kita dengan sesuatu yang lebih masuk akal.

Menurut saya, kemampuan sederhana untuk mengatakan “sebentar, saya cari tahu dulu” justru akan menjadi salah satu kemampuan paling penting dari AI agent.