Kritik Terhadap Penggunaan Kerangka Kerja Kecerdasan Buatan dari Perusahaan Konsultan
16 Oktober 2026 · Baca 2 menit
Perusahaan konsultan besar menawarkan kerangka kerja arsitektur, model, atau arsitektur referensi yang sudah dikembangkan untuk kecerdasan buatan generatif dan kecerdasan buatan berbasis agen kepada para pelanggan mereka.
McKinsey menyediakan arsitektur referensi terbuka untuk penskalaan kecerdasan buatan generatif yang menggunakan pola aplikasi yang dapat digunakan kembali, seperti manajemen pengetahuan, bot obrolan pelanggan, dan alur kerja berbasis agen, serta layanan bersama untuk pembuatan yang diperkuat pengambilan, penyematan, pemeringkatan ulang, dan klasifikasi niat, yang dihubungkan dengan infrastruktur sebagai kode dan kebijakan sebagai kode. Deloitte telah menerbitkan arsitektur agen kecerdasan buatan, kerangka kerja untuk sistem multiagen, dan rencana untuk perusahaan berbasis agen yang memposisikan agen otonom sebagai logika operasional perusahaan. Capgemini meluncurkan Resonance AI Framework pada Juli 2025 dengan dukungan galeri RAISE yang berisi pola kecerdasan buatan generatif dan agen.
Infosys menawarkan arsitektur referensi lima lapis untuk kecerdasan buatan perusahaan yang matang sebagai bagian dari inisiatif Topaz, di mana setiap lapis memiliki peran, antarmuka, dan model penerapan sendiri. TCS menjual AI WisdomNext, sebuah platform agregasi dan orkestrasi yang memungkinkan penggantian model dan menyebarkan agen yang sudah dibangun tanpa ketergantungan vendor. Accenture mempromosikan arsitektur kecerdasan buatan untuk perusahaan cerdas, sebuah otak kecerdasan buatan yang berfokus pada orkestrasi agen dan inteligensi keputusan.
Penggunaan kerangka kerja siap pakai ini dikritik karena sering kali menjadi alat untuk menjual jam konsultasi daripada memberikan solusi optimal. Pendekatan ini dianggap terbalik karena arsitektur dipilih sebelum persyaratan dipahami sepenuhnya, yang menyebabkan perusahaan menerapkan pola teknologi yang tidak diperlukan, seperti basis data vektor ketika indeks pencarian sudah cukup, atau orkestrasi multiagen ketika satu model dengan instruksi yang baik sudah memadai.
Dampaknya adalah arsitektur yang sangat tidak optimal yang dapat memakan biaya operasional antara 10 hingga 20 kali lebih mahal dibandingkan arsitektur yang dioptimalkan sepenuhnya. Sebagai contoh, tagihan bulanan untuk inferensi yang seharusnya sebesar 50.000 dolar bisa membengkak menjadi 500.000 hingga 1.000.000 dolar akibat kesalahan pemilihan arsitektur di awal.
Disarankan agar perusahaan fokus pada persyaratan, proses, dan hasil yang diinginkan untuk merancang arsitektur mereka. Dengan memulai dari nol dan memahami perilaku dinamis yang dibutuhkan aplikasi, biaya dari ide ke pengembangan dapat dikurangi menjadi sekitar seperempat, dan biaya operasional bulanan sistem yang dihasilkan bisa menjadi sekitar sepersepuluh dari biaya menggunakan kerangka kerja siap pakai. Kerangka kerja hanya dianggap bernilai sebagai materi pendidikan, tinjauan pola, atau daftar periksa untuk tata kelola dan keterpantauan, namun harus menjadi hal terakhir yang dilihat dalam proses desain.