OpenAI Luncurkan Dots: Agen AI yang Terus Bekerja Setelah Anda Tutup Chat

OpenAI resmi meluncurkan Dots, kelas baru agen AI persisten yang dirancang untuk terus bekerja bahkan setelah pengguna menutup sesi obrolan. Berbasis model GPT-6 Astra, setiap Dot dilengkapi komputer cloud dan peramban sendiri, mampu terhubung ke lebih dari 4.000 aplikasi melalui ekosistem plugin OpenAI, serta melanjutkan tujuan yang diberikan antarpercakapan. Pengguna dapat mengakses Dot yang sama lewat ChatGPT, Slack, Microsoft Teams, dan suara, dengan konteks yang terbawa dari satu interaksi ke interaksi berikutnya.

Bagi kalangan bisnis, daya tarik utama Dots terletak pada pergeseran fungsi AI: dari sekadar alat konsultasi menjadi entitas yang bisa diberi tanggung jawab. Dot dapat memantau proyek, memeriksa perubahan, menjalankan pekerjaan latar belakang, menggunakan perangkat lunak yang terhubung, dan kembali ketika ada keputusan yang membutuhkan campur tangan manusia. Panduan OpenAI sendiri menyarankan pengguna memulai dengan pekerjaan yang ingin "dipantau" oleh Dot, bukan memperlakukan setiap percakapan sebagai permintaan baru.

Meski terdengar revolusioner, agen AI persisten bukanlah konsep yang sepenuhnya baru. Anthropic dengan Claude Cowork mendorong agen lebih dalam ke pekerjaan desktop dan pengetahuan, sementara Meta Muse dibangun untuk menyelesaikan tugas multi-langkah dari lingkungan cloud-nya sendiri. Sistem agentic lain juga bergerak ke arah serupa, dari riset dan pengkodean hingga penggunaan peramban dan otomatisasi alur kerja. Persaingan kini tidak lagi tentang model mana yang menghasilkan jawaban terbaik, melainkan perusahaan mana yang mampu membangun agen yang dipercaya untuk menangani pekerjaan berkelanjutan.

Perbedaan pendekatan OpenAI dengan para pesaing terletak pada infrastruktur. Jika sebagian agen dirancang untuk bekerja di dalam sistem yang sudah dimiliki perusahaan—komputer karyawan, aplikasi enterprise, atau cloud privat—Dots justru berjalan di lingkungan komputasi terpisah yang dikelola OpenAI. Masing-masing Dot memiliki komputer cloud yang menyimpan status, sesi peramban, file, dan perangkat lunak antarperiode kerja. Pengguna dapat menghubungkan komputer pribadi jika tugas memerlukan file atau aplikasi lokal, namun mesin tersebut harus tetap online dan menjalankan aplikasi desktop ChatGPT.

Seorang pengembang asal Jepang baru-baru ini mendemonstrasikan alur kerja tersebut dengan meminta Dot memeriksa folder di Mac yang terhubung. Dot mendelegasikan pekerjaan ke Codex, menjalankan tugas baca-saja, dan mengembalikan hasil yang benar. Pengembang itu menilai perubahan kuncinya adalah pergeseran dari manusia yang membuka Codex dan mengarahkannya, menjadi Dot yang memutuskan kapan harus memanggil Codex atas nama pengguna. Praktisi lain mengaku menyerahkan sekitar delapan jam pekerjaan semalam kepada Dots, dengan agen mengoordinasikan Claude Code dan Codex di Mac serta melaporkan melalui Slack atau ponsel.

"Dots dibangun di sekitar agen berkelanjutan yang menjaga tanggung jawab tetap bergerak antarpercakapan, sementara Cowork berorientasi pada penyelesaian hasil kerja pengetahuan yang dijelaskan," demikian perbandingan yang dibuat Greenlit Books berdasarkan dokumentasi vendor.

Kasus penggunaan Dots yang paling kuat cenderung berupa pekerjaan repetitif namun tidak sepenuhnya mekanis. Skrip terjadwal memang sudah bisa mengirim laporan setiap Senin, tetapi tugas pemantauan berkelanjutan dan operasional menawarkan nilai lebih. OpenAI secara eksplisit memposisikan Dots untuk riset, analisis data, penyusunan dokumen, dan pekerjaan perangkat lunak. Seorang manajer produk, misalnya, dapat meminta Dot memantau umpan balik pelanggan, mengelompokkan keluhan berulang, dan menyiapkan ringkasan ketika pola berubah. Eksekutif penjualan bisa meminta Dot menjaga proposal tetap mutakhir seiring perubahan harga, informasi produk, atau permintaan pelanggan.

Namun, ada sejumlah tantangan yang perlu dicermati. Biaya menjadi salah satu isu utama. Meski Dots tidak memiliki harga terpisah, OpenAI menyatakan pengguna Pro yang memenuhi syarat dapat mengaksesnya sebagai bagian dari paket Pro 100, Pro 200, dan Pro 500—masing-masing US$100, US$200, dan US$500 per bulan. Business Premium dan Enterprise akan menyusul secara terpisah. OpenAI belum merinci besaran jatah "deeper work" dalam dokumentasinya, sehingga perkiraan biaya menjadi kurang sederhana. Menurut OrcaRouter, Dot lebih mirip menyewa pekerja terpaket, sedangkan model API adalah komponen terukur yang biaya token-nya dapat dilacak langsung.

Keamanan dan tata kelola juga menjadi perhatian. Dot memerlukan akses ke data dan sistem agar efektif, yang memunculkan tantangan privasi, kepatuhan, dan tata kelola. OpenAI mengizinkan koneksi ke layanan seperti Gmail, Google Drive, dan GitHub melalui plugin, dengan izin yang ada tetap berlaku dan dapat dibatasi. Mekanisme persetujuan dibangun untuk tindakan sensitif: sebelum tindakan memengaruhi akun atau membagikan informasi, tinjauan otomatis memeriksa izin, instruksi pengguna, dan persyaratan keamanan. Beberapa tindakan dapat berjalan otomatis, sebagian memerlukan persetujuan, dan sebagian lagi harus diserahkan kembali ke pengguna—seperti mengubah kata sandi. Namun, OpenAI memperingatkan bahwa aturan khusus yang dibuat pengguna tetap merupakan instruksi yang bisa saja tidak diikuti dengan benar oleh sistem.

Untuk kebutuhan kepatuhan enterprise, Dots versi Enterprise dinonaktifkan secara default dan harus diaktifkan oleh administrator. Perusahaan menyediakan kontrol untuk akses komputer lokal, izin plugin, dan catatan audit melalui API Compliance and Analytics. Tantangan lain yang kurang bersifat teknis adalah kebutuhan akan instruksi. Agen memerlukan aturan operasional dan proses yang jelas, bukan sekadar prompt. Seseorang tetap harus mendefinisikan tanggung jawab agen, seperti apa hasil yang baik, sumber mana yang penting, kapan harus mengganggu manusia, dan keputusan apa yang memerlukan persetujuan. Masalahnya, proses sering kali bergantung pada kebiasaan tak tertulis atau "tribal knowledge". Dua departemen bisa mendefinisikan metrik yang sama secara berbeda, persetujuan terjadi informal di Slack, dan spreadsheet dianggap sumber resmi sampai seseorang ingat bahwa spreadsheet lain lebih baru. Manusia mengompensasi ambiguitas itu setiap hari, tetapi agen persisten akan kesulitan.

Jika Anda sebagian besar menggunakan AI untuk tugas sederhana atau respons langsung—menulis, riset, brainstorming, analisis, atau pertanyaan terisolasi—Anda mungkin tidak melihat banyak manfaat dari memberikan komputer persisten kepada AI. Dots menjadi menarik ketika ada pekerjaan berulang yang terus muncul setelah satu tugas atau proyek selesai. Untuk menentukan apakah Dots cocok, tanyakan proyek mana yang membutuhkan seseorang untuk mengingat statusnya, pekerjaan apa yang bisa berlanjut tanpa Anda awasi, dan apakah Anda dapat mendeskripsikan hasil yang diinginkan cukup jelas sehingga orang lain bisa mengambil alih. Jika bisa, Dots mungkin merupakan perubahan yang lebih berarti daripada sekadar model yang lebih pintar. Jika tidak, agen AI semi-otonom yang selalu aktif kemungkinan tidak akan menyelesaikan masalah.