Perkembangan kecerdasan buatan (AI) telah mencapai titik di mana model tidak hanya mampu memahami bahasa manusia, tetapi juga bertindak atas dasar pemahaman tersebut. Jika Large Language Models (LLMs) seperti GPT-4 dan Claude dikenal sebagai ahli dalam menghasilkan teks dan menjawab pertanyaan, maka muncullah generasi baru yang disebut Large Action Models (LAMs). LAMs adalah lompatan besar berikutnya, mengubah AI dari sekadar penasihat yang pasif menjadi eksekutor tugas yang aktif dan otonom [1][6].

Memahami Large Action Models (LAMs)

Secara sederhana, Large Action Models adalah sistem AI canggih yang dirancang untuk menerjemahkan maksud dan perintah pengguna menjadi serangkaian tindakan nyata di dunia digital maupun fisik [2][4]. Berbeda dengan LLM yang output utamanya adalah teks, LAM menghasilkan aksi. Ini bisa berupa mengklik tombol di sebuah aplikasi, mengisi formulir, memanggil API, atau bahkan mengendalikan perangkat keras [1][3].

Visi di balik LAM adalah menciptakan pengalaman pasca-smartphone, di mana pengguna tidak perlu lagi repot membuka dan berpindah-pindah antar aplikasi untuk menyelesaikan suatu tugas. Cukup dengan memberikan perintah dalam bahasa alami, LAM akan menjalankan keseluruhan proses di belakang layar [5][14]. Contohnya, saat Anda mengatakan, "Pesankan aku tiket bioskop untuk film terbaru dan jadwalkan pengingat 30 menit sebelum jam tayang", LAM akan membuka aplikasi pemesanan tiket, mencari jadwal, melakukan pembayaran, dan secara otomatis membuat pengingat di kalender Anda.

Bagaimana Large Action Models Bekerja?

Proses kerja LAM lebih kompleks daripada LLM karena melibatkan siklus yang berulang: Memahami, Merencanakan, Bertindak, dan Belajar [12]. Berikut adalah tahapan utamanya:

  1. Pemahaman dan Interpretasi (Understanding & Intent Inference): LAM menerima input multimodal, bisa berupa teks, gambar, atau sinyal antarmuka pengguna (UI). Model ini tidak hanya membaca kata-kata, tetapi juga menyimpulkan tujuan, kendala, dan konteks dari permintaan pengguna [3][12].
  2. Perencanaan Dinamis (Dynamic Planning): Setelah tujuan dipahami, LAM memecah tujuan tingkat tinggi menjadi rencana aksi yang terstruktur. Ini melibatkan pembuatan langkah-langkah subtugas yang logis dan berurutan untuk mencapai hasil yang diinginkan [1][4].
  3. Eksekusi Tindakan (Action Generation & Execution): Di sinilah perbedaan utama terjadi. Rencana aksi tersebut diterjemahkan ke dalam instruksi yang dapat dieksekusi, seperti kode program, panggilan API (Application Programming Interface), atau simulasi interaksi GUI (Graphical User Interface) seperti klik dan ketik [3][4].
  4. Loop Umpan Balik dan Adaptasi (Feedback Loop & Learning): Setelah tindakan dijalankan, LAM mengamati hasilnya. Apakah tujuannya tercapai? Jika terjadi kesalahan atau perubahan kondisi, LAM dapat menyesuaikan rencana dan langkah selanjutnya secara real-time. Kemampuan untuk belajar dari pengalaman ini, yang dikenal sebagai self-boosting, membuat LAM semakin akurat dan andal seiring waktu [1][4].

Untuk melatih LAM, dibutuhkan data yang sangat berbeda dari LLM. Alih-alih hanya korpus teks, pelatihan LAM membutuhkan "data aksi": rekaman interaksi manusia dengan lingkungan digital, termasuk setiap klik, ketukan tombol, perubahan status UI, dan konteks di baliknya. Data ini jauh lebih langka dan mahal untuk dikumpulkan [1][3].

Perbedaan Utama: LAM vs. LLM

Meskipun sama-sama dibangun di atas teknologi neural network, tujuan dan arsitektur LAM dan LLM sangat berbeda. Memahami perbedaan ini adalah kunci untuk melihat potensi masing-masing.

Aspek Large Language Model (LLM) Large Action Model (LAM)
Fokus Utama Memahami dan menghasilkan teks [1] Memahami, merencanakan, dan mengeksekusi tindakan [2]
Output Prediksi kata berikutnya (teks, kode) [7] Urutan aksi (klik, panggilan API, perintah sistem) [3]
Tingkat Otonomi Pasif; membutuhkan input manusia untuk bertindak lebih lanjut [12] Aktif; dapat menyelesaikan tugas end-to-end secara mandiri [12]
Kemampuan Beradaptasi Terbatas pada konteks dalam prompt [12] Dinamis; beradaptasi dengan perubahan lingkungan secara real-time [12]
Interaksi dengan Alat Membutuhkan integrasi atau perintah eksplisit untuk alat eksternal [12] Memiliki kemampuan bawaan untuk menggunakan alat melalui API atau perencanaan multi-agen [12]
Penanganan Kesalahan Rentan terhadap hallucination atau kesalahan faktual dalam teks [12] Rentan terhadap kesalahan logika atau eksekusi; membutuhkan kontrol keamanan yang ketat [3][12]
Kompleksitas & Biaya Biaya komputasi lebih rendah, lebih mudah digunakan [12] Membutuhkan infrastruktur lebih besar karena perencanaan dan feedback loop [12]

Intinya, LLM adalah "otak" yang bisa berbicara dan memberi saran, sementara LAM adalah "otak dan tangan" yang bisa berbicara, merencanakan, dan kemudian bergerak untuk menyelesaikan pekerjaan [7].

Penerapan dan Dampak LAM di Dunia Nyata

Potensi LAM untuk mengubah berbagai sektor sangatlah besar. Berikut adalah beberapa contoh penerapannya:

  • Otomatisasi Alur Kerja Perusahaan: Dalam layanan pelanggan, LAM dapat menjadi agentic virtual agent yang tidak hanya menjawab pertanyaan, tetapi juga menyelesaikan masalah secara tuntas. Misalnya, jika seorang pelanggan melaporkan gangguan internet, LAM dapat secara otomatis mendiagnosis masalah, mereset router dari jarak jauh, dan menjadwalkan teknisi jika diperlukan, semuanya tanpa campur tangan manusia [8][12][13]. Menurut Gartner, tingkat keberhasilan swalayan saat ini rata-rata hanya 22%, dan LAM dipandang sebagai solusi untuk meningkatkannya secara signifikan [8][13].
  • Asisten Pribadi Generasi Baru: Perangkat seperti Rabbit R1 adalah contoh nyata bagaimana LAM dapat berinteraksi dengan berbagai aplikasi di smartphone atas nama pengguna, menciptakan pengalaman yang lebih mulus dan terintegrasi [5][14].
  • Bidang Pemasaran dan Penjualan: LAM dapat mempersonalisasi kampanye pemasaran secara real-time, mengotomatiskan kualifikasi prospek penjualan, dan mengelola interaksi pelanggan di berbagai saluran [12].

Beberapa pemain besar teknologi dan riset pun sudah mulai serius menggarap LAM. Salesforce mengembangkan seri xLAM yang berhasil meraih posisi pertama di Berkeley Function-Calling Leaderboard, mengungguli model-model seperti GPT-4 dalam hal penggunaan alat [10][11]. Genesys berkolaborasi dengan Scaled Cognition untuk menghadirkan agentic virtual agent bertenaga LAM di platform mereka [8][13]. Di sisi lain, raksasa AI seperti OpenAI (dengan Operator), Anthropic (dengan Claude Computer Use), dan Google (dengan Mariner) juga sedang dalam perlombaan mengembangkan agen otonom berbasis LAM [9].

Tantangan dan Masa Depan LAM

Meskipun menjanjikan, LAM masih menghadapi sejumlah tantangan serius sebelum dapat diadopsi secara luas. Beberapa di antaranya adalah:

  • Tingkat Keberhasilan yang Masih Rendah: Penelitian menunjukkan bahwa pada tolok ukur yang kompleks, LAM saat ini hanya mencapai tingkat keberhasilan 12-20%, jauh di bawah kemampuan manusia yang mencapai 72%. Ini menunjukkan bahwa model masih perlu banyak belajar untuk menangani kerumitan dunia nyata [6].
  • Biaya Data yang Tinggi: Data aksi yang dibutuhkan untuk pelatihan bisa 100 hingga 1000 kali lebih mahal daripada data teks biasa, sehingga menghambat pengembangan dan aksesibilitas [6].
  • Keamanan dan Keandalan: Karena LAM mengeksekusi tindakan nyata, kesalahan bisa berakibat fatal, seperti menghapus data penting atau memicu tindakan yang tidak diinginkan. Oleh karena itu, governance, pengawasan, dan mekanisme keselamatan (seperti human-in-the-loop) menjadi sangat krusial [3][7].
  • Transisi dari Simulasi ke Dunia Nyata (Sim-to-Real): LAM yang dilatih di lingkungan simulasi seringkali mengalami penurunan kinerja hingga 30-50% ketika diterapkan di dunia nyata yang lebih dinamis dan tidak terduga [6].

Terlepas dari tantangan tersebut, LAM mewakili arah masa depan AI yang jelas: dari alat yang pasif menjadi agen yang aktif. Kita bergerak menuju era di mana AI tidak hanya mengatakan apa yang harus dilakukan, tetapi benar-benar melakukannya. Bagi para profesional, pelaku bisnis, dan pengguna teknologi, memahami LAM adalah langkah awal untuk memanfaatkan potensinya dan bersiap menghadapi transformasi besar-besaran dalam cara kita bekerja dan berinteraksi dengan dunia digital.

Referensi

  1. MENGUBAH BAHASA MENJADI TINDAKAN: MENYELAMI LARGE ACTION MODELS
  2. Usage of the Large Action Model in Agentic AI - Usage of the Large Action Model in Agentic AI
  3. Large Action Models Explained: The Next Evolution Beyond LLMs for Autonomous AI Agents | Data Science Dojo - For a hands-on learning experience to develop Agentic AI applications, join our Agentic AI Bootcamp today
  4. Large Action Models for Programmatic Orchestration - Business & Information Systems Engineering - Large Action Models for Programmatic Orchestration
  5. Rabbit’s handheld AI device aims to create a post-smartphone experience - advertisement
  6. Large Action Models: A Unified Smart Framework for Autonomous Intelligent Systems - Large Action Models: A Unified Smart Framework for Autonomous Intelligent Systems
  7. How large action models will power agentic orchestration
  8. Genesys unveils industry’s first agentic virtual agent built on large action models - Express Computer
  9. Large Action Models: A New Battlefield of AI (2025) - Sitemap
  10. Juan Carlos Niebles
  11. IEEE WIE Reskill and Upskill - Usage of Large Action Models in Agentic AI
  12. What are Large Action Models (LAMs)? | AI21
  13. Genesys unveils industry’s first Agentic virtual agent powered by LAMs for enterprise CX
  14. Преносимото устройство с ИИ на Rabbit има за цел да създаде постсмартфон изживяване - 0 1
Large Action ModelsLAMArtificial IntelligenceAI AgentsOtomatisasiLLM vs LAMTeknologi Masa Depan