Anthropic sedang mengambil langkah strategis dengan meyakini bahwa hambatan terbesar dalam kecerdasan buatan (AI) untuk perusahaan bukanlah pada kemampuan modelnya, melainkan dalam cara orang-orang masih menggunakan AI secara individual. Dalam wawancara eksklusif dengan VentureBeat, Scott White, kepala produk Anthropic untuk segmen enterprise, membagikan tesis perusahaan tentang apa yang mereka sebut “multiplayer AI”. Ini adalah pergeseran dari paradigma chatbot satu pengguna ke agen AI yang dapat beroperasi dalam tim, membaca konteks organisasi, dan proaktif terlibat dalam pekerjaan — terkadang tanpa diminta.
- Bagaimana AI enterprise berevolusi dari autocompleting code menjadi mencapai tujuan perusahaan
- Tiga terobosan teknis yang membuat agen AI proaktif mungkin
- Kenapa Anthropic percaya bahwa AI kolaboratif lebih baik daripada performer solo
- Bagaimana Anthropic mempertahankan agen yang selalu aktif dari serangan injection prompt
- Pertanyaan tentang harga yang belum terjawab bagi setiap CIO saat ini
- Kenapa perusahaan mungkin memilih Anthropic dibanding Microsoft, Google, dan Salesforce
- Apa yang akan datang selanjutnya: menyerahkan tujuan kuartalan perusahaan kepada Claude
Strategi ini menjadi jelas awal bulan ini ketika Anthropic memperbarui Claude Tag, agent yang beroperasi dalam saluran Slack, untuk membaca konteks dari keseluruhan percakapan alih-alih menilai pesan satu per satu. Menurut perusahaan, perubahan ini membuat Claude sekitar 30% lebih baik dalam memutuskan kapan — dan yang lebih penting, kapan tidak — untuk terjun ke dalam percakapan tanpa perlu diminta.
Mungkin ini terdengar seperti pembaruan produk yang biasa-biasa saja. Namun, White berargumen bahwa ini mencerminkan sesuatu yang lebih mendasar: saat di mana AI berhenti menjadi alat yang digunakan individu dan mulai berfungsi sebagai rekan kerja yang digunakan oleh organisasi.
“Dulu Claude terasa seperti asisten pribadi Anda,” kata White. “Sekarang Claude, dalam konteks penerapan organisasi, terasa seperti asisten utama perusahaan.”
Bagaimana AI enterprise berevolusi dari autocompleting code menjadi mencapai tujuan perusahaan
White membingkai evolusi industri dalam tiga fase yang berbeda, dan penjelasannya juga memberikan peta arah untuk produk-produk enterprise Anthropic.
Di awal, katanya, AI hanya menangani “sebagian kecil dari satu tugas” — menjawab pertanyaan dalam chatbot atau menyelesaikan satu baris kode di IDE. Seiring dengan perbaikan model, AI mulai bisa menyelesaikan tugas secara utuh: menulis fungsi lengkap, menghasilkan laporan penelitian, atau menyusun dokumen dari berbagai sumber data.
“Saya pikir kita sekarang berada di jalur mencapai apa yang bisa saya sebut proyek atau tujuan,” kata White. “Model-model ini sudah mumpuni, dan konektivitas ke sistem sudah cukup kuat untuk mencapai tujuan abstrak yang lebih tinggi — seperti menjaga produk kita bebas dari bug atau mempercepat proses review NDA.”
Pergeseran ini, menurut White, adalah hal yang membuat AI menjadi multiplayer. Tujuan intrinsik mengharuskan melibatkan banyak orang. Sedangkan pekerjaan berbasis pengetahuan — berbeda dengan rekayasa perangkat lunak yang memiliki infrastruktur kolaborasi selama puluhan tahun — tidak memiliki kerangka kerja yang setara.
“Pekerjaan berbasis pengetahuan jauh lebih rumit daripada rekayasa perangkat lunak,” jelasnya. “Ini melibatkan banyak orang, banyak fungsi pekerjaan, dan banyak sistem yang terhubung dengan izin yang berbeda-beda. Hasil atau output-nya juga tidak semudah memverifikasi kode. Kode bisa melalui tes dan dikompilasi di mesin Anda, dan Anda bisa mengulangi sampai cocok. Namun, pekerjaan berbasis pengetahuan tidak selalu begitu, perlu pertimbangan manusia untuk menilai kualitasnya.”
Tiga terobosan teknis yang membuat agen AI proaktif mungkin
Ketika ditanya tentang apa yang sebenarnya memungkinkan pergeseran multiplayer ini, White menunjukkan tiga pilar yang muncul dalam dua tahun terakhir. Yang pertama adalah konektivitas. Model Context Protocol (MCP) milik Anthropic — standar terbuka yang diperkenalkan perusahaan akhir tahun 2024 dan kemudian diadopsi oleh OpenAI dan Google pada tahun 2025 — telah berkembang menjadi apa yang disebut White sebagai “USB-C untuk konektor AI”, memberikan Claude akses yang diatur ke sistem data perusahaan.
Pilar kedua adalah tingkat kecerdasan model yang menjadikan proaktivitas itu mungkin. “Ketika terhubung dengan semua sistem ini, Anda harus bisa menghubungkan titik antara data yang Anda terima dari berbagai sumber agar bisa proaktif terjun dan berkata, ‘Saya pikir saya melihat masalah yang bisa saya perbaiki untuk Anda,’” ungkap White. “Anda perlu mencapai tingkat kecerdasan model yang baru, dan saya rasa kita baru mencapainya belakangan ini.”
Pilar ketiga adalah bentuk fisik: menempatkan Claude di tempat kolaborasi sudah terjadi. White menggambarkan integrasi Slack sebagai “kemitraan baru yang kami jalin untuk menghadirkan keberadaan Claude sebagai agen” — yang memberi Claude identitas agen terputus dengan izin, kesadaran saluran, dan konteks terhubung MCP.
Pembaruan Claude Tag menunjukkan bagaimana semua ini saling terhubung. Sebelumnya, pengklasifikasi ringan mengevaluasi setiap pesan Slack secara terpisah dan membuat keputusan biner tentang apakah Claude harus merespons. Sekarang, Claude membaca konteks penuh saluran — ditambah memori dan instruksi yang ada — dan memilih di antara empat pilihan: membalas di tempat, memulai pekerjaan yang lebih dalam dalam sebuah thread, merutekan pesan ke dalam aliran kerja yang ada, atau tidak berkata apa-apa. Contohnya, dua insinyur yang mengejar bug yang sama dari dua sisi, tanpa salah satu dari mereka yang menghubungi Claude. Dibaca sendiri, tidak ada pesan yang memerlukan respons. Digabungkan, satu insinyur memiliki teori dan yang lainnya memiliki bukti — dan Claude membuka thread dengan penyelidikan yang sudah berjalan. Menariknya, perusahaan membangun batasan eksplisit dalam sistem. “Agen yang mengganggu lebih buruk daripada yang tidak membantu,” kata Anthropic, mencatat bahwa Claude tidak aktif di saluran di mana ia berulang kali tidak memiliki hal yang relevan untuk ditambahkan.
Kenapa Anthropic percaya bahwa AI kolaboratif lebih baik daripada performer solo
Sebuah pertanyaan skeptis yang wajar adalah, apakah semua ini benar-benar membuat tim lebih cepat. Para performer tinggi sering bergerak lebih cepat saat bekerja sendirian, dan mengoordinasikan penggunaan AI di antara orang-orang dengan gaya bekerja yang berbeda memang tidak mudah. Saat ditanya buktinya, White menunjukkan bagaimana pekerjaannya sendiri telah berubah di dalam Anthropic.
“Dulu, jika saya memiliki pertanyaan tentang sesuatu yang terjadi dalam bisnis, saya harus bekerja sama dengan ilmuwan data untuk menganalisis data sekitar satu atau dua hari,” kenangnya. “Sekarang, Claude cukup baik dalam analisis data sehingga saya tidak perlu mentransfer tugas itu lagi. Yang dilakukan ilmuwan data kini adalah menciptakan infrastruktur yang memungkinkan Claude selalu benar saat melakukan analisis data.”
Hasilnya, katanya, adalah waktu yang dulu dihabiskan untuk menunggu transfer tugas kini lebih berfokus pada penilaian: “Lebih banyak waktu saya dihabiskan dengan kolaborator di level saya, berdiskusi tentang apa yang harus kita lakukan dan apa yang harus kita ubah dalam strategi kita… Proses transfer yang banyak untuk menyelesaikan sebuah pekerjaan kemudian mengambil keputusan — semua itu kini sangat dipersingkat.”
White menyebut rekayasa keandalan situs sebagai bukti eksternal yang paling jelas dari pola ini: Claude mengumpulkan log kesalahan, menghubungkannya dengan perubahan kode terbaru dan percakapan terkait di Slack, kemudian menampilkan sintesis dan melibatkan orang-orang yang tepat — “memecahkan masalah yang lebih besar, lebih ambisius, dan lebih berorientasi pada tujuan yang sering memerlukan kolaborasi.”
Klaim tersebut muncul di pasar yang masih berjuang menerjemahkan antusiasme terhadap AI menjadi hasil yang nyata. Survei terbaru dari McKinsey tentang keadaan AI menemukan bahwa meski 88% organisasi melaporkan menggunakan AI dalam setidaknya satu fungsi dan 62% sedang bereksperimen dengan agen AI, hanya 39% yang mengaitkan dampak pendapatan dengan AI — dan hanya 6% yang memenuhi syarat sebagai “performer tinggi” yang melihat nilai signifikan.
Deloitte pun memprediksi bahwa 25% perusahaan yang menggunakan generative AI akan menerapkan agen pada tahun 2025, dan angka ini akan menggandakan menjadi 50% pada tahun 2027. Selisih antara adopsi dan dampak adalah wilayah yang coba direbut oleh Anthropic: jika alur kerja yang didesain ulang — bukan chatbot yang hanya ditambahkan — yang membedakan pemenang AI dari yang lain, produk yang merestrukturisasi cara tim berkoordinasi adalah pijakan yang lebih defensif daripada model yang sedikit lebih baik.
Bagaimana Anthropic mempertahankan agen yang selalu aktif dari serangan injection prompt
Memberikan agen AI akses langsung ke saluran Slack, dokumen, dan sistem terhubung perusahaan menimbulkan pertanyaan tentang potensi risiko, terutama seputar serangan injection prompt — teknik yang melibatkan penanaman instruksi berbahaya dalam konten yang dibaca AI.
White menjelaskan strategi pertahanan berlapis. “Model-model itu sendiri dilatih dengan pengklasifikasi yang membantu mencegah serangan seperti prompt injection,” katanya, menambahkan bahwa Anthropic pernah menunda peluncuran karena masalah ini: “Kami tidak meluncurkan ekstensi Chrome kami, dan kami memasukkannya dalam daftar tunggu… karena kami perlu lebih memahami risiko injection prompt dalam konteks Claude di browser. Dan kami memang melakukan pelatihan pengklasifikasi yang inovatif untuk memahami bagaimana cara memperbaikinya dari dataset tersebut.”
Di luar pertahanan tingkat model, Anthropic membuka API kepatuhan dan analitik yang memungkinkan perusahaan mendefinisikan ambang risiko mereka sendiri, dan bekerja sama dengan vendor keamanan pihak ketiga melalui integrasi pencegahan kehilangan data. “Kami mempertimbangkan untuk menyelesaikan hal ini di banyak lapisan,” jelas White.
Tentang akses data, White menegaskan bahwa izin Claude disesuaikan dengan interseksi paling ketat antara apa yang dapat dilihat agen dan apa yang dapat dilihat oleh pengguna yang meminta. “Anda harus memiliki izin yang sama untuk melihat data yang diberikan kepada Anda,” katanya. “Jika Anda menggunakan Claude dalam konteks kolaborasi Anda, ia akan memiliki konteks saluran yang di depan Anda, namun tidak akan membocorkan konteks tersebut ke saluran lain.”
Pertanyaan tentang harga yang belum terjawab bagi setiap CIO saat ini
Satu detail yang terpendam dalam pengumuman Claude Tag patut mendapat perhatian dari pembeli teknologi: konteks saluran yang kini dimiliki Claude tidak dihitung dalam batas penggunaan atau pengeluaran pada rencana manapun — untuk saat ini. Saat ditanya apakah perusahaan harus mempertimbangkan anggaran untuk konteks tersebut menjadi biaya yang harus dibayarkan, White menolak untuk berkomitmen, menggambarkan fase saat ini sebagai eksperimen aktif dan desain bersama dengan pelanggan.
“Kami masih di awal perjalanan untuk apa yang bisa saya sebut agen proaktif dan kolaboratif,” katanya. “Dalam jangka panjang, dalam AI, itu sangat — itu membutuhkan waktu yang panjang. Segalanya berubah dengan cepat, dan itulah mengapa kemitraan erat dengan pelanggan kami sangat penting, agar mereka dapat membantu membimbing kami ke jawaban yang tepat.”
Alih-alih janji harga, Anthropic menekankan kontrol: batas anggaran yang berkaitan dengan identitas agen atau kelompok akses berbasis peran, dan hak model yang memungkinkan tim yang berbeda menjalankan berbagai profil biaya-kinerja. “Jika kami dapat memberi Anda kontrol penuh tentang bagaimana Anda merancang implementasinya untuk mengoptimalkan hubungan antara biaya dan kinerja untuk tugas yang ingin Anda capai, maka akan ada banyak cara untuk mencapai hasil yang Anda inginkan,” kata White.
Artinya, ekonomi unit dari agen yang selalu aktif dan kaya konteks tetap belum jelas, dan Anthropic secara efektif mendukung fase pembelajaran ini. Perusahaan harus merancang implementasi dengan asumsi meteran biaya akan menyala pada akhirnya.
Kenapa perusahaan mungkin memilih Anthropic dibanding Microsoft, Google, dan Salesforce
Pertanyaan tentang kompetisi menjadi sangat penting. Salesforce memiliki Slack, Microsoft menyematkan agen di seluruh Teams dan mendorong ambisi orkestrasi multi-agen-nya, sementara Google melakukan hal yang sama di Workspace. Mengapa perusahaan akan menyerahkan percakapan internal terpenting mereka kepada pihak ketiga?
Jawaban White adalah bahwa nilai terletak pada koneksi antara sistem, bukan hanya pada satu sistem saja. Meningkatkan produk berdasarkan umpan balik pelanggan, lanjutnya, memerlukan pengambilan transkrip panggilan dari Salesforce, perdebatan internal dari Slack, analitik penggunaan dari alat produk, dan kode dari lingkungan pengembangan — tidak ada satu vendor pun yang memiliki gambaran lengkap ini.
“Bukan hanya satu hal individual yang bisa menyelesaikan semua masalah Anda,” ungkapnya. “Ini adalah kecerdasan dan struktur bagaimana Anda menghubungkan semuanya untuk mencapai hasil yang ingin Anda capai, yaitu membangun sesuatu yang lebih baik untuk pelanggan Anda. Dan kami telah melihat pelanggan kami menyukai Claude sebagai pengatur.”
Ini adalah posisi yang kredibel karena data perusahaan terfragmentasi secara sengaja. Sebuah lapisan orkestrasi yang tetap netral di antara sistem-sistem itu — dibangun di atas protokol yang bahkan telah distandarisasi oleh pesaing terberat Anthropic — menawarkan keuntungan struktural yang tidak dimiliki oleh agen yang terkurung. Risiko ini juga bisa menguntungkan Anthropic: pemilik platform dapat mengemas agen mereka secara gratis dan mengontrol titik integrasi yang bergantung pada Anthropic. Anthropic bertaruh bahwa kecerdasan perbatasan dan netralitas sistem-lebih berhasil daripada distribusi — taruhan yang telah berhasil sejauh ini dalam pemrograman, namun masih belum terbukti di pekerjaan berbasis pengetahuan secara umum.
Apa yang akan datang selanjutnya: menyerahkan tujuan kuartalan perusahaan kepada Claude
Ketika ditanya ke mana arah ini akan membawa, White menggambarkan masa depan di mana delegasi mengalir dalam kedua arah — dan sangat menarik bagaimana ia menggambarkan ini dengan sangat percaya diri.
“Kami sekarang memberikan proyek untuk diselesaikan oleh Claude,” katanya. “Segera, saya pikir, kami akan memberikan OKR-nya, dan ia akan menentukan proyek mana yang perlu dikerjakan organisasi dan bagaimana cara menghubungkan orang untuk melakukannya — memperbaiki dirinya sendiri, dan orang-orang di sekitarnya, seiring waktu.”
Ia mengakui bahwa visi ini “agak abstrak”, dan ini menimbulkan pertanyaan tentang tata kelola yang hanya mulai dijawab oleh pengendalian saat ini. AI yang memutuskan proyek mana yang dikejar oleh organisasi — dan, dalam kata-kata White, mendelegasikan kepada orang-orang “hanya saat mereka perlu membantu memperbaiki penilaian itu” — membalikkan hubungan tradisional antara pekerja dan alat mereka dengan cara yang sebagian besar perusahaan baru mulai merasakannya.
White menunjukkan komitmen publik Anthropic pada domain risiko katastrofik seperti keamanan siber dan biosekuritas sebagai tanda bahwa perusahaan mempertimbangkan risiko yang terlibat, meski pertanyaan sehari-hari tentang agensi di tempat kerja tetap berada di tangan pelanggan, yang diatur oleh sistem izin dan kontrol anggaran yang diluncurkan bersama dengan ambisi tersebut.
Untuk saat ini, perubahan yang lebih mendesak adalah yang sudah berlangsung di saluran Slack: sebuah AI yang mendengarkan seluruh ruangan, memutuskan kapan harus berbicara, dan semakin banyak melakukan pekerjaan penghubungan yang dulunya diserahkan kepada manajer, analis, dan pemimpin proyek. White menyaksikan pergeseran ini mempersempit pekerjaannya menjadi bagian yang paling manusiawi — penilaian, debat, dan keputusan — dan ia mengharapkan penyempitan yang sama akan terjadi di tempat lain.
Dua tahun yang lalu, metafora favorit industri untuk AI adalah intern. Anthropic baru saja mempromosinya menjadi asisten utama — dan kini agen tersebut melayani seluruh perusahaan.
