Tim bekerja lebih baik bersama-sama dengan satu agen bersama daripada dengan masing-masing agen
Cek Templat
Tonton demo

TL;DR

Anthropic memberikan agen AI tersendiri kepada setiap orang dalam suatu kelompok, dan kelompok tersebut berkinerja lebih buruk daripada ketika satu agen melayani semua orang. Ini adalah salah satu bukti paling jelas sejauh ini bahwa "satu agen untuk setiap pegawai" tidak menghasilkan kerja tim yang efektif, dan ini menunjukkan dengan jelas apa yang justru efektif.

Jawaban singkatnya: agen individu per orang tidak menghasilkan kerja tim

Dalam Worse Together (November 2026), para peneliti di Program Fellows Anthropic memberikan agen AI tersendiri kepada setiap orang dalam suatu kelompok, meminta agen-agen tersebut berbagi anggaran, kalender, atau pesanan, dan membandingkan hasilnya dengan kelompok lain yang dilayani oleh satu agen untuk semua orang. Satu agen yang melayani semua orang memberikan hasil yang lebih baik bagi grup di setiap pengaturan. Bagi siapa pun yang membangun alur kerja agen, kesimpulannya jelas: masalahnya bukan agennya. Masalahnya adalah cara tim di sekitarnya diatur.

Chief Product Officer kami, Arnab Bose, menyampaikannya dengan lugas dalam seri Anthropic tentang tim manusia-agen: "Saat ini, setiap tim terdiri dari sebagian manusia dan sebagian agen." Menurutnya, yang dibutuhkan tim-tim tersebut adalah "satu konteks bersama yang dapat digunakan oleh manusia dan agen untuk bekerja." Dia membahas lebih dalam tentang cara Asana membangun alur kerja agen di seluruh timnya, dengan beberapa contoh praktis dalam artikelnya.

Apa yang ditemukan dalam studi Worse Together dari Anthropic?

Studi ini menggunakan pengguna simulasi, tetapi setting-nya adalah hal-hal sehari-hari: anggaran komputasi bersama, kalender klinik, pesanan grup, dan batas waktu rilis. Dalam keempat skenario tersebut, dan untuk kedua model Claude yang diuji, satu agen yang melayani grup memberikan kinerja yang lebih baik daripada tim agen personal.

Studi Anthropic menunjukkan bahwa satu agen untuk semua orang lebih baik daripada satu agen untuk masing-masing orang, di setiap situasi

Sumber: Worse Together, Blog Anthropic Alignment Science, 11 Nov 2026 (Gambar 2). Claude Opus 5 ditampilkan; Claude Sonnet 5 mengikuti pola yang sama.

Tiga temuan lainnya menonjol.

  • Semakin banyak agen, semakin sedikit tindakan. Seiring bertambahnya jumlah anggota tim dari 4 menjadi 16 agen, persentase agen yang pernah bertindak menggunakan anggaran bersama turun dari 66% menjadi 10% untuk salah satu model yang diuji.

  • Pesan yang dikirim tidak dibaca. Permintaan khusus pengguna sampai ke agen yang melakukan pemesanan grup sebanyak 94–99%, tetapi permintaan tersebut berada di depan agen tersebut saat pembayaran hanya sebanyak 47–67%.

  • Skor menyembunyikan kerugian. Beberapa agen membatalkan pekerjaan orang lain tanpa bertanya, dan skor kelompok tetap stabil. Kesimpulan para peneliti: ukur perilaku agen, bukan hanya hasil yang mereka capai.

Mengapa alur kerja agen gagal dalam tim?

Karena pekerjaan bersama lebih sulit daripada tugas pribadi. Agen personal yang memesan tempat makan malam melibatkan satu orang, satu langkah, satu pendapat, dan semua konteks yang dibutuhkannya. Pekerjaan bersama melibatkan banyak orang, banyak langkah, banyak pendapat, pengetahuan institusional, dan persetujuan. Masing-masing hal ini muncul dalam studi tersebut.

1. Banyak orang: tidak ada yang bertanggung jawab atas keputusan. Tanpa adanya pihak yang bertanggung jawab atas anggaran bersama, agen bertindak terlalu sedikit dan terlambat, dan pekerjaan yang paling berharga kehabisan waktu. Ini sangat mirip dengan efek penonton, dan menjadi lebih buruk seiring pertumbuhan tim.

2. Banyak langkah: agen bertindak sebelum membaca hal yang penting. Dalam pesanan grup, agen yang melakukan checkout sering kali belum membaca satu permintaan yang seharusnya mengubah pesanan. Di tempat kerja, hal yang sama terjadi ketika seorang agen mengirimkan draf, memesan vendor, atau menggabungkan kode sebelum persetujuan atau pembaruan penting diterima. Bergerak cepat pada satu langkah bukanlah kemajuan jika langkah yang penting dilewatkan.

3. Pengetahuan institusional: agen menebak. Setiap agen hanya melihat catatan penggunanya sendiri, tetapi harus berbicara mewakili grup. Jadi, agen mengisi kesenjangan, dengan mengasumsikan bahwa semua orang menginginkan apa yang diinginkan penggunanya, atau mengatakan bahwa seseorang telah setuju padahal tidak. Agen tidak dapat mengetahui siapa melakukan apa, sebelum kapan, bagaimana, dan mengapa, kecuali informasi tersebut dicatat di tempat yang dapat mereka lihat.

4. Banyak pendapat: setiap agen mendorong keinginannya sendiri. Setiap agen dibuat untuk melayani satu pengguna, dan tidak ada yang dibuat untuk melayani grup. Dalam 65–77% eksekusi tim, setidaknya satu agen mengedit pesanan atau pemesanan bersama yang bertentangan dengan permintaan orang lain.

5. Persetujuan dan data: agen melampaui batas. Beberapa agen membatalkan pekerjaan orang lain tanpa bertanya. Di tempat kerja, itu terlihat seperti agen yang mengalihkan tugas kolega, menimpa file bersama, atau menggunakan anggaran yang seharusnya tidak boleh ia gunakan.

Semua ini bukan tentang apakah model dapat melakukan tugas tersebut. Ini tentang bagaimana pekerjaan diatur. Dan ini bukan hanya masalah tim: para penulis mencatat bahwa bentrokan serupa terjadi ketika satu orang menjalankan beberapa agen pada pekerjaan yang tumpang tindih.

Bagaimana seharusnya kerja tim agen AI berjalan?

Berikan agen struktur yang akan Anda berikan kepada tim mana pun: pemilik, checkpoint, satu rencana, dan batasan yang jelas. Studi ini menguji beberapa hal ini secara langsung. Sisanya berasal dari cara Asana menjalankan agennya sendiri, yang dijelaskan Arnab dalam seri blog Anthropic. Golnya bukan mengurangi jumlah agen. Tujuannya adalah agen yang diatur seperti tim.

Di mana letak kesalahannya

Temuan studi

Praktik terbaik

1. Tidak ada yang bertanggung jawab atas panggilan

Agen pemimpin yang ditunjuk menutup kesenjangan dengan satu agen pada anggaran bersama. Menambahkan instruksi yang jelas, seperti memberi peringkat pekerjaan berdasarkan nilai, memberikan hasil yang jauh lebih baik.

Beri setiap agen peran yang jelas dan pemilik yang bertanggung jawab yang namanya tercantum, dituliskan seperti brief pegawai baru. Saat agen bertentangan, pemilik yang memutuskan.

2. Agen bertindak sebelum membaca

Memblokir checkout hingga agen membaca pesannya menyelamatkan 62–73% pesanan grup yang gagal saat dijalankan ulang.

Pastikan pekerjaan agen berada di tugas bersama tempat semua orang dapat melihat permintaan, langkah-langkah, dan hasilnya, serta tambahkan pemeriksaan sebelum melakukan apa pun yang sulit untuk dibatalkan.

3. Agen menebak tentang agen lain

Klaim palsu dapat dilacak kembali ke informasi yang terpisah: setiap agen hanya melihat catatan penggunanya sendiri.

Pastikan agen bekerja dari rencana yang sama dengan orang-orang di sekitar mereka: siapa yang bertanggung jawab atas apa, sebelum kapan, dan apa yang sudah diputuskan.

4. Setiap agen melayani satu orang

Pemimpin dengan prioritas yang dinyatakan dengan jelas meningkatkan hasil pada anggaran bersama.

Biarkan tim yang membentuk agen, bukan satu orang. Tunjuk beberapa editor untuk menetapkan instruksi dan memorinya; semua orang lainnya memberikan umpan balik pada tugas mereka sendiri.

5. Agen melampaui batas

Skor yang hanya berdasarkan hasil tidak memperhitungkan agen yang membatalkan pekerjaan orang lain, jadi para penulis merekomendasikan untuk mengukur perilaku juga.

Batasi akses setiap agen sesuai izin orang yang memicunya, dan tinjau apa yang dilakukan agen, bukan hanya apa yang mereka hasilkan.

Bagaimana Asana menjalankan agen AI di dalam alur kerja secara efektif?

Berikut tiga alur kerja yang telah dibangun Asana dengan Claude, dari Agen yang dapat Anda bimbing: cara Asana membangun tim manusia-agen dengan Claude:

  • Menjawab pertanyaan produk dari Slack. Pertanyaan dari tenaga penjual dan staf kesuksesan pelanggan menjadi tugas Asana yang diambil oleh agen. Agen menjawab dengan panduan yang disetujui dan tautan sumber, mencatat kekurangan produk untuk tim produk, dan menandai pertanyaan berulang untuk tim pemberdayaan.

  • Memberi briefing kepada para eksekutif tentang perpanjangan yang berisiko. Agen membaca setiap perpanjangan yang berisiko di seluruh perusahaan dan mengirimkan ringkasan harian kepada para pemimpin tentang hal yang membaik, yang memburuk, dan yang perlu ditindaklanjuti. Para pemimpin mengajukan pertanyaan dan melatihnya di ruang bersama, jadi AI Teammate menjadi lebih baik setiap kali dijalankan.

  • Merencanakan siklus teknik. Agen mengisi backlog tim dengan tiket dari umpan balik pelanggan, anggota tim memutuskan apa yang masuk ke setiap siklus, dan rencana menunjukkan apakah suatu rilisan sesuai rencana.

5 pertanyaan untuk diajukan kepada tim Anda sebelum menambah agen

  1. Siapa pemilik keputusan ketika agen berselisih? Jika jawabannya "mereka akan menyelesaikannya", jangan harapkan ada yang bertindak.

  2. Apa yang harus dibaca agen sebelum melakukan komitmen? Sebutkan pesan dan persetujuan yang harus diperiksa sebelum melakukan hal apa pun yang sulit untuk diurungkan.

  3. Apakah setiap agen bekerja dari rencana yang sama? Agen yang hanya melihat catatan satu orang akan menebak-nebak tentang orang lain.

  4. Siapa yang membentuk agen: satu orang, atau tim? Agen yang menerima petunjuk dari satu orang akan mengutamakan orang tersebut.

  5. Tindakan mana yang memerlukan persetujuan dari orang yang terdampak, dan apakah Anda memantaunya? Hasil yang baik dapat menutupi agen yang membatalkan pekerjaan seseorang untuk mencapainya.

Pertanyaan umum tentang agen AI di tempat kerja

Apa itu alur kerja agen?

Alur kerja agenik adalah proses di mana agen AI melakukan pekerjaan multilangkah bersama manusia, seperti peluncuran produk, manajemen kampanye, onboarding klien, atau penerimaan proyek, bukan sekadar menjawab petunjuk. Alur kerja ini menjadi alur kerja multiagen ketika beberapa agen bertindak di ruang bersama yang sama, seperti anggaran, kalender, atau basis kode.

Haruskah setiap pegawai memiliki agen AI sendiri?

Agen personal berguna untuk tugas individu. Untuk pekerjaan bersama, studi Worse Together dari Anthropic menemukan bahwa sekelompok agen personal berkinerja lebih buruk daripada satu agen yang melayani semua orang, di setiap skenario yang diuji. Jika setiap orang memiliki agen, berikan pemilik, satu rencana bersama, dan checkpoint kepada agen-agen tersebut sebelum mereka melakukan tindakan.

Apa itu sistem multiagen?

Sistem multiagen adalah pengaturan di mana beberapa agen AI bertindak dalam lingkungan yang sama dan berbagi sesuatu, seperti anggaran, kalender, atau basis kode. Dalam versi yang diuji oleh studi Worse Together, setiap agen bekerja untuk orang yang berbeda dengan gol yang berbeda, yang merupakan cara banyak penerapan di tempat kerja diatur.

Mengapa agen AI gagal di perusahaan?

Sebagian besar karena koordinasi, bukan kemampuan. Pekerjaan perusahaan melibatkan banyak orang, banyak langkah, prioritas yang bersaing, pengetahuan yang tidak tertulis, dan persetujuan. Agen yang dibuat untuk satu orang menangani hal-hal tersebut dengan buruk, kecuali ada seseorang yang bertanggung jawab atas keputusan, agen berbagi satu rencana, dan apa pun yang sulit untuk dibatalkan menunggu pemeriksaan.

Siapa yang bertanggung jawab atas pekerjaan yang dilakukan oleh agen AI?

Seharusnya ada orang yang bertanggung jawab. Setiap agen membutuhkan pemilik yang disebutkan namanya yang menetapkan instruksinya, dan tindakannya harus dapat dilihat oleh orang-orang yang terkena dampaknya. Dalam studi tersebut, beberapa agen membatalkan pekerjaan orang lain tanpa bertanya, itulah sebabnya perilaku, bukan hanya output, membutuhkan penanggung jawab.

Berapa banyak agen yang harus dijalankan oleh sebuah tim?

Tidak ada angka ajaib, tetapi koordinasi menjadi lebih sulit seiring bertambahnya jumlah agen. Tambahkan agen hanya jika Anda dapat menentukan kepada siapa agen tersebut bertanggung jawab, apa yang dapat diaksesnya, dan bagaimana ia membagikan informasi dengan agen lainnya.

Tentang penelitian

Tentang studi ini. Worse Together adalah penelitian Anthropic Fellows oleh Sahan Paliskara, Nattaput Namchittai, Jacqueline Tay, Avery Griffin, dan Andrew Lampinen, yang diterbitkan pada 11 November 2026. Studi ini menguji lima model terdepan dari Anthropic, OpenAI, dan Alibaba di 77 skenario dalam empat pengaturan simulasi. Angka untuk perbandingan agen tunggal dan tim, serta untuk penanganan permintaan, adalah untuk Claude Opus 5 dan Claude Sonnet 5 sebagaimana dilaporkan oleh para penulis. Angka 66% hingga 10% adalah untuk Claude Sonnet 5. Para penulis telah merilis tiga pengaturan sebagai tolok ukur terbuka, MAMUBench.

Sumber

Sumber daya terkait

Asana untuk Tim Operasi
Artikel

Sebagian besar tim operasi beroperasi pada kapasitas 60%. Berikut alasannya, dan apa yang harus dilakukan untuk mengatasinya.