Kami ingin Orkas menjadi fondasi tempat sebuah perusahaan AI-native berjalan. Tujuan itu langsung membawa kami ke satu pertanyaan: bagaimana beberapa orang dan beberapa agen berkolaborasi dalam proyek yang sama?
Jawabannya cukup berbeda dari kerja tim yang biasa kita kenal. Untuk memahami alasannya, ada baiknya kita mulai dari asal-usul kolaborasi manusia. (Untuk panduan produk langkah demi langkah, baca Proyek Bersama: Cara Orang dan Agen AI Bekerja Sama di Orkas. Tulisan ini membahas pemikiran di baliknya.)
Kolaborasi manusia tumbuh di sekitar dua keterbatasan manusia
Pertama, bandwidth dan ingatan manusia terbatas. Kita hanya bisa menyerap sekian banyak hal sekaligus, dan hanya bisa mengingat sekian banyak. Karena itu tim harus terus berkomunikasi: berbagi kabar terbaru, menyamakan tujuan, menyamakan progres. Rapat mingguan, stand-up, laporan harian dan mingguan, “bisa sync sebentar?”, “yuk kita samakan persepsi”: semuanya ada untuk menutupi keterbatasan ini.
Kedua, banyak di antaranya harus terjadi secara tatap muka. Saat bertemu langsung, ada lebih banyak saluran daripada sekadar kata-kata: bahasa tubuh, nada bicara, dan ekspresi wajah semuanya membawa informasi. Ketika seseorang di seberang meja berkata “rencananya kelihatan oke”, Anda bisa mendengar apakah ia sungguh-sungguh. Sama pentingnya, bertemu langsung membangun kepercayaan. Itulah sebabnya banyak tim jarak jauh tetap sesekali berkumpul secara langsung.
Apa yang berubah ketika agen bergabung
Dalam tim yang berisi orang dan agen, sisi manusiawi kolaborasi tetap penting. Namun bekerja dengan agen sangat berbeda dari bekerja dengan orang. Agen punya tiga kelebihan yang jelas dan tiga kelemahan yang jelas.
Tiga kelebihan
Bandwidth tinggi dan eksekusi yang kuat. Ini terutama berlaku untuk tugas dengan tujuan yang jelas dan terukur. Tugas yang sanggup dituntaskan agen juga berkembang pesat: makin panjang, makin sulit, makin kompleks. Saat menjelaskan agen coding miliknya, Meta melaporkan sebuah tugas optimasi kernel GPU di mana agen bekerja hingga 24 jam dan melakukan lebih dari 1.000 pemanggilan alat (Meta). Pada Oktober 2026, Linus Torvalds mengirimkan serangkaian patch kernel Linux yang kode, program uji, dan draf pertama pesan commit-nya ditulis oleh Claude Code; ia sendiri menjalankan pengukurannya di mesinnya (LWN).
Pengetahuan dan alat dunia, dari hulu ke hilir lintas disiplin. Pra-pelatihan sudah memadatkan pengetahuan dunia ke dalam model. Beri alat yang tepat, dan agen bisa membawa satu pekerjaan lintas disiplin dari awal sampai akhir: menulis PRD → desain → membangun → menguji → merilis. Ketika orang mengerjakan pekerjaan yang sama, dibutuhkan kerja sama tim produk, desain, engineering, dan QA, dengan satu putaran penyelarasan lagi di setiap serah terima.
Sedikit kelemahan manusiawi, dan tidak perlu membangun kepercayaan dulu. Agen tidak lelah, tidak punya hari yang buruk, dan tidak malu menanyakan hal mendasar. Agen baru bisa langsung mulai begitu ia mendapat konteks proyek. Tidak ada masa adaptasi dan tidak ada hubungan yang harus dibangun lebih dulu.
Tiga kelemahan
Ia butuh konteks yang bersih. Konteks yang salah membuatnya melenceng. Kami sendiri pernah mengalaminya: sebuah kolom di dasbor analitik kami menyatakan datanya “tidak bisa ditautkan”, padahal sebenarnya bisa; kolom itu sendiri yang salah dihitung. Dua agen berbeda membaca baris itu dan sama-sama membatalkan seluruh analisis perjalanan pengguna. Orang yang melihat kesimpulan itu akan bertanya, “Apakah ini masih akurat?” Agen biasanya menelannya mentah-mentah.
Ia lemah dalam atribusi jangka panjang. Ketika beberapa variabel memengaruhi hasil sekaligus, ia mudah menyalahkan variabel yang keliru, dan orang harus mengoreksinya. Untuk beberapa waktu, beberapa halaman baru di situs kami tidak diindeks oleh Google. Sebuah agen menyimpulkan bahwa “otoritas situsnya belum cukup, jadi Google tidak mau menghabiskan crawl budget untuknya” dan menyarankan membangun backlink lebih dulu. Kami membantah dan memeriksanya: sebagian besar halaman situs ternyata sudah terindeks. Beberapa yang belum lebih tampak seperti topik yang terlalu jauh dari bahasan situs ini. Crawl budget sama sekali tidak ada hubungannya, dan membangun backlink justru akan menjadi langkah yang salah.
Ia buruk dalam beradaptasi dengan lingkungan yang berubah, terutama jika perubahan itu tidak ada dalam data pra-pelatihannya. Situs yang baru saja didesain ulang, aturan platform yang baru saja berubah, produk yang diluncurkan bulan lalu: orang akan menyadari “ada yang berbeda” lalu mengubah pendekatannya. Agen sering terus bekerja berdasarkan apa yang sudah ia ketahui dan mencoba hal yang sama berulang-ulang.
Mengapa aplikasi chat tidak cocok
Aplikasi chat dirancang untuk orang yang bekerja dengan orang: pesan bergulir satu demi satu, @mention dan tanda sudah dibaca menjaga semua orang tetap sinkron, dan informasi tersebar di berbagai kanal. Desain itu menutupi persis dua keterbatasan di atas. Bandwidth manusia rendah dan ingatannya pendek, jadi kita terus mengirim kabar dan terus menyamakan persepsi.
Bagi agen, bentuknya salah:
- Obrolan ringan, diskusi di tengah jalan, dan rencana yang belakangan dibatalkan, semuanya hanya noise dalam konteks agen.
- Agen tidak perlu membangun kepercayaan lewat percakapan.
- Yang sebenarnya dibutuhkan agen adalah konteks yang bersih dan tugas yang jelas.
Jadi kolaborasi antara orang dan agen perlu dirancang ulang. Dan seiring agen makin mampu, cara kita berkolaborasi juga akan terus berubah. Kami masih mencari jawabannya di Orkas.
Yang dilakukan Orkas: pertahankan yang tidak berubah, rancang ulang yang berubah
Pendekatan kami adalah mempertahankan bagian kolaborasi yang tidak berubah dan merancang ulang bagian yang berubah. Di bawah ini adalah sebuah proyek bersama di Orkas; keempat gagasan berikut sesuai dengan empat area yang disorot.
1. Menugaskan, menyerahkan, dan memeriksa pekerjaan: Yang harus dilakukan
Ini sudah ada jauh sebelum agen hadir, dan kita masih membutuhkannya. Untuk saat ini, setiap pekerjaan di proyek kami punya penanggung jawab manusia, dan seorang manusia bertanggung jawab atas hasil akhirnya.
Di produk, cara kerjanya seperti ini. Setiap item yang harus dilakukan ditugaskan kepada seseorang, dan orang itulah yang memutuskan agen mana yang mengerjakannya. Hanya penanggung jawabnya yang bisa memulai item tersebut; agen berjalan di komputer milik penanggung jawab sendiri, dengan model dan kredit miliknya. Setelah selesai, agen memindahkan item itu ke Menunggu konfirmasi alih-alih menandainya selesai sendiri. Item baru dianggap selesai setelah penanggung jawab memeriksanya dan melakukan perubahan yang diperlukan.
2. Berbagi tujuan, latar belakang, dan konteks: Tujuan & aturan, Ingatan
Di sini, orang dan agen berbagi konteks yang sama, sehingga fakta-fakta kunci tetap selaras.
Tujuan & aturan serta Ingatan sebuah proyek dipakai bersama oleh setiap percakapan dalam proyek, dan agen mengikutinya setiap kali. Misalnya, masukkan definisi seperti “retensi bulanan = pengguna baru yang kembali pada bulan berikutnya” ke Tujuan & aturan, lalu catat keputusan penting di Ingatan proyek. Ketika anggota baru dan agen-agennya bergabung, mereka membaca hal yang persis sama sejak hari pertama.
3. Serahkan lewat file, pisahkan prosesnya
Perpustakaan proyek tersinkron antaranggota, dan setiap item yang harus dilakukan bisa membawa file apa pun sebagai lampiran. Pekerjaan diserahkan dalam bentuk file, bukan riwayat chat.
Kami sengaja memisahkan sebagian besar proses di antaranya, agar tidak menjadi noise konteks yang merugikan agen. Tab Tugas dan Otomatisasi yang terkunci hanya milik Anda. Sebuah agen mungkin menempuh ratusan langkah dan mencoba tiga pendekatan sebelum menghasilkan satu laporan. Rekan Anda hanya menerima laporannya; prosesnya tetap berada di tugas Anda sendiri dan tidak pernah masuk ke konteks agen-agen mereka.
4. Bagikan agen pribadi ke tim
Anggota bisa membagikan agen pribadi mereka untuk dipakai anggota tim lainnya. Agen-agen ini membawa pengalaman pemiliknya dan caranya menilai kualitas. Membagikannya mempercepat kerja semua orang, dan masalah yang ditemukan orang saat memakainya bisa diperbaiki lewat evolusi diri, yang meningkatkan kemampuan seluruh proyek.
Saat sebuah agen dibagikan, Orkas mengemas instruksi kerja dan keterampilannya, termasuk keterampilan yang ia bangun sendiri selama bekerja. Memori dan riwayat chat-nya tidak disertakan. Ketika orang yang membagikannya memperbarui agen tersebut, anggota otomatis mendapatkan versi barunya.
Masalah yang masih awal dan terbuka
Kolaborasi antara orang dan agen masih berada di tahap yang sangat awal, dan jawabannya belum mengerucut. Seiring model makin baik, banyak hal yang dibutuhkan agen untuk berkolaborasi akan berpindah ke dalam model itu sendiri.
Sebagian model sudah bisa melakukannya secara bawaan: menjalankan beberapa sub-agen secara paralel untuk menjelajahi masalah dari berbagai sudut, atau merencanakan lebih dulu lalu mengirim sub-agen untuk menjalankan rencana itu. Muse Spark Open, yang dirilis Meta dengan bobot terbuka pada Oktober 2026, digambarkan sebagai model yang dilatih untuk memecah pekerjaan, menyerahkannya ke sub-agen, dan mengoordinasikan mereka (blog PyTorch).
Jadi cara kita berkolaborasi akan berubah seiring model makin baik. Daftar yang harus dilakukan, konteks bersama, serah terima lewat file, dan agen bersama adalah jawaban kami untuk kemampuan model saat ini, bukan bentuk akhirnya.
Penutup
Kami mempertahankan yang tidak berubah: ada yang memegang pekerjaan, ada yang memeriksanya, dan tujuan serta konteks tetap selaras. Kami merancang ulang yang berubah: serah terima lewat file, proses dipisahkan, dan pengalaman serta selera setiap orang diubah menjadi agen yang bisa dipakai tim.
Kami masih terus menjelajahinya, dan kami ingin bertukar catatan. Jika Anda menjalankan tim tempat orang dan agen bekerja bersama, cobalah dulu di satu proyek. Orkas bisa diunduh gratis untuk macOS dan Windows.