Satu AI Agent untuk 10 Kerjaan? Pecah Jadi Tim, Pasang Chief of Staff

Ada satu kebiasaan yang sering saya lihat waktu orang mulai serius pakai AI agent.
Satu agent dikasih semuanya. Riset prospek, tulis cold email, rekap meeting, cek invoice, bikin caption, pantau server. Prompt-nya makin panjang, memory-nya makin penuh, tool-nya makin banyak.
Lalu hasilnya makin aneh. Email jualan kebawa gaya laporan keuangan. Ringkasan meeting nyelipin konteks dari project lain.
Menurut saya ini bukan karena modelnya bodoh. Ini karena kita memperlakukan agent kayak CEO yang disuruh nulis caption Instagram sambil review kontrak.
Agent yang "lebih bodoh" justru lebih bagus
Greg Isenberg punya framing yang menarik di video pendeknya soal cara dia pakai Grok Bot: dia sengaja bikin AI-nya "lebih bodoh", dan output-nya malah membaik.
Maksudnya bukan pakai model yang lebih jelek. Maksudnya tiap agent cuma pegang satu jenis kerjaan. Kata Greg, kalau sepuluh kerjaan ditumpuk ke satu agent, keahlian tambahan dari tugas lain, alias context, justru membebani.
Saya setuju, dan ini bukan cuma intuisi.
Anthropic, di tulisan Effective context engineering for AI agents, menyebut fenomena context rot: makin banyak token di context window, makin turun kemampuan model mengingat informasi dari context itu dengan akurat. Mereka menyarankan context diperlakukan sebagai sumber daya terbatas, dengan target "smallest possible set of high-signal tokens".
Satu agent dengan sepuluh peran itu kebalikan dari prinsip ini. Setiap tugas bawa instruksi, contoh, dan memory sendiri. Semuanya ikut dibaca, walaupun yang dikerjakan cuma satu.
Lesson: agent spesialis bukan berarti agent pintar. Agent spesialis berarti agent yang nggak terganggu.
Pola chief of staff
Contoh Greg di video itu cold email.
Insting kebanyakan orang: suruh agent kirim 200 cold email sehari. Hasilnya? Ujung-ujungnya spam.
Alternatif yang dia tawarkan adalah routine mingguan dengan pembagian kerja:
- Satu agent menambah lima prospek.
- Agent lain memilih tiga teratas berdasarkan ICP (ideal customer profile) kamu.
- Agent ketiga menyusun pitch custom untuk tiap prospek.
- Di atasnya ada chief of staff agent yang mengatur kerjaan dan melapor ke kamu.
Yang saya suka dari pola ini: volumenya kecil, tapi tiap langkah punya pemilik.

Saya tambahkan satu kotak di diagram itu yang nggak ada di video: approval kamu sebelum email terkirim. Chief of staff melapor, kamu yang menekan tombol kirim. Ini prinsip yang sama dengan yang saya tulis di AI Sales Team 13 Agent: Propose, Don't Send. Agent boleh kerja keras, tapi email ke orang asing itu atas nama kamu.
Apa tugas chief of staff, persisnya?
Chief of staff bukan agent yang paling pintar. Dia agent yang paling rapi.
Anthropic menjelaskan pola yang mirip di tulisan How we built our multi-agent research system: lead agent memecah tugas lalu mendelegasikan ke subagent spesialis (pola orchestrator-worker). Salah satu pelajaran mereka: tiap subagent butuh objective, format output, panduan tool dan sumber, dan batas tugas yang jelas. Tanpa itu, agent saling duplikasi kerja atau ada bagian yang bolong.
Jadi tugas chief of staff versi saya:
- Membagi kerja dengan brief yang lengkap, bukan "tolong riset prospek".
- Menjaga satu sumber kebenaran: ICP, daftar prospek, status tiap prospek.
- Merangkum, bukan meneruskan semua output mentah ke kamu.
- Mengangkat keputusan yang memang harus kamu ambil.
Poin terakhir itu penting. Kalau setiap agent nanya langsung ke kamu, kamu yang jadi bottleneck. Saya pernah bahas jalan keluarnya di Decision Inbox: satu antrean keputusan, bukan sepuluh notifikasi.
Contoh brief yang dikirim chief of staff ke agent ranker:
Objective: pilih 3 dari 5 prospek baru minggu ini yang paling cocok dengan ICP.
Input: file prospects/minggu-ini.md (hanya baca).
ICP: lihat icp.md. Jangan pakai asumsi di luar file itu.
Output: tabel 3 baris (nama perusahaan, alasan cocok, risiko), maksimal 150 kata.
Batas: jangan cari kontak pribadi, jangan kirim apa pun, jangan ubah file lain.
Brief seperti ini kelihatan kaku. Tapi justru itu yang bikin hasilnya konsisten minggu ke minggu.
Tapi multi-agent itu mahal
Ini bagian yang jarang dibahas di video-video produktivitas.
Di data Anthropic yang sama, agent biasanya pakai sekitar 4× token dibanding chat biasa, dan sistem multi-agent sekitar 15×. Mereka bilang terang-terangan: multi-agent butuh tugas yang nilainya cukup tinggi untuk menutup biaya itu.

Di sisi lain, mereka juga melaporkan sistem multi-agent (Claude Opus 4 sebagai lead, Claude Sonnet 4 sebagai subagent) mengungguli single-agent Claude Opus 4 sebesar 90,2% di eval riset internal mereka. Itu untuk riset breadth-first: banyak arah yang bisa dikerjakan paralel.
Jadi multi-agent itu bukan gratis. Kalau kamu bikin enam agent yang bangun tiap jam untuk tugas yang cukup dikerjakan seminggu sekali, kuota kamu habis bukan karena modelnya boros. Itu karena desainnya. Hitungannya pernah saya bedah di Kuota AI Agent Cepat Habis? Yang Boros Itu Jadwalnya.
Makanya contoh Greg pakai routine mingguan dan volume kecil. Itu bukan kebetulan.
Lesson: pecah agent untuk kejernihan, tapi jadwalkan sesuai nilai tugasnya.
Kapan jangan dipecah
Saya juga nggak mau terdengar seperti "semua hal harus multi-agent".
Walden Yan dari Cognition menulis Don't Build Multi-Agents dengan argumen yang kuat: subagent yang kerja paralel tanpa context bersama bisa mengambil keputusan yang saling bertentangan. Contohnya, satu subagent bikin background game gaya Super Mario, satu lagi bikin burung yang nggak nyambung gayanya, dan agent terakhir harus menyatukan dua salah paham.
Prinsipnya: share context, dan sadari bahwa setiap aksi membawa keputusan implisit.
Anthropic sendiri juga menyebut kebanyakan tugas coding punya bagian yang benar-benar bisa diparalelkan lebih sedikit dibanding riset.
Jadi aturan praktis saya:
Ini juga nyambung dengan yang saya tulis di Onboard AI Agent Kayak Anak Magang: sedikit bot dengan lane jelas lebih baik daripada banyak bot dengan lane kabur. Tim agent yang bagus itu bukan yang paling banyak anggotanya. Tim yang tiap anggotanya tahu persis kerjaannya.
Cara mulai minggu ini
Kalau kamu sekarang punya satu agent "serba bisa", coba langkah ini:
- Tulis semua kerjaan yang sekarang kamu bebankan ke agent itu.
- Kelompokkan berdasarkan context: kerjaan yang butuh dokumen, tool, dan gaya bahasa yang sama masuk satu grup.
- Ambil satu grup saja dan jadikan agent spesialis. Jangan langsung bikin lima.
- Tentukan output-nya: file, tabel, atau draft dengan format tetap.
- Pasang chief of staff hanya setelah ada dua atau tiga spesialis yang hasilnya perlu dirangkum.
- Taruh approval di setiap langkah yang menyentuh orang lain.
- Review mingguan: agent mana yang hasilnya nggak pernah dipakai? Matikan.
Langkah 7 itu yang sering dilupakan. Tim agent juga bisa drift dan numpuk tanpa sadar, seperti yang saya bahas di Tim AI Agent Juga Bisa Drift.
Penutup
Satu agent untuk semua kerjaan itu terasa praktis di minggu pertama, lalu pelan-pelan jadi lambat dan ngawur.
Pecah berdasarkan context, bukan berdasarkan ide. Kasih tiap spesialis brief yang jelas. Taruh chief of staff di atasnya supaya kamu cukup baca satu laporan.
Dan tombol kirimnya tetap di tangan kamu.
FAQ
Apa itu chief of staff agent?
Agent koordinator yang membagi tugas ke agent spesialis, menjaga status kerja, merangkum hasil, dan melapor ke kamu. Dia tidak harus mengerjakan tugas teknisnya sendiri.
Apakah multi-agent selalu lebih bagus dari single agent?
Tidak. Anthropic melaporkan multi-agent unggul untuk riset breadth-first yang bisa diparalelkan, tapi biayanya sekitar 15× token chat. Untuk artefak yang harus konsisten, seperti satu file kode, single agent dengan context utuh sering lebih aman.
Berapa agent spesialis yang sebaiknya dibuat di awal?
Mulai dari satu atau dua. Tambah hanya kalau ada kelompok kerjaan dengan context yang jelas berbeda dan hasilnya benar-benar dipakai.
Kenapa cold email sebaiknya volume kecil?
Karena kirim massal tanpa seleksi cenderung jadi spam. Pola yang lebih sehat: sedikit prospek, dipilih berdasarkan ICP, pitch dibuat custom, dan dicek manusia sebelum dikirim.
Bagaimana mencegah agent spesialis saling bertentangan?
Kasih satu sumber kebenaran (misalnya file ICP dan status prospek), brief yang lengkap untuk tiap agent, dan jangan biarkan dua agent mengedit artefak yang sama secara paralel.
← Artikel Sebelumnya
Kuota AI Agent Cepat Habis? Yang Boros Itu Jadwalnya, Bukan Modelnya
Artikel Selanjutnya →
Pindah dari PaaS ke VPS: Murah, Tapi Sekarang Kamu yang Jadi Ops
Baca Juga
Ada Pertanyaan? Yuk Ngobrol!
Butuh bantuan setup OpenClaw, konsultasi IT, atau mau diskusi project engineering? Book a call langsung — gratis.
Book a Call — Gratisvia Cal.com • WITA (UTC+8)
Newsletter
Subscribe to Newsletter
Artikel baru, automation notes, dan engineering insight. Clean inbox, no spam.
Dengan subscribe, kamu setuju menerima update seperlunya.



