(Source: Dynatrace)
Dalam dunia teknologi, ekspektasi terhadap agentic AI terus meningkat, baik dari eksekutif maupun pengembang. Para eksekutif melihat potensi besar untuk meningkatkan produktivitas, mengurangi waktu rekayasa, mencegah gangguan, dan mengotomatiskan hingga 80% tugas non-fitur. Sementara itu, para pengembang, yang sudah mengadopsi AI untuk efisiensi sehari-hari, menginginkan AI yang dapat memberikan konteks, menyarankan perbaikan kesalahan, menghasilkan tes secara otomatis, dan merekomendasikan optimasi berdasarkan wawasan produksi.
Pasar teknologi menyambut agentic AI dengan antusias. Menurut survei KPMG’s AI Pulse Survey, 68% pemimpin bisnis berencana menginvestasikan antara US$50 juta dan US$250 juta untuk teknologi AI generatif dan agentic pada tahun ini, naik dari 45% pada tahun 2024. Meskipun potensi yang ditawarkan sangat besar, penggunaan agentic AI yang andal dan aman membutuhkan fondasi yang kuat. Teknologi ini harus menggabungkan kemampuan pemecahan masalah kreatif dari model probabilistik seperti LLM dengan ketelitian dan akurasi algoritma deterministik.
Kecerdasan Otonom Agentic AI Dynatrace
Dynatrace telah lama beroperasi di persimpangan data, kecerdasan, dan otomatisasi. Banyak kemampuan yang dikaitkan dengan agentic AI, seperti deteksi akar penyebab otonom, operasi pencegahan, dan lingkungan produksi yang dapat menyembuhkan diri sendiri, telah berjalan di platform mereka selama satu dekade. Dynatrace memperkuat kemampuan ini dengan agentic AI, yang memungkinkan otonomi lebih besar, mempercepat tindakan cerdas, dan pengambilan keputusan di seluruh ekosistem cloud native.
Untuk mewujudkan kecerdasan otonom, Dynatrace memindahkan tanggung jawab manusia dari instruksi langkah demi langkah menjadi penetapan tujuan dan pengawasan. Manusia hanya perlu menetapkan tujuan tingkat tinggi, dan Dynatrace akan menentukan serta menjalankan jalur paling efektif untuk mencapainya. Proses ini memungkinkan perbaikan, perlindungan, dan optimasi otomatis.
Fondasi utama untuk agentic AI adalah data kontekstual waktu nyata. Agentic AI tidak bisa beroperasi hanya berdasarkan model tujuan umum. Ia memerlukan memori yang cepat, konteks spesifik bisnis, dan kemampuan untuk mensintesis sinyal di seluruh sistem. Dynatrace Grail menawarkan fondasi unik yang menyediakan akses ke wawasan waktu nyata dari petabyte informasi terstruktur dan tidak terstruktur. Grail memungkinkan pengguna mengajukan pertanyaan apa pun kapan saja dan menerima jawaban instan dengan mempertimbangkan konteks lingkungan digital organisasi.
Integrasi AI dengan Dynatrace ini dapat membawa manfaat ke seluruh organisasi. Mulai dari pengembang hingga insinyur keandalan situs, operasional, dan administrasi, dapat membuat keputusan yang lebih cerdas dan cepat di setiap tingkatan. Dengan Davis AI Root Cause Analysis, Dynatrace menganalisis lebih dari tiga juta masalah secara akurat setiap hari. Teknologi ini tidak menebak-nebak, melainkan beroperasi dengan kejelasan arsitektur dan secara otomatis menunjukkan akar penyebab karena memahami bagaimana semuanya terhubung.
Masa depan observabilitas sedang didefinisikan ulang oleh tiga hal utama yaitu Pengetahuan, Penalaran, dan Tindakan. Pengetahuan dari Dynatrace mengubah data observabilitas menjadi fakta yang dapat diakses oleh AI. Penalaran menyatukan AI kausal, prediktif, dan generatif untuk mengoptimalkan campuran logika deterministik dengan model probabilistik, sehingga menghasilkan keputusan yang akurat. Terakhir, Tindakan mengubah tujuan tingkat tinggi menjadi tindakan otomatis yang cerdas.
Tidak semua AI dibuat sama. Untuk memberikan nilai nyata, AI harus dapat diandalkan, sadar konteks, dan dibangun khusus untuk lingkungan digital suatu organisasi. Dynatrace dirancang untuk memenuhi tuntutan tersebut, diperkuat dengan agentic AI yang menjawab kebutuhan spesifik dan hasil bisnis yang diinginkan oleh organisasi.
