![\"\"](\"https:\/\/satu.ac.id\/bandung\/sistem-informasi\/wp-content\/uploads\/sites\/5\/2026\/09\/ChatGPT-Image-Sep-8-2026-10_02_35-AM.png\")
<\/p>\n<\/p>\n
Dulu, menggunakan Artificial Intelligence terasa sederhana.<\/p>\n
Buka ChatGPT.<\/p>\n
Ketik pertanyaan.<\/p>\n
Tunggu jawaban.<\/p>\n
Lalu berharap AI-nya memahami maksud kita meskipun prompt yang diberikan cuma:<\/p>\n
\n\u201cBikinin aplikasi yang bagus dong.\u201d<\/p>\n<\/blockquote>\n
Sebuah requirement yang tentunya sangat disukai seluruh software developer di muka bumi.<\/p>\n
Tapi perkembangan AI mulai bergerak ke tahap berikutnya.<\/p>\n
Kita tidak lagi hanya berbicara tentang AI yang menjawab pertanyaan<\/strong>, tetapi AI yang bisa mengerjakan serangkaian pekerjaan untuk mencapai sebuah tujuan<\/strong>.<\/p>\n
Welcome to the era of AI Agent<\/strong>.<\/p>\n
Dari \u201cKasih Jawaban\u201d Menjadi \u201cKerjakan Tujuan Ini\u201d<\/h2>\n
Perbedaan sederhananya bisa dilihat seperti ini.<\/p>\n
AI chatbot tradisional biasanya bekerja seperti:<\/p>\n
Prompt \u2192 AI \u2192 Jawaban<\/strong><\/p>\n
Kita bertanya, AI menjawab.<\/p>\n
Selesai.<\/p>\n
AI Agent bekerja dengan cara yang lebih panjang:<\/p>\n
Goal \u2192 Planning \u2192 Tools \u2192 Action \u2192 Evaluation \u2192 Result<\/strong><\/p>\n
Artinya, kita tidak selalu perlu memberikan instruksi untuk setiap langkah.<\/p>\n
Kita bisa memberikan sebuah goal<\/strong>, kemudian AI menentukan beberapa langkah yang perlu dilakukan untuk mencapai goal tersebut.<\/p>\n
Misalnya, daripada mengatakan:<\/p>\n
\n\u201cCari informasi tentang lima kompetitor.\u201d<\/p>\n<\/blockquote>\n
kemudian:<\/p>\n
\n\u201cBandingkan fiturnya.\u201d<\/p>\n<\/blockquote>\n
kemudian:<\/p>\n
\n\u201cMasukkan ke tabel.\u201d<\/p>\n<\/blockquote>\n
kemudian:<\/p>\n
\n\u201cBuat grafiknya.\u201d<\/p>\n<\/blockquote>\n
kemudian:<\/p>\n
\n\u201cSekarang bikin presentasinya.\u201d<\/p>\n<\/blockquote>\n
Sebuah AI Agent dapat diberikan tujuan yang lebih lengkap:<\/p>\n
\n\u201cAnalisis lima kompetitor utama perusahaan ini, bandingkan fitur dan positioning mereka, kemudian buatkan laporan serta presentasi ringkas.\u201d<\/p>\n<\/blockquote>\n
AI kemudian dapat memecah pekerjaan tersebut menjadi beberapa tahapan.<\/p>\n
Nah.<\/p>\n
Di titik inilah AI mulai berubah dari mesin penjawab pertanyaan<\/strong> menjadi sesuatu yang lebih menyerupai digital worker<\/strong>.<\/p>\n
ChatGPT Juga Mulai Bergerak ke Sana<\/h2>\n
Perubahan ini sebenarnya sudah terlihat dalam perkembangan produk OpenAI.<\/p>\n
Pada 2025, OpenAI memperkenalkan ChatGPT agent<\/strong>, yang menggabungkan kemampuan reasoning dengan kemampuan melakukan tindakan menggunakan komputer virtual. Sistem tersebut dapat melakukan riset, menggunakan browser, menjalankan kode, menganalisis data, serta mengerjakan workflow yang terdiri dari banyak langkah.<\/p>\n
Perkembangannya kemudian berlanjut.<\/p>\n
Pada Juli 2026, OpenAI memperkenalkan ChatGPT Work<\/strong>, sebuah agent yang dapat bekerja lintas aplikasi dan file, memecah sebuah proyek besar menjadi pekerjaan yang lebih kecil, dan menghasilkan output akhir seperti spreadsheet, slide, dokumen, sampai web application<\/strong>. OpenAI bahkan merancangnya untuk dapat tetap bekerja pada proyek kompleks selama berjam-jam ketika diperlukan.<\/p>\n
Jadi kalau dulu ChatGPT identik dengan:<\/p>\n
\n\u201cAda yang bisa saya bantu?\u201d<\/p>\n<\/blockquote>\n
Sekarang arahnya mulai mendekati:<\/p>\n
\n\u201cTargetnya apa? File-nya mana?\u201d<\/p>\n<\/blockquote>\n
Agak mengkhawatirkan untuk manusia yang selama ini menjadikan \u201csibuk membuka Excel\u201d sebagai indikator produktivitas.<\/p>\n
Jadi Prompt Engineering Sudah Tidak Penting?<\/h2>\n
Belum.<\/p>\n
Prompt tetap penting.<\/strong><\/p>\n
Tetapi kemampuan menggunakan AI mulai berkembang melampaui sekadar menulis prompt yang bagus.<\/p>\n
Pada AI Agent, kita juga perlu memikirkan:<\/p>\n
\n
- tujuan yang ingin dicapai;<\/li>\n
- konteks yang perlu diketahui AI;<\/li>\n
- data yang boleh digunakan;<\/li>\n
- tools yang tersedia;<\/li>\n
- urutan pekerjaan;<\/li>\n
- batasan yang harus dipatuhi;<\/li>\n
- bagaimana hasil diverifikasi;<\/li>\n
- serta kapan manusia harus mengambil keputusan.<\/li>\n<\/ul>\n
Karena itu, pembicaraan tentang AI mulai bergerak dari sekadar Prompt Engineering<\/strong> menuju hal-hal seperti:<\/p>\n
Context Engineering<\/strong><\/p>\n
Workflow Design<\/strong><\/p>\n
Tool Integration<\/strong><\/p>\n
Agentic Workflow<\/strong><\/p>\n
dan bahkan Multi-Agent Systems<\/strong>.<\/p>\n
OpenAI sendiri menyediakan Agents SDK yang memungkinkan developer membuat agent dengan instruksi, tools, handoff antar-agent, guardrail, serta kemampuan tracing untuk melihat bagaimana agent menjalankan pekerjaannya. Versi terbaru SDK tersebut bahkan memungkinkan agent bekerja dengan file, menjalankan command, mengedit code, dan mengerjakan tugas jangka panjang dalam lingkungan sandbox yang terkontrol.<\/p>\n
Dengan kata lain…<\/p>\n
Prompt masih penting.<\/p>\n
Tapi prompt doang mulai nggak cukup<\/strong>.<\/p>\n
Contoh Gampangnya: Bikin Aplikasi<\/h2>\n
Bayangkan kita ingin membuat aplikasi sederhana untuk mengelola peminjaman ruangan kampus.<\/p>\n
Cara lama menggunakan AI mungkin seperti ini:<\/p>\n
\n\u201cBuatkan database peminjaman ruangan.\u201d<\/p>\n<\/blockquote>\n
Lalu:<\/p>\n
\n\u201cBuat halaman login.\u201d<\/p>\n<\/blockquote>\n
Lalu:<\/p>\n
\n\u201cBuat form booking.\u201d<\/p>\n<\/blockquote>\n
Lalu:<\/p>\n
\n\u201cBuat dashboard admin.\u201d<\/p>\n<\/blockquote>\n
Kita menjadi semacam project manager yang mengirim prompt satu per satu sampai jari menyerah.<\/p>\n
Dengan AI Agent, pendekatannya bisa berubah.<\/p>\n
Kita memberikan:<\/p>\n
masalah, aktor, business process, requirement, aturan sistem, dan output yang diharapkan.<\/strong><\/p>\n
Kemudian AI Agent dapat membantu:<\/p>\n
\n
- memahami requirement;<\/li>\n
- membuat struktur project;<\/li>\n
- merancang database;<\/li>\n
- membuat fitur;<\/li>\n
- menjalankan aplikasi;<\/li>\n
- melakukan testing;<\/li>\n
- menemukan error;<\/li>\n
- memperbaikinya;<\/li>\n
- dan melakukan iterasi.<\/li>\n<\/ol>\n
Ini juga menjelaskan sesuatu yang cukup penting.<\/p>\n
Semakin Pintar AI, Requirement Justru Semakin Penting<\/h2>\n
Ironisnya, ketika AI makin jago coding, kemampuan memahami apa yang harus dibuat<\/strong> justru semakin berharga.<\/p>\n
Misalnya kita memberi perintah:<\/p>\n
\n\u201cBuat sistem informasi akademik.\u201d<\/p>\n<\/blockquote>\n
AI mungkin sanggup menghasilkan ribuan baris kode.<\/p>\n
Masalahnya…<\/p>\n
Sistem informasi akademik yang bagaimana?<\/strong><\/p>\n
Siapa penggunanya?<\/p>\n
Apa business process-nya?<\/p>\n
Data apa yang dibutuhkan?<\/p>\n
Siapa yang boleh mengakses data tertentu?<\/p>\n
Bagaimana mahasiswa mengambil mata kuliah?<\/p>\n
Bagaimana dosen memasukkan nilai?<\/p>\n
Bagaimana jika mahasiswa mengulang mata kuliah?<\/p>\n
Bagaimana approval bekerja?<\/p>\n
Bagaimana laporan dibuat?<\/p>\n
AI bisa sangat cepat dalam membangun solusi.<\/p>\n
Tetapi kalau requirement-nya salah, kita hanya mendapatkan:<\/p>\n
solusi yang salah, selesai lebih cepat.<\/strong><\/p>\n
Efisien sekali.<\/p>\n
Karena itulah kemampuan seperti System Analysis, Business Process Analysis, Requirement Engineering, Data Modeling, Critical Thinking, dan User Experience<\/strong> justru semakin relevan di era AI Agent.<\/p>\n
Dan kebetulan, itu memang wilayahnya Sistem Informasi.<\/p>\n
Apakah AI Agent Berarti Kita Tidak Perlu Belajar Programming?<\/h2>\n
Tidak sesederhana itu.<\/p>\n
AI memang semakin mampu menghasilkan code.<\/p>\n
Tetapi orang yang memahami programming tetap memiliki keuntungan besar karena ia bisa:<\/p>\n
membaca hasil AI, mengevaluasi logic, menemukan error, menentukan architecture, melakukan testing, dan memastikan aplikasi bekerja sesuai requirement.<\/strong><\/p>\n
Perbedaannya mungkin ada pada cara bekerja.<\/p>\n
Dulu:<\/p>\n
Understand Problem \u2192 Write Code \u2192 Debug \u2192 Test<\/strong><\/p>\n
Sekarang bisa menjadi:<\/p>\n
Understand Problem \u2192 Design Solution \u2192 Direct AI Agent \u2192 Review \u2192 Test \u2192 Improve<\/strong><\/p>\n
Coding tidak hilang.<\/p>\n
Yang berubah adalah level abstraksi pekerjaan manusia<\/strong>.<\/p>\n
Kita perlahan bergerak dari sekadar menulis setiap instruksi komputer sendiri menuju kemampuan mengorkestrasi manusia, data, sistem, dan AI untuk menyelesaikan masalah.<\/strong><\/p>\n
Sound familiar?<\/p>\n
Sekali lagi…<\/p>\n
Itu sangat Sistem Informasi.<\/p>\n
Di Sistem Informasi SATU University, AI Agent Malah Boleh Dipakai?<\/h1>\n
Nah, ini bagian yang mungkin sedikit berbeda dengan bayangan sebagian orang tentang kuliah.<\/p>\n
Di Program Studi Sistem Informasi SATU University<\/strong>, kami tidak ingin mahasiswa belajar seolah-olah Artificial Intelligence tidak pernah ditemukan.<\/p>\n
Karena ketika mahasiswa masuk dunia kerja nanti, kemungkinan besar AI Agent sudah menjadi bagian dari berbagai pekerjaan profesional.<\/p>\n
Jadi pendekatannya bukan sekadar:<\/p>\n
\u201cJangan pakai AI.\u201d<\/strong><\/p>\n
Melainkan:<\/p>\n
\u201cKalau pakai AI, kamu harus tahu apa yang kamu lakukan.\u201d<\/strong><\/p>\n
Dan yes…<\/p>\n
Di beberapa mata kuliah, mahasiswa bahkan diperbolehkan menggunakan AI Agent untuk membantu membuat aplikasi.<\/h3>\n
Menariknya, ini bukan hanya berlaku pada mata kuliah programming.<\/p>\n
Salah satu contohnya adalah Analisa dan Perancangan Sistem Informasi<\/strong>.<\/p>\n
Dalam mata kuliah seperti ini, fokus utama mahasiswa bukan sekadar seberapa cepat mereka mengetik syntax.<\/p>\n
Mahasiswa harus terlebih dahulu mampu:<\/p>\n
\n
- mengidentifikasi masalah;<\/li>\n
- memahami stakeholder;<\/li>\n
- menganalisis proses bisnis;<\/li>\n
- menemukan kebutuhan pengguna;<\/li>\n
- menyusun requirement;<\/li>\n
- merancang solusi;<\/li>\n
- dan menjelaskan mengapa solusi tersebut masuk akal.<\/li>\n<\/ul>\n
Setelah analisis tersebut matang?<\/p>\n
Silakan gunakan AI Agent untuk membantu mengubah rancangan tadi menjadi prototype atau bahkan aplikasi.<\/strong><\/p>\n
Karena membuat aplikasi dengan AI bukan berarti proses berpikir mahasiswa menghilang.<\/p>\n
Justru kami ingin mahasiswa melihat hubungan langsung antara:<\/p>\n
Problem \u2192 Analysis \u2192 Requirement \u2192 Design \u2192 AI Agent \u2192 Application<\/strong><\/p>\n
Bayangkan setelah satu sesi menganalisis kebutuhan pengguna, hasil analisis tersebut tidak berhenti sebagai diagram yang kemudian hidup damai selamanya di folder tugas.<\/p>\n
Requirement-nya bisa langsung digunakan untuk membangun sesuatu.<\/p>\n
Nah, itu baru seru.<\/p>\n
Bukan Cuma \u201cBisa Pakai AI\u201d, Tapi Bisa Mengarahkan AI<\/h2>\n
Di sinilah mindset yang ingin dibangun.<\/p>\n
Kami tidak ingin mahasiswa hanya menjadi:<\/p>\n
AI User.<\/strong><\/p>\n
Kami ingin mahasiswa berkembang menjadi:<\/p>\n
Problem Solver yang menggunakan AI.<\/strong><\/p>\n
Perbedaannya cukup besar.<\/p>\n
AI User bertanya:<\/p>\n
\n\u201cAI bisa bikin apa?\u201d<\/p>\n<\/blockquote>\n
Problem Solver bertanya:<\/p>\n
\n\u201cSaya punya masalah ini. Bagaimana AI bisa membantu menyelesaikannya?\u201d<\/p>\n<\/blockquote>\n
Karena teknologi akan terus berubah.<\/p>\n
Hari ini kita bicara Prompt Engineering.<\/p>\n
Sekarang sudah mulai masuk AI Agent.<\/p>\n
Besok mungkin Multi-Agent Systems menjadi hal yang normal.<\/p>\n
Tools akan berganti.<\/p>\n
Model AI akan berganti.<\/p>\n
Interface akan berganti.<\/p>\n
Tetapi kemampuan untuk memahami masalah, merancang sistem, mengelola data, mengevaluasi teknologi, dan mengambil keputusan<\/strong> akan tetap dibutuhkan.<\/p>\n
Welcome to the Agentic Era<\/h1>\n
Era AI tidak berhenti pada chatbot.<\/p>\n
Kita mulai memasuki dunia ketika AI dapat melakukan research, menggunakan tools, membaca file, menjalankan code, mengakses aplikasi, dan menyelesaikan workflow yang terdiri dari banyak tahapan.<\/p>\n
Pertanyaannya bukan lagi sekadar:<\/p>\n
\n\u201cSeberapa bagus prompt kamu?\u201d<\/strong><\/p>\n<\/blockquote>\n
Tetapi semakin bergeser menjadi:<\/p>\n
\n\u201cSeberapa baik kamu merancang pekerjaan yang akan dilakukan AI?\u201d<\/strong><\/p>\n<\/blockquote>\n
Dan mungkin itulah salah satu skill paling menarik yang perlu dipelajari generasi mahasiswa berikutnya.<\/p>\n
\nReady to Build with AI?<\/h1>\n
Kalau kamu tertarik dengan teknologi, bisnis, data, pengembangan aplikasi, dan Artificial Intelligence<\/strong>, Program Studi Sistem Informasi SATU University<\/strong> adalah tempat untuk belajar bagaimana semuanya bekerja sebagai satu kesatuan.<\/p>\n
Di sini, AI tidak hanya dibicarakan sebagai teknologi masa depan.<\/p>\n
AI dipakai sebagai bagian dari proses belajar.<\/strong><\/p>\n
Bahkan dalam mata kuliah tertentu seperti Analisa dan Perancangan Sistem Informasi<\/strong>, serta berbagai mata kuliah lain di luar mata kuliah programming, mahasiswa dapat memanfaatkan AI Agent untuk membantu membangun prototype dan aplikasi berdasarkan hasil analisis mereka<\/strong>, tentunya sesuai arahan pembelajaran dan tetap dengan tanggung jawab akademik.<\/p>\n
Karena kami percaya:<\/p>\n
Mahasiswa masa depan tidak cukup hanya bisa menggunakan aplikasi.<\/strong><\/p>\n
Mereka perlu bisa merancang sistem, memahami masalah, dan mengarahkan AI untuk membangun solusi.<\/strong><\/p>\n
Sistem Informasi SATU University<\/h3>\n
Understand the Problem. Design the System. Build with AI.<\/strong><\/p>\n
Prompt doang?<\/p>\n
Kayaknya kita sudah mulai naik level.<\/p>\n","protected":false},"excerpt":{"rendered":"
Dulu, menggunakan Artificial Intelligence terasa sederhana. Buka ChatGPT. Ketik pertanyaan. Tunggu jawaban. Lalu berharap AI-nya memahami maksud kita meskipun prompt yang diberikan cuma: \u201cBikinin aplikasi yang bagus dong.\u201d Sebuah requirement yang tentunya sangat disukai seluruh software developer di muka bumi. Tapi perkembangan AI mulai bergerak ke tahap berikutnya. Kita tidak lagi hanya berbicara tentang AI […]<\/p>\n","protected":false},"author":6,"featured_media":534,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[6],"tags":[],"class_list":["post-533","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-artikel"],"_links":{"self":[{"href":"https:\/\/satu.ac.id\/bandung\/sistem-informasi\/wp-json\/wp\/v2\/posts\/533","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/satu.ac.id\/bandung\/sistem-informasi\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/satu.ac.id\/bandung\/sistem-informasi\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/satu.ac.id\/bandung\/sistem-informasi\/wp-json\/wp\/v2\/users\/6"}],"replies":[{"embeddable":true,"href":"https:\/\/satu.ac.id\/bandung\/sistem-informasi\/wp-json\/wp\/v2\/comments?post=533"}],"version-history":[{"count":1,"href":"https:\/\/satu.ac.id\/bandung\/sistem-informasi\/wp-json\/wp\/v2\/posts\/533\/revisions"}],"predecessor-version":[{"id":535,"href":"https:\/\/satu.ac.id\/bandung\/sistem-informasi\/wp-json\/wp\/v2\/posts\/533\/revisions\/535"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/satu.ac.id\/bandung\/sistem-informasi\/wp-json\/wp\/v2\/media\/534"}],"wp:attachment":[{"href":"https:\/\/satu.ac.id\/bandung\/sistem-informasi\/wp-json\/wp\/v2\/media?parent=533"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/satu.ac.id\/bandung\/sistem-informasi\/wp-json\/wp\/v2\/categories?post=533"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/satu.ac.id\/bandung\/sistem-informasi\/wp-json\/wp\/v2\/tags?post=533"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}