Glean membuat agen AI bekerja tanpa prompt—kontrol izin menjadi penentu

Pada 26 Agustus 2026, Glean mengumumkan rangkaian AI yang dapat membaca sinyal bisnis, memprioritaskan pekerjaan, dan menjalankan tugas tanpa menunggu prompt baru. Pengumuman Proactive AI Glean menempatkan personal agents dan independent agents sebagai penghubung antara konteks perusahaan dan tindakan otomatis.

Peluncuran tersebut menjadi bagian dari konferensi Glean:GO di San Francisco, tetapi kemampuan yang diumumkan belum seluruhnya tersedia secara umum. Laporan SiliconANGLE tentang Glean:GO mencatat independent agents masih beta, sedangkan task management, email triage, meeting coach, dan Glean Transform belum dirilis. Jadi, perubahan yang sudah dapat dinilai bukan otomatisasi tanpa batas, melainkan jalur dari sinyal menuju tindakan yang tetap bergantung pada identitas, izin, dan pengawasan.

Dari sinyal bisnis ke tindakan tanpa prompt baru

Perbedaan utama pendekatan ini terletak pada pemicunya. Agen percakapan biasa menunggu pengguna membuka sesi dan memberikan instruksi, sedangkan sistem proaktif dapat merespons jadwal atau perubahan di lingkungan kerja yang terhubung. Glean menyebut percakapan, dokumen, kotak masuk, tiket, dan sistem bisnis sebagai sumber konteks yang membantu menentukan pekerjaan berikutnya.

Alur yang ditawarkan dapat diringkas sebagai berikut:

1. Sinyal muncul dari sistem kerja, misalnya eskalasi dukungan atau perubahan kondisi suatu akun.
2. Glean menghubungkannya dengan konteks organisasi, pemilik pekerjaan, riwayat terkait, dan izin data.
3. Sistem memprioritaskan pekerjaan dan menentukan proses yang telah dikonfigurasi untuk dijalankan.
4. Personal agent mengeksekusi otomasi milik seorang karyawan, sedangkan independent agent mengoordinasikan proses yang dapat melintasi orang dan aplikasi.
5. Tindakan dan hasilnya dicatat; keputusan yang berada di luar batas agen harus dialihkan kepada manusia.

Istilah “tanpa prompt” karena itu tidak berarti agen bekerja tanpa instruksi atau batas. Instruksinya telah dipindahkan ke definisi alur, pemicu, kebijakan akses, dan konfigurasi tindakan. Agen dapat memulai eksekusi tanpa percakapan aktif, tetapi ruang geraknya tetap ditentukan sebelumnya oleh organisasi.

Identitas agen menentukan apa yang boleh disentuh

Agen yang bekerja di latar belakang memunculkan persoalan yang lebih rumit daripada chatbot: identitas mana yang melakukan perubahan, sistem apa yang dapat ditulis, dan siapa yang memicu eksekusi. Glean memberi independent agent identitas sendiri, akses yang disediakan khusus, kredensial layanan terbatas, izin, serta jejak audit. Pemisahan ini memungkinkan tindakan dikaitkan dengan agen tertentu, bukan disamarkan sebagai aktivitas akun seorang karyawan.

Rincian pembaruan Glean Agents menyebut agent identity tersedia dalam public beta dan dapat memakai kredensial terbatas pada lebih dari selusin alat terhubung. Fitur pemindaian definisi agen masih beta, sementara evaluasi agen berada dalam private beta. Glean juga menjelaskan kebijakan yang menggabungkan aturan akses, perilaku, dan batas penggunaan, serta persetujuan moderator sebelum konfigurasi berisiko dipublikasikan.

Kontrol itu mengurangi cakupan kerusakan jika agen salah memilih tindakan, tetapi tidak membuktikan bahwa keputusan agen selalu benar. Jejak audit membantu menjawab siapa atau apa yang bertindak dan bagaimana proses dimulai; izin terbatas menentukan dampak maksimum yang mungkin ditimbulkan. Ketepatan keputusan tetap harus dinilai dari hasil eksekusi dan frekuensi intervensi manusia.

Tidak semua tugas aman dijalankan otomatis

Tugas yang paling cocok untuk eksekusi tanpa prompt memiliki pemicu yang jelas, sumber data terbatas, tindakan yang dapat dibatalkan, dan hasil yang mudah diperiksa. Sebagai contoh kondisional, agen dapat menyiapkan draf ringkasan insiden dari tiket yang sudah tersedia atau menyusun bahan tinjauan akun untuk diperiksa pemiliknya. Risiko meningkat ketika agen dapat mengubah hak akses, menghapus data, memindahkan dana, membuat komitmen hukum, atau mengirim komunikasi sensitif kepada pihak luar.

Untuk membedakan otomasi terkendali dari otonomi yang terlalu luas, konfigurasi dapat diperiksa melalui lima lapisan:

• Izin: batasi sumber yang boleh dibaca dan tindakan tulis yang benar-benar diperlukan; hak membaca tidak otomatis menjadi hak mengubah.
• Kredensial layanan: gunakan identitas khusus agen dengan cakupan minimum dan mekanisme pencabutan yang jelas.
• Audit: catat pemicu, versi agen, alat yang dipanggil, keputusan kebijakan, persetujuan manusia, perubahan, dan hasil akhir.
• Persetujuan dan pemulihan: hentikan eksekusi pada tindakan berdampak tinggi serta sediakan cara membatalkan perubahan atau menonaktifkan agen.
• Metrik: ukur keberhasilan tugas, tindakan keliru, intervensi manusia, waktu penyelesaian, pembatalan, dan insiden izin—bukan hanya jumlah proses yang berjalan.

Persetujuan manusia paling penting ketika tindakan sulit dipulihkan atau membawa konsekuensi finansial, keamanan, hukum, dan pelanggan. Untuk pekerjaan berisiko rendah, pemeriksaan dapat dilakukan setelah eksekusi apabila hasilnya tercatat dan dapat dibatalkan. Batas ini perlu ditentukan per tindakan, bukan sekali untuk seluruh agen.

Status beta membatasi kesimpulan peluncuran

Pembagian status produk menunjukkan bahwa rangkaian tersebut masih berada pada tahap yang berbeda-beda. Interactive dashboards tersedia secara umum, sedangkan personal agents, independent agents, team chat, serta penyegaran dashboard langsung dan terjadwal berada dalam beta. Fitur untuk manajemen tugas, penyaringan email, pembinaan rapat, dan pemetaan proses melalui Glean Transform masih dijadwalkan menyusul.

Karena itu, perusahaan belum dapat menganggap seluruh alur proaktif siap dipindahkan ke proses produksi. Penilaian awal sebaiknya membedakan fungsi yang tersedia umum, fungsi beta yang mungkin berubah, dan kemampuan yang baru diumumkan. Status ini juga berarti contoh alur lintas tim dari Glean belum setara dengan bukti kinerja jangka panjang pada berbagai lingkungan pelanggan.

Hal yang belum diketahui adalah seberapa sering pemicu otomatis menghasilkan tindakan tepat, berapa banyak keputusan yang tetap harus diteruskan kepada manusia, dan apakah kontrol tetap mudah diaudit ketika jumlah agen bertambah. Arah produknya sudah jelas: AI bergerak dari menunggu instruksi menuju memulai pekerjaan. Namun, keberhasilan operasionalnya akan ditentukan oleh sempitnya izin, keterlacakan tindakan, mutu evaluasi, dan data penggunaan setelah fitur beta diterapkan lebih luas.