Ketika Rekan Kerja Menjadi Sekelompok Agen: Alat Ruang Kerja Bersama Sedang Menulis Ulang Definisi "Bekerja Bersama"

Seorang teman yang menangani firmware di kawasan industri teknologi baru-baru ini mengeluh, katanya divisinya sekarang punya lima agen AI yang berjalan: satu mengelola dokumen, satu menulis uji, satu melakukan code review, dua menulis fitur di proyek berbeda. Kedengarannya sangat canggih, tetapi keadaan nyatanya begini —

"Setiap kali mau memakai agen lain, saya harus menjelaskan ulang latar proyeknya sekali lagi. Dan minggu lalu dua agen sekaligus mengubah file yang sama, satu menimpa punya yang lain, kami butuh setengah hari untuk menyadarinya."

Ia bertanya: "Apakah kami salah metode?"

Bukan. Ini masalah semua orang pada tahap ini, dan sudah ada sekelompok alat yang menyelesaikannya.

Latar Belakang

Pada paruh kedua 2026, sebuah kategori produk baru muncul ke permukaan: ruang kerja bersama antara manusia dan agen AI.

Di daftar Product Hunt Agustus muncul beberapa: Oasis HQ (kantor virtual manusia dan agen), Agensis (ruang kerja berbasis channel, agen adalah anggota beridentitas), Murmell (kanvas cloud bersama, banyak coding agent sekaligus mengubah satu repo).

Antarmukanya sangat berbeda, tetapi yang hendak diselesaikan adalah satu set masalah yang sama:

1. Bagaimana berbagi konteks — jangan menjelaskan ulang setiap kali
2. Bagaimana menangani konflik — bagaimana kalau dua agen sekaligus mengubah satu hal
3. Siapa yang menekan konfirmasi — saat agen hendak menyentuh uang atau mengirim pesan ke luar, manusia di mata rantai mana

Orang yang akrab dengan sejarah rekayasa perangkat lunak akan merasa familiar. Ketiga masalah ini persis yang dihadapi tim manusia saat mengembangkan version control, code review, dan change management pada era 1990-an. Hanya saja kali ini objek kolaborasinya bukan manusia.

Poin Utama: Empat Pendekatan Desain

Membandingkan sekelompok alat ini, terlihat beberapa jalur berbeda.

Jalur satu: kantor virtual (Oasis HQ)

Menekankan "memori hidup" — menyimpan setiap keputusan, tugas, dan pelajaran, agar agen baru yang mengambil alih tak perlu mulai dari nol, dan agen juga bisa berganti model untuk upgrade dan melanjutkan progres agen sebelumnya. Dari sisi ekosistem menempuh jalur terbuka, mengklaim bisa men-deploy sekali klik agen apa pun yang kompatibel MCP seperti Claude Code dan Devin.

Cocok untuk organisasi dengan agen berjumlah banyak dan sumbernya beragam.

Jalur dua: kolaborasi berbasis channel (Agensis)

Antarmukanya persis yang sudah dikenal semua orang — channel, thread, pesan pribadi, bedanya agen adalah anggota dengan identitas dan memori tetap. Keistimewaannya thread bisa bercabang lalu digabung lagi, agar tim bisa sekaligus mencoba beberapa jalur baru menyatukannya.

Filosofi harganya patut dicermati: agen gratis, ditagih per kepala. Versi gratis satu ruang kerja, dua agen, sediakan sendiri kunci API; Pro 20 dolar AS per bulan agen tak terbatas. Ini sepenuhnya berlawanan dengan kebanyakan platform yang menagih per jumlah agen atau jumlah eksekusi.

Jalur tiga: kanvas bersama (Murmell)

Fokus pada coding agent. Banyak agen bekerja di satu repo yang sama, masing-masing dibuka di jendelanya sendiri dengan terminal mandiri. Mekanisme intinya klaim file — agen mengklaim file sebelum menulis, untuk menghindari saling menimpa. Semua pekerjaan akhirnya kembali ke git.

"Dua agen saling menimpa" yang dialami teman saya, jalur inilah yang khusus menyelesaikannya.

Jalur empat: workbench desktop (Berd)

Tidak ke cloud, sekadar sebuah aplikasi desktop open source di Mac, dan konteks agen mengikuti proyek alih-alih mengikuti percakapan. Gratis, open source, berjalan lokal.

Cocok untuk perorangan atau yang tak boleh mengirim kodenya ke luar.

Analisis Dampak Pasar

Bagi pengguna di Indonesia

Lapis ini tak tersentuh pengguna umum, tetapi ia memengaruhi kualitas layanan yang Anda terima. Ketika banyak agen perusahaan berbagi kebijakan dan konteks yang sama, jawaban yang Anda dapat di kanal berbeda baru konsisten; perusahaan tanpa lapis bersama, Anda akan mendapat dua versi jawaban di chatbot situs resmi dan layanan pelanggan WhatsApp — hal ini sebenarnya sangat umum sekarang.

Bagi penerapan di perusahaan

Kapan sebaiknya berinvestasi? Standar penilaian saya adalah tiga agen. Satu-dua masih cukup dikoordinasi otak manusia, dari agen ketiga akan muncul tiga jenis pemborosan: latar data yang sama dimasukkan berulang, agen berbeda memberi saran yang bertentangan, dan yang paling menyusahkan — agen saling merusak.

Sinyal praktis lain: ketika Anda mendapati diri sedang merapikan dokumen "latar untuk ditempel ke agen", itu tanda sudah butuh lapis konteks bersama.

Bagaimana menghitung biaya? Di sini ada jebakan yang mudah diabaikan: cara penagihan mengubah perilaku pemakaian Anda. Platform yang menagih per jumlah agen membuat tim tanpa sadar membuka lebih sedikit agen — padahal nilai agen justru datang dari bisa dibuka sesuka hati, salah tinggal hapus dan ulang. Penagihan per kepala (Agensis Pro 20 dolar AS per bulan, Team 50 dolar per kursi) lebih sejalan dengan kepentingan pengguna; Solo Murmell mulai 39 dolar AS per bulan tergolong tinggi, tetapi Pro dan Builder disertai kuota Opus 60 dolar, jadi kalau memang sudah membakar biaya API, rasio harga-manfaatnya akan tertarik kembali sedikit.

Bagaimana soal keamanan? Inilah yang paling harus ditanyakan perusahaan Indonesia. Ruang kerja jenis cloud, agen berjalan di lingkungan pihak lawan, dan kode serta data pasti melewati sana. Industri yang aturannya ketat (keuangan, kesehatan, rantai pasok pertahanan) sebaiknya memprioritaskan solusi yang mendukung self-hosted — Agensis punya opsi self-hosted, Berd sepenuhnya berjalan lokal.

Sebelum menerapkan wajib pastikan tiga hal: masa penyimpanan data, apakah dipakai untuk pelatihan model, dan region penyimpanan. Vendor yang tak bisa menuliskan tiga hal ini ke kontrak, jangan dipakai untuk proyek sensitif.

Bagi pengembang

Ada satu kemampuan yang sedang jadi penting: merancang protokol kolaborasi antar-agen.

Dulu yang kita rancang adalah alur kolaborasi antar-manusia — siapa bertanggung jawab atas apa, kapan serah-terima, bagaimana menyelesaikan konflik. Sekarang harus merancang hal yang sama untuk agen, dan agen tak akan seperti manusia yang "merasa aneh lalu bertanya dulu", ia akan mengerjakan sampai tuntas mengikuti aturan.

Ini berarti desain aturan harus lebih cermat. File mana masuk tanggung jawab siapa, dalam situasi apa harus berhenti bertanya ke manusia, saat dua agen berbeda pendapat mengikuti siapa — hal-hal yang dulu bergantung pada kekompakan tim, sekarang harus ditulis eksplisit. Munculnya alat seperti Skilldocs yang khusus mengelola "dokumen spesifikasi untuk dibaca agen" justru karena kebutuhan ini.

Tren Perkembangan ke Depan

Mekanisme kolaborasi akan terstandar. Sekarang klaim file, format memori, dan alur persetujuan tiap platform punya cara sendiri. Seperti version control akhirnya menyatu ke git, mekanisme kolaborasi agen pun bertahap akan memunculkan standar de facto, kemungkinan besar dibangun di atas protokol terbuka yang sudah ada seperti MCP.

Persetujuan akan menjadi tuntutan kepatuhan. Kewenangan penegakan Undang-Undang AI Uni Eropa sudah aktif pada Agustus 2026, dan prinsip "keputusan berisiko tinggi AI harus ada pengawasan manusia" akan bertahap jatuh ke lapis implementasi. Perusahaan yang sekarang sukarela membuat alur persetujuan, biaya beralih ke kepatuhan nanti akan jauh lebih rendah.

Memori akan jadi aset sekaligus beban. Makin banyak memori bersama terakumulasi, makin tinggi nilainya, tetapi makin tinggi pula biaya berpindah platform. Saat memilih wajib tanyakan jelas format ekspornya — hal ini sekarang tak ada yang peduli, tetapi dua tahun lagi akan sangat menyakitkan.

Kesimpulan & Komentar TheAI Academy

Kembali ke pertanyaan teman saya di kawasan teknologi itu. Saran yang saya beri bukan "cepat beli satu alat", melainkan lebih dulu melakukan tiga hal tanpa biaya:

Pertama, tulis latar proyek menjadi satu dokumen, tiap agen membaca dokumen yang sama, jangan menjelaskan ulang dengan mulut. Kedua, bagi tanggung jawab dengan jelas — agen mana bertanggung jawab atas file mana, tuliskan. Ketiga, wajibkan semua output agen lewat PR, tak langsung menulis ke branch utama.

Setelah tiga hal ini selesai, masalahnya terselesaikan tujuh puluh persen, biayanya nol.

Yang bisa dibeli alat adalah efisiensi, yang tak bisa dibeli adalah disiplin. Saya melihat terlalu banyak tim mengira menerapkan platform bisa menyelesaikan kekacauan, ternyata hanya memindahkan kekacauan ke tempat yang lebih mahal. Nilai produk ruang kerja bersama semacam ini adalah, setelah Anda sudah punya disiplin dasar, ia menekan tiga puluh persen biaya koordinasi yang tersisa.

Komentar: bagi tanggung jawab agen dengan jelas lewat dokumen dan aturan lebih dulu, baru pertimbangkan membeli alat — kalau urutannya terbalik, yang Anda beli cuma kekacauan yang lebih mahal.

Saran konkret untuk pembaca Indonesia: kalau tim Anda sekarang punya tiga agen atau lebih yang berjalan, minggu ini kerjakan dulu dua hal "dokumen latar bersama + tabel pembagian tanggung jawab". Bertahan sampai akhir tahun baru menilai perlu menerapkan platform atau tidak, dan saat itu produk pasar ini juga akan lebih matang, pilihannya lebih baik. Kalau ingin mencoba dulu dengan biaya rendah, versi gratis Agensis (satu ruang kerja, dua agen, sediakan sendiri kunci) atau Berd yang open source gratis sama-sama titik awal tanpa biaya.

Lebih banyak konten terkait bisa dirujuk di Panduan pembangunan AI Agent dan alat kolaborasi tim AI, juga bisa ke templat prompt untuk mencari contoh instruksi agen siap pakai.

Sumber

• Situs resmi dan harga Agensis
• Situs resmi Murmell

Dirangkum dari informasi publik, fitur produk dan harga mengacu pada pengumuman resmi.