Glosarium AI

Sistem AI yang bekerja menuju suatu tujuan dalam beberapa langkah dengan sedikit kemandirian, menentukan apa yang dilakukan berikutnya dan memakai alat seperti pencarian, file, atau aplikasi lain di sepanjang jalan.

Contoh: Anda meminta agen mencari jadwal kereta ke kota lain untuk hari Jumat dan menyusun draf pesan untuk tim Anda dengan dua pilihan; agen itu mencari, membandingkan, dan menulis draf untuk Anda tinjau.

Sering dikira sama dengan: Asisten chat menjawab satu pesan setiap kali sementara Anda yang mengarahkan, sedangkan agen menjalankan serangkaian tindakan dengan lebih sedikit masukan dari Anda. Karena agen bisa bertindak, periksa apa saja yang boleh diaksesnya dan tinjau pekerjaannya sebelum apa pun dikirim, dibeli, atau dihapus.

AI yang membuat konten baru, seperti teks, gambar, audio, atau kode, berdasarkan pola yang dipelajarinya dari sangat banyak contoh.

Contoh: Anda meminta lima kemungkinan judul untuk poster sekolah tentang daur ulang, dan alat itu menuliskan lima judul baru untuk Anda.

Sering dikira sama dengan: Mesin pencari mengarahkan Anda ke halaman yang sudah ada, sedangkan AI generatif menulis teks baru yang bisa terdengar benar tetapi tetap salah. Kecuali alat itu juga mencari di web, alat itu tidak sedang mencari apa pun.

Pelajari lebih lanjut: Apa yang bisa dan tidak bisa dilakukan AI untuk Anda

AI yang dirilis dengan ketentuan yang memungkinkan siapa saja memakai, mempelajari, mengubah, dan membagikannya untuk tujuan apa pun, beserta kode pelatihan, bobot hasil pelatihan, dan informasi yang cukup tentang data pelatihannya agar orang yang terampil bisa membangun sistem serupa.

Contoh: Sebuah kelompok riset merilis model beserta bobotnya, kode pelatihan lengkapnya, dan uraian rinci tentang asal data pelatihannya, dengan ketentuan yang mengizinkan penggunaan apa pun, sehingga tim lain bisa memeriksanya dan melatih ulang versi mereka sendiri.

Sering dikira sama dengan: AI sumber terbuka dan open weights adalah label yang berbeda. Model yang bobotnya bisa Anda unduh, tetapi kode pelatihan atau informasi datanya tidak dibagikan, atau lisensinya membatasi cara Anda boleh memakainya, termasuk open weights tetapi bukan AI sumber terbuka menurut definisi Open Source Initiative. Baca lisensinya alih-alih memercayai labelnya.

Sumber: The Open Source AI Definition – 1.0 (Open Source Initiative, dibaca 2026-10-10)

Koneksi yang memungkinkan perangkat lunak mengirim permintaan ke model AI dan menerima jawaban, sehingga pengembang bisa memasukkan AI ke dalam aplikasi dan alur kerja mereka sendiri.

Contoh: Pengembang sebuah toko online menghubungkan toko itu ke model melalui API sehingga draf pertama setiap deskripsi produk muncul saat barang baru ditambahkan, tanpa ada yang membuka aplikasi chat.

Sering dikira sama dengan: Memakai model melalui API berbeda dengan memakai aplikasi chat penyedia: fiturnya berbeda, dan di sebagian penyedia penggunaan API ditagih terpisah dari langganan aplikasi. Anda tidak memerlukan API untuk memakai alat AI dalam tugas sehari-hari.

Pelajari lebih lanjut: Produk, model, dan paket

Tanggal terakhir yang dicakup data pelatihan sebuah model, sehingga model itu mungkin tidak tahu tentang peristiwa atau perubahan setelah tanggal tersebut.

Contoh: Jika Anda bertanya tentang aturan yang berubah bulan lalu, model tanpa pencarian web mungkin menjelaskan aturan lama seolah-olah masih berlaku.

Sering dikira sama dengan: Batas pengetahuan bukanlah tanggal produk dirilis atau terakhir diperbarui; biasanya lebih awal. Saat sebuah alat mencari di web, jawabannya bergantung pada halaman yang ditemukannya, jadi bagaimanapun juga periksa tanggal dan sumbernya.

Pelajari lebih lanjut: Apa yang bisa dan tidak bisa dilakukan AI untuk Anda, Riset dengan AI dan memeriksa kutipan

Sumber: How up-to-date is Claude's training data? (Anthropic, dibaca 2026-10-10)

Sekumpulan tugas uji yang tetap untuk mengukur dan membandingkan model AI; skornya menunjukkan hasil model pada uji tertentu itu dalam kondisi tertentu, bukan seberapa berguna model itu untuk pekerjaan Anda.

Contoh: Sebuah model bisa mendapat skor bagus pada sekumpulan soal kompetisi matematika yang dijalankan dengan pengaturan tertentu, tetapi tetap menulis ringkasan yang lemah untuk catatan rapat Anda.

Sering dikira sama dengan: Skor benchmark bukan peringkat kegunaan secara umum. Hasilnya bergantung pada uji, prompt, dan pengaturan yang dipakai, jadi skor dari sumber yang berbeda mungkin tidak sama; mencoba tugas Anda sendiri pada dua atau tiga alat adalah cara memeriksa yang lebih langsung untuk kebutuhan Anda.

Pelajari lebih lanjut: Perbaiki jawabannya langkah demi langkah, Memilih alat dan meninjau hasilnya

Sumber: Artificial Analysis Intelligence Benchmarking Methodology (Artificial Analysis, dibaca 2026-10-10)

Deretan angka yang mewakili sepotong teks sehingga perangkat lunak bisa mengukur seberapa berkaitan dua potong teks dari seberapa dekat angka-angkanya.

Contoh: Aplikasi catatan bisa memakai embedding untuk menemukan catatan berjudul “biaya servis mobil” saat Anda mencari “berapa ongkos memperbaiki kendaraan”, meskipun kata-katanya berbeda.

Sering dikira sama dengan: Embedding bukan ringkasan atau jawaban yang Anda baca; embedding adalah representasi internal yang dipakai di balik layar untuk pencarian, pengelompokan, dan retrieval-augmented generation.

Sumber: Vector embeddings (OpenAI, dibaca 2026-10-10)

Pelatihan lanjutan pada model yang sudah ada dengan kumpulan contoh berlabel yang lebih kecil agar model berperilaku dengan cara tertentu, seperti mengikuti gaya penulisan perusahaan.

Contoh: Sebuah tim layanan pelanggan melakukan fine-tuning pada model dengan pertanyaan pelanggan sebelumnya yang dipasangkan dengan jawaban yang disetujui, sehingga balasan baru mengikuti nada dan format yang sama.

Sering dikira sama dengan: Fine-tuning mengubah model itu sendiri dan memerlukan data yang disiapkan serta pengaturan teknis. Menaruh instruksi atau contoh di prompt Anda, atau menghubungkan dokumen melalui retrieval-augmented generation, tidak mengubah model dan biasanya merupakan pilihan yang lebih sederhana untuk tugas sehari-hari.

Sumber: About supervised fine-tuning for Gemini models (Google Cloud, dibaca 2026-10-10)

Saat model AI menghasilkan teks yang salah secara fakta atau tidak sesuai dengan materi yang diberikan kepadanya.

Contoh: Anda meminta tiga buku tentang suatu topik, dan satu judul serta penulisnya terdengar nyata, tetapi buku itu tidak ada saat Anda mencarinya di katalog perpustakaan.

Sering dikira sama dengan: Anda tidak bisa mengenali halusinasi dari nadanya: jawaban yang salah bisa terdengar sama yakinnya dengan jawaban yang benar. Halusinasi juga berbeda dari informasi usang akibat batas pengetahuan, tetapi keduanya perlu diperiksa dengan sumber primer.

Pelajari lebih lanjut: Cara memeriksa apa yang dikatakan AI, Riset dengan AI dan memeriksa kutipan

Sumber: Reduce hallucinations (Anthropic, dibaca 2026-10-10)

Seluruh teks yang bisa diperhitungkan model sekaligus saat menulis balasan, termasuk pesan Anda, materi apa pun yang Anda tambahkan, dan balasan itu sendiri.

Contoh: Dalam chat yang sangat panjang, alat itu bisa kehilangan jejak detail yang Anda berikan di awal jika bagian awal itu tidak lagi muat di jendela konteksnya.

Sering dikira sama dengan: Jendela konteks bukan memori jangka panjang: jendela konteks mencakup apa yang ada di hadapan model saat ini, sedangkan fitur memori terpisah, jika produknya memiliki fitur itu, menyimpan catatan antar-chat. Ukurannya dihitung dalam token, bukan kata atau halaman.

Pelajari lebih lanjut: Berikan konteks yang tepat

Sumber: Context windows (Anthropic, dibaca 2026-10-10)

Sistem komputer yang mengerjakan tugas yang biasanya dikaitkan dengan pemikiran manusia, seperti memahami bahasa, mengenali gambar, atau membuat prediksi.

Contoh: Aplikasi foto yang mengelompokkan gambar berdasarkan wajah di dalamnya memakai AI, begitu pula alat chat yang menyusun draf email dari catatan Anda.

Sering dikira sama dengan: AI adalah seluruh bidangnya, bukan satu produk. AI generatif adalah bagian yang membuat teks, gambar, atau audio baru; banyak sistem AI lain hanya memilah, mengurutkan, atau memprediksi, seperti filter spam.

Pelajari lebih lanjut: Apa yang bisa dan tidak bisa dilakukan AI untuk Anda

Jenis model AI yang dilatih dengan teks dalam jumlah sangat besar untuk memprediksi kata atau bagian kata mana yang kemungkinan muncul berikutnya, sehingga bisa menjawab pertanyaan, menulis, dan meringkas.

Contoh: Saat Anda mengetik “Jelaskan fotosintesis kepada anak berumur 10 tahun”, model bahasa besar di balik aplikasi chat menulis balasannya sepotong demi sepotong, setiap potongan dipilih dari apa yang kemungkinan muncul berikutnya.

Sering dikira sama dengan: Model bahasa besar adalah mesinnya, bukan aplikasinya. Aplikasi chat yang Anda buka adalah produk AI yang menjalankan satu atau beberapa model dan menambahkan fitur di sekitarnya, seperti unggah file, pencarian, atau chat yang tersimpan.

Pelajari lebih lanjut: Apa yang bisa dan tidak bisa dilakukan AI untuk Anda, Produk, model, dan paket

Mampu bekerja dengan lebih dari satu jenis input atau output, seperti teks, gambar, audio, atau video.

Contoh: Anda memotret daftar belanja tulisan tangan dan meminta alat itu mengubahnya menjadi daftar ketikan yang dikelompokkan menurut jenis makanan.

Sering dikira sama dengan: Multimodal tidak berarti setiap jenis input berfungsi di setiap produk atau paket: sebuah alat mungkin bisa membaca gambar tetapi tidak audio, atau membuat gambar tetapi tidak video. Periksa apa yang diterima alat Anda, dan periksa deskripsinya tentang gambar secermat output lainnya.

Model yang bobot hasil pelatihannya, yaitu angka-angka yang dipelajarinya selama pelatihan, dipublikasikan sehingga orang bisa mengunduh, menjalankan, dan menyesuaikannya sendiri sesuai ketentuan lisensinya.

Contoh: Seorang pengembang mengunduh model open weights dan menjalankannya di komputernya sendiri, sehingga dokumen tetap berada di mesin itu, tetapi ia tetap harus mematuhi lisensi yang menyertai model tersebut.

Sering dikira sama dengan: Open weights tidak sama dengan AI sumber terbuka. Lisensinya mungkin membatasi penggunaan komersial atau tujuan tertentu, dan data serta kode pelatihannya mungkin tidak dirilis sama sekali; AI sumber terbuka, sebagaimana didefinisikan Open Source Initiative, mensyaratkan kebebasan untuk memakai, mempelajari, mengubah, dan membagikan, ditambah informasi data, kode, dan bobot.

Sumber: Gemma 4 model overview (Google, dibaca 2026-10-10)

Tingkat akses yang Anda miliki ke sebuah produk AI, seperti tingkat gratis atau langganan berbayar, yang memengaruhi fitur apa yang Anda dapatkan.

Contoh: Dua teman sekelas memakai aplikasi chat yang sama, tetapi yang satu memakai tingkat gratis dan yang lain membayar bulanan, sehingga mereka mungkin melihat fitur, batas penggunaan, atau pilihan model yang berbeda.

Sering dikira sama dengan: Paket bukanlah model atau produk; paket adalah tingkat akun yang Anda daftarkan. Di sebagian penyedia, langganan aplikasi dan penggunaan API untuk pengembang ditagih terpisah.

Pelajari lebih lanjut: Produk, model, dan paket, Memilih alat dan meninjau hasilnya

Sumber: I have a paid Claude subscription (Pro, Max, Team, or Enterprise plans). Why is Claude API usage billed separately from my paid Claude plan? (Anthropic, dibaca 2026-10-10)

Proses ketika model AI mempelajari pola dari data contoh dalam jumlah sangat besar, yang membentuk cara model itu merespons kemudian.

Contoh: Model bahasa dilatih dengan kumpulan teks yang sangat besar, sehingga model itu menangkap bagaimana kalimat biasanya disusun dan kata serta fakta mana yang cenderung muncul bersama.

Sering dikira sama dengan: Pelatihan terjadi sebelum Anda memakai model; saat Anda chat, model bekerja dari apa yang sudah dipelajarinya ditambah apa yang ada di percakapan. Chat Anda hanya menjadi data pelatihan jika penyedia memakainya untuk itu, yang mungkin bisa Anda kendalikan lewat pengaturan privasi.

Pelajari lebih lanjut: Apa yang bisa dan tidak bisa dilakukan AI untuk Anda

Cara kerja ketika model mengambil langkah tambahan untuk memecah masalah sebelum memberikan jawaban akhirnya, sering dipakai untuk matematika, logika, perencanaan, atau kode.

Contoh: Saat diminta menyusun jadwal belajar mingguan di sela dua ujian dan pekerjaan paruh waktu, model dalam mode penalaran mungkin butuh waktu lebih lama dan menelaah batasan-batasannya sebelum menampilkan rencana akhirnya.

Sering dikira sama dengan: Penalaran tidak sama dengan benar: langkah-langkahnya bisa terlihat masuk akal tetapi tetap mengandung kesalahan, jadi periksa hasilnya. Penalaran biasanya lebih lambat dan bisa memakai lebih banyak jatah penggunaan Anda, jadi penulisan ulang atau ringkasan cepat mungkin tidak memerlukannya.

Opsi dalam produk AI yang mengendalikan apa yang terjadi pada data Anda, seperti apakah chat Anda boleh dipakai untuk meningkatkan model penyedia dan apakah riwayat chat Anda disimpan.

Contoh: Sebelum memakai alat chat untuk bekerja, Anda membuka pengaturannya, mencari opsi tentang pemakaian chat Anda untuk meningkatkan model, dan memilih yang sesuai dengan situasi Anda dan aturan organisasi Anda.

Sering dikira sama dengan: Pengaturan privasi berbeda menurut produk, paket, dan jenis akun, dan bisa berubah, jadi periksa sendiri pengaturan saat ini alih-alih mengandalkan anggapan tentang pengaturan default. Mematikan peningkatan model tidak selalu berarti tidak ada yang disimpan, jadi tetap hindari menempelkan data pribadi yang sensitif, data perusahaan, atau data orang lain.

Pelajari lebih lanjut: Memilih alat dan meninjau hasilnya, Memecah tugas kantor

Sumber: Data controls in ChatGPT (OpenAI, dibaca 2026-10-10)

Kemampuan model AI untuk memanggil fungsi atau layanan dari luar, seperti pencarian web, kalkulator, atau kalender, dan memakai hasilnya dalam jawabannya.

Contoh: Saat Anda menanyakan jam buka museum setempat, alat dengan pencarian web bisa mencari halaman terkini, sedangkan model tanpa alat hanya bisa menjawab dari apa yang dipelajarinya saat pelatihan.

Sering dikira sama dengan: Penggunaan alat adalah satu kemampuan; agen adalah sistem yang bisa memakai banyak alat dalam banyak langkah. Model tanpa alat tidak bisa memeriksa web atau kalender Anda, meskipun jawabannya terdengar seolah-olah sudah memeriksanya.

Pelajari lebih lanjut: Apa yang bisa dan tidak bisa dilakukan AI untuk Anda

Sumber: Tool use with Claude (Anthropic, dibaca 2026-10-10)

Aplikasi, situs web, atau fitur yang benar-benar Anda pakai, seperti asisten chat atau alat bantu menulis, yang menjalankan satu atau beberapa model AI di balik layar.

Contoh: Sebuah aplikasi pencatat menambahkan tombol “Ringkas halaman ini”: tombol dan aplikasinya adalah produk, dan sebuah model di baliknya yang menulis ringkasannya.

Sering dikira sama dengan: Produk bukanlah model dan bukan paket. Satu produk bisa menawarkan beberapa model atau versi model, dan apa yang bisa Anda lakukan di dalamnya bergantung pada produk itu, paket Anda, dan kadang wilayah Anda, tidak hanya pada model di dalamnya.

Pelajari lebih lanjut: Produk, model, dan paket, Memilih alat dan meninjau hasilnya

Instruksi, pertanyaan, atau materi yang Anda berikan kepada alat AI untuk memberi tahu apa yang Anda inginkan.

Contoh: “Tulis ulang paragraf ini untuk pembaca berumur 12 tahun dalam kurang dari 80 kata” adalah prompt, begitu pula email yang ditempelkan lalu diikuti “Daftarkan tiga hal yang perlu saya lakukan”.

Sering dikira sama dengan: Prompt tidak memerlukan kata kunci atau trik khusus. Bahasa sehari-hari sudah cukup: sebutkan tugasnya, berikan sedikit konteks, dan katakan dalam bentuk apa Anda ingin jawabannya.

Pelajari lebih lanjut: Mengajukan pertanyaan pertama Anda, Mulai dengan tujuan yang jelas

Metode ketika sebuah sistem terlebih dahulu menemukan bagian yang relevan dalam sekumpulan dokumen pilihan dan meneruskannya ke model, sehingga jawabannya berlandaskan konten tersebut.

Contoh: Bot bantuan perusahaan mencari bagian tentang cuti tahunan di buku panduan karyawan, lalu menulis jawabannya dari bagian itu dan bisa menunjukkan bagian mana yang dipakainya.

Sering dikira sama dengan: Retrieval-augmented generation tidak melatih ulang model; metode ini menambahkan teks hasil pencarian ke permintaan setiap kali, dan itulah bedanya dengan fine-tuning. Jawabannya tetap bisa salah jika bagian yang ditemukan keliru atau salah dibaca, jadi buka bagian yang menjadi dasarnya.

Sumber: Retrieval-augmented generation (RAG) in Azure AI Search (Microsoft, dibaca 2026-10-10)

Satuan kecil teks yang dibaca dan ditulis model, yang bisa berupa satu karakter, bagian dari kata, satu kata utuh, atau tanda baca.

Contoh: Kata pendek yang umum sering kali satu token, sedangkan kata yang panjang atau tidak biasa bisa dipecah menjadi beberapa token.

Sering dikira sama dengan: Token tidak sama dengan kata, jadi batas dan harga yang dinyatakan dalam token tidak bisa dikonversi persis menjadi kata atau halaman. Model yang berbeda memecah teks dengan cara berbeda, jadi teks yang sama bisa dihitung sebagai jumlah token yang berbeda.

Pelajari lebih lanjut: Berikan konteks yang tepat

Sumber: Understanding and counting tokens (OpenAI, dibaca 2026-10-10)

Model AI tertentu, dikenali dari nama dan biasanya nomor versi, yang menghasilkan jawaban di dalam sebuah produk.

Contoh: Aplikasi chat mungkin membiarkan Anda memilih dari daftar pendek nama model bernomor; mengajukan pertanyaan yang sama ke masing-masing bisa menghasilkan jawaban yang berbeda dalam panjang, gaya, dan ketepatan.

Sering dikira sama dengan: Versi model adalah mesinnya; produk adalah aplikasi di sekelilingnya, dan paket menentukan versi mana yang bisa Anda pilih. Nomor yang lebih baru tidak menjamin hasil yang lebih baik untuk tugas Anda, jadi coba tugas Anda sendiri sebelum beralih.

Pelajari lebih lanjut: Produk, model, dan paket