Perusahaan fintech Brex meyakini bahwa masa depan AI enterprise bukan tentang orkestrasi yang semakin kompleks—melainkan justru lebih sedikit orkestrasi.
Seiring agen AI generatif berevolusi dari sekadar asisten menjadi sistem yang semakin otonom, CTO Brex James Reggio menilai bahwa kerangka orkestrasi agen tradisional kini lebih sering menjadi penghambat dibandingkan pendukung. Alih-alih mengandalkan koordinator pusat atau alur kerja yang kaku, Brex membangun apa yang mereka sebut sebagai “Agent Network”—jaringan agen dengan peran spesifik yang dapat bekerja secara mandiri, saling berkomunikasi dalam bahasa yang sama, dan tetap memiliki visibilitas penuh.
“Tujuan kami adalah menggunakan AI sehingga Brex seolah-olah menghilang,” ujar Reggio kepada VentureBeat. “Kami menargetkan otomatisasi total.”
Brex menyadari bahwa untuk mencapai visi tersebut, agen AI harus bekerja dalam peran yang sempit dan spesifik agar lebih modular, fleksibel, serta mudah diaudit.
Reggio menjelaskan bahwa tujuan arsitekturalnya adalah memungkinkan setiap manajer di perusahaan memiliki “satu titik kontak” di dalam Brex yang dapat menangani seluruh kebutuhannya—mulai dari manajemen pengeluaran, permintaan perjalanan dinas, hingga persetujuan batas pengeluaran.
Perjalanan Brex Assistant
Industri jasa keuangan telah lama memanfaatkan AI dan machine learning untuk mengelola volume data yang besar. Namun, dalam penerapan model AI generatif dan agen AI, industri ini awalnya bergerak lebih hati-hati. Kini, semakin banyak perusahaan jasa keuangan—termasuk Brex—meluncurkan platform berbasis AI dan workflow berbasis agen.
Langkah awal Brex di bidang AI generatif dimulai lewat Brex Assistant yang dirilis pada 2023. Asisten ini membantu pelanggan mengotomatisasi berbagai tugas keuangan dan pengeluaran, seperti memberikan saran pengisian laporan biaya, mengisi data secara otomatis, serta menindaklanjuti pengeluaran yang melanggar kebijakan.
Reggio mengakui bahwa Brex Assistant telah berfungsi dengan baik, namun belum sepenuhnya matang. “Dalam beberapa hal, ini masih teknologi yang batas kemampuannya belum sepenuhnya kami eksplorasi,” ujarnya. “Masih ada pola-pola penggunaan yang sedang dibentuk seiring teknologi ini berkembang dan semakin banyak perusahaan menggunakannya.”
Brex Assistant menggunakan beberapa model AI, termasuk Claude dari Anthropic, model internal Brex, serta API dari OpenAI. Meskipun mampu mengotomatisasi sejumlah tugas, tingkat interaksi pengguna masih relatif terbatas.
Meski demikian, Reggio menegaskan bahwa Brex Assistant tetap memegang peran penting dalam perjalanan menuju otonomi penuh, terutama seiring integrasi produk Agent Mesh ke dalam platform Brex.
Agent Mesh Menggantikan Orkestrasi Tradisional
Secara umum, industri bersepakat bahwa ekosistem multi-agen—di mana agen-agen saling berkomunikasi untuk menyelesaikan tugas—membutuhkan kerangka orkestrasi untuk mengoordinasikan kerja mereka.
Namun, Reggio memiliki pandangan berbeda.
“Infrastruktur orkestrasi deterministik adalah solusi untuk masalah dua tahun lalu,” kata Reggio. “Saat itu, agen sangat bergantung pada interaksi langsung dan belum mahir menggunakan banyak alat. Karena itu, mereka diberi kebebasan, tetapi dalam sistem yang sangat terstruktur dan kaku. Seiring model AI semakin canggih, struktur seperti ini justru membatasi kemungkinan yang bisa berkembang.”
Arsitektur orkestrasi tradisional biasanya berfokus pada satu agen utama yang menangani segalanya, atau kombinasi antara agen koordinator dan agen alat dengan alur kerja yang ditentukan secara eksplisit. Menurut Reggio, pendekatan ini terlalu kaku dan lebih cocok untuk masalah software konvensional dibandingkan sistem AI.
Perbedaan utamanya bersifat struktural:
- Orkestrasi tradisional: alur kerja yang telah ditentukan, koordinator pusat, jalur eksekusi deterministik
- Agent Mesh: berbasis peristiwa (event-driven), agen dengan peran khusus, koordinasi berbasis pesan
Agent Mesh mengandalkan jaringan agen kecil dalam jumlah besar, di mana masing-masing agen hanya menangani satu tugas spesifik. Agen-agen ini—menggunakan pendekatan hibrida seperti Brex Assistant—berkomunikasi satu sama lain dalam “bahasa alami” melalui aliran pesan bersama. Sebuah model routing menentukan dengan cepat alat mana yang perlu digunakan.
Sebagai contoh, satu permintaan penggantian biaya dapat memicu banyak proses sekaligus: pemeriksaan kepatuhan terhadap kebijakan pengeluaran, validasi anggaran, pencocokan bukti pembayaran, hingga inisiasi pembayaran. Menurut Reggio, jika semua tugas ini diprogram dalam satu agen atau alur kaku, sistem menjadi rapuh dan rentan kesalahan, terutama saat harus merespons informasi baru yang terus mengalir.
Karena itu, pendekatan Brex adalah menghilangkan ambiguitas dengan memecah tanggung jawab menjadi agen-agen kecil yang jelas perannya.
Dengan Agent Mesh, Brex berharap dapat membuka jalan menuju sistem keuangan enterprise yang benar-benar otonom—tanpa orkestrasi berat, tanpa kompleksitas berlebihan, dan dengan AI sebagai penggerak utama di balik layar.
