Debat Antar AI: Verifikasi Otomatis

Halusinasi konyol sering terjadi karena LLM pada dasarnya dilatih untuk *menyenangkan hati user*. Jika kamu bertanya: *"Apakah 2+2=5?"*, beberapa AI bodoh di masa lalu mungkin akan menjawab *"Iya betul, 2+2=5 di alam semesta alternatif"*. AI tidak suka mendebat bosnya.

Tapi kalau hasilnya seperti itu, bagaimana kita bisa membangun sistem *Agent* untuk *Legal Contract* bernilai miliaran rupiah? Kamu tidak mau kan AI membetulkan draf kontrak hukummu berisi celah yang merugikan? Solusi elitnya ada pada arsitektur bernama AI Debate (Verifikasi Sidang AI).

Analogi Sidang Skripsi yang Mematikan

Bayangkan suasana sidang skripsi yang menegangkan. Kamu punya si "Mahasiswa" yang berusaha menulis karya seindah dan semeyakinkan mungkin. Di seberang sana, kamu juga punya sang "Dosen Penguji" atau *Reviewer* yang dibayar secara spesifik untuk mencari secuil titik kesalahan di skripsi itu!

Lalu coba pindahkan analogi ini ke ranah *"Multi-Agent Workflow"*. Kamu bisa mem-build dua Agent terpisah yang *"hidup"* di memori yang berbeda:

• Agent 1 (The Generator / Mahasiswa): Diberi prompt, *"Tulis kode program website e-commerce yang cepat dan fungsional."*
• Agent 2 (The Critic / Penguji): Diberi prompt, *"Kamu adalah Security Hacker senior dengan 20 tahun pengalaman. Tugasmu bukan menulis kode. Tugas tunggalmu adalah MEMBANTAH hasil kode dari Agent 1. Tolong cari titik rentannya, celah SQL Injection, dan katakan bahwa kodenya cacat!"*

Menjadi Promotor Debat Gladiator

Sekarang hal gila terjadi. Tanpa campur tangan manusia sedikitpun, *"Agent Reviewer"* akan mulai menyerang *"Agent Generator"*.

Agent Critic: *"Kode di line 45 ini cacat lho. Kamu lupa ngasih validasi ke form login, saya bisa tembus pakai injeksi dasar. Perbaiki atau ini saya tolak!"*
Agent Generator: *"Oh mohon maaf bos, baik saya ubah di sebelah sini. Menambahkan line 46-50."*
Agent Critic: *"Halah, sekarang line 46 malah bikin lambat memori. Ganti array-nya jadi hashmap!"*

Dan pada saat debat putaran ke-3, barulah sistem *workflow* menyodorkan hasil finalnya kepada manusia (kamu). Hasil yang disodorkan kepada *"Dunia Nyata"* itu bukan lagi draf skripsi murahan dari Agent pertama, melainkan versi *Tahan Banting* yang sudah lolos uji *Security Hacker* sintetik terbaik sedunia!

"Akurasi AI tidak akan pernah melonjak dari Prompt Ajaib 1-klik yang diiklankan di Tiktok. Akurasi paripurna lahir dari sistem verifikasi berlapis di mana sesama AI saling menghancurkan hasil kerjanya." — Adversarial Verification Pattern

The Reflection Pattern

Kadang, jika *budget* API kita terbatas dan tidak mampu mempekerjakan *dua Agent*, kita bisa menggunakan sistem Self-Reflection. Yaitu sebuah taktik di mana satu Agen itu sendiri diatur untuk menilai *output*-nya sendiri 1 detik sebelum dia mengirim output ke kamu.

*Self-reflection* akan menghentikan AI mengirim jawaban dan memaksanya *"Berpikir dalam hati: Eh bentar, jawaban kode yang mau ku kirim ini melanggar rule No.3 nggak ya? Oh iya, ralat deh!"*.

Semuanya berkat sebuah siklus. Tanpa *Adversarial Validation*, teknologi Otonomi hanya akan berujung tragis (mengingat LLM sangat *over-confidence* alias kepedean).