Pernyataan Tesis

Sebuah tim kecil peneliti AI di Palo Alto keluar dari bayang-bayang bulan ini dengan berita besar dan ambisi yang lebih besar lagi. NeoCognition, yang didirikan oleh akademisi terkemuka dari Ohio State University, mengumumkan putaran pendanaan seed senilai $40 juta pada 21 April 2026. Putaran yang melebihi target ini datang dari para pendukung canggih yang ingin mendorong AI melampaui alat-alat saat ini yang sering kali cerewet namun kaku.

 

NeoCognition ingin menyelesaikan kelemahan mendasar pada agen AI saat ini, yaitu ketidakmampuan mereka untuk secara andal menangani pekerjaan tingkat ahli, dengan membangun sistem yang terus belajar sambil bekerja, membangun model rinci tentang lingkungan operasi mereka, dan menjadi ahli spesialis sebagaimana manusia lakukan saat menguasai profesi baru.

Yu Su, seorang profesor madya di Ohio State University dan Fellows Penelitian Sloan 2025, menghabiskan bertahun-tahun membangun alat-alat dasar untuk agen AI jauh sebelum ChatGPT menarik perhatian publik. Timnya menciptakan proyek-proyek berpengaruh seperti Mind2Web, MMMU, dan SeeAct, yang membentuk cara model bahasa besar modern menangani perencanaan, persepsi, dan tindakan. Kontribusi-kontribusi ini muncul dalam sistem-sistem dari OpenAI, Anthropic, dan Google saat ini.

 

Su dan rekan pendiri Xiang Deng dan Yu Gu memutuskan bahwa saatnya telah tiba untuk mengubah penelitian mereka menjadi sebuah perusahaan. Mereka pindah ke Silicon Valley dan membentuk kelompok kecil sekitar 15 peneliti berlevel PhD yang fokus sepenuhnya pada agen. Pekerjaan awal laboratorium sudah mencakup komponen-komponen kunci seperti memori, perencanaan, evaluasi, dan keamanan. Para investor melihat kekuatan bakat yang mendalam ini dan bertindak cepat. Putaran pendanaan sebesar $40 juta memberi tim waktu untuk mengubah terobosan akademis menjadi sistem praktis yang dapat meningkatkan diri sendiri dan dapat dipercaya oleh perusahaan untuk tugas-tugas nyata.

 

Latar belakang Su mencakup pengalaman di Microsoft Semantic Machines yang fokus pada AI percakapan, serta gelar dari Universitas Tsinghua dan UC Santa Barbara. Rekam jejaknya berupa penghargaan paper terbaik di konferensi top seperti CVPR dan ACL memberikan keyakinan kepada para pendukung bahwa NeoCognition mampu menangani masalah-masalah sulit di bidang ini. Para pendiri menggabungkan lebih dari 30 tahun pengalaman kolektif dalam penelitian agen, menjadikan startup ini sebagai laboratorium penelitian murni dengan tujuan komersial.

Banyak agen AI saat ini kesulitan menjaga konsistensi saat diminta menyelesaikan tugas kompleks. Laporan menunjukkan mereka hanya berhasil sekitar setengah kali, memaksa pengguna untuk mengawasi hasilnya atau menambahkan penyesuaian manual yang berat. Kesenjangan ini muncul di berbagai alat yang mencoba mengkode, menjelajah, atau mengotomatisasi alur kerja. Pengguna akhirnya harus mengambil langkah percaya setiap kali menerapkannya.

 

NeoCognition menargetkan titik nyeri tepat ini. Agen generalis unggul dalam respons luas tetapi gagal ketika kedalaman dan keandalan penting. Mereka tidak memiliki mekanisme untuk beradaptasi secara mendalam dengan pengaturan tertentu, seperti tumpukan perangkat lunak internal perusahaan atau alur kerja industri. Akibatnya, perusahaan ragu untuk menyerahkan tanggung jawab berisiko tinggi. Startup ini percaya bahwa jalan ke depan terletak pada memberikan agen plastisitas yang sama seperti yang ditunjukkan manusia ketika memasuki pekerjaan atau bidang baru.

 

Dengan fokus pada pembelajaran berkelanjutan daripada pelatihan sekali saja, perusahaan berharap dapat meningkatkan tingkat keberhasilan dan mengurangi kebutuhan akan pengawasan manusia secara terus-menerus. Perubahan ini dapat membuka pintu bagi agen yang terasa lebih seperti rekan yang mampu daripada skrip yang rapuh.

Gagasan inti NeoCognition secara langsung diambil dari pembelajaran manusia. Ketika seseorang memulai peran baru, mereka secara bertahap membangun peta internal tentang apa yang ada di lingkungan tersebut, tindakan apa yang berhasil, aturan apa yang berlaku, dan hasil apa yang diikuti dari berbagai pilihan. Seiring waktu, model mental ini memungkinkan pengambilan keputusan yang lebih cepat, penilaian yang lebih baik, dan pemecahan masalah yang kreatif dalam mikrodunia tersebut.

 

Startup ini merancang agen untuk melakukan hal serupa melalui pengalaman otonom. Alih-alih mengandalkan hanya data pelatihan awal yang besar, sistem-sistem ini mempelajari struktur, alur kerja, dan batasan dari domain apa pun yang mereka jalani. Mereka membangun "model dunia" yang menangkap hubungan dan dinamika khusus terhadap suatu profesi, organisasi, atau lingkungan perangkat lunak. Proses ini terjadi saat bekerja, memungkinkan agen untuk berspesialisasi dengan cepat tanpa rekayasa manual yang ekstensif.

 

Su menjelaskan paralel ini dengan jelas: proses pembelajaran berkelanjutan pada manusia pada dasarnya membangun model dunia untuk setiap profesi atau lingkungan. Agen memerlukan kemampuan yang sama untuk mencapai status ahli. Setelah dibangun, model tersebut membuat tindakan menjadi lebih cepat, lebih murah, dan lebih andal. Model ini juga mendukung perilaku yang lebih aman di lingkungan sensitif karena agen memahami konsekuensi dan batasan dengan lebih baik. Mekanisme ini berbeda dari generalis statis yang tetap tidak berubah setelah diluncurkan. Agen NeoCognition terus meningkat melalui penggunaan, mengubah kemampuan umum awal menjadi keahlian mendalam yang penuh kesadaran konteks.

Industri AI telah mengalokasikan sumber daya ke model dasar yang semakin besar untuk mencoba menangani segala hal. NeoCognition mengambil sikap yang berlawanan. Masa depan, menurut pandangan mereka, milik banyak agen spesialis daripada satu agen super. Setiap agen menguasai dunia sempitnya secara mendalam hingga mampu memberikan kinerja, keandalan, dan penilaian setara ahli.

 

Sistem umum mencapai titik jenuh di mana penambahan lebih banyak data atau parameter menghasilkan pengembalian yang semakin berkurang untuk tugas-tugas dunia nyata yang membutuhkan nuansa dan konsistensi. Spesialisasi melalui pengalaman langsung menawarkan jalur yang lebih efisien untuk mencapai kinerja tinggi. Agen dapat fokuskan upaya komputasi untuk memahami satu lingkungan secara mendalam, menghasilkan hasil yang lebih baik dengan biaya berkelanjutan yang lebih rendah.

 

Pendekatan ini juga memperluas keahlian dengan cara yang tidak bisa dilakukan manusia. Sementara spesialis manusia terbaik tetap langka dan mahal, agen pembelajar mandiri dapat membuat pengetahuan tingkat domain tersedia di seluruh organisasi tanpa hambatan perekrutan yang sama. Perusahaan bertujuan untuk memperluas akses terhadap keahlian sehingga lebih banyak orang dan tim mendapatkan manfaat dari kemampuan canggih.

Vista Equity Partners bergabung dalam putaran ini sebagian karena portofolionya yang besar terdiri dari perusahaan perangkat lunak. NeoCognition melihat potensi besar dalam bermitra dengan platform SaaS yang sudah mapan untuk mengintegrasikan agen pembelajar mandiri. Agen-agen ini dapat meningkatkan produk yang sudah ada atau berfungsi sebagai pekerja otonom di dalam alat-alat familier yang sudah digunakan perusahaan.

 

Perusahaan sering menjalankan lingkungan kompleks dan khusus dengan aturan dan alur data unik. Agen umum kesulitan di sini tanpa kustomisasi berat. Sistem NeoCognition mempelajari spesifikasi tersebut secara langsung melalui interaksi, mengurangi waktu setup dan meningkatkan kecocokan. Selama beberapa minggu atau bulan penggunaan, agen menyempurnakan model dunianya dan menjadi lebih efektif dalam tugas-tugas seperti pemrosesan data, pemeriksaan kepatuhan, atau otomatisasi alur kerja.

 

Startup ini memposisikan dirinya sebagai laboratorium agen, bukan platform AI luas. Fokus ini memungkinkannya untuk mengalokasikan sumber daya pada lapisan pembelajaran dan spesialisasi yang oleh banyak pemain lain dianggap sebagai hal sekunder. Distribusi awal melalui mitra perangkat lunak perusahaan dapat mempercepat adopsi dan menyediakan data dunia nyata yang kaya untuk perbaikan lebih lanjut.

Cambium Capital dan Walden Catalyst Ventures memimpin putaran $40 juta, dengan Vista Equity Partners berpartisipasi bersama malaikat-malaikat terkemuka. Lip-Bu Tan, CEO Intel, dan Ion Stoica, salah satu pendiri Databricks, menambahkan nama dan keahlian mereka. Pendukung lainnya mencakup peneliti AI seperti Dawn Song, Ruslan Salakhutdinov, dan Luke Zettlemoyer.

 

Landon Downs dari Cambium menyoroti mekanisme pembelajaran baru yang menjadi inti perusahaan, yang memungkinkan spesialisasi cepat. Lip-Bu Tan memuji cakupan komprehensif tim terhadap tantangan agen mulai dari persepsi hingga keamanan. Ion Stoica mencatat bahwa seiring agen umum menjadi standar, ujian sebenarnya beralih ke pencapaian kecerdasan tingkat ahli dengan keandalan yang dibutuhkan untuk aplikasi serius.

 

Putaran yang melebihi kuota mencerminkan kepercayaan kuat terhadap latar belakang penelitian tim pendiri. Dengan sekitar 15 orang, NeoCognition beroperasi secara ringkas namun dengan kepadatan bakat yang luar biasa. Modal ini akan mendukung eksperimen yang lebih mendalam dan rekrutmen untuk mendorong arsitektur self-learning maju.

Beberapa perusahaan mengeksplorasi agen AI, namun sebagian besar masih bergantung pada pelatihan berkala atau prompt yang dibuat manusia untuk meningkatkan kinerjanya. NeoCognition menekankan proses internal otonom di mana agen membangun dan menyempurnakan pemahaman mereka sendiri tanpa intervensi eksternal yang terus-menerus. Desain ini bertujuan untuk mencapai plastisitas sejati, kemampuan untuk beradaptasi cepat terhadap konteks baru, mirip dengan karyawan baru yang termotivasi.

 

Penekanan pada model dunia dari lingkungan abstrak, struktural, dan operasional melampaui persepsi layar sederhana atau penggunaan alat dasar. Agen mempelajari apa yang penting dalam mikro-dunia tertentu, bagaimana elemen-elemen berinteraksi, dan tindakan mana yang menghasilkan hasil yang diinginkan. Pengetahuan terstruktur ini mendukung perencanaan yang lebih baik dan lebih sedikit kesalahan seiring berjalannya waktu.

 

Para pendiri menekankan bahwa sistem mereka meningkatkan, bukan menggantikan, pekerjaan manusia. Dengan menangani tugas-tugas rutin yang berulang atau kompleks dengan keahlian yang terus berkembang, agen membebaskan manusia untuk fokus pada kreativitas dan strategi tingkat lebih tinggi. Tujuannya adalah meningkatkan kemampuan keseluruhan di seluruh tim dan organisasi.

Yu Su dan rekan-rekan pendirinya terinspirasi oleh adaptasi manusia sehari-hari. Amati seseorang yang memulai sebagai analis junior atau peserta magang. Dalam beberapa bulan, mereka mengembangkan pemahaman intuitif terhadap aturan tak tertulis, jalan pintas, dan jebakan di bidangnya. Model internal tersebut mendorong efisiensi dan keputusan yang tepat. NeoCognition ingin agen mengikuti jalur paralel melalui pembelajaran yang disengaja dan berbasis pengalaman.

 

Anggota tim membawa semangat pribadi terhadap visi ini. Banyak di antaranya berasal dari laboratorium akademik tempat mereka menyaksikan prototipe agen yang menjanjikan kesulitan menghadapi kompleksitas nyata. Kefrustrasian terhadap hasil yang tidak konsisten mendorong pergeseran ke komersialisasi dengan fokus jelas pada perbaikan berkelanjutan.

 

Karyawan awal mencakup peneliti yang berkontribusi pada makalah-makalah dasar yang kini digunakan secara luas di industri. Pengetahuan kolektif mereka menciptakan lingkungan yang subur untuk mengembangkan mekanisme pembelajaran. Kantor pusat di Palo Alto menjaga kelompok ini dekat dengan bakat dan mitra sekaligus mempertahankan budaya riset yang utama.

Jika NeoCognition berhasil, organisasi dapat menerapkan agen yang berkembang menjadi spesialis andal dalam akuntansi, tinjauan desain, alur kerja dukungan pelanggan, atau analisis data ilmiah. Sistem-sistem ini tidak memerlukan pemrograman ulang terus-menerus untuk setiap klien atau departemen baru. Sebaliknya, mereka beradaptasi dengan membangun model akurat dari lingkungan target.

 

Kemampuan ini dapat mendemokratisasi akses terhadap dukungan tingkat ahli. Tim atau wilayah kecil dengan kekurangan bakat mungkin memperoleh alat yang berkinerja setara dengan yang sebelumnya hanya tersedia bagi kelompok dengan sumber daya melimpah. Efek ekonominya bisa mencakup peningkatan produktivitas dan siklus inovasi yang lebih cepat, seiring pekerjaan kognitif rutin beralih ke sistem yang mampu dan meningkat secara mandiri.

 

Pendekatan ini juga menangani kekhawatiran keamanan. Pemahaman lingkungan yang lebih mendalam membantu agen mengenali batasan dan menghindari tindakan berbahaya di domain berisiko tinggi. Peningkatan keandalan paling penting di tempat kesalahan menimbulkan biaya nyata.

Membuat loop pembelajaran mandiri yang kuat menimbulkan hambatan teknis. Agen harus mampu membedakan pola yang berguna dari noise, menghindari penguatan kesalahan, dan menjaga stabilitas saat memperbarui model dunia mereka. Menyeimbangkan eksplorasi strategi baru dengan eksekusi yang andal memerlukan arsitektur yang hati-hati. Efisiensi data juga penting. Manusia belajar dari contoh terbatas dalam situasi baru; menskalakan efisiensi tersebut dalam silicon tetap menjadi pertanyaan penelitian yang terbuka. 

 

Tim NeoCognition memanfaatkan pekerjaan sebelumnya dalam evaluasi dan memori untuk mengatasi masalah-masalah ini, tetapi pengujian di dunia nyata dalam skala besar akan mengungkap kesenjangan. Perusahaan tetap fokus pada kemajuan yang dapat diukur menuju tingkat keberhasilan yang lebih tinggi dan spesialisasi yang lebih cepat. Kemajuan kemungkinan akan datang secara bertahap saat agen menghadapi berbagai lingkungan perusahaan dan menyempurnakan proses pembelajaran mereka.

NeoCognition membayangkan dunia di mana keahlian menjadi melimpah melalui agen pembelajar mandiri. Alih-alih bersaing dengan manusia, sistem-sistem ini memperkuat kemampuan dan membuka kemungkinan baru dalam penemuan dan pemecahan masalah. Setiap agen memperdalam penguasaannya pada bidang tertentu, menciptakan jaringan kecerdasan spesialis yang melayani berbagai kebutuhan. Dana sebesar $40 juta mempercepat penelitian terhadap mekanisme pembelajaran yang membuat visi ini menjadi mungkin. 

 

Dengan dukungan kuat dari investor dan tim inti yang berbakat, laboratorium ini bertujuan untuk menghadirkan agen yang memperoleh kepercayaan melalui kinerja yang konsisten dan terus membaik. Perusahaan dan pengembang mungkin segera menguji sistem yang awalnya kompeten dan berkembang menjadi ahli secara nyata seiring waktu. Evolusi ini bisa menjadi langkah bermakna melampaui asisten AI saat ini menuju mitra yang benar-benar belajar bersama penggunanya.

Modal segar mendukung eksperimen yang diperluas pada algoritma pembelajaran inti dan pembangunan model dunia. Dengan tim kecil namun elit, NeoCognition dapat mengejar arah berisiko tinggi dengan potensi imbalan tinggi dalam plastisitas agen. Rencananya mencakup pengujian integrasi yang lebih mendalam dalam konteks perusahaan untuk mengumpulkan umpan balik dan data guna penyempurnaan.

 

Para pendukung mengharapkan pendanaan ini menghasilkan prototipe yang menunjukkan keunggulan jelas dalam keandalan dan kecepatan adaptasi. Keberhasilan di sini dapat menarik putaran pendanaan lebih lanjut dan kemitraan yang lebih luas. Pendekatan yang berbasis penelitian menjaga perusahaan tetap berakar pada evaluasi yang ketat, bukan dorongan produk yang terlalu dini.

Lingkungan perangkat lunak perusahaan menawarkan tempat pengujian yang kaya dengan aturan yang terstruktur namun kompleks. Agen akan menghadapi berbagai alur kerja, skema data, dan persyaratan kepatuhan. Belajar untuk berhasil menavigasi ini akan memvalidasi konsep model dunia dan menyoroti area yang perlu diperbaiki.

 

Umpan balik pengguna dari pilot awal akan membantu menyesuaikan bagaimana agen menyeimbangkan kecepatan, akurasi, dan keamanan. Perusahaan menekankan pengembangan yang bertanggung jawab, menggunakan pemahaman lingkungan untuk memandu tindakan yang lebih aman. Seiring waktu, implementasi nyata ini seharusnya menghasilkan agen yang terasa semakin alami dan dapat diandalkan dalam operasi sehari-hari.

Jumlah besar kini mengalir ke lapisan aplikasi dan keandalan, bukan hanya pelatihan model frontier. Putaran NeoCognition menyoroti minat investor terhadap tim dengan kontribusi akademis terbukti dalam agen. Taruhannya berfokus pada spesialisasi dan pembelajaran berkelanjutan sebagai frontier berikutnya untuk dampak praktis.

 

Pola ini menunjukkan harapan yang semakin matang di bidang ini. Para pendukung menginginkan sistem yang memberikan nilai terukur dalam pengaturan nyata, bukan hanya demo yang mengesankan. Fokus NeoCognition pada peningkatan diri selaras dengan permintaan akan agen yang membenarkan adopsi perusahaan melalui peningkatan kemampuan dan biaya jangka panjang yang lebih rendah.

1. Bagaimana pendekatan NeoCognition terhadap agen AI berbeda dari sebagian besar sistem saat ini? 

 

Perusahaan membangun agen yang belajar terus-menerus saat bekerja dengan membangun model dunia dari lingkungan spesifik mereka. Ini memungkinkan mereka untuk segera menjadi ahli, mengatasi ketidaksesuaian yang membatasi agen generalis saat ini yang sering hanya berhasil sekitar setengah waktu pada tugas-tugas kompleks.

 

2. Siapa pendiri NeoCognition dan apa yang membuat latar belakang mereka menonjol? 

 

Yu Su, Xiang Deng, dan Yu Gu meluncurkan laboratorium tersebut. Su, seorang Sloan Research Fellow dan profesor Ohio State, sebelumnya memimpin penelitian agen yang berpengaruh dan bekerja di Microsoft dalam bidang AI percakapan. Makalah dan alat kolektif mereka telah memengaruhi pengembang AI utama, memberikan keahlian mendalam kepada tim di bidang persepsi, perencanaan, dan keamanan.

 

3. Apa yang akan digunakan untuk pendanaan $40 juta? 

 

Modal tersebut mendukung upaya berbasis penelitian untuk mengembangkan dan menguji mekanisme pembelajaran mandiri. Dengan tim kecil peneliti PhD, dana ini memungkinkan iterasi cepat dalam pembangunan model dunia, algoritma spesialisasi, dan pilot integrasi perusahaan, sekaligus menarik bakat tambahan.

 

4. Dapatkah agen pembelajar mandiri ini bekerja di lingkungan perusahaan berisiko tinggi segera? 

 

Versi awal memerlukan validasi hati-hati, tetapi desainnya menekankan pembangunan pemahaman lingkungan untuk meningkatkan keandalan dan keamanan. Tujuannya adalah menciptakan agen yang menjadi lebih dapat diandalkan seiring waktu melalui penggunaan, sehingga cocok untuk alur kerja di mana konsistensi penting.

 

5. Bagaimana teknologi NeoCognition mungkin memengaruhi pekerja pengetahuan? 

 

Agen dapat menangani bagian pekerjaan yang rutin atau padat data, sehingga membebaskan manusia untuk fokus pada pekerjaan kreatif dan strategis. Dengan membuat keahlian spesialis lebih mudah diakses, sistem ini dapat membantu tim atau organisasi kecil untuk mengakses kemampuan yang sebelumnya hanya terbatas pada kelompok ahli besar, berpotensi meningkatkan produktivitas secara keseluruhan.

 

6. Di mana saya bisa mempelajari lebih lanjut tentang kemajuan NeoCognition? 

 

Kunjungi situs resmi untuk pembaruan tentang misi dan arah penelitian mereka. Liputan di TechCrunch dan rilis pers perusahaan menyediakan titik awal yang solid mengenai pendanaan dan visi teknis.

Konten ini hanya untuk tujuan informasi dan bukan merupakan saran investasi. Investasi mata uang kripto membawa risiko. Silakan lakukan riset sendiri (DYOR).

 

Penafian: Halaman ini diterjemahkan menggunakan teknologi AI (didukung oleh GPT) untuk kenyamanan Anda. Untuk informasi yang paling akurat, lihat versi bahasa Inggris aslinya.