腾讯 WorkBuddy baru-baru ini mengumumkan pembukaan ekosistem kolaborasi, mengintegrasikan mitra perangkat lunak seperti Tongda Xin, Guangfa Securities, dan Beida Fabao, serta mitra perangkat keras seperti Plaud, Rokid, Insta360, dan iFlytek, untuk membangun sistem kerja Agent OS.

Penulis artikel, sumber: GeekPark

Beberapa waktu lalu, Anthropic meluncurkan Model Hardware Standard, mencoba membangun bahasa universal untuk komunikasi antara AI Agent dan perangkat keras. Setelah terhubung ke standar ini, perangkat dari berbagai produsen dan antarmuka yang berbeda, seperti mikroskop dan lengan robot, dapat ditemukan, dipahami, dan dipanggil oleh Agent.

Hal ini menunjukkan perubahan yang sedang terjadi di industri AI. Selama setahun terakhir, persaingan terutama berfokus pada kemampuan inferensi, generasi, dan multimodal model; kini, Agent mulai keluar dari jendela obrolan dan memasuki laboratorium, pabrik, serta lokasi perusahaan. Masalah industri pun bergeser ke bawah: setelah model sudah cukup cerdas, siapa yang akan menghubungkan alat, perangkat keras, data, dan tugas?

Pada 2 September, Tencent WorkBuddy mengumumkan pembukaan kerja sama kepada lebih banyak mitra. Mitra aplikasi dan perangkat lunak seperti Tongda Xin, Guangfa Securities, Beida Fabao, Tencent SSV Teacher Assistant, Weimeng, Beisen, Yunzhangfang, dan Fanruan telah bergabung ke dalam ekosistem; sementara mitra perangkat keras seperti Plaud, Rokid, Insta360, Youlanzi, iFlytek, Anker, Mammoth, dan Jingzao juga turut membentuk peta ekosistem WorkBuddy.

Mengapa sebuah produk AI perlu terhubung secara bersamaan ke perangkat lunak profesional, layanan industri, dan berbagai perangkat keras? Daftar ini menggambarkan lingkungan kerja lengkap yang akan dihadapi oleh Agent: perangkat lunak profesional menyediakan pengetahuan industri dan tindakan bisnis, perangkat keras cerdas menyediakan informasi real-time dalam bentuk suara, gambar, dan gerakan, sementara Agent harus mengorganisasi semuanya menjadi rantai tugas yang dapat berlanjut secara terus-menerus.

Dalam setahun terakhir, produk AI perkantoran telah mampu menulis, mencari, merangkum, serta menangani konten yang semakin kompleks. Namun, pekerjaan nyata masih tersebar di berbagai perangkat lunak, perangkat, dan sistem akun yang berbeda. Setelah pengguna menerima saran dari AI, mereka sering masih harus mengelola pemindahan informasi, beralih alat, dan menghubungkan proses secara manual.

Jadi, ketika AI mulai terlibat dalam pekerjaan kompleks, yang sebenarnya dipertaruhkan adalah siapa yang dapat membangun sistem kerja untuk Agent: membuatnya mengingat konteks, memahami status tugas, menjadwalkan aplikasi dan perangkat, serta mewujudkan niat pengguna menjadi hasil dalam batas wewenang yang terkendali.

WorkBuddy membuka kerja sama kali ini untuk memberikan jawaban berupa Agent OS.

Setelah bisa menjawab pertanyaan, AI harus belajar menyelesaikan tugas.

Sebagai contoh, seorang manajer investasi sedang mempersiapkan riset industri. Ia perlu meninjau kembali catatan riset dan notulen rapat sebelumnya, mengambil data pasar, pengumuman perusahaan, dan informasi industri; setelah rapat selesai, ia juga harus merangkum penilaian inti, membuat daftar pertanyaan yang perlu diverifikasi, dan mendistribusikan tindak lanjut, serta akhirnya menyusunnya menjadi sebuah laporan riset.

Setiap langkahnya memiliki alat masing-masing: konten rapat mungkin tetap berada di perangkat rekaman, informasi pasar berasal dari layanan keuangan profesional, dokumen tersebar di file lokal dan basis pengetahuan perusahaan, serta kolaborasi terjadi di dokumen, email, dan perangkat lunak pesan instan. AI dapat membantu membuat ringkasan, tetapi belum tentu mengetahui apa yang telah diteliti pengguna sebelumnya, masalah apa yang diselesaikan dalam diskusi ini, dan kesimpulan mana yang masih perlu diverifikasi.

Ini adalah hambatan utama yang dihadapi Agent saat berpindah dari 「menjawab pertanyaan」 ke 「menyelesaikan tugas」. Lin Zuolu, pemimpin ekosistem terbuka Tencent WorkBuddy, juga membahas di acara peluncuran, "Tahap 'Agent bisa melakukan tugas' sudah dilewati. Tantangan sebenarnya adalah membuatnya berjalan tanpa terputus di perangkat apa pun, sistem apa pun, dan skenario apa pun."

Agen harus menangani tugas kompleks yang memerlukan konteks berkelanjutan. Agen harus mengingat apa yang telah dilakukan pengguna, memahami sejauh mana tugas telah berlangsung, menentukan alat mana yang harus dipanggil, serta mengetahui data mana yang dapat diakses dan operasi mana yang memerlukan konfirmasi. Memori, status tugas, koneksi alat, izin identitas, data, dan produk membentuk lingkungan dasar yang diperlukan oleh agen untuk bekerja.

PC awal juga melewati tahap serupa. Sebelum sistem operasi dan antarmuka terpadu matang, pertukaran informasi antar perangkat lunak sulit dilakukan dengan lancar, dan pengguna sendiri bertindak sebagai penghubung antar alat yang berbeda. Kini, kesenjangan antara aplikasi, perangkat, dan Agent menyebabkan gesekan ini muncul dalam bentuk baru.

Yang dimaksud dengan Agent OS adalah menyelesaikan masalah lapisan ini. Sistem operasi tradisional mengelola file, jendela, dan aplikasi, sedangkan Agent OS juga perlu mengelola tugas, memori, alat, dan izin. Model menyediakan kemampuan pemahaman dan penalaran, sedangkan sistem ini menentukan seberapa banyak lokasi kerja yang dapat dilihat oleh model dan seberapa jauh tugas dapat didorong maju.

Dalam waktu enam bulan sejak peluncuran, WorkBuddy telah menyelesaikan lebih dari 50 iterasi versi dan diterapkan di lebih dari 50 industri, termasuk pemerintahan, pendidikan, ritel, keuangan, media, dan transportasi. Menurut laporan keuangan Tencent Q1 2026, berdasarkan jumlah akun aktif harian, WorkBuddy telah menjadi layanan agen AI efisiensi paling populer di Tiongkok. Data dari lembaga pihak ketiga Analysys menunjukkan bahwa volume kunjungan bulanan di platform PC pada bulan Juni melebihi 20 juta, mempertahankan posisi pertama di pasar.

Saat beberapa produk AI perkantoran masih menguji satu skenario saja, WorkBuddy telah mengumpulkan cukup banyak jenis tugas nyata yang beragam—ini adalah dasar upayanya untuk menjadi OS—OS tidak pernah dirancang untuk satu aplikasi saja.

Bagaimana rantai kerja terhubung dari aplikasi Buddy ke perangkat keras cerdas

Ekosistem terbuka WorkBuddy pertama-tama memperkuat "tangan" dan "mata" Agent.

Aplikasi dan mitra perangkat lunak seperti Tongda Xin, Guangfa Securities, Beida法宝, Weimeng, Beisen, Yunzhangfang, dan Fanruan terhubung ke berbagai skenario profesional seperti keuangan, hukum, operasi bisnis, sumber daya manusia, perpajakan, dan analisis data. Nilai yang mereka bawa, selain pintu masuk aplikasi, juga mencakup pengetahuan industri, data bisnis, dan alat yang dapat dieksekusi yang diperlukan oleh Agent saat menyelesaikan tugas profesional.

Sebagai contoh dalam penelitian keuangan. Tongda Xin mengemas kemampuan penelitian investasi profesional selama 30 tahunnya ke dalam WorkBuddy; pengguna cukup bertanya dengan satu kalimat, dan dalam hitungan menit akan mendapatkan konten berformat terstruktur dan dapat dilacak seperti laporan penelitian. Aplikasi ini menyertakan 26 pakar dan 14 Skill, yang saat berjalan secara otomatis mengoordinasikan data pasar real-time, data keuangan, dan informasi sektor Tongda Xin melalui protokol MCP, serta secara otomatis menampilkan kartu data standar selama pemanggilan. Selain itu, ketika terdapat kekosongan data, sistem akan secara jelas menandai “belum terisi”, bukan mengisi secara otomatis.

Ini adalah batasan ketat AI untuk skenario profesional. Model besar umum dapat menghasilkan analisis yang tampak lengkap, tetapi di bidang-bidang seperti riset dan investasi, hukum, dan kesehatan, "terlihat benar" dan "dapat dilacak serta diverifikasi" adalah dua hal yang berbeda.

Aplikasi Buddy dapat dianggap sebagai mode kerja vertikal yang dijalankan di atas dasar WorkBuddy. Mitra industri menghubungkan pengetahuan, alat, proses, dan bentuk merek mereka ke dalamnya, sehingga pengguna mendapatkan meja kerja yang lebih sesuai dengan kebutuhan profesi mereka. Manajer investasi, guru, pengacara, kreator konten, dan pedagang mungkin masing-masing memiliki Buddy yang berbeda.

Sumber gambar: WorkBuddy

Kehadiran mitra perangkat keras memungkinkan alur kerja melampaui layar. Perangkat seperti Plaud, Rokid, Insta360, iFlytek, dan YouLanzi dapat membawa informasi dari suara, gambar, interaksi spasial, dan skenario kerja mobile ke Agent; sementara mitra seperti Anker, Mammoth, dan Jingzao melengkapi titik masuk terminal di lokasi kerja dan kreatif.

Logika integrasi perangkat keras pada dasarnya adalah menulis "driver" untuk Agent OS—perangkat keras bertanggung jawab atas persepsi, pemicuan, tampilan, dan interaksi (sebagaimana perangkat I/O), sementara WorkBuddy bertanggung jawab atas pemahaman, perencanaan, dan penjadwalan (sebagaimana kernel). Produsen tidak perlu membangun AI sendiri atau mengubah bentuk produk mereka; sekali terintegrasi, mereka dapat menghubungkan perangkat keras, App, PC, dan Web, memungkinkan akun, tugas, memori, dan hasil berpindah secara mulus di antara perangkat.

Misalnya, pengguna membawa perangkat rekaman atau kacamata cerdas ke ruang rapat, ucapan langsung menjadi input tugas; setelah rapat selesai, konten ditranskripsikan dan diarsipkan, tindakan lanjutan diekstraksi, dokumen terkait diakses, dan email serta tugas kolaborasi berikutnya dikirim ke sistem yang sesuai. Saat pengguna beralih dari perangkat keras ke ponsel atau PC, tugas, memori, dan produk tetap berlanjut sepanjang jalur yang sama.

Keyboard麦 kolaborasi You Lanzi menyediakan bentuk akses lain. Ia menggabungkan mikrofon dan tombol numeric, sehingga Anda cukup menekan tombol untuk membangunkan dan berbicara langsung untuk memberi perintah ke WorkBuddy, tanpa perlu beralih ke jendela aplikasi.

Sumber gambar: Akun WeChat YouLanzi

Skenario klasik produk ini adalah Vibe Coding—pengembang mendeskripsikan kebutuhan dengan suara, dan Agent secara otomatis menghasilkan potongan kode tanpa perlu mengangkat tangan dari editor kode. Bagi kreator konten dan pengguna kantor sehari-hari, produk ini juga berfungsi sebagai pintu suara "always-on": saat inspirasi datang, cukup ucapkan langsung; tugas mendadak bisa diberikan secara lisan; ide-ide sekecil apa pun otomatis diubah menjadi daftar tugas atau draf yang terstruktur.

Bagi produsen perangkat keras, mereka kini memiliki jalur AI yang lebih realistis. Membangun dari nol sistem pemilihan model, manajemen memori, perencanaan tugas, pemanggilan alat, dan kontrol izin memerlukan investasi teknis yang besar. Jika perangkat keras bertanggung jawab atas persepsi, pemicuan, tampilan, dan interaksi, sementara platform Agent menangani pemahaman, perencanaan, dan penjadwalan, produsen dapat fokus pada pengalaman produk yang menjadi keunggulan mereka.

WorkBuddy ingin mengambil peran lapisan tengah ini. Pengguna melihat aplikasi Buddy, ahli, Skills, konektor, dan perangkat keras, sementara di lapisan bawah berjalan sistem penjadwalan yang mengorganisasi konteks dan kemampuan berdasarkan tugas.

Semakin banyak mitra yang terhubung, semakin lengkap konteks pekerjaan yang dapat dilihat platform—ini既是 nilai ekosistem, juga variabel kunci keberhasilan Agent OS.

Sistem kerja bagaimana mengembangkan produk menjadi ekosistem?

Nilai dari sistem operasi apa pun tidak hanya berasal dari fungsinya sendiri. Sistem operasi perlu menyediakan antarmuka yang stabil bagi pengembang, ruang berkelanjutan bagi mitra, serta pengalaman yang konsisten bagi pengguna di berbagai aplikasi dan perangkat. Agent OS juga mengikuti logika ini.

Keuangan, hukum, perpajakan, pendidikan, dan penciptaan konten masing-masing memiliki pengetahuan, data, dan alur kerja sendiri, sementara perangkat keras juga menjalankan tugas persepsi dan interaksi yang berbeda. Sulit bagi satu perusahaan untuk secara mandiri mencakup lingkungan kerja yang begitu kompleks. Makna pembukaan WorkBuddy kali ini adalah mencoba menyerahkan kemampuan umum seperti memori, tugas, pemanggilan alat, izin identitas, dan manajemen produk ke platform, sementara mitra menambahkan pengetahuan industri, perangkat lunak profesional, dan titik masuk terminal.

Ini juga menjelaskan mengapa WorkBuddy beralih dari sebuah produk menjadi sebuah ekosistem. Konteks yang dapat dilihat oleh satu Agent biasanya terbatas pada satu aplikasi; semakin banyak industri dan alat yang terhubung, semakin besar peluangnya untuk memahami bagaimana suatu pekerjaan terjadi.

Arsitektur teknis platform terbuka juga membuktikan hal ini. Selain perangkat keras dan aplikasi Buddy, platform secara bersamaan membuka tiga modul: Skill, Expert, dan Connector. Pengembang dapat menulis metode atau alur kerja industri sebagai Skill, mengemas pengetahuan dan cara penilaian bidang tertentu sebagai Expert, serta menghubungkan API atau alat milik mereka sendiri melalui Connector.

Konektivitas ini bersifat dua arah: kemampuan AI eksternal masuk ke pasar Buddy untuk melayani pengguna, sementara mitra perangkat keras juga dapat memperoleh otorisasi melalui platform untuk membawa kemampuan ekosistem WorkBuddy ke perangkat mereka sendiri. Kemampuan pembayaran dan saluran distribusi platform sedang dipercepat pembangunannya—sejarah OS berulang kali membuktikan bahwa desain sistem ekonomi lebih menentukan arah jangka panjang ekosistem daripada arsitektur teknis. Apakah pengembang bisa mendapatkan keuntungan dan mitra bisa memperoleh pengembalian berkelanjutan, secara langsung menentukan apakah sistem terbuka ini merupakan ekosistem yang hidup atau sekadar demonstrasi kerja sama satu kali.

Dari sudut pandang yang lebih tinggi, terlihat bahwa dalam laporan keuangan kuartal terbaru, Tencent merangkum strategi AI-nya menjadi tiga tingkat: kecerdasan, aplikasi, dan infrastruktur: Hunyuan menyediakan kemampuan model, produk seperti WorkBuddy dan CodeBuddy menangani tugas nyata, sementara infrastruktur komputasi dan cloud mendukung pelatihan model dan inferensi aplikasi. Manajemen Tencent juga menggambarkan WorkBuddy sebagai ruang kerja Agent yang fleksibel, yang dapat menjadwalkan model dan Skills yang berbeda sesuai tugas.

Pemosisian ini berarti bahwa WorkBuddy tidak hanya berfungsi untuk mengemas Hunyuan sebagai produk perkantoran dalam ekosistem Tencent. Ia lebih seperti lapisan penghubung antara model, alat, dan tugas pengguna: menerima kemampuan Hunyuan dan model lainnya di tingkat bawah, menghubungkan ke skenario produktivitas spesifik di tingkat atas, serta menguji kelayakan model dan rekayasa Agent melalui tugas-tugas nyata.

Hy4 Preview yang baru dirilis membuat jalur ini menjadi lebih spesifik. Tencent menempatkannya untuk tugas produktivitas seperti kode, kantor, dan penelitian, serta secara bersamaan mengintegrasikan WorkBuddy, CodeBuddy, Yuanbao, dan ima. Hy4 Preview juga dirancang secara kolaboratif dengan produk-produk seperti WorkBuddy, dengan fokus pada optimasi kolaborasi lintas file, analisis data, serta seluruh proses dari pemrosesan informasi hingga pengiriman dokumen, tabel, dan presentasi.

Di masa lalu, pengembangan model besar dan peluncuran produk sering kali merupakan dua jalur yang relatif terpisah: tim model meningkatkan kemampuan melalui pengujian benchmark, lalu tim produk mencari skenario penggunaan yang sesuai. Hubungan antara WorkBuddy dan Hunyuan menunjukkan jalur yang berbeda. Model masuk terlebih dahulu ke dalam tugas produktivitas nyata, lalu evaluasi dari sisi produk, hasil pemanggilan alat, dan umpan balik skenario kembali ke tahap pengembangan, membantu iterasi berkelanjutan model dan Agent engineering.

Ini membentuk roda data yang ingin dibangun oleh Tencent. Setelah kemampuan model meningkat, WorkBuddy dapat menangani tugas yang lebih kompleks dan rantai lebih panjang; peningkatan jenis tugas akan mengungkap masalah nyata model dalam perencanaan, pemanggilan alat, dan pengiriman hasil; integrasi terus-menerus dari aplikasi, perangkat keras, Skills, dan ahli selanjutnya meningkatkan kepadatan konteks platform. Produk, model, dan ekosistem saling mendorong dalam proses ini.

Data flywheel juga memerlukan batasan yang jelas. Bagi pengguna perusahaan, bagaimana memori tugas disimpan, bagaimana data bisnis diisolasi, serta bagaimana otorisasi dan pelacakan operasi kritis akan menentukan seberapa dalam platform dapat masuk ke dalam alur kerja. Sambil memperoleh lebih banyak konteks, WorkBuddy juga harus menanggung tanggung jawab tata kelola yang lebih berat. Tanpa dasar kepercayaan ini, semakin besar skala ekosistem, semakin besar pula risiko potensialnya.

Dari sudut pandang ini, ekosistem terbuka sendiri merupakan syarat berdirinya Agent OS. Tencent telah memiliki Hunyuan, rapat, dokumen, email, WeCom, dan layanan cloud di dalam perusahaan, sementara mitra eksternal membawa keahlian khusus, perangkat lunak industri, dan titik masuk perangkat keras. Jika kemampuan-kemampuan ini dapat dipanggil secara terpadu berdasarkan tugas, WorkBuddy baru dapat berkembang dari produk AI kantor internal Tencent menjadi platform kerja yang mencakup lebih banyak industri dan pengembang.

OS tidak dapat diselesaikan dalam satu rilis. Apakah ekosistem terbuka dapat memungkinkan Agent mengakumulasi kepadatan konteks yang cukup dalam alur kerja setiap pengguna, sehingga model memiliki sinyal nyata untuk dioptimalkan, dan mitra mendapatkan imbalan berkelanjutan yang membuat mereka ingin tetap tinggal—ini adalah pertanyaan yang lebih mendasar daripada arsitektur teknis.

WorkBuddy dapat memimpin arah Agent OS, tetapi apakah sistem ini benar-benar berdiri, pada akhirnya bergantung pada kemampuannya untuk mengubah model, produk, dan kemampuan koneksi Tencent menjadi sebuah tatanan ekosistem yang berkelanjutan.