Catatan penulis: ChatGPT Dots memajukan pekerjaan yang diizinkan pengguna dengan berpatokan pada tujuan jangka panjang. Ia dapat terus mengeksekusi berkat kerja sama antara status tugas, konteks, alat, dan mekanisme penjadwalan.
Kesimpulan lebih dulu: ChatGPT Dots yang dirilis OpenAI pada 29 September 2026 mengubah AI dari “alat tanya jawab yang menunggu Anda mengajukan pertanyaan” menjadi “pelaksana yang menerima delegasi dan terus bergerak maju”. Setiap Dot memiliki komputer cloud dan browser sendiri, mampu mempertahankan konteks proyek, melakukan riset proaktif terhadap sumber informasi yang diizinkan, serta memulai pekerjaan berdasarkan waktu atau peristiwa. Saat ada hal yang memerlukan pertimbangan dan persetujuan, ia mengembalikan keputusan kepada pengguna. Sebutan “24 jam” dalam judul merujuk pada mode kerja: Agent tetap dapat menentukan langkah berikutnya berdasarkan tujuan, peristiwa, waktu, dan status tugas setelah Anda pergi. Ia tidak menjanjikan perulangan tanpa batas, pemantauan waktu nyata, atau berjalan tanpa biaya. Saat ini, Dots tersedia untuk pengguna perorangan ChatGPT Pro 100/200/500, serta ruang kerja Business Premium, Enterprise, Edu, dan Healthcare yang memenuhi syarat.
Berikut ini akan membandingkan Dots dengan ChatGPT biasa, skrip Cron, dan alur kerja tradisional, lalu menguraikan mekanisme internal di balik kerja berkelanjutannya, termasuk hubungan antara status tugas, memori, riset proaktif, tugas terjadwal, dan Agent latar belakang. Selanjutnya, kami merangkum skenario penggunaan dari demonstrasi resmi, pengujian media, dan penuturan pengguna, dengan ketiga jenis bukti tersebut disajikan secara terpisah. Terakhir, dengan menggabungkan OpenAI Agents SDK dan SentinelBench dari Microsoft Research, kami menjelaskan komponen teknis apa yang dibutuhkan Agent berkelanjutan, biaya dan risiko apa yang ada, serta pekerjaan apa yang layak diserahkan kepadanya.
To Know: Terminologi terkait ChatGPT Dots
| Istilah | Penjelasan |
|---|---|
| Agent Selalu Aktif (Always-on Agent) | Sistem AI yang tetap dapat menjalankan pekerjaan yang telah didelegasikan di sela-sela saat pengguna tidak mengirim pesan |
| Cron | Cara penjadwalan yang menjalankan program berdasarkan aturan waktu tetap, misalnya “jalankan sekali setiap hari pukul 9” |
| Pemicu peristiwa | Memulai alur pemrosesan hanya ketika perubahan tertentu terjadi, misalnya muncul laporan Bug baru di kanal Slack |
| Status tugas | Informasi yang mencatat sampai tahap mana suatu pekerjaan berjalan, bagaimana hasilnya, dan apa yang masih ditunggu |
| Memori jangka panjang | Preferensi pengguna, keputusan proyek, dan materi latar belakang yang disimpan lintas tugas |
| Pemanggilan alat | Model memanggil program eksternal untuk menanyakan informasi atau menjalankan operasi |
| Riset proaktif (Proactive Research) | Saat tidak menerima pesan baru, Dot melakukan riset latar belakang hanya-baca terhadap sumber data yang telah diotorisasi |
| Agent latar belakang | Sub-Agent yang dikirim Dot untuk menangani sebagian pekerjaan secara paralel |
| Human-in-the-loop / intervensi manusia | Bagian dalam tugas yang memerlukan penilaian, persetujuan, atau koreksi dari manusia |
| Tingkat positif palsu | Proporsi peringatan yang diberikan sistem tetapi tidak perlu ditindaklanjuti, terhadap seluruh peringatan |
| Prompt Injection | Konten eksternal seperti halaman web dan email yang menyembunyikan instruksi berbahaya untuk mencoba membajak perilaku Agent |
| Token | Unit dasar pengukuran input dan output model, yang langsung menentukan biaya pemanggilan |

1 Dari menunggu pertanyaan Anda hingga proaktif mengambil tugas: apa yang diubah ChatGPT Dots
1.1 Posisi resmi ChatGPT Dots
Menurut artikel peluncuran OpenAI “Introducing dots” dan dokumentasi bantuan, Dots adalah Personal AI Agent (Agen AI Pribadi) yang selalu aktif. Kemampuan inti yang dijelaskan secara resmi mencakup beberapa hal berikut:
- Always-on, berjalan terus-menerus: bahkan saat pengguna tidak mengirim pesan baru, ia tetap dapat melanjutkan pekerjaan yang telah didelegasikan.
- Komputer cloud miliknya sendiri: setiap Dot memiliki komputer cloud dan browser independen; setelah komputer pengguna dimatikan, tugas di cloud tetap berjalan seperti biasa.
- Konteks yang persisten: dapat memanfaatkan memori ChatGPT, riwayat percakapan, dan informasi dari aplikasi yang sudah terhubung.
- Riset proaktif: melakukan riset latar belakang terhadap sumber daya yang telah diotorisasi untuk menemukan informasi yang layak diperhatikan.
- Eksekusi multi-proyek: mendorong beberapa proyek secara bersamaan, dapat memecah tugas dan menjalankan Agent latar belakang secara paralel.
- Komunikasi lintas platform: dapat menghubungi Dot yang sama melalui ChatGPT Web, desktop, seluler, Slack, dan Microsoft Teams.
- Kolaborasi manusia-mesin: hal-hal yang memerlukan penilaian atau persetujuan pengguna akan dikembalikan secara proaktif kepada pengguna.
Saat peluncuran, pihak resmi juga menyebutkan bahwa Dots terintegrasi dengan ekosistem plugin OpenAI, dengan lebih dari 4.000 aplikasi yang dapat terhubung. Angka ini menggambarkan skala ekosistem; aplikasi dan izin yang benar-benar tersedia untuk setiap akun bergantung pada koneksi dan otorisasi pengguna sendiri.
1.2 Perubahan pembagian kerja manusia-mesin yang dibawa ChatGPT Dots
Saat menggunakan ChatGPT biasa, pengguna adalah pengatur tugas: setiap langkah harus diprakarsai oleh manusia, manusia juga harus mengingat progres, dan berpindah-pindah antar percakapan yang berbeda. Dots memindahkan sebagian tanggung jawab pengaturan kepada Agent. Pengguna memberikan tujuan jangka panjang, misalnya “ikuti proyek klien ini hingga diluncurkan”, Dot bertanggung jawab mengingat progres, memantau perubahan, mengatur langkah berikutnya, dan hanya meminta keputusan manusia pada titik-titik kunci.
Dengan demikian, peran manusia berubah dari “memberi perintah satu per satu” menjadi “mendelegasikan, mengawasi, menyetujui”. Nilai perubahan ini terletak pada kemampuan menanggung pekerjaan secara berkelanjutan; yang dihemat adalah biaya koordinasi manusia dalam mengejar progres antar beberapa sistem, mencocokkan informasi, dan mendesak langkah berikutnya. Jika hanya menambahkan beberapa langkah otomatisasi ke dalam proses, manfaatnya akan terbatas.
2 Mengapa otomatisasi tradisional tidak dapat sepenuhnya menggantikan Agent seperti ChatGPT Dots
2.1 Perbandingan teknis Cron, alur kerja, dan Agent persisten
Otomatisasi tradisional unggul dalam menjalankan proses yang sudah ditulis sebelumnya, sedangkan Agent persisten dapat menentukan langkah berikutnya berdasarkan status tugas saat ini dan informasi baru. Perbedaan ketiganya pada dimensi-dimensi kunci adalah sebagai berikut:
| Dimensi | Skrip terjadwal Cron | Alur kerja tradisional | Agent persisten (mis. Dots) |
|---|---|---|---|
| Cara pemicuan | Waktu tetap | Waktu tetap atau peristiwa | Waktu, peristiwa, dan status tugas |
| Logika eksekusi | Ditulis sebelumnya | Node diatur sebelumnya | Ditentukan secara dinamis berdasarkan konteks |
| Pemahaman informasi | Perlu pengodean program | Bergantung pada node dan kondisi | Memanggil model untuk memahami konten |
| Penanganan anomali | Aturan yang telah ditetapkan | Cabang yang telah ditetapkan | Menganalisis situasi dan mengusulkan solusi |
| Memori lintas tugas | Harus dikembangkan sendiri | Bergantung pada konfigurasi alur kerja | Memelihara konteks proyek jangka panjang |
| Cara penyesuaian | Mengubah kode | Mengubah alur kerja | Menyesuaikan dengan bahasa alami |
| Biaya operasional | Terutama infrastruktur | Perangkat lunak dan infrastruktur | Model, alat, dan infrastruktur |
| Prediktabilitas | Tinggi | Cukup tinggi | Dipengaruhi keluaran model |
Sebagai contoh. Skrip Cron dapat memeriksa kotak masuk setiap 10 menit dan meneruskan email yang mengandung kata kunci tertentu. Agent, sebaliknya, memantau email dengan berpedoman pada satu tujuan konkret; ketika menerima email penting, ia akan menilai proyek mana yang terkait, apakah perlu tindak lanjut, dan balasan seperti apa yang sebaiknya dibuat.

2.2 Tugas dengan aturan tetap masih cocok untuk otomatisasi tradisional
Untuk pekerjaan yang jelas, berulang, dan aturannya tetap—misalnya mencadangkan basis data setiap malam atau mengekspor laporan tetap setiap Senin—Cron dan alur kerja lebih mudah dikontrol, diverifikasi, dan dipelihara, serta biayanya lebih rendah. Keunggulan Agent terpusat pada tugas yang membutuhkan pemahaman informasi baru dan penyesuaian dinamis. Arsitektur yang lebih masuk akal adalah membiarkan keduanya hidup berdampingan: bagian yang bersifat deterministik diserahkan kepada skrip, bagian yang membutuhkan penilaian diserahkan kepada Agent.
3 Bagaimana ChatGPT Dots Bekerja Secara Berkelanjutan
3.1 Status Tugas Menentukan Langkah Berikutnya Dots
Dokumentasi Tasks and memory OpenAI menjelaskan bahwa Dot dapat memutuskan sendiri untuk menjeda dan melanjutkan pekerjaan berdasarkan status tugas, sehingga pengguna tidak perlu menetapkan waktu tetap untuk setiap langkah. Dot mampu mengenali kapan harus melanjutkan, bisa menunggu perubahan kondisi eksternal, memulai ulang pada waktu yang tepat, menyesuaikan langkah berikutnya berdasarkan informasi baru, dan secara aktif meminta masukan pengguna saat diperlukan keputusan.
Jadi, “bekerja berkelanjutan” pada Dots adalah proses pengambilan keputusan yang digerakkan oleh tujuan, peristiwa, waktu, dan status tugas — bukan aktivitas berputar-putar setiap menit. Desain ini membuat Agent tetap tenang ketika tidak ada situasi baru, sehingga sumber daya dialokasikan untuk momen yang benar-benar membutuhkan tindakan.

3.2 Memori Jangka Panjang dan Konteks Proyek
Konteks Dots terdiri dari empat lapisan data:
- ChatGPT Memory: Dot dapat mengakses memori ChatGPT yang relevan dan konteks percakapan terbaru.
- Catatan milik Dot sendiri: mengakumulasi preferensi pengguna, kebiasaan kerja, keputusan proyek, dan urusan tanggung jawab jangka panjang.
- Konteks tugas saat ini: instruksi percakapan saat ini, file, hasil pencarian, dan hasil eksekusi alat.
- Data aplikasi terhubung: membaca informasi dari aplikasi yang telah diberi otorisasi, dan dalam kondisi yang tepat meneliti data tersebut untuk membentuk memori sendiri.
Keempat lapisan ini saling independen. Memori Dot adalah konteks relevan dan catatan yang telah dirapikan, bukan transkrip percakapan lengkap. Membuat tugas baru juga tidak selalu otomatis membawa seluruh riwayat pengguna dan Dot; Dot akan mengambil percakapan masa lalu saat diperlukan untuk melengkapi latar belakang.
3.3 Perbedaan Riset Proaktif, Tugas Terjadwal, dan Pemantauan Peristiwa
Ketiga mekanisme ini memungkinkan Dots terus bekerja saat pengguna tidak mengirim pesan, tetapi cara pemicu dan batas kewenangannya berbeda-beda.
- Riset proaktif: saat tidak ada pesan baru, melakukan riset latar belakang terhadap sumber yang diotorisasi, misalnya menemukan ketidaksesuaian antara harga di file proyek dan isi email, atau perubahan pada tenggat waktu penting. Kewenangannya hanya baca: tidak bisa mengirim pesan ke orang lain, tidak bisa mengubah konten melalui plugin, dan tidak bisa mengoperasikan browser atau komputer. Tindakan lanjutan harus melalui izin, persetujuan, dan pemeriksaan keamanan normal.
- Tugas terjadwal (Scheduled Tasks): berjalan pada waktu yang telah ditetapkan, misalnya memeriksa kalender setiap pagi, merangkum kemajuan proyek setiap Senin. Saat dibuat, harus jelas apa yang diperiksa, waktu berjalan, zona waktu, tanggal berakhir, perubahan mana yang perlu diberitahukan, dan ke mana hasilnya dikirim.
- Pemantauan peristiwa (Event Monitoring): ketika layanan yang terhubung mendukung peristiwa terkait, memantau jenis peristiwa tertentu, misalnya munculnya Bug baru di Slack. Pengguna harus memberi tahu Dot secara eksplisit apa yang dipantau. Menambahkan Dot ke sebuah kanal pun tidak akan membuatnya otomatis memantau seluruh kanal.
Tugas terjadwal adalah aksi yang sudah ditetapkan dan dijalankan berdasarkan waktu, sedangkan riset proaktif adalah temuan berdasarkan penilaian konteks — keduanya secara hakikat berbeda. Selain itu, menghentikan tugas yang sedang berjalan dan membatalkan rencana berkala adalah dua operasi terpisah yang perlu diperiksa masing-masing.
3.4 Agent Latar Belakang dan Tugas yang Didelegasikan
Dots dapat memecah tugas kompleks, menjalankan Agent latar belakang secara paralel, lalu merangkum hasilnya di akhir. Lebih jauh lagi, Dots dapat membuat tugas ChatGPT Work (alur kerja kompleks mandiri) dan tugas Codex (pengembangan dan pengujian perangkat lunak). Setelah pengguna menghubungkan komputer lokal ke Dot, Dot juga dapat mengirim tugas untuk dieksekusi di lingkungan lokal. Akses lokal dinonaktifkan secara default dan memerlukan otorisasi melalui aplikasi desktop ChatGPT, serta dapat dicabut kapan saja dengan Revoke access.
4 Pekerjaan jangka panjang apa saja yang dapat diambil alih ChatGPT Dots untuk Anda
4.1 Kasus yang dituturkan sendiri oleh pengguna
Kasus berikut berasal dari pengalaman pribadi yang dibagikan pengguna di komunitas Reddit pada Oktober 2026. Ini merupakan penuturan pengguna sendiri, tanpa verifikasi independen dan tanpa data akurasi atau statistik, sehingga hanya mewakili pengalaman pribadi.
| Kasus | Informasi masukan | Tindakan Dot | Hasil menurut pengguna | Bagian yang melibatkan manusia |
|---|---|---|---|---|
| Pengingat email terlewat | Otorisasi kotak masuk, konteks proyek | Memeriksa email dan mengidentifikasi hal yang terlupa atau terlewat | Secara proaktif mengingatkan pengguna untuk menangani hal yang terlewat | Pengguna memutuskan apakah akan membalas dan bagaimana membalasnya |
| Tindak lanjut proyek lintas sistem | Cloudflare, CRM, Gmail (terintegrasi melalui Composio MCP) | Mendorong proyek lintas sistem, membangun dan menguji MCP kustom, membuat portal pengumpulan informasi pelanggan dan ekstensi Chrome, memantau email serta kalender tim | Secara proaktif mengingatkan hal yang perlu ditangani | Pengguna meninjau keluaran dan keputusan penting |
| Laporan bisnis | Data keuangan pelanggan | Membuat dasbor keuangan pelanggan | Pengguna menyebut selesai dalam sekitar 1 jam; pekerjaan serupa sebelumnya membutuhkan 4—5 hari | Pengguna memeriksa data dan penyajiannya |
| Operasional berkala | Penjadwalan + plugin Google Sheets | Menjalankan tugas harian dan mingguan serta memperbarui tabel bisnis | Pengguna menilai dapat menangani sebagian pekerjaan yang sulit ditangani Cron secara fleksibel | Pengguna menetapkan aturan dan memeriksa sampel hasil |
Pengguna Reddit lain melakukan uji mekanisme selama sekitar satu hari: menyerahkan ratusan PDF dan ribuan halaman materi kepada Dot untuk ditinjau, dan tugas yang berlangsung selama beberapa hari tetap dapat menyimpan progres. Ketika ada pertanyaan yang disisipkan di tengah jalan, Dot akan menjeda peninjauan, mencari bahan untuk menjawab, lalu kembali ke tugas semula. Pengguna tersebut juga mengamati bahwa komputer cloud Dot, komputer Linux yang terhubung, dan satu Agen riset latar belakang berjalan secara bersamaan. Ia sendiri juga menunjukkan bahwa cara menghitung kuota untuk jalur eksekusi ini belum dipastikan.
4.2 Uji coba media: Axios membandingkan Dots dan Meta Muse
Reporter Axios, Ina Fried, pada 20 Oktober 2026 merilis uji perbandingan Dots dan Meta Muse, dengan tugas seputar rencana menonton final WNBA:
- Perencanaan multi-langkah: Keduanya menemukan bahwa tanggal pertandingan dimajukan dan tiket belum dijual; Dots juga menemukan benturan antara rencana perjalanan dan jadwal pengguna yang sudah ada.
- Pembuatan dokumen: Dots membuat paket materi pesta 8 halaman dan buku program peringatan 38 halaman; buku program Muse 35 halaman. Kedua buku program memuat data statistik yang meragukan.
- Album foto kenangan: Dots membuat album kenangan 12 halaman dalam 47 detik; ini hanya hasil dari pengujian tersebut.
- Belanja sungguhan: Dots mengarahkan pengguna untuk beralih ke aplikasi Target, melanjutkan dengan akun yang sudah tersimpan, dan seluruh proses pembelian tidak sepenuhnya diselesaikan secara otomatis.
Kesimpulan penulis: Agen seperti ini cocok untuk menangani riset dan pekerjaan persiapan; hasilnya masih memerlukan penyuntingan dan pemeriksaan fakta oleh manusia. Untuk operasi yang melibatkan akun dan dana, keputusan akhir harus tetap berada di tangan manusia.
Skenario yang ditampilkan secara resmi juga mencakup persiapan rapat, pemantauan data penjualan, pelacakan umpan balik pelanggan, pembuatan konten, pengelolaan proyek GitHub, dan pengaturan perjalanan. Ini adalah contoh produk yang mewakili arah kemampuan, bukan jaminan hasil yang dapat dicapai pada setiap eksekusi.
5 Membuat Agent bekerja 24 jam, apa yang dibutuhkan di baliknya
5.1 Komponen dasar Agents SDK
Panduan Building Agents dari OpenAI merangkum sistem Agent ke dalam beberapa konsep dasar, yang bisa dipetakan ke setiap tahap dalam pekerjaan berkelanjutan:
- Agent: kombinasi model, instruksi, dan alat yang bertanggung jawab untuk memahami dan mengeksekusi.
- Handoff: menyerahkan pekerjaan kepada Agent lain, sesuai dengan cara Dots mengirimkan Agent latar belakang.
- Guardrail: membatasi input, output, dan perilaku eksekusi, sesuai dengan persetujuan dan pemeriksaan keamanan.
- Session: memelihara riwayat percakapan lintas eksekusi, sesuai dengan status tugas dan kelanjutan konteks.
- Tracing: mencatat proses eksekusi, memudahkan penelusuran dan audit.
Agent yang dapat bekerja terus-menerus sebenarnya adalah kombinasi dari enam komponen: “pemanggilan alat + manajemen status + pemantauan peristiwa + memori jangka panjang + penjadwalan eksekusi + mekanisme keamanan”. Tanpa salah satunya, akan sulit berjalan secara stabil.
5.2 Wawasan dari Penelitian SentinelBench
Microsoft Research mengumumkan SentinelBench pada Juni 2026, sebuah benchmark yang secara khusus mengevaluasi Agen pemantauan yang perlu terus mengamati perubahan status eksternal dalam jangka panjang. Benchmark ini merancang 100 tugas, mencakup 10 jenis lingkungan Web simulasi seperti email, kalender, keuangan, jejaring sosial profesional, dan hiburan, sekaligus menilai tingkat penyelesaian tugas, waktu respons, dan konsumsi sumber daya.
Pandangan utama penelitian ini adalah: inti dari tugas pemantauan jangka panjang terletak pada menjaga perhatian terhadap lingkungan, lalu bertindak ketika muncul perubahan yang benar-benar layak ditindaklanjuti; eksekusi tindakan secara terus-menerus justru belum tentu efektif. Ini sejalan dengan pendekatan desain Dots yang menjeda dan melanjutkan berdasarkan status tugas. Perlu dicatat, SentinelBench adalah benchmark penelitian independen dan tidak dapat digunakan untuk memperkirakan tingkat keberhasilan spesifik Dots.
5.3 Desain Agent Berkelanjutan yang Dibangun Sendiri
Jika developer ingin mengimplementasikan pola kerja “berbasis status” serupa di sistemnya sendiri, ia dapat membangun prototipe menggunakan antarmuka yang kompatibel dengan OpenAI. Kode berikut adalah contoh desain, yang menunjukkan cara menulis bagian penilaian, tanpa hasil eksekusi.
import openai
client = openai.OpenAI(
api_key="YOUR_API_KEY",
base_url="https://api.apiyi.com/v1" # Antarmuka kompatibel OpenAI APIYI
)
# Minta model menilai apakah email baru perlu mengingatkan pengguna
resp = client.chat.completions.create(
model="gpt-4.1",
messages=[
{"role": "system", "content": "你是项目跟进助手,只输出 JSON:{\"action\": \"ignore|remind|ask_human\", \"reason\": \"...\"}"},
{"role": "user", "content": "项目:官网改版,截止 11 月 30 日。新邮件:设计方说交付推迟到 12 月 5 日。"}
]
)
print(resp.choices[0].message.content)
Lihat rancangan lengkap: siklus Agent yang digerakkan oleh waktu, peristiwa, dan status
import json
import time
import openai
client = openai.OpenAI(
api_key="YOUR_API_KEY",
base_url="https://api.apiyi.com/v1"
)
# Status tugas: inti kerja berkelanjutan, menentukan langkah berikutnya
task = {
"goal": "跟进官网改版项目直到上线",
"status": "waiting", # waiting / judging / awaiting_human / done
"memory": ["截止日期 11 月 30 日", "发送邮件前必须人工确认"],
"next_check": time.time(), # Pemeriksaan cadangan terjadwal
}
def fetch_new_events():
"""Sumber peristiwa: terhubung ke webhook atau API inkremental email/IM, di sini dibiarkan sebagai placeholder"""
return []
def judge(event: str) -> dict:
"""Panggil model untuk menilai: abaikan, ingatkan, atau minta keputusan manusia"""
resp = client.chat.completions.create(
model="gpt-4.1",
messages=[
{"role": "system", "content": "根据目标与记忆判断新事件,只输出 JSON:"
"{\"action\": \"ignore|remind|ask_human\", \"reason\": \"...\"}"},
{"role": "user", "content": json.dumps(
{"goal": task["goal"], "memory": task["memory"], "event": event},
ensure_ascii=False)}
]
)
return json.loads(resp.choices[0].message.content)
def run_once():
events = fetch_new_events()
# Tidak ada peristiwa dan belum waktunya pemeriksaan terjadwal: langsung tunggu, hindari polling tidak berguna dan pemborosan Token
if not events and time.time() < task["next_check"]:
return
for ev in events:
decision = judge(ev)
if decision["action"] == "ask_human":
task["status"] = "awaiting_human" # Titik persetujuan manusia: Agent tidak menjalankan atas kemauan sendiri
print("需要你决定:", decision["reason"])
elif decision["action"] == "remind":
print("提醒:", decision["reason"])
task["memory"].append(f"已处理事件:{ev[:50]}")
task["next_check"] = time.time() + 3600 # Pemeriksaan cadangan terjadwal setiap jam
# Saat deployment sebenarnya, picu run_once lewat scheduler atau callback peristiwa, bukan while True yang berputar kosong
Rancangan ini mencerminkan tiga prinsip desain: peristiwa diutamakan, pemeriksaan cadangan terjadwal; status menentukan tindakan; tindakan berisiko tinggi masuk ke persetujuan manusia.
🚀 Mulai cepat: Saat membangun prototipe Agent sendiri, Anda dapat memanggil model seperti OpenAI, Claude, Gemini melalui APIYI apiyi.com dengan satu kunci API, lalu membandingkan performa model berbeda pada tugas penilaian seperti “haruskah bertindak”. Pengguna baru mendapat kuota uji gratis.
6 Batasan kerja berkelanjutan ChatGPT Dots: keandalan, biaya, dan izin
6.1 Alarm palsu, kesalahan penilaian, dan polling yang tidak efektif
Dokumen privasi dan keamanan resmi menyatakan bahwa Agent dapat salah memahami tugas, salah menilai materi, menghasilkan data yang keliru, gagal menyelesaikan login ke situs web, atau menghadapi lingkungan eksekusi yang tidak tersedia, sehingga hasil eksekusi perlu diperiksa manusia. Data statistik mencurigakan yang muncul dalam pengujian Axios menunjukkan bahwa risiko-risiko ini memang ada dalam penggunaan nyata.
Operasi jangka panjang juga membawa beberapa biaya yang mudah diabaikan: konsumsi sumber daya saat mengeksekusi tugas berbeda dengan saat menunggu peristiwa; ketika model memulihkan konteks, ia membaca ulang materi sehingga menimbulkan biaya token; polling yang tidak perlu menyebabkan eksekusi berulang. SentinelBench memasukkan waktu respons dan penggunaan sumber daya ke dalam evaluasi secara bersamaan — itulah alasannya: pemantauan jangka panjang harus cepat sekaligus hemat.
6.2 Izin dan persetujuan manusia
Dots memungkinkan pengguna menetapkan persyaratan eksekusi untuk berbagai tindakan melalui Custom Rules, dengan total empat tingkat: langsung dieksekusi tanpa bertanya, dieksekusi setelah otorisasi sebelumnya, bertanya sebelum eksekusi, dan dikembalikan kepada pengguna. Misalnya, Anda dapat mengizinkannya merapikan folder tertentu secara otomatis, sekaligus mewajibkan bertanya sebelum mengirim email, pembelian harus dikonfirmasi, dan media sosial dilarang dipublikasikan dalam keadaan apa pun.
Sebelum operasi yang berpotensi memengaruhi akun atau mengungkapkan informasi ke pihak luar, mekanisme Auto-review akan memeriksa apakah tindakan sesuai dengan instruksi, aturan, persyaratan keamanan, dan batas izin. Operasi seperti mengubah kata sandi atau memindahkan dana memerlukan pengambilalihan langsung oleh pengguna; penghapusan data permanen dan pemasangan perangkat lunak mungkin memerlukan persetujuan setiap kali. Dalam menghadapi Prompt Injection, OpenAI mengambil langkah-langkah seperti membedakan sumber instruksi, membatasi alat, persetujuan, dan pemantauan berkelanjutan, sekaligus menyatakan secara jelas bahwa langkah-langkah ini tidak dapat menghilangkan semua risiko.
6.3 Biaya: Pro individu dan Dots perusahaan
- Pengguna individu: Pro 100 ($100/bulan), Pro 200 ($200/bulan), dan Pro 500 ($500/bulan) semuanya memenuhi syarat untuk menggunakan Dots. Dalam penjelasan Dots untuk Pro individu, pihak resmi tidak mencantumkan biaya bulanan Dot secara terpisah. Pro individu memerlukan usia minimal 18 tahun, untuk sementara belum mencakup Wilayah Ekonomi Eropa, Inggris, dan Swiss, serta izinnya diluncurkan secara bertahap.
- Tugas yang didelegasikan: tugas ChatGPT Work atau Codex yang dijalankan oleh Dot dihitung secara terpisah sesuai kuota atau aturan penagihan produk yang bersangkutan; konsumsinya bergantung pada model, konteks, penalaran, pemanggilan alat, dan pengambilan informasi.
- Ruang kerja perusahaan: Enterprise, Edu, dan Healthcare memiliki periode pratinjau admin gratis dari 4 hingga 18 November 2026; mulai 18 November, ruang kerja yang memenuhi syarat dibuka secara default dan mulai ditagih. Perusahaan dapat memilih tarif tetap berdasarkan jenis pekerjaan atau penagihan berdasarkan penggunaan; tugas yang didelegasikan ke Work atau Codex ditagih terpisah, dengan jumlah spesifik mengacu pada penawaran yang berlaku untuk ruang kerja tersebut. Setiap anggota dapat membuat satu Dot pribadi.
6.4 Lima metrik untuk menilai Agent berkelanjutan
Untuk menilai apakah sebuah Agent benar-benar “bekerja untuk Anda”, diperlukan metrik yang dapat diukur:
| Metrik | Cara perhitungan | Fokus |
|---|---|---|
| Tingkat penyelesaian tugas | Tugas yang berhasil diselesaikan / total tugas | Apakah benar-benar dapat memberikan hasil |
| Waktu respons rata-rata | Waktu dari terjadinya peristiwa hingga respons valid diberikan | Apakah ketepatan waktu memenuhi kebutuhan bisnis |
| Tingkat alarm palsu | Jumlah pemicuan tanpa perlu tindakan / total pemicuan | Apakah pengingat mengganggu orang |
| Tingkat intervensi manusia | Tugas yang memerlukan intervensi pengguna / total tugas | Berapa banyak tenaga manusia yang benar-benar dihemat |
| Biaya per tugas | Biaya model, alat, dan server / jumlah tugas yang berhasil diselesaikan | Apakah layak secara ekonomi |
💰 Optimasi biaya: Saat membangun Agent pemantauan sendiri, langkah “menentukan apakah perlu tindakan” adalah yang paling sering dipanggil, sehingga cocok untuk pemilihan model bertingkat: model ringan untuk penyaringan awal, model kuat untuk analisis mendalam. Dengan memanggil berbagai model melalui penagihan sesuai penggunaan di APIYI apiyi.com, Anda dapat mengukur biaya per tugas sesuai tabel di atas.
7 Pekerjaan apa yang benar-benar layak diserahkan kepada Agen seperti ChatGPT Dots
Ada lima dimensi untuk menilai apakah suatu pekerjaan cocok didelegasikan kepada Agen persisten:
| Dimensi penilaian | Lebih cocok untuk Agen | Lebih cocok untuk otomasi tradisional atau manual |
|---|---|---|
| Kejelasan aturan | Aturan tidak jelas, perlu memahami makna | Aturan jelas dan dapat sepenuhnya dikodekan → skrip |
| Frekuensi perubahan informasi | Sumber informasi banyak, perubahan tidak teratur | Perubahan tetap dan dapat diprediksi → skrip terjadwal |
| Durasi tugas | Proyek jangka panjang lintas hari dan minggu | Tugas singkat sekali jalan → percakapan biasa |
| Risiko keputusan | Risiko rendah, atau dapat dipasang titik persetujuan | Melibatkan dana, kata sandi, operasi yang tidak dapat dibatalkan → manual |
| Biaya koordinasi manual | Perlu melacak progres dan menyelaraskan informasi lintas beberapa sistem | Operasi sederhana dalam satu sistem |
Berdasarkan hal itu, pekerjaan yang cukup layak didelegasikan meliputi riset tematik jangka panjang dan pemantauan materi, tindak lanjut proyek lintas sistem, pengingat hal yang terlewat, pembaruan laporan berkala, serta persiapan rapat dan perapian tindakan pascarapat. Operasi berisiko tinggi seperti transfer dana, mengganti kata sandi, dan publikasi eksternal harus tetap di tangan manusia, atau setidaknya diatur sebagai “tanya sebelum eksekusi”.
💡 Saran pemilihan: Jika tim Anda ingin membangun alur kerja Agen sendiri di luar Dots, berbagai model memiliki perbedaan dalam pemanggilan alat, konteks panjang, dan stabilitas penilaian. Anda dapat terlebih dahulu melakukan perbandingan skala kecil di APIYI apiyi.com dengan mengganti model menggunakan kode yang sama, lalu memutuskan model mana yang dipakai di lingkungan produksi.
Pertanyaan Umum (FAQ)
Q1:Apa itu ChatGPT Dots?
Dots adalah Agen AI pribadi yang persisten, dirilis oleh OpenAI pada 29 September 2026. Ia memiliki komputer cloud dan browser independen, mampu mempertahankan konteks proyek, melakukan riset proaktif terhadap sumber informasi yang diotorisasi, menjalankan pekerjaan berdasarkan waktu atau peristiwa, dan mengembalikan suatu hal kepada pengguna saat diperlukan keputusan.
Q2:Apakah Dots benar-benar bisa berjalan terus-menerus 24 jam?
“24 jam” menggambarkan mode kerja: setelah pengguna pergi, Dot tetap dapat menentukan kapan harus melanjutkan dan kapan harus menunggu berdasarkan tujuan, peristiwa, waktu, dan status tugas. Ia dibatasi oleh aplikasi yang terhubung, jenis peristiwa yang didukung, dan kuota penggunaan; ia tidak akan berputar tanpa batas, dan juga tidak mampu memantau semua sumber informasi secara real-time.
Q3:Apa perbedaan antara riset proaktif dan tugas terjadwal pada Dots?
Tugas terjadwal menjalankan aksi tertentu pada waktu yang telah ditetapkan. Riset proaktif adalah ketika tidak ada pesan baru, berdasarkan konteks, melakukan riset hanya-baca terhadap sumber yang diotorisasi untuk menemukan informasi yang layak diperhatikan. Riset proaktif sendiri tidak dapat mengirim pesan, mengubah konten, atau mengoperasikan komputer; tindakan lanjutan harus melalui izin dan persetujuan.
Q4:Apakah penggunaan Dots memerlukan biaya tambahan?
Pengguna Pro 100/200/500 individu memiliki kelayakan penggunaan, dan pihak resmi tidak mencantumkan biaya bulanan Dot yang terpisah. Tugas Work dan Codex yang didelegasikan oleh Dot dihitung terpisah sesuai kuota atau aturan masing-masing. Ruang kerja perusahaan mulai dikenai biaya sejak 18 November 2026, dengan pilihan tarif tetap per jenis pekerjaan atau penagihan berdasarkan penggunaan; jumlahnya mengikuti penawaran aktual.
Q5:Bagaimana pengembang membangun sendiri Agen berkelanjutan yang mirip Dots?
Anda dapat merujuk pada konsep Agent, Handoff, Guardrail, Session, dan Tracing dalam OpenAI Agents SDK, lalu mengombinasikannya dengan manajemen status, pemicu peristiwa, fallback terjadwal, dan persetujuan manusia. Bagian pemanggilan model dapat dihubungkan ke antarmuka kompatibel OpenAI dari APIYI apiyi.com, dengan mengatur base_url ke `https://api.apiyi.com/v1`, sehingga satu Key dapat digunakan untuk menguji beberapa model.
Q6:Apa saja keterbatasan Dots yang diketahui?
Agen mungkin salah menilai tugas atau menghasilkan data yang keliru, bisa tersangkut di tahap login, operasi yang sudah selesai belum tentu dapat dibatalkan, dan risiko Prompt Injection juga tidak dapat sepenuhnya dihilangkan. Saat ini pengguna belum dapat melihat atau menghapus memori independen Dot satu per satu, dan memutuskan plugin tidak otomatis menghapus informasi yang telah diperoleh. Saat memvalidasi solusi Agen dalam bisnis Anda sendiri, Anda dapat lebih dulu menggunakan kuota gratis APIYI apiyi.com untuk melakukan uji sampel kecil, serta menghitung tingkat false positive dan tingkat intervensi manusia.
ChatGPT Dots: Poin-Poin Utama
- Pergeseran peran: Dots mengubah AI dari sekadar tanya-jawab pasif menjadi eksekutor yang menerima delegasi dan terus bergerak maju.
- Hakikat kerja berkelanjutan: langkah berikutnya ditentukan oleh tujuan, peristiwa, waktu, dan status tugas—bukan mengandalkan perulangan tanpa henti.
- Tiga mekanisme: riset proaktif bersifat hanya-baca, tugas terjadwal berjalan sesuai waktu, pemantauan peristiwa berjalan sesuai kebutuhan; ketiganya perlu dipahami secara terpisah.
- Lapisan bukti: kemampuan resmi, pengujian langsung Axios, dan pengakuan pengguna adalah tiga jenis bukti dengan tingkat kredibilitas yang berbeda.
- Batas yang jelas: operasi berisiko tinggi memerlukan pengambilalihan oleh manusia, dan hasilnya tetap perlu diverifikasi faktanya.
- Biaya dua lapis: kelayakan langganan Pro dan konsumsi tugas delegasi dihitung terpisah; perusahaan ditagih berdasarkan penawaran.
- Jalur mandiri: rujuk desain status dan persetujuan pada Agents SDK, lalu gunakan APIYI apiyi.com sebagai antarmuka terpadu untuk memverifikasi berbagai model.
Ringkasan
Nilai inti ChatGPT Dots terletak pada kemampuannya membuat satu Agent menanggung pekerjaan dalam jangka panjang: komputer cloud independen menyediakan lingkungan eksekusi, memori jangka panjang menyediakan konteks, riset proaktif, tugas terjadwal, dan pemantauan peristiwa menyediakan pemicu, sementara Custom Rules dan Auto-review menetapkan batas kewenangan. Ia cocok untuk tugas lintas sistem, lintas waktu, dan yang perlu memahami informasi baru; pekerjaan dengan aturan tetap masih lebih hemat diserahkan ke otomasi tradisional, dan keputusan berisiko tinggi tetap diambil oleh manusia.
Saat mengevaluasi Agent semacam ini, Anda bisa memakai lima indikator—tingkat penyelesaian tugas, waktu respons, tingkat positif palsu, tingkat intervensi manusia, dan biaya per tugas—untuk mengukur apakah ia benar-benar menghemat waktu Anda. Jika Anda ingin menghadirkan kemampuan kerja berkelanjutan serupa di produk Anda sendiri, sebaiknya verifikasi hasilnya lebih dulu lewat APIYI apiyi.com: satu API Key terhubung ke berbagai model arus utama, pembayaran sesuai pemakaian, cocok untuk perbandingan prototipe.
📚 Referensi
- OpenAI: Introducing dots: Pengumuman peluncuran Dots, mencakup posisi produk dan skala ekosistemnya
- Tautan:
openai.com/index/introducing-dots -
Keterangan: Sumber utama untuk memahami deskripsi kapabilitas resmi
-
ChatGPT Learn: Meet dots / Tasks and memory: Ikhtisar produk, tugas, memori, riset proaktif, dan tugas berkala
- Tautan:
learn.chatgpt.com/docs/dots -
Keterangan: Dokumen inti untuk memahami mekanisme kerja berkelanjutan
-
OpenAI Help Center: Getting started with your dot: Aktivasi, koneksi komputer, dan pengelolaan aturan
- Tautan:
help.openai.com/en/articles/20001530-getting-started-with-your-dot -
Keterangan: Langkah operasional dan batasan dalam praktik
-
OpenAI Help Center: Dots privacy, security, and safety FAQs: Izin, persetujuan, Prompt Injection, dan kebijakan data
- Tautan:
help.openai.com/en/articles/20001529-dots-privacy-security-and-safety-faqs -
Keterangan: Wajib dibaca saat menilai batas keamanan
-
Panduan administrator Dots Enterprise dan penjelasan langganan Pro: Cara penagihan perusahaan dan harga Pro
- Tautan:
learn.chatgpt.com/docs/enterprise/dots-admin-guide -
Keterangan: Informasi biaya mengacu pada dokumen ini
-
OpenAI Building Agents: Konsep dasar Agents SDK
- Tautan:
developers.openai.com/tracks/building-agents -
Keterangan: Referensi teknis untuk membangun Agent sendiri
-
Microsoft Research: SentinelBench: Studi benchmark agent pemantauan jangka panjang
- Tautan:
microsoft.com/en-us/research/publication/sentinelbench-a-benchmark-for-long-running-monitoring-agents -
Keterangan: Memahami trade-off efisiensi dan sumber daya pada pemantauan berkelanjutan
-
Axios: I tested Dots and Muse: Uji coba langsung oleh media pihak ketiga
- Tautan:
axios.com/2026/10/20/battle-of-bots-openai-meta-ai-agents-test - Keterangan: Performa nyata pada tugas dan hambatan operasional
Penulis: Tim Teknis APIYI
Diskusi teknis: Silakan hubungi kami melalui halaman utama situs APIYI apiyi.com. Materi integrasi yang lebih lengkap tersedia di pusat dokumentasi docs.apiyi.com