(AI Glossary)

AI terms, in plain language

Clear, business-framed definitions of the AI words that actually come up, in English and Bahasa Indonesia. No jargon for its own sake.

Agents

AI Agent

What is an AI agent?

An AI agent is software that uses a language model to pursue a goal on its own: it decides what steps to take, calls tools or systems, and acts, not just answers. Unlike a chatbot that replies once, an agent can complete a multi-step task like processing an invoice or qualifying a lead, within boundaries you set.

Apa itu AI agent?

AI agent adalah software yang memakai language model untuk mengejar sebuah tujuan secara mandiri: ia memutuskan langkah, memanggil tool atau sistem, lalu bertindak, bukan sekadar menjawab. Beda dengan chatbot yang sekadar membalas, agent bisa menuntaskan tugas multi-langkah seperti memproses invoice atau menyaring lead, dalam batasan yang Anda tentukan.

Agentic AI

What is agentic AI?

Agentic AI is the broader approach where AI systems plan, coordinate, and adapt across multiple tools, steps, and even multiple agents to reach a business goal with minimal human prompting. If an AI agent is one worker handling a scoped task, agentic AI is the coordinated team working across systems. The word 'agentic' simply describes this autonomous, goal-driven behavior.

Apa itu agentic AI?

Agentic AI adalah pendekatan yang lebih luas, di mana sistem AI merencanakan, mengoordinasikan, dan beradaptasi lintas banyak tool, langkah, bahkan beberapa agent sekaligus untuk mencapai tujuan bisnis dengan campur tangan manusia yang minim. Kalau satu AI agent ibarat satu pekerja, agentic AI adalah tim yang bekerja terkoordinasi lintas sistem. Kata 'agentic' menggambarkan perilaku otonom dan berorientasi tujuan ini.

Models

Generative AI

What is generative AI?

Generative AI is AI that creates new content, text, images, code, audio, or video, rather than just classifying or predicting from existing data. It learns patterns from large datasets, then produces fresh output on demand. For business, this is the technology behind ChatGPT, Claude, and image tools, useful for drafting, summarizing, coding, and customer support at scale.

Apa itu generative AI?

Generative AI adalah AI yang menghasilkan konten baru, baik teks, gambar, kode, audio, maupun video, bukan sekadar mengklasifikasikan atau memprediksi dari data yang ada. Ia mempelajari pola dari dataset besar, lalu memproduksi output baru sesuai permintaan. Untuk bisnis, inilah teknologi di balik ChatGPT, Claude, dan tool gambar, berguna untuk drafting, merangkum, coding, dan customer support dalam skala besar.

LLM (Large Language Model)

What is an LLM (large language model)?

A large language model is an AI trained on vast amounts of text to understand and generate human language. It works by predicting the most likely next word, which lets it answer questions, write, translate, and summarize. LLMs like GPT, Claude, and Gemini are the engines inside most business AI tools. They are powerful but not databases of guaranteed facts.

Apa itu LLM (large language model)?

Large language model adalah AI yang dilatih dengan teks dalam jumlah sangat besar untuk memahami dan menghasilkan bahasa manusia. Cara kerjanya memprediksi kata berikutnya yang paling mungkin, sehingga bisa menjawab pertanyaan, menulis, menerjemahkan, dan merangkum. LLM seperti GPT, Claude, dan Gemini adalah mesin di balik kebanyakan tool AI bisnis. Kuat, tapi bukan database fakta yang pasti benar.

Open-weight Model

What is an open-weight model?

An open-weight model is an AI whose trained parameters are published for anyone to download, run, and fine-tune on their own hardware, though the training data and full code usually stay private. Models like Llama, DeepSeek, and Qwen are open-weight, not fully open-source. For business, they enable local hosting, data control, and lower API costs, with a small but narrowing capability gap versus closed models.

Apa itu open-weight model?

Open-weight model adalah AI yang parameter hasil trainingnya dipublikasikan agar siapa pun bisa mengunduh, menjalankan, dan melakukan fine-tuning di hardware sendiri, meski data dan kode pelatihan lengkapnya biasanya tetap tertutup. Model seperti Llama, DeepSeek, dan Qwen itu open-weight, bukan sepenuhnya open-source. Untuk bisnis, ini memungkinkan hosting lokal, kontrol data, dan biaya API lebih rendah, dengan selisih kemampuan kecil yang terus menyempit dibanding model tertutup.

Technical

Prompt Engineering

What is prompt engineering?

Prompt engineering is the practice of writing clear, well-structured instructions so an AI model gives accurate, useful output. It covers what you ask, how you phrase it, what role and examples you provide, and what format you request. For business, good prompting is the cheapest lever for better results, no coding required, just clarity about the task and context.

Apa itu prompt engineering?

Prompt engineering adalah keterampilan menulis instruksi yang jelas dan terstruktur agar model AI memberi output yang akurat dan berguna. Ini mencakup apa yang Anda minta, bagaimana merumuskannya, peran dan contoh yang Anda berikan, serta format yang diminta. Untuk bisnis, prompting yang baik adalah cara termurah memperbaiki hasil, tanpa coding, cukup kejelasan soal tugas dan konteks.

Context Engineering

What is context engineering?

Context engineering is the practice of managing everything an AI knows at the moment it acts: relevant documents, memory, tool outputs, company policies, and prior steps. If prompt engineering is what you say, context engineering is what the model has access to. It matters most for AI agents, where good answers depend on feeding the model the right information, not just clever wording.

Apa itu context engineering?

Context engineering adalah praktik mengelola segala hal yang diketahui AI saat ia bertindak: dokumen relevan, memory, output tool, kebijakan perusahaan, dan langkah sebelumnya. Kalau prompt engineering soal apa yang Anda katakan, context engineering soal informasi apa yang bisa diakses model. Ini paling krusial untuk AI agent, karena jawaban bagus bergantung pada memberi model informasi yang tepat, bukan sekadar kata-kata pintar.

RAG (Retrieval-Augmented Generation)

What is RAG (retrieval-augmented generation)?

RAG is a method that lets an AI pull relevant information from your own documents or database before answering, instead of relying only on what it learned in training. The model retrieves the right material, then generates a response grounded in it. For business, RAG is how you build AI that answers from your real data, reducing made-up answers and keeping responses current.

Apa itu RAG (retrieval-augmented generation)?

RAG adalah metode yang membuat AI mengambil informasi relevan dari dokumen atau database Anda sendiri sebelum menjawab, bukan hanya mengandalkan apa yang dipelajarinya saat training. Model mencari materi yang tepat, lalu menyusun jawaban berdasarkan materi itu. Untuk bisnis, RAG adalah cara membangun AI yang menjawab dari data riil Anda, menekan jawaban karangan dan menjaga respons tetap up to date.

MCP (Model Context Protocol)

What is MCP (Model Context Protocol)?

MCP is an open standard, introduced by Anthropic in 2024 and now stewarded by the Linux Foundation's Agentic AI Foundation, that lets AI applications connect to tools, data, and systems in a consistent way. Think of it as a USB-C port for AI: one standard plug instead of custom integrations for every app. It is now widely adopted, making AI agents far easier to connect to real business systems.

Apa itu MCP (Model Context Protocol)?

MCP adalah standar terbuka, diperkenalkan Anthropic pada 2024 dan kini dikelola lewat Agentic AI Foundation di bawah Linux Foundation, yang membuat aplikasi AI bisa terhubung ke tool, data, dan sistem dengan cara yang konsisten. Bayangkan seperti port USB-C untuk AI: satu colokan standar, bukan integrasi khusus untuk tiap aplikasi. Kini sudah diadopsi luas, sehingga AI agent jauh lebih mudah disambungkan ke sistem bisnis nyata.

Token

What is a token in AI?

A token is the small unit of text an AI model reads and generates, roughly a word piece or a few characters. Models process text as tokens, and AI pricing and limits are measured in them, both your input and the model's output count. For business, tokens matter for cost and capacity: longer documents and chats use more tokens, which directly affects what you pay.

Apa itu token dalam AI?

Token adalah satuan kecil teks yang dibaca dan dihasilkan model AI, kira-kira sepotong kata atau beberapa karakter. Model memproses teks sebagai token, dan harga serta batas AI dihitung dengan satuan ini, baik input Anda maupun output model sama-sama terhitung. Untuk bisnis, token penting soal biaya dan kapasitas: dokumen dan percakapan yang panjang memakai lebih banyak token, yang langsung memengaruhi tagihan Anda.

Training

Fine-tuning

What is fine-tuning?

Fine-tuning is further training an existing AI model on your own examples so it adapts to a specific style, task, or domain. Instead of building a model from scratch, you adjust one that already works. It is useful for consistent tone or specialized tasks, but for most business needs, good prompting or RAG is cheaper and faster than fine-tuning.

Apa itu fine-tuning?

Fine-tuning adalah melatih lebih lanjut model AI yang sudah ada dengan contoh-contoh milik Anda, supaya ia menyesuaikan diri ke gaya, tugas, atau domain tertentu. Daripada membangun model dari nol, Anda menyesuaikan yang sudah jalan. Berguna untuk nada yang konsisten atau tugas khusus, tapi untuk kebanyakan kebutuhan bisnis, prompting yang baik atau RAG lebih murah dan cepat ketimbang fine-tuning.

Corporate AI Training

What is corporate AI training?

Corporate AI training is structured upskilling that teaches a company's employees to use AI tools effectively and responsibly in their actual jobs. Good programs go beyond demos: they cover practical prompting, real workflows, safe data handling, and limits to watch for. The goal is capability that sticks, teams that confidently use AI day to day, not a one-off workshop people forget by Monday.

Apa itu corporate AI training?

Corporate AI training adalah pelatihan terstruktur yang mengajari karyawan sebuah perusahaan memakai tool AI secara efektif dan bertanggung jawab dalam pekerjaan mereka sehari-hari. Program yang baik lebih dari sekadar demo: mencakup prompting praktis, workflow nyata, penanganan data yang aman, dan batasan yang perlu diwaspadai. Tujuannya kemampuan yang melekat, tim yang percaya diri memakai AI rutin, bukan workshop sekali jalan yang langsung dilupakan.

Strategy

AI Adoption

What is AI adoption?

AI adoption is the process of bringing AI into how a company actually works, choosing the right use cases, fitting tools to real workflows, training people, and managing change, so it delivers measurable value. It is a business and people problem, not just a technology purchase. Most failed AI efforts fail here, not on the model, but on integration, trust, and follow-through.

Apa itu adopsi AI?

Adopsi AI adalah proses memasukkan AI ke dalam cara perusahaan benar-benar bekerja: memilih use case yang tepat, mencocokkan tool dengan workflow nyata, melatih orang, dan mengelola perubahan, supaya menghasilkan nilai yang terukur. Ini soal bisnis dan manusia, bukan sekadar membeli teknologi. Kebanyakan upaya AI gagal di titik ini, bukan pada modelnya, tapi pada integrasi, kepercayaan, dan konsistensi menjalankannya.

GEO (Generative Engine Optimization)

What is GEO (Generative Engine Optimization)?

GEO is the practice of structuring and publishing content so AI engines like ChatGPT, Perplexity, Gemini, and Google's AI answers cite it when responding to users. Where traditional SEO competes for a ranked link, GEO competes to be the source the AI quotes. For business, it is how you stay visible as more people get answers from AI instead of clicking through search results.

Apa itu GEO (Generative Engine Optimization)?

GEO adalah praktik menyusun dan menerbitkan konten agar mesin AI seperti ChatGPT, Perplexity, Gemini, dan jawaban AI Google mengutipnya saat merespons pengguna. Kalau SEO tradisional berebut peringkat link, GEO berebut menjadi sumber yang dikutip AI. Untuk bisnis, inilah cara tetap terlihat saat makin banyak orang mendapat jawaban langsung dari AI alih-alih mengeklik hasil pencarian.

Safety

Hallucination

What is an AI hallucination?

A hallucination is when an AI produces information that sounds confident and plausible but is actually wrong or invented, a fake statistic, a wrong date, a non-existent source. It happens because the model predicts likely text, not verified truth. For business, this is the core risk: always fact-check AI output before relying on it, especially for numbers, names, legal, or financial claims.

Apa itu halusinasi AI?

Halusinasi AI adalah ketika AI menghasilkan informasi yang terdengar yakin dan masuk akal padahal sebenarnya salah atau dikarang, misalnya statistik palsu, tanggal keliru, atau sumber yang tidak ada. Ini terjadi karena model memprediksi teks yang mungkin, bukan kebenaran yang terverifikasi. Untuk bisnis, inilah risiko utamanya: selalu cek fakta output AI sebelum dipakai, terutama untuk angka, nama, klaim hukum, atau keuangan.

Guardrails

What are AI guardrails?

Guardrails are the rules, filters, and limits placed around an AI system to keep its behavior safe, accurate, and on-policy. They can block harmful or off-topic responses, restrict what data the AI touches, require approval for risky actions, and enforce brand or legal standards. For business, guardrails are what make deploying AI, especially agents, trustworthy enough to put in front of customers.

Apa itu guardrails AI?

Guardrails adalah aturan, filter, dan batasan yang dipasang di sekeliling sistem AI agar perilakunya tetap aman, akurat, dan sesuai kebijakan. Guardrails bisa memblokir respons berbahaya atau melenceng, membatasi data yang boleh disentuh AI, mewajibkan persetujuan untuk aksi berisiko, serta menegakkan standar brand atau hukum. Untuk bisnis, guardrails inilah yang membuat penerapan AI, terutama agent, cukup tepercaya untuk dihadapkan ke pelanggan.

Human-in-the-loop

What is human-in-the-loop?

Human-in-the-loop is a design where a person reviews, approves, or corrects an AI's work at key points, rather than letting it run fully unsupervised. The AI handles speed and volume; the human handles judgment and accountability. For business, it is the practical default for high-stakes tasks, you get AI's efficiency while keeping a person responsible for what actually ships.

Apa itu human-in-the-loop?

Human-in-the-loop adalah desain di mana seseorang meninjau, menyetujui, atau mengoreksi hasil kerja AI di titik-titik penting, bukan membiarkannya jalan tanpa pengawasan. AI menangani kecepatan dan volume; manusia menangani pertimbangan dan tanggung jawab. Untuk bisnis, ini default yang masuk akal untuk tugas berisiko tinggi: Anda dapat efisiensi AI sambil tetap ada orang yang bertanggung jawab atas apa yang benar-benar keluar.