Panduan AWS untuk melatih agen multi-langkah dengan MTRL di SageMaker AI
AWS memandu penggunaan Multi-Turn Reinforcement Learning di SageMaker AI untuk tugas agen multi-langkah. Contoh Wordle menunjukkan peningkatan akurasi model, tetapi ini tetap tutorial teknis vendor, bukan laporan implementasi perusahaan tertentu.
Fakta berikut merujuk pada sumber asli. Klaim hasil dari penyedia atau pengguna merupakan laporan mereka, belum merupakan verifikasi independen oleh Borobudur Consulting.
Masalah bisnis
- Masalah yang dibidik adalah tugas agen multi-langkah, saat hasil akhir lebih mudah dinilai daripada setiap langkahnya.
Penerapan AI
- Arsitektur menempatkan job training di SageMaker AI, sementara agen, environment, dan reward dijalankan di Bedrock AgentCore atau infrastruktur sendiri.
Perkembangan yang dilaporkan
- AWS menekankan evaluasi harus memakai setting serving karena kurva validasi training bisa menyesatkan.
Bukti hasil
- Dalam contoh AWS, MTRL meningkatkan solve rate model gpt-oss-20b dari 61% menjadi 84% pada held-out words di setting serving tertentu.
Biaya dan kendala
- Biaya contoh yang dilaporkan sekitar US$339 untuk token training, ditambah sekitar US$79 untuk runtime AgentCore.
Pelajaran untuk perusahaan Indonesia
Interpretasi berikut merupakan pertimbangan awal, bukan fakta tambahan atau bukti hasil penerapan di Indonesia.
Bagi perusahaan Indonesia, materi ini relevan sebagai acuan teknis untuk workflow internal yang perlu serangkaian aksi dan hanya bisa dinilai dari outcome. Namun hasil yang ditampilkan berasal dari contoh Wordle dan pengukuran vendor, sehingga belum membuktikan dampak bisnis pada proses nyata.
Pelajaran praktisnya adalah desain reward, pengaturan evaluasi, dan kontrol biaya token sangat menentukan. Sebelum investasi lebih jauh, tim perlu menguji task internal sederhana, memverifikasi metrik pada setting produksi, dan menghitung biaya total termasuk runtime terpisah.
Pertanyaan sebelum menerapkan
- Apakah proses internal Anda memang lebih cocok dinilai dari outcome akhir daripada label per langkah?
- Berapa biaya token, runtime, dan eksperimen yang masih layak dibanding nilai bisnis workflow yang ingin diotomasi?