OpenAI memperkenalkan dots di DevDay pada 29 September: agen yang selalu aktif di ChatGPT, didukung oleh GPT-6 Astra, masing-masing dilengkapi komputer cloud dan peramban sendiri, serta dapat diakses melalui ChatGPT, Slack, dan Teams. Kalimat terpenting bagi tim yang sudah menggunakan agen koding berada di bagian awal pengumuman OpenAI: “Hari ini, Anda dapat memulai dengan dot utama Anda, memberinya nama, dan menjadikannya milik Anda sendiri. Seiring waktu, kami membayangkan tim dots bekerja bersama atas nama Anda.” Sebuah dot berawal sebagai agen pribadi satu orang. Tim dots adalah arah masa depan yang direncanakan, bukan fitur saat peluncuran saat ini.
Urutan tersebut sangat masuk akal, tetapi menyisakan celah bagi tim yang telah melangkah melampaui agen pertama mereka. Dalam contoh pengembang dari OpenAI sendiri, sebuah dot memantau masukan pengguna, membangun serta menguji perbaikan-perbaikan kecil, lalu menyerahkan “PR lengkap untuk ditinjau.” Jika tim yang sama menjalankan Claude Code di server bersama dan Codex di dua laptop, itu berarti bertambah satu lagi sumber pull request yang harus diperiksa oleh para peninjau yang sama. Pertanyaan sulitnya bukan lagi agen mana yang paling pintar, melainkan agen mana yang sedang mengerjakan apa, apa yang sudah selesai, dan apa yang sedang menunggu tindakan manusia.
TL;DR
Dot dari OpenAI adalah agen pribadi yang andal: selalu aktif, bekerja di komputer cloud-nya sendiri, terhubung ke lebih dari 4.000 aplikasi melalui plugin, dan dikelola oleh Custom Rules, Activity View, peninjauan otomatis (auto-review), serta sistem pemantau yang dapat menjeda atau menghentikannya. Untuk pekerjaan rutin satu orang di dalam ekosistem OpenAI, dot merupakan solusi yang lebih praktis. Namun, tim yang menjalankan beberapa agen dari berbagai vendor tetap membutuhkan satu papan kerja (board) terpusat tempat setiap agen menjadi Assignee pada sebuah Task, status pekerjaan dapat dilihat oleh semua orang, hasil dikembalikan untuk ditinjau, dan manusia menyetujui hasil kerjanya. Keduanya adalah lapisan yang berbeda dan saling melengkapi.
Apa itu OpenAI dots
OpenAI dot adalah agen ChatGPT yang selalu aktif dan ditenagai oleh GPT-6 Astra, yang bekerja mencapai target satu orang di komputer cloud miliknya sendiri, bahkan saat orang tersebut sedang sibuk mengerjakan hal lain. Anda dapat memberi nama dot Anda, menghubungkan aplikasi Anda, dan berinteraksi dengannya di ChatGPT versi desktop, web, atau seluler, di Slack atau Teams, atau melalui panggilan suara, dengan fitur pesan teks segera hadir. Dot mempelajari preferensi Anda dari masukan yang diberikan, dapat menangani proyek baru selagi mengerjakan beberapa proyek lain, dan mengirim pesan kepada Anda mengenai progres, pertanyaan, atau keputusan yang memerlukan tindakan Anda.
Ada dua aspek penting yang membedakan dot dari asisten obrolan biasa. Yang pertama adalah komputer: dot memiliki peramban dan komputer cloud sendiri, Anda dapat membuka komputer tersebut kapan saja untuk memeriksa pekerjaannya, dan Anda dapat memberinya izin untuk menggunakan laptop Anda. Yang kedua adalah inisiatif. Saat Anda sedang tidak berinteraksi dengannya, dot melakukan apa yang disebut OpenAI sebagai “proactive research” (riset proaktif), memanfaatkan aplikasi yang terhubung melalui alat yang dibatasi hanya untuk membaca (read-only), sehingga ia hanya dapat memantau tanpa bisa mengirim pesan, mengubah konten aplikasi, atau mengendalikan peramban maupun komputer Anda.
| Item | Pernyataan OpenAI |
|---|---|
| Model | GPT-6 Astra |
| Tempat bekerja | Komputer cloud dan peramban miliknya sendiri; laptop Anda hanya jika Anda mengizinkannya |
| Aplikasi | Lebih dari 4.000 melalui plugin ChatGPT |
| Cara mengaksesnya | ChatGPT (desktop, web, seluler), Slack, Teams, panggilan suara; pesan teks segera hadir |
| Paket langganan | Mulai diluncurkan untuk paket Pro dan Business Premium di pasar yang memenuhi syarat; beta untuk Enterprise, Edu, dan Healthcare jika diaktifkan oleh admin (nonaktif secara default) |
| Penggunaan | Dot pertama sudah termasuk; percakapan dengannya tidak dihitung dalam batas penggunaan ChatGPT, tetapi tugas yang dimulainya di Codex atau ChatGPT Work tetap dihitung |
| Specialist dots | Uji coba enterprise terfokus: identitas mandiri, kredensial, perangkat keras yang disediakan oleh IT, integrasi dengan system of record |
| Microsoft | Bekerja sama untuk mengintegrasikan specialist dots dengan tata kelola dan kontrol keamanan Agent 365 |
Specialist dots adalah versi untuk tingkat organisasi, dan OpenAI sendiri yang menegaskan batasannya: “Dot Anda bekerja atas nama Anda; specialist dots mengemban tanggung jawab khusus di dalam organisasi Anda.” Perusahaan memberikan masing-masing dot identitas tersendiri, kredensial, serta akses ke sistem yang dibutuhkannya, dan para engineer OpenAI bekerja bersama organisasi untuk mendefinisikan tanggung jawab, alat-alatnya, dan “bagaimana manusia meninjau dan menyetujui hasil kerjanya.” Ingat baik-baik klausul terakhir ini.
Sistem kontrol menjawab “apa yang boleh dilakukan dot saya?”
Dots hadir dengan model perizinan yang dirancang dengan matang. Aturan bawaan menentukan kapan dot bertindak mandiri dan kapan harus meminta izin. Custom Rules memungkinkan Anda mengizinkan tindakan tertentu, mewajibkan persetujuan, atau memblokirnya. Auto-review memeriksa tindakan yang dapat memengaruhi akun Anda atau membagikan informasi terhadap instruksi dan aturan Anda, sementara tugas-tugas sensitif tertentu, seperti mengganti kata sandi, selalu tetap berada di tangan Anda. Activity View menampilkan progres, termasuk pekerjaan di latar belakang, dan memungkinkan Anda mengarahkannya kembali. Jika pemantauan OpenAI mendeteksi masalah keamanan, sistem dapat menjeda atau menghentikan kerja dot tersebut.
Itu adalah rangkaian kontrol yang tepat untuk sebuah agen pribadi, dan OpenAI mendeskripsikannya dari sudut pandang orang kedua: aplikasi Anda, aturan Anda, persetujuan Anda. Saran dari OpenAI sendiri menegaskan hal ini: “Dots masih bisa membuat kesalahan, jadi selalu tinjau pekerjaan yang berdampak signifikan.”
Sebuah tim memiliki kebutuhan yang sama di tingkat yang lebih tinggi. Pertanyaannya bukan lagi “apa yang boleh dilakukan dot saya”, melainkan “apa yang sedang dikerjakan oleh setiap agen di proyek ini, dan siapa yang memberikan persetujuan akhir.” OpenAI sendiri sudah mengantisipasi bahwa sebagian dari jawaban tersebut berada di luar agen: tujuan yang mereka nyatakan dalam kerja sama dengan Microsoft adalah memungkinkan bisnis “mengelola dots melalui alat-alat Microsoft yang sudah mereka gunakan.” Lapisan manajemen berada di atas agen. Di sanalah papan kerja (board) juga berperan.
Pertanyaan yang masih dihadapi seorang team lead
Bayangkan sebuah tim produk kecil. Seorang engineer menggunakan dot. Claude Code berjalan di server bersama, Codex berjalan di dua laptop, dan Gemini menyusun draf dokumentasi. Masing-masing agen bekerja dengan baik. Namun, pertanyaan yang memenuhi rapat hari Senin bukan tentang salah satu dari agen-agen tersebut.
| Pertanyaan yang diajukan team lead | Apa yang diberikan dot | Nilai tambah dari board |
|---|---|---|
| Siapa yang sedang menangani bug checkout? | Pemilik dot bisa menanyakannya langsung atau memantaunya di Activity View | Setiap Task menampilkan Assignee-nya: manusia, Agent, atau Crew, terlepas dari Runtime mana yang menjalankannya |
| Apa yang selesai semalam, dan apa yang gagal? | Pesan progres ke pemiliknya; Activity View untuk pekerjaan di latar belakang | Status eksekusi pada setiap Task (queued, running, completed, failed, canceled) di board yang dapat dibuka oleh siapa saja di Space tersebut |
| Apa yang sedang menunggu tindakan manusia? | Permintaan persetujuan berdasarkan Custom Rules; pertanyaan dan keputusan yang dikirim ke pemiliknya | Status menunggu balasan manusia dan menunggu tinjauan manusia dialihkan ke Inbox orang yang bertanggung jawab |
| Bisakah Claude Code dan Codex mengambil pekerjaan dari antrean yang sama? | Dot berjalan pada GPT-6 Astra dan dapat memulai tugas di Codex | Runtime apa pun yang didukung pada Computer yang terhubung: Claude Code, Codex, Gemini, OpenCode, dan lainnya |
| Apa saja yang boleh disentuh oleh agen? | Custom Rules, auto-review, riset proaktif hanya-baca (read-only) | Instruksi Agent, repositori terlampir, worktree terisolasi, visibilitas Computer; menetapkan Task di Backlog tidak otomatis memulai eksekusi |
| Siapa yang menyetujui hasilnya? | Pemilik meninjau pekerjaan yang berdampak signifikan | Seorang manusia ditempatkan pada Task berdampingan dengan Agent, dan persetujuan berupa perubahan status yang dapat dilihat oleh seluruh tim |
Kolom sebelah kanan bukan tentang agen yang lebih pintar, melainkan rekam jejak dan koordinasi di sekitar agen-agen tersebut. Sharkly bukan pengganti untuk Claude Code, Codex, atau alat eksekusi lainnya; Sharkly menambahkan lapisan tugas bersama, Computer, konteks, kontrol, dan peninjauan di sekitar alat-alat yang sudah digunakan tim Anda. Empat peran, masing-masing dengan satu tugas: Agent menentukan bagaimana pekerjaan harus ditangani, Computer menyediakan host, Runtime menjalankan sesinya, dan Task menjadi catatan bersama. Progres, riwayat aktivitas (trace events), dan hasilnya kembali ke Task, sehingga pertanyaan “apa yang terjadi semalam” terjawab di board, bukan tersebar di empat obrolan pribadi.
Prinsip ini berlaku apa pun vendornya. Agen melakukan riset, mengeksekusi, menguji, dan melaporkan. Manusia menentukan arah, memberikan wewenang, dan menerima hasilnya. Artikel Human ownership of agent work menjelaskan mengapa peran kedua tersebut tidak dapat dialihkan ke agen, dan artikel agentic teams membahas apa saja yang berubah begitu beberapa orang berbagi satu board bersama.
Kapan dot lebih tepat, dan kapan board lebih dibutuhkan
Gunakan dot jika pekerjaannya bersifat perorangan, berulang, serta berlangsung di ChatGPT, Slack, Teams, dan aplikasi yang terhubung lewat plugin: rencana peluncuran yang berubah seiring cakupan proyek, analisis yang berjalan ulang saat data baru masuk, atau faktur yang lupa dikirim seseorang. Jika Anda sudah berlangganan paket Pro atau Business Premium dan sebagian besar pekerjaan agen adalah untuk Anda sendiri, pengaturan dot jauh lebih praktis dibanding solusi lainnya di sini, dan Anda mungkin tidak memerlukan board sama sekali. Dot juga mengaburkan batas antara asisten dan rekan kerja (teammate): ia mengerjakan tugas tanpa perlu Anda awasi terus-menerus layaknya rekan kerja, tetapi bertanggung jawab hanya kepada satu orang.
Gunakan board ketika pekerjaannya dilakukan bersama-sama: beberapa orang mendelegasikan tugas ke beberapa agen, menggunakan Runtime dari lebih dari satu vendor, peninjau yang bukan pembuat permintaan tugas, serta riwayat per Task yang tetap tersimpan melampaui riwayat percakapan mana pun. Ini sangat krusial jika Anda ingin alur kerja tim tetap bertahan meskipun agen terbaik berganti di masa depan. Hari ini mungkin Astra di dalam dot, Claude Code di server, dan Codex di laptop. Kuartal berikutnya jajaran tersebut bisa saja berubah, dan board tim tidak perlu dibangun ulang setiap kali ada perubahan.
Keduanya saling melengkapi. Jika pull request dari sebuah dot masuk ke repositori GitHub yang terhubung dengan Sharkly dan judul, deskripsi, atau branch-nya memuat Task ID, integrasi GitHub Sharkly akan mencoba menautkannya ke Task tersebut. Dot yang Anda hubungi di Slack dapat berdampingan dengan Agent Sharkly yang memiliki bot Slack sendiri tanpa saling menggantikan. Dan jika Anda menginginkan GPT-6 Astra di dalam board itu sendiri, model tersebut hadir seperti halnya model lain: melalui Runtime pada sebuah Computer, karena Agent mengikuti model default dari Runtime. Panduan konfigurasinya dapat dibaca di menjalankan agen GPT-6 Astra di Sharkly.
Dots bukanlah satu-satunya peluncuran di DevDay mengenai agen yang dapat bertindak tanpa diminta. MCP Events dan team tasks, yang keduanya tercantum dalam rekap DevDay, membawa konsep serupa ke pekerjaan berbasis peristiwa (event-driven); artikel pelengkap kami tentang ChatGPT yang memantau board proyek Anda membahas apa yang seharusnya dihasilkan oleh sebuah event setelah ia diterima.
Setiap perusahaan AI ingin Anda mengelola agen buatan mereka. Sharkly memungkinkan Anda mengelola agen milik Anda sendiri. Jika Anda ingin terus menggunakan beberapa agen koding daripada terikat pada satu ekosistem saja, itulah masalah yang dirancang untuk diselesaikan oleh Sharkly.
