NS
NEWSAINT
ai-eng• 12 MIN READ•4 September 2026

Proactive Service Agents 2026: Arsitektur Partially Observable Sequential Decision, Intervention Gating, dan Recoverable Execution pada Autonomous AI

Analisis arsitektural komprehensif Proactive Service Agents (arXiv:2609.03727, September 2026): Menggeser inisiatif AI dari reactive instructions menuju Constrained POSDP, Intervention Advantage, Option Value of Waiting, dan Recoverable Execution.

N
Ervareza Naurian Novantila
Lead Architect & Founder NEWSAINT
Fact-Checked & Verified
Arsitektur Proactive Service Agents POSDP Decision Framework 2026

Dalam evolusi kecerdasan buatan terapan, sebagian besar ekosistem agen cerdas saat ini masih terkunci dalam paradigma Reaktif (Reactive Assistance): model baru bergerak ketika pengguna mengetikkan instruksi secara eksplisit di kolom prompt. Namun, pada implementasi dunia nyata—seperti coding workspace terdistribusi, pemantauan sistem cloud, antarmuka streaming multimodal, dan pendampingan eksekutif—kebutuhan kritis sering kali muncul sebelum pengguna sempat merumuskannya dalam kata-kata. Proactive Service menggeser inisiatif keputusan ke hulu (moving decisions upstream): agen harus mampu menginferensi peluang intervensi dari sinyal lingkungan yang tidak lengkap, menimbang risiko interupsi, dan memilih momen yang tepat antara diam (silent), bertanya (ask), membimbing (assist), atau mengeksekusi mandiri (act).

Executive Architectural Summary & Terobosan Riset (arXiv:2609.03727)

Dipublikasikan pada awal September 2026 oleh tim riset UniCone & Tsinghua University, makalah "Proactive Service Agents: A Unified Decision Framework, Methods, and Evaluation" (arXiv:2609.03727) menetapkan fondasi teoretis dan standar evaluasi pertama yang menyatukan konsep proaktivitas AI. Riset ini membongkar mitos bahwa "proaktif berarti bertindak sesering mungkin". Menggunakan formulasi Constrained Partially Observable Markov Decision Process (CPOMDP/POSDP), penelitian ini membuktikan bahwa akurasi klasifikasi offline semata tidak berkorelasi dengan manfaat operasional di produksi. Layanan proaktif yang andal menuntut 4 pilar mutlak: Calibrated Incremental Intervention Value ($Delta_{\boldsymbol{\eta}}$), Option Value of Waiting, Verifiable Authorization Ledger ($ar{\kappa}$), dan Recoverable Execution.

1. Definisi Operasional: Mengapa Preset Automation Bukan Proaktif?

Banyak praktisi keliru menyamakan automated cron job atau reminder kalender sebagai sistem proaktif hanya karena sistem tersebut "berbicara lebih dulu". Riset arXiv:2609.03727 menarik garis demarkasi formal yang ketat:

Paradigma Interaksi Sumber Pemicu (Trigger) Alternatif Saat Keputusan Karakter Inisiatif
Reactive Agent Instruksi eksplisit pengguna ($iota_t$) Perencanaan & tool-call internal Pasif: Menunggu perintah
Preset Automation Jadwal / Rule statis sebelumnya Eksekusi deterministik tanpa opsi diam Kaku: Terikat rule pengguna
Mixed-Initiative UI Kolaborasi manusia-mesin Dialog, negosiasi, serah-terima kontrol Dinamis: Berbagi inisiatif
Proactive Service Agent Inferensi sinyal laten lingkungan Pilihan online: Silent vs Ask vs Assist vs Act Otonom: Transfer kontrol bernilai tambah

Sebuah aksi non-silent $a_t$ pada waktu $t$ secara formal didefinisikan sebagai Proactive Service Intervention jika dan hanya jika:

  • Sistem secara mandiri mengintroduksi peluang layanan (service opportunity), waktu pemicu, subgoal, atau komitmen aksi eksternal yang tidak tertulis dalam spesifikasi $iota_t$.
  • Protokol mengizinkan sistem untuk tetap diam (silence) sebagai salah satu alternatif aksi yang valid.
  • Keputusan dipilih berdasarkan keyakinan probabilitas (belief state) mengenai tujuan pengguna, kondisi lingkungan, dan konsekuensi risiko.
  • Tujuan yang dikejar membawa manfaat nyata yang disetujui pengguna (user-endorsed benefit), bukan manipulasi perhatian.

2. Formulasi Matematis: Constrained POSDP & Intervention Advantage

Mengapa model AI tidak boleh langsung mengambil tindakan saat mendeteksi kebutuhan pengguna? Karena intensi pengguna tidak dapat diobservasi secara langsung, sementara tindakan yang salah memicu biaya interupsi (interruption cost) dan risiko kerusakan sistem. Oleh karena itu, masalah ini dimodelkan sebagai Constrained Partially Observable Markov Decision Process:

\mathcal{M} = \langle \mathcal{S}, \mathcal{O}, \mathcal{A}, T, Z, r, \mathbf{c}, \gamma, b_0 \rangle

Di mana State tersembunyi $s_t = \langle u_t, \omega_t, x_t, z_t \rangle$ merangkum tujuan laten pengguna ($u_t$), tingkat ketergangguan/beban kerja ($\omega_t$), kondisi lingkungan ($x_t$), dan internal state agen ($z_t$).

A. Struktur Aksi Multi-Modal

Ruang aksi $mathcal{A}$ tidak hanya berupa teks, melainkan tupel terstruktur:

a_t = \langle m_t, \tau_t, z_t, \ell_t \rangle
  • m_t ∈ {silent, ask, assist, act}: Moda inisiatif intervensi.
  • τ_t: Waktu pelaksanaan (segera vs terjadwal pada jendela Goldilocks).
  • z_t: Subgoal konten dan muatan teknis (clarification query / tool arguments).
  • &ell_t: Kanal penyampaian (toast notification, inline diff, status badge, audio cue).

B. Intervention Advantage & The Option Value of Waiting

Kunci utama arsitektur ini adalah Intervention Advantage ($Delta_{oldsymbol{eta}}$). Agen hanya boleh menginterupsi jika nilai aksi aktif melampaui nilai opsi menunggu (option value of waiting):

\Delta_{\boldsymbol{\eta}}(b_t, \bar{\kappa}_t) = \max_{a \in \mathcal{A}_t^+} Q^*_{\boldsymbol{\eta}}(b_t, \bar{\kappa}_t, a) - Q^*_{\boldsymbol{\eta}}(b_t, \bar{\kappa}_t, \mathsf{silent})

Perhatikan bahwa $Q^*_{\boldsymbol{\eta}}(b_t, \bar{\kappa}_t, \mathsf{silent})$ bukanlah nol! Menunggu memiliki nilai ekonomi nyata: pengguna mungkin menyelesaikan masalahnya sendiri, atau observasi berikutnya akan menghasilkan resolusi ketidakpastian yang jauh lebih tinggi. Jika $Delta_{\boldsymbol{\eta}} le 0$, agen menerapkan conservative tie-breaking dan wajib tetap diam.

C. The Decisional Value of Information (VoI) untuk Pertanyaan

Kapan agen harus memilih mode ask (klarifikasi) alih-alih langsung mengeksekusi (act)? Mengajukan pertanyaan membebani kognisi pengguna ($C_Q(q)$). Nilai murni dari informasi (Pure Value of Information) diformulasikan sebagai:

\text{VoI}(q) = \mathbb{E}_{y} \big[ V_0(b^{q,y}, \bar{\kappa}^{q,y}) \big] - V_0(b, \bar{\kappa}) - C_Q(q)

Jika jawaban pengguna $y$ tidak mengubah keyakinan ($b$), tidak memperbarui hak otorisasi ($\bar{\kappa}$), dan tidak merubah keputusan aksi hilir, maka $\text{VoI}(q) \le 0$, sehingga pertanyaan tersebut dilarang diajukan.

3. Siklus 4-Tahap Arsitektur Proactive Service Engine

Untuk mengoperasikan sistem di lingkungan produksi, arsitektur dipecah menjadi 4 subsistem modular:

Tahap 1

State & Need Estimation

Mengonversi streaming observasi (event layar GUI, terminal log, sensor workspace) menjadi belief state terkalibrasi $b_t$. Mengukur probabilitas kebutuhan $p = P(N=1 mid b)$, entropi ketidakpastian tugas, serta tingkat ketergangguan pengguna $omega_t$.

Tahap 2

Intervention Gating

Menyaring aksi kandidat terhadap buku besar otorisasi kriptografis $ar{kappa}_t$. Menghitung Intervention Advantage $Delta_{oldsymbol{eta}}$ dengan penalti biaya interupsi dan privasi berbasis harga bayangan Lagrangian ($oldsymbol{eta}$).

Tahap 3

Action Construction

Menyusun muatan spesifik sesuai moda terpilih: menghasilkan pertanyaan ringkas pada mode ask, menyiapkan scaffold/diff pada mode assist, atau mengompilasi parameter tool execution pada mode act.

Tahap 4

Feedback & Recoverable Execution

Mencatat respons pengguna (diterima, diabaikan, ditolak, dikoreksi). Seluruh eksekusi moda act wajib memiliki transactional rollback semantics (checkpoint state) sehingga efek samping dapat dibatalkan seketika jika pengguna membatalkan inisiatif.

4. Implementasi Standar: Proactive Service POSDP Kernel

Berikut adalah implementasi TypeScript produksi yang memvalidasi pembatas otorisasi (admissibility barrier), menghitung nilai Lagrangian-relaxed, dan mengisolasi inisiatif intervensi:

typescript / proactive-service-kernel.ts POSDP SPEC (2026)
// Proactive Service Agent POSDP Decision Engine & Intervention Gating Kernel
// Berdasarkan Formulasi Matematis Unified Decision Framework (arXiv:2609.03727, September 2026)
// Mengimplementasikan Constrained Partially Observable Sequential Decision Making

export type InterventionMode = 'silent' | 'ask' | 'assist' | 'act';

export interface UserBeliefState {
  latentObjectiveId: string;
  needProbability: number; // p = P(N = 1 | b)
  userInterruptibility: number; // 0.0 (busy/focused) - 1.0 (receptive)
  taskUncertaintyEntropy: number; // H(U | o)
  contextTimestamp: number;
}

export interface AuthorizationLedger {
  grantedPermissions: Set;
  explicitDelegationTokens: string[];
  maxIrreversibleActionTier: number; // 0: Read-only, 1: Idempotent Write, 2: Destructive/Monetary
}

export interface StructuredCandidateAction {
  id: string;
  mode: InterventionMode;
  targetSubgoal: string;
  payloadAction: string;
  estimatedImmediateReward: number; // r(s, a)
  interruptionCost: number; // c_interrupt
  misunderstandingRiskCost: number; // c_risk
  privacyDisclosureCost: number; // c_privacy
  executionReversibilityCost: number; // c_undo
  requiredPermission?: string;
  requiredActionTier: number;
}

export interface GatingDecisionTelemetry {
  selectedAction: StructuredCandidateAction;
  interventionAdvantage: number; // Delta_eta(b, kappa)
  optionValueOfWaiting: number; // Q*(b, kappa, silent)
  decisionValueOfAsking?: number; // VoI(q)
  gatePassed: boolean;
  shadowPricePenalties: number;
}

export class ProactiveServiceKernel {
  private readonly gammaDiscount: number;
  private readonly shadowPrices: {
    interruption: number; // eta_1
    risk: number;         // eta_2
    privacy: number;      // eta_3
  };

  constructor(
    gamma: number = 0.95,
    shadowPrices = { interruption: 1.4, risk: 2.5, privacy: 1.8 }
  ) {
    this.gammaDiscount = gamma;
    this.shadowPrices = shadowPrices;
  }

  /**
   * 1. Evaluasi Hard Feasibility & Authorization Ledger Constraints
   * Tindakan 'act' yang tidak memiliki token otorisasi eksplisit langsung didiskualifikasi (Admissibility Barrier).
   */
  public filterAdmissibleActions(
    candidates: StructuredCandidateAction[],
    ledger: AuthorizationLedger
  ): StructuredCandidateAction[] {
    return candidates.filter((action) => {
      if (action.mode === 'silent') return true;
      if (action.requiredActionTier > ledger.maxIrreversibleActionTier) return false;
      if (action.requiredPermission && !ledger.grantedPermissions.has(action.requiredPermission)) {
        return false;
      }
      return true;
    });
  }

  /**
   * 2. Hitung Lagrangian-Relaxed Expected Reward: r_eta(s, a)
   */
  public computeRelaxedReward(action: StructuredCandidateAction, belief: UserBeliefState): number {
    if (action.mode === 'silent') {
      return 0.0; // Baseline netral
    }

    const softPenalty = 
      this.shadowPrices.interruption * (action.interruptionCost * (1.0 - belief.userInterruptibility)) +
      this.shadowPrices.risk * (action.misunderstandingRiskCost * belief.taskUncertaintyEntropy) +
      this.shadowPrices.privacy * action.privacyDisclosureCost;

    // Expected value proporsional terhadap estimasi kebutuhan nyata user
    const expectedGrossBenefit = action.estimatedImmediateReward * belief.needProbability;
    return expectedGrossBenefit - softPenalty;
  }

  /**
   * 3. Estimasi Option Value of Waiting vs Intervention Advantage
   * Delta_eta(b, kappa) = max_{a != silent} Q*(b, kappa, a) - Q*(b, kappa, silent)
   */
  public evaluateInterventionGating(
    belief: UserBeliefState,
    ledger: AuthorizationLedger,
    candidates: StructuredCandidateAction[],
    estimatedFutureSilentValue: number = 1.2
  ): GatingDecisionTelemetry {
    const admissible = this.filterAdmissibleActions(candidates, ledger);

    // Q*(b, kappa, silent) merefleksikan opsi menunggu datangnya observasi berikutnya yang lebih jelas
    const qSilent = this.gammaDiscount * estimatedFutureSilentValue;

    let bestNonSilentAction: StructuredCandidateAction | null = null;
    let maxNonSilentQ = -Infinity;

    for (const act of admissible) {
      if (act.mode === 'silent') continue;

      const immediateRelaxed = this.computeRelaxedReward(act, belief);
      // Asumsi nilai masa depan setelah aksi (termasuk branching feedback user)
      const qValue = immediateRelaxed + this.gammaDiscount * (act.mode === 'ask' ? 1.5 : 1.1);

      if (qValue > maxNonSilentQ) {
        maxNonSilentQ = qValue;
        bestNonSilentAction = act;
      }
    }

    // Conservative Tie-Breaking: Jika Delta_eta <= 0, agen WAJIB memilih silent
    const deltaInterventionAdvantage = maxNonSilentQ - qSilent;
    const shouldIntervene = deltaInterventionAdvantage > 0.0 && bestNonSilentAction !== null;

    const chosenAction = shouldIntervene
      ? bestNonSilentAction!
      : {
          id: 'action-silent-wait',
          mode: 'silent' as InterventionMode,
          targetSubgoal: 'observe_stream',
          payloadAction: 'maintain_passive_monitoring',
          estimatedImmediateReward: 0,
          interruptionCost: 0,
          misunderstandingRiskCost: 0,
          privacyDisclosureCost: 0,
          executionReversibilityCost: 0,
          requiredActionTier: 0,
        };

    return {
      selectedAction: chosenAction,
      interventionAdvantage: Number(deltaInterventionAdvantage.toFixed(4)),
      optionValueOfWaiting: Number(qSilent.toFixed(4)),
      gatePassed: shouldIntervene,
      shadowPricePenalties: this.computeRelaxedReward(chosenAction, belief),
    };
  }
}

5. Metrik Evaluasi: Mengapa Metrik Klasifikasi Klasik Menyesatkan?

Salah satu temuan paling tajam dari survei arXiv:2609.03727 adalah kegagalan metrik akurasi tradisional. Pada stream dunia nyata di mana momen kebutuhan sangat jarang (sparse stream, misal hanya 2 intervensi per 8 jam kerja), sebuah model bodoh yang selalu diam (100% silent) bisa memperoleh akurasi 99.8%! Evaluasi standar industri 2026 mewajibkan kombinasi 3 metrik baru:

Metrik Standar 2026 Formulasi Matematis Definisi & Fungsi Proteksi Target Produksi
FAH (False Alarms / Hour) \frac{\#\{\text{false interventions}\}}{\text{observed hours}} Frekuensi alarm palsu per jam pengamatan; melindungi pengguna dari kejenuhan interupsi. < 0.25 / jam
Timing F1 (F_{1, T}) \frac{2 \cdot \text{Prec}_T \cdot \text{Rec}_T}{\text{Prec}_T + \text{Rec}_T} Pencocokan bipartit maksimal prediksi intervensi ke dalam jendela waktu valid $[l_j, u_j]$. > 84.5%
Net Policy Value (ΔV) \mathbb{E}[Y^\pi - Y^{\pi_0}] - \boldsymbol{\lambda}^\top \mathbb{E}[\mathbf{C}^\pi - \mathbf{C}^{\pi_0}] Nilai kebijakan kausal inkremental dibandingkan baseline reaktif, dievaluasi via PDIS off-policy. ΔV > +18.2

6. Panduan Implementasi untuk Arsitektur AI Agent Modern

Bagi tim rekayasa yang mengintegrasikan kapabilitas proaktif ke dalam agen perusahaan (enterprise multi-agent harness), berikut adalah 3 rekomendasi arsitektural utama:

  • Pisahkan Otorisasi dari Inferensi Peluang (Authorization Ledger): Jangan pernah mempercayakan izin eksekusi kritis (seperti menghapus file, mengirim email publik, atau mutasi database) pada perkiraan probabilitas model. Otorisasi harus bersumber dari token kriptografis yang tercatat di ledger terverifikasi ($ar{kappa}_t$).
  • Muliakan Opsi Diam (Respect the Option to Wait): Agen yang hebat bukanlah agen yang paling berisik. Tetap diam saat kepastian rendah adalah keputusan optimal yang menjaga kepercayaan pengguna dan mempertahankan integritas sistem.
  • Wajibkan Atomic Undo & State Rollback: Setiap kali mode act dipicu secara otonom, pastikan sistem menyertakan reversibilitas penuh (seperti Git ephemeral worktrees atau database shadow transactions). Kemampuan pemulihan instan mengubah aksi berisiko tinggi menjadi intervensi berbiaya rendah.

Referensi & Sumber Terverifikasi

Butuh Arsitektur Web & AI Berkualitas Tinggi?

Tim engineering NEWSAINT siap membantu merancang website berkecepatan tinggi, sistem AI autonomous, dan solusi SaaS terukur untuk bisnis Anda.

Artikel Terkait Lainnya

Ilustrasi Arsitektur Teknis 16:9 Bellman Language Models (arXiv:2610.24871): Discretize-Then-Decide, Eliminasi Redundant LLM Invocations hingga 98%, dan Optimal Control pada Agentic Workflows

Bellman Language Models (arXiv:2610.24871): Discretize-Then-Decide, Eliminasi Redundant LLM Invocations hingga 98%, dan Optimal Control pada Agentic Workflows

Analisis arsitektur sistemik riset frontier arXiv:2610.24871 (Adarsh Vatsa & William Eiers): Mengapa workflow agen otonom terus-menerus memboroskan komputasi untuk mendeduksi ulang keputusan yang berulang pada setiap turn? Memperkenalkan Bellman Language Models (BLM) dan paradigma "Discretize, Then Decide" yang memodelkan interaksi agen sebagai Markov Decision Process (MDP) diskret dan menyelesaikannya via persamaan optimalitas Bellman. Pada benchmark tau^2-bench telecom, controller mandiri tanpa model LLM mampu menyelesaikan 79% tugas; dipasangkan dengan Qwen3.8-27B, akurasi melonjak dari 29% menjadi 96% dengan pemangkasan 93% panggilan model; serta memangkas 98% biaya Claude Opus 5.5. Artikel ini membedah teori saturasi ruang keputusan, formulasi Bellman controller, batasan pada open synthesis, dan implementasi TypeScript produksi.

Ilustrasi Arsitektur Teknis 16:9 Acceptance Is Not Speed (arXiv:2610.23818): Ilusi Akselerasi Lossy Speculative Decoding, Mengapa Relaxed Sampling Memperpanjang Reasoning Trace 1.54x, dan Solusi Length-Corrected Verification

Acceptance Is Not Speed (arXiv:2610.23818): Ilusi Akselerasi Lossy Speculative Decoding, Mengapa Relaxed Sampling Memperpanjang Reasoning Trace 1.54x, dan Solusi Length-Corrected Verification

Investigasi empiris komprehensif arXiv:2610.23818 (Chiatzen Wang, Bill Xu, Haochen Gu, Hongyang Zhang — University of Waterloo): Mengapa peningkatan rasio penerimaan token (accepted length) pada lossy speculative decoding gagal menghasilkan akselerasi wall-clock? Evaluasi 360 konfigurasi lintas 12 pasangan target-drafter (GPT-OSS-20B, Qwen3-8B, Llama-3.1-8B dengan EAGLE-3, DSpark, dan standalone drafter) membuktikan fenomena sistemik "Length Inflation": relaksasi verifikasi menerima token probabilitas rendah yang mendeformasi lintasan penalaran, menyebabkan model berpikir 1.54x lebih panjang (bahkan 3.3x pada EAGLE-3). Lebih dari 90% token ekstra terbuang di dalam reasoning trace (<think>), memicu kehabisan token budget pada AIME24 dan evaluasi redundan pada GSM8K. Artikel ini membedah taksonomi 5 metode lossy (CACTUS, Mentored Decoding, rFSD, Speculative Cascades), batas matematis net-win, serta implementasi TypeScript Length-Corrected Speculative Harness.

Ilustrasi Arsitektur Teknis 16:9 DLite (arXiv:2610.23787): History-Free Speculative Decoding untuk Agentic AI, Eliminasi Draft KV Cache, dan Akselerasi 2.74x pada SWE-bench

DLite (arXiv:2610.23787): History-Free Speculative Decoding untuk Agentic AI, Eliminasi Draft KV Cache, dan Akselerasi 2.74x pada SWE-bench

Bedah arsitektur dan evaluasi empiris riset frontier arXiv:2610.23787 (Jiaming Xu, Guohao Dai et al. — SJTU, Tsinghua, Shanghai Innovation Institute): Mengapa metode speculative decoding konvensional seperti EAGLE-3, DFlash, dan DSpark mengalami degradasi acceptance length hingga 80% pada beban kerja agen otonom? DLite memperkenalkan paradigma History-Free Speculative Decoding yang sepenuhnya mengeliminasi draft KV cache, menggunakan parallel backbone berbasis reuse hidden state target model dengan learnable depth embeddings, lightweight low-rank RNN sequential head di ruang representasi tersembunyi, serta two-stage distillation training (isomorphic teacher warm-up dan total variation alignment). Evaluasi pada Qwen3-4B dan Qwen3-8B via SGLang membuktikan lonjakan acceptance length hingga 3.19 token dan akselerasi end-to-end 2.74x pada SWE-bench tanpa kehilangan kualitas generasi.