Kematian Bot Generalis: Mengapa Copilot Perusahaan Anda Membutuhkan Spesialisasi

By Mirko Peters · 2026-08-28

Selamat datang kembali di blog podcast! Jika Anda mengikuti episode audio terbaru kami, Anda tahu bahwa kami sedang membahas berbagai perubahan besar di lanskap kecerdasan buatan perusahaan…

Automatically translated with AI from the original post. Read the English original

Selamat datang kembali di blog podcast! Jika Anda mengikuti episode audio terbaru kami, Anda tahu bahwa kami sedang membahas berbagai perubahan besar yang terjadi di lanskap kecerdasan buatan perusahaan. Hari ini, kami memperluas pembahasan tentang percakapan penting yang baru saja kami mulai: kelemahan mendasar dari model generalis tradisional dan alasan mengapa strategi Copilot perusahaan Anda perlu segera beralih ke spesialisasi. Ketika organisasi melampaui tahap dasar "mengobrol dengan data Anda", mereka dengan cepat menyadari bahwa satu model monolitik yang mencoba menangani segala hal, mulai dari sintesis dokumen hukum yang kompleks hingga telemetri rantai pasok manufaktur secara real-time, adalah resep untuk biaya tinggi, akurasi rendah, dan gesekan operasional yang besar. Dalam postingan mendalam ini, kami akan mengulas ekonomi AI modern, kekuatan arsitektur khusus domain, bagaimana kerangka Mixture of Experts mengubah permainan untuk lingkungan Microsoft, dan apa artinya semua ini bagi kerangka tata kelola Anda. Pastikan Anda menyimak episode podcast terkait, Mixture of Experts for Enterprise Copilot and AI Agents, untuk mendengarkan uraian audio langsung tentang pergeseran arsitektur ini!

Poin Penting

• Bot generalis kesulitan dalam hal akurasi dan efisiensi, yang menghasilkan kinerja buruk pada tugas-tugas kompleks.
• Sistem AI spesialis mengungguli model generalis dengan menyediakan solusi yang disesuaikan untuk tugas-tugas tertentu.
• Pendekatan Mixture of Experts meningkatkan kinerja AI dengan secara dinamis menugaskan tugas kepada model yang paling sesuai.
• AI spesialis menurunkan biaya operasional dengan mengotomatisasi tugas-tugas berulang dan meningkatkan efisiensi sumber daya.
• Kepuasan pengguna meningkat secara signifikan dengan AI spesialis, yang menghasilkan pengalaman pelanggan dan kepercayaan yang lebih baik.
• Investasi pada AI spesialis dapat mendorong pertumbuhan bisnis dan daya saing di berbagai industri.
• Tata kelola etis sangat penting bagi sistem AI untuk memastikan akuntabilitas dan transparansi dalam pengambilan keputusan.
• Pengembangan AI di masa depan akan berfokus pada integrasi pengawasan manusia dan teknologi yang sedang berkembang untuk meningkatkan kemampuan.

Kematian Bot Generalis

Keterbatasan Bot Generalis

Ketidakakuratan dalam Eksekusi Tugas

Model AI generalis sering kesulitan dengan akurasi dalam eksekusi tugas. Mereka menghadapi tantangan yang menghambat kinerja mereka. Misalnya, mereka tidak dapat menguji setiap model dan konfigurasi secara menyeluruh karena jumlah model yang terus bertambah. Keterbatasan ini menyulitkan evaluasi kinerja mereka di berbagai skenario. Berikut beberapa masalah spesifik:

• Bot generalis sering berkinerja buruk dalam tugas penalaran yang kompleks.
• Mereka tidak memiliki kemampuan multimodal, seperti inspeksi citra klinis.
• Kinerjanya dalam skenario percakapan cenderung tidak memadai.

Faktanya, agen spesialis secara konsisten mengungguli model generalis dalam tugas multi-langkah yang kompleks. Agen AI generalis hanya mencapai tingkat keberhasilan sekitar 15% ketika dibatasi pada 15 langkah. Bahkan dengan langkah yang lebih banyak, tingkat keberhasilannya hanya mentok di kisaran pertengahan 30%. Kontras yang mencolok ini menunjukkan perlunya spesialisasi dalam sistem AI.

Konsumsi Sumber Daya Tinggi

Bot generalis juga mengonsumsi sumber daya dalam jumlah signifikan. Mereka membutuhkan daya komputasi yang besar untuk mengelola berbagai tugas, sehingga menimbulkan inefisiensi. Konsumsi sumber daya yang tinggi ini dapat membebani anggaran dan membatasi skalabilitas. Organisasi sering kali mendapati diri mereka terlalu banyak menggunakan model premium untuk tugas rutin, yang tidak hemat biaya.

Dampak Ekonomi AI

Biaya Pengembangan dan Pemeliharaan

Dampak ekonomi dari mempertahankan bot generalis cukup besar. Organisasi menanggung biaya pengembangan dan pemeliharaan yang tinggi. Model AI generalis tidak memiliki keahlian yang sesungguhnya, yang dapat menyebabkan kesalahan pada tugas-tugas kritis. Model ini kesulitan dalam konektivitas, padahal konektivitas penting untuk mengumpulkan masukan yang diperlukan. Masalah keandalan muncul ketika menjalankan tugas berulang, sehingga kesalahan terjadi lebih cepat dibandingkan operator manusia.

• Operasi yang berjalan terus-menerus mengurangi hambatan ekonomi dan meningkatkan pemanfaatan aset.
• Bisnis dapat beroperasi lintas zona waktu, sehingga meningkatkan daya saing.

Permintaan Pasar terhadap Efisiensi

Pasar semakin menuntut solusi AI yang efisien dan terspesialisasi. Pertumbuhan pasar AI vertikal didorong oleh integrasi AI ke dalam layanan berbasis cloud. Integrasi ini memberikan bisnis solusi yang dapat diskalakan dan hemat biaya. Organisasi memanfaatkan platform AI berbasis cloud untuk mengakses model dan alat yang sudah dilatih sebelumnya. Pendekatan ini menurunkan biaya infrastruktur dan memungkinkan penerapan yang cepat di berbagai fungsi.

Otomatisasi tugas berulang yang berbiaya tinggi di sektor seperti kesehatan dan keuangan menghadirkan peluang besar bagi AI vertikal. Dengan mengotomatisasi prosedur administratif, sektor-sektor ini dapat meningkatkan efisiensi dan menekan biaya operasional. Tren ini menunjukkan meningkatnya permintaan akan solusi AI yang terspesialisasi.

Keunggulan AI Terspesialisasi

Akurasi yang Lebih Tinggi

Solusi yang Disesuaikan untuk Tugas Spesifik

Sistem AI terspesialisasi unggul dalam memberikan solusi yang disesuaikan untuk tugas spesifik. Sistem ini memanfaatkan pengetahuan khusus domain untuk meningkatkan kinerja. Misalnya, di bidang kesehatan, model seperti Medical GPT mengungguli model generalis seperti GPT-4 dan Med-PaLM pada tolok ukur medis. Keunggulan ini berasal dari kemampuan mereka memahami seluk-beluk pengambilan keputusan profesional. Berikut beberapa area di mana AI terspesialisasi unggul:

• Ritel dan E-commerce: AI yang disesuaikan meningkatkan kategorisasi produk dan memperbaiki pengalaman pelanggan dengan mengotomatisasi tugas seperti penghapusan latar belakang dan deteksi logo.
• Manufaktur dan Rantai Pasok: Sistem AI kustom memastikan kualitas produk dengan mendeteksi cacat secara real-time dan menjaga keselamatan kerja melalui pemantauan video.
• Kesehatan dan Farmasi: AI terspesialisasi membantu menganonimkan data pasien dan menyederhanakan alur kerja administratif, sekaligus memastikan kepatuhan terhadap regulasi seperti HIPAA.
• Perhotelan, Perjalanan, dan Acara: Model AI yang disesuaikan meningkatkan pengalaman tamu dengan memverifikasi identitas secara cepat dan memantau visibilitas sponsor secara real-time.

Solusi yang disesuaikan ini menghasilkan hasil yang dapat diukur, yaitu peningkatan efisiensi dan pengurangan kesalahan.

Waktu Pemrosesan yang Lebih Cepat

Sistem AI terspesialisasi juga memberikan waktu pemrosesan yang lebih cepat. Dengan berfokus pada tugas tertentu, sistem ini dapat mengoptimalkan algoritmanya untuk kecepatan dan efisiensi. Hasilnya adalah respons yang lebih cepat dan keluaran yang lebih andal. Sebagai contoh, model terspesialisasi MedSAM mengungguli model generalis (SAM) pada tugas pencitraan medis, yang menunjukkan efektivitas penyetelan pada data khusus domain.

Pengalaman Pengguna yang Lebih Baik

Interaksi yang Dipersonalisasi

Ketika Anda menggunakan sistem AI terspesialisasi, Anda mengalami interaksi yang lebih personal. Sistem ini menyesuaikan diri dengan preferensi dan kebutuhan Anda, sehingga menciptakan pengalaman yang lebih menarik. Misalnya, chatbot AI yang dirancang untuk layanan pelanggan dapat mengingat interaksi sebelumnya, sehingga mampu memberikan respons yang disesuaikan. Personalisasi ini menumbuhkan rasa keterhubungan dan kepercayaan.

Tingkat Kepuasan yang Lebih Tinggi

Dampak AI khusus terhadap kepuasan pengguna sangat signifikan. Studi menunjukkan bahwa pengguna melaporkan tingkat kepuasan yang lebih tinggi saat berinteraksi dengan sistem khusus. Tabel berikut merangkum metrik utama yang menunjukkan peningkatan ini:

Selain itu, statistik menunjukkan bahwa 84% pengguna menilai chatbot AI meningkatkan perjalanan digital mereka. Di sektor ritel, 63% peritel melaporkan interaksi pelanggan yang lebih baik berkat AI. Lembaga keuangan juga mencatat peningkatan pengalaman pelanggan sebesar 46%, sementara penyedia layanan komunikasi melaporkan dampak positif terhadap kepuasan pelanggan yang luar biasa, yakni 97%.

Dengan mengadopsi sistem AI khusus, Anda dapat mengharapkan tidak hanya akurasi yang lebih baik, tetapi juga pengalaman pengguna yang meningkat secara signifikan.

Pendekatan Mixture of Experts

Pendekatan Mixture of Experts (MoE) merupakan kemajuan signifikan dalam AI. Sistem ini memungkinkan layanan AI khusus untuk berkolaborasi, dengan memilih model spesifik yang disesuaikan dengan tugas yang sedang dikerjakan. Berbeda dengan strategi multi-model tradisional yang sering bergantung pada satu model generalis, MoE meningkatkan performa dengan memanfaatkan kekuatan dari berbagai ahli.

Definisi dan Cara Kerja

Alokasi Tugas Dinamis

Alokasi tugas dinamis merupakan fitur inti dari pendekatan MoE. Fungsi ini memungkinkan sistem menugaskan tugas kepada model ahli yang paling sesuai berdasarkan kebutuhan spesifik tugas tersebut. Dengan cara ini, MoE meminimalkan gangguan antartugas dan memaksimalkan efisiensi.

Berikut tabel yang menggambarkan efektivitas alokasi tugas dinamis dalam berbagai aplikasi:

Intelligent Routing

Intelligent routing semakin meningkatkan pendekatan MoE. Fungsi ini mengarahkan tugas ke model ahli yang tepat, sehingga setiap tugas mendapatkan perhatian terbaik yang mungkin. Dengan menerapkan intelligent routing, organisasi dapat mengoptimalkan sistem AI mereka untuk performa dan efektivitas biaya yang lebih baik.

Penerapan di Dunia Nyata

Pendekatan MoE banyak digunakan di berbagai industri, yang menunjukkan keserbagunaan dan efektivitasnya. Berikut beberapa area umum tempat Anda dapat melihat dampak strategi inovatif ini:

• Computer Vision
• Speech Recognition
• Healthcare
• Autonomous Systems

Penerapan-penerapan ini menunjukkan bagaimana pendekatan MoE dapat menjawab tantangan kompleks di berbagai bidang. Sebagai contoh, di bidang kesehatan, model khusus dapat menganalisis citra medis dengan lebih akurat dibandingkan model generalis, sehingga menghasilkan hasil yang lebih baik bagi pasien.

Kisah Sukses Mixture of Experts

Sejumlah organisasi telah berhasil menerapkan pendekatan MoE dan meraih manfaat signifikan. Misalnya, sebuah perusahaan teknologi terkemuka memanfaatkan MoE untuk meningkatkan kemampuan natural language processing-nya. Dengan menerapkan model khusus untuk berbagai tugas bahasa, mereka mencapai peningkatan akurasi dan kepuasan pengguna yang nyata.

Dalam kasus lain, sebuah penyedia layanan kesehatan mengadopsi strategi MoE untuk menyederhanakan pemrosesan data pasien. Implementasi ini tidak hanya meningkatkan efisiensi, tetapi juga memastikan kepatuhan terhadap standar regulasi.

Pendekatan Mixture of Experts merupakan arah yang menjanjikan bagi pengembangan AI. Dengan menggabungkan kekuatan dari berbagai model, Anda dapat mencapai performa yang lebih baik, biaya yang lebih rendah, serta tata kelola yang lebih kuat pada sistem AI Anda.

Tata Kelola dalam Sistem Multi-Agen

Tata kelola memainkan peran penting dalam pengembangan dan penerapan sistem AI khusus. Saat Anda bekerja dengan sistem multi-agen, Anda harus mempertimbangkan implikasi etis serta kerangka regulasi yang mengatur operasinya. Sistem-sistem ini, yang terdiri atas beberapa agen khusus, memerlukan tata kelola yang kokoh untuk memastikan akuntabilitas dan transparansi.

Pertimbangan Etis

Akuntabilitas dalam Keputusan AI

Akuntabilitas dalam keputusan AI menjadi kompleks ketika melibatkan beberapa agen. Anda perlu menetapkan kerangka kerja yang jelas agar para pemangku kepentingan memahami siapa yang bertanggung jawab atas tindakan agen-agen ini. Kejelasan ini mendorong kerja sama dan meredakan konflik di antara nilai-nilai etika yang beragam. Berikut beberapa aspek utama yang perlu dipertimbangkan:

• Pemantauan berkelanjutan dengan dasbor etika real-time dan peringatan otomatis.
• Umpan balik rutin dari pemangku kepentingan serta audit etika yang menyeluruh.
• Prosedur respons insiden untuk deteksi dan remediasi yang terstruktur.

Transparansi dalam Operasi

Transparansi sangat penting untuk membangun kepercayaan terhadap sistem AI. Anda harus memastikan bahwa proses pengambilan keputusan jelas dan mudah dipahami. Hal ini mencakup pemeliharaan catatan yang memungkinkan Anda melacak keputusan di seluruh sistem yang saling terhubung. Berikut beberapa standar transparansi yang direkomendasikan:

• Keterjelasan (explainability): Memberikan alasan yang jelas di balik keputusan AI dengan bahasa yang mudah dipahami pengguna.
• Interpretabilitas: Memungkinkan analisis tentang bagaimana data masukan menghasilkan keluaran tertentu.
• Ketertelusuran (traceability): Menyimpan dokumentasi untuk melacak pengembangan dan operasi sistem AI.

Sistem multi-agen harus menangani pertimbangan etis melalui prinsip desain dan mekanisme pengawasan. Pengembang sebaiknya menanamkan aturan eksplisit dan modul penalaran etis agar agen selaras dengan nilai-nilai manusia. Pendekatan ini menjawab tantangan seperti keadilan dan akuntabilitas.

Kerangka Regulasi

Panduan untuk AI Khusus

Anda dapat mengikuti beberapa panduan untuk memastikan penggunaan AI khusus yang etis di berbagai industri. Panduan ini membantu Anda menavigasi kompleksitas penerapan AI:

• Dokumentasikan potensi penggunaan ganda (dual-use) dan konsultasikan dengan lembaga pendanaan untuk memperoleh panduan.
• Ungkapkan peran AI dalam penelitian dan nilai bias pada data pelatihan.
• Tetap bertanggung jawab atas metode yang dibantu AI dan verifikasi hasilnya.

Masa Depan Tata Kelola AI

Masa depan tata kelola AI kemungkinan akan melibatkan kerangka regulasi yang terus berkembang. Berbagai wilayah sudah menetapkan panduan untuk mengelola risiko AI secara efektif. Tabel di bawah ini merangkum beberapa kerangka regulasi utama:

Saat Anda menavigasi lanskap AI khusus, memahami kerangka-kerangka ini akan membantu Anda memastikan praktik yang bertanggung jawab dan etis.

Tren Masa Depan AI

Evolusi Model AI

Integrasi Pengawasan Manusia

Seiring AI terus berkembang, pengawasan manusia menjadi hal yang krusial. Anda perlu memastikan bahwa sistem AI selaras dengan nilai-nilai masyarakat. Manusia memiliki kompas moral yang memandu keputusan AI. Manusia dapat menetapkan pedoman etika dan meninjau keluaran AI untuk menghindari bias dan diskriminasi. Berikut beberapa manfaat utama dari pengawasan manusia:

• Pengawasan ini memastikan transparansi, keadilan, dan dapat dipertanggungjawabkannya sistem AI.
• Manusia dapat mengidentifikasi dan memperbaiki kesalahan atau bias dalam operasi AI.
• Manusia dapat menyesuaikan diri dengan keadaan baru dan memanfaatkan pengetahuan kontekstual.

Integrasi ini membangun kepercayaan terhadap sistem AI, sehingga Anda dapat merasa lebih yakin terhadap rekomendasinya.

Teknologi yang Sedang Berkembang

Sejumlah teknologi yang sedang berkembang akan memengaruhi pengembangan AI khusus. Kemajuan ini akan membentuk cara Anda berinteraksi dengan AI dalam kehidupan sehari-hari. Perhatikan teknologi berikut:

• Agentic Commerce: Pengalaman belanja yang didorong AI, di mana agen bertindak secara otonom atas nama konsumen dan bisnis.
• Teknologi Keamanan dan Kepercayaan AI: Kontrol yang memastikan sistem AI aman dan dapat dipercaya.
• Komputasi Kuantum: Teknologi yang memanfaatkan fisika kuantum untuk menyelesaikan masalah kompleks.

Inovasi-inovasi ini akan meningkatkan kemampuan AI, sehingga lebih mudah diakses dan lebih efektif di berbagai aplikasi.

Prediksi Pengembangan AI

Dampak Jangka Panjang bagi Masyarakat

Para ahli memprediksi bahwa AI khusus akan berdampak signifikan terhadap masyarakat dalam jangka panjang. Berikut beberapa perubahan yang diperkirakan:

• Kesehatan: Kemajuan AI dapat memperpanjang usia harapan hidup, meningkatkan kualitas hidup, dan menghadirkan perawatan pencegahan yang lebih baik.
• Pendidikan: AI generatif dapat mengganggu metode pengajaran tradisional, sehingga diperlukan kebangkitan kembali dalam praktik pendidikan.
• Tenaga Kerja: Anda dapat mengharapkan perubahan signifikan pada peran dan proses kerja, dengan interaksi yang lebih intens dengan sistem AI yang menjadi hal lumrah.

Pergeseran ini akan menuntut Anda untuk beradaptasi dengan realitas baru dalam kehidupan pribadi maupun profesional.

Inovasi Masa Depan

Masa depan AI menyimpan berbagai inovasi yang menarik. Sebuah tabel terbaru menguraikan prediksi evolusi model AI selama satu dekade ke depan:

Prediksi-prediksi ini menyoroti sifat dinamis dari teknologi AI dan potensinya untuk mengubah dunia Anda.

Pergeseran dari bot generalis ke sistem AI khusus menandai evolusi signifikan dalam teknologi. Kini Anda mulai melihat bahwa model generalis sering kali menimbulkan biaya tersembunyi, kualitas yang tidak konsisten, dan tantangan tata kelola. Sebaliknya, sistem AI khusus menangani tugas-tugas spesifik dengan lebih efektif sehingga meningkatkan efisiensi operasional.

Seiring Anda merangkul perubahan ini, pertimbangkan manfaatnya bagi bisnis maupun konsumen. AI khusus meningkatkan pengalaman pelanggan melalui interaksi yang dipersonalisasi dan mengotomatisasi tugas-tugas berulang, yang pada akhirnya mengarah pada peningkatan efisiensi. Pertumbuhan pasar AI global' mencerminkan tren ini, yang menandakan masa depan yang cerah bagi solusi khusus.

Dengan mengadopsi AI khusus, Anda dapat memperoleh penyampaian layanan dan efektivitas operasional yang lebih baik.

Pertanyaan Umum

Apa itu bot generalis?

Bot generalis adalah sistem AI yang dirancang untuk menangani berbagai macam tugas. Sistem ini sering kesulitan dalam hal akurasi dan efisiensi, sehingga performanya terbatas di berbagai aplikasi.

Mengapa sistem AI khusus lebih baik?

Sistem AI khusus berfokus pada tugas tertentu sehingga meningkatkan akurasi dan efisiensi. Sistem ini menyediakan solusi yang disesuaikan, yang berujung pada pengalaman pengguna yang lebih baik dan waktu pemrosesan yang lebih cepat.

Bagaimana cara kerja pendekatan Mixture of Experts?

Pendekatan Mixture of Experts menggunakan beberapa model AI khusus. Sistem ini secara dinamis menugaskan tugas kepada expert yang paling sesuai, sehingga performa dan penggunaan sumber daya menjadi lebih optimal.

Industri mana saja yang mendapat manfaat dari AI khusus?

Industri seperti kesehatan, keuangan, ritel, dan manufaktur mendapat manfaat yang signifikan dari AI khusus. Sistem ini meningkatkan efisiensi operasional dan memperbaiki interaksi dengan pelanggan.

Bagaimana saya dapat menerapkan AI khusus di organisasi saya?

Untuk menerapkan AI khusus, nilai terlebih dahulu kebutuhan organisasi Anda. Identifikasi tugas-tugas yang cocok untuk diotomatisasi, lalu jajaki solusi AI yang disesuaikan dengan fungsi-fungsi spesifik tersebut.

Apa saja pertimbangan etis dalam tata kelola AI?

Pertimbangan etis dalam tata kelola AI mencakup akuntabilitas, transparansi, dan keadilan. Organisasi harus menetapkan panduan yang jelas untuk memastikan penerapan AI dan pengambilan keputusan yang bertanggung jawab.

Bagaimana AI akan berkembang di masa depan?

AI akan berkembang melalui kemajuan teknologi, seperti komputasi kuantum dan integrasi pengawasan manusia. Perubahan ini akan meningkatkan kemampuan dan memperbaiki interaksi pengguna.

Apa dampak AI terhadap peran pekerjaan?

AI akan mengubah peran pekerjaan dengan mengotomatisasi tugas-tugas berulang dan meningkatkan proses pengambilan keputusan. Pekerja perlu beradaptasi dengan teknologi baru dan berkolaborasi dengan sistem AI.

🎧 Dengarkan episode ini

Ingin penjelasan praktis tentang Mixture of Experts untuk Enterprise Copilot dan AI Agents? Episode ini menguraikan topik tersebut dengan bahasa yang jelas dan menunjukkan mengapa hal ini penting bagi Microsoft 365, Azure, Power Platform, keamanan, AI, dan kerja modern.

Dengarkan episode ini jika Anda ingin:

• Memahami konsep utama di balik Mixture of Experts untuk Enterprise Copilot dan AI Agents
• Melihat bagaimana konsep ini cocok dengan ekosistem teknologi Microsoft yang lebih luas
• Mempelajari di mana konsep ini dapat memberikan nilai praktis bagi organisasi Anda

Anda mungkin juga menikmati episode M365 FM terkait berikut:

• Dari Data ke Agen Cerdas: Membangun AI Perusahaan yang Tepercaya dengan Microsoft AI Foundry bersama Shubhangi Goyal [MVP]
• Agen Microsoft 365 Copilot: Nilai Bisnis Nyata bersama Steve Corey [MVP]
• Agen AI Bertenaga Graph: Panduan Arsitektur Perusahaan
• Model Operasi Agentik untuk AI Perusahaan dan Copilot
• Agen AI Copilot Studio dan RAG bersama Nilüfer Doğan [MVP]

Temukan lebih banyak percakapan praktis tentang Microsoft di M365 FM.

Terakhir ditinjau: Juli 2026.

Siapa yang Sebaiknya Mendengarkan

Episode ini ditujukan bagi administrator, arsitek, pengembang, profesional keamanan, dan pemimpin bisnis Microsoft yang memerlukan landasan praktis sebelum membuat keputusan terkait implementasi, operasi, atau tata kelola.

🎧 Anda Juga Sebaiknya Mendengarkan

• AI Agents — Langkah lanjutan yang sangat terkait untuk memperdalam topik ini.
• Power Platform — Langkah lanjutan yang sangat terkait untuk memperdalam topik ini.
• Microsoft Graph Data Connect — Langkah lanjutan yang sangat terkait untuk memperluas topik ini.