Melihat saldo kredit menyusut memang tidak nyaman, apalagi pada minggu-minggu pertama memakai AI agent. Tetapi kredit yang berkurang bukan bukti bahwa Anda salah memakai Zero. Biasanya itu berarti Zero sedang mengerjakan pekerjaan sungguhan.
Beginilah wujud pekerjaan itu pada Selasa biasa. Sebelum menutup hari, Anda meminta pembacaan soal kompetitor. Sepanjang malam, Zero membuka halaman harga mereka, melihat satu paket berubah, memeriksa apakah itu benar-benar baru atau sekadar penulisan ulang dari bulan lalu, menarik utas terkait dari kotak masuk Anda sebagai konteks, memutuskan bahwa perubahan itu layak dilaporkan, meringkasnya dalam empat kalimat, lalu memostingnya ke kanal yang pertama dibaca tim Anda pagi hari. Tidak ada yang mengawasi. Pagi harinya, jawabannya sudah ada di sana.
Rangkaian itulah yang menggerakkan meteran. Setiap langkah di dalamnya adalah keputusan: halaman mana yang dibaca, apakah selisihnya penting, apa yang ditinggalkan, ke mana dikirim. Pertimbangan itulah yang Anda bayar, dan itu pula alasan hasilnya layak dibaca.
Jadi pertanyaan yang lebih berguna bukan mengapa pekerjaan itu memakan biaya. Melainkan apakah pekerjaan itu memakai takaran kecerdasan, konteks, dan perkakas yang pas untuk hasil yang dikeluarkannya.
Bedanya penting karena AI agent bukan satu lagi kursi software seharga 20 dolar. Alat menunggu Anda membukanya dan melakukan persis yang Anda klik. AI assistant yang menjalankan alur kerja agentik akan meneliti, menyusun draf, memantau, menindaklanjuti, dan berpindah antara email, Slack, dokumen, serta ratusan layanan terhubung, mengikuti jadwal yang Anda tetapkan sekali saja. Perbandingan yang berguna bukan "berapa harga aplikasi lain?", melainkan "berapa lama pekerjaan ini kalau dikerjakan orang?".
Langganan 20 dolar bisa memberi harga pada akses ke perangkat lunak. Ia tidak bisa memberi harga pada satu hari kerja seseorang. Dilihat sebagai alat, setiap kredit terasa mahal; dilihat sebagai satu sore kerja rekan, sebagian besar terasa murah. Itu juga sebabnya memilih AI assistant terbaik berdasarkan harga bulanan per kursi mengukur hal yang keliru: harga kursi memberi tahu biaya akses, bukan apa yang selesai.
Begitu titik acuannya berubah, biaya otomatisasi AI menjadi anggaran yang Anda rancang, bukan meteran yang Anda awasi. Tujuannya bukan memakai Zero lebih sedikit. Tujuannya menyimpan penalaran mahal untuk momen yang benar-benar mengubah hasil. Itulah arti optimasi biaya AI pada sebuah agent, dan itulah cara praktis menekan biaya AI agent tanpa memangkas apa yang dikerjakannya untuk Anda.
Empat variabel menentukan sebagian besar biaya itu:
- Model mana yang menjalankan tugasnya.
- Seberapa sering tugas itu berjalan.
- Seberapa banyak konteks yang harus dibaca dan ditafsirkan model.
- Kemampuan eksternal mana yang dipakai tugas itu.
Yang pertama biasanya tuas terbesar.
1. Sesuaikan biaya model dengan pekerjaannya
Banyak produk AI memilihkan satu model untuk Anda. Pengalamannya jadi sederhana, tetapi setiap tugas juga mewarisi profil biaya yang sama.
Zero bersikap netral terhadap model. Anda bisa mengarahkan jenis pekerjaan berbeda ke model dan penyedia berbeda, lewat langganan yang didukung maupun kunci API milik Anda sendiri. Dengan begitu, memilih model menjadi keputusan operasional, bukan batasan produk.
Prinsipnya sederhana: tidak semua tugas butuh model paling pintar yang tersedia.
Ada dua situasi ketika model terkuat biasanya sepadan dengan biayanya:
- Anda belum tahu jawabannya, bahkan pendekatannya. Anda butuh model yang menjelajah, menantang asumsi, dan membangun bersama Anda.
- Hasilnya harus sangat andal. Cukup penting sehingga penalaran dan verifikasi tambahan mencegah pengerjaan ulang yang mahal.
Untuk pekerjaan berfrekuensi tinggi dengan pertimbangan sederhana, pakai model termurah yang diizinkan workspace Anda. Untuk bagian tengah yang besar dari pekerjaan profesional sehari-hari, pakai model kelas menengah: lebih andal daripada opsi paling ringan, dan jauh lebih murah daripada menjalankan semuanya di model terkuat.
| Jenis pekerjaan | Kelas model | Contoh |
|---|---|---|
| Belum ada titik mulai yang jelas, atau hasil penting yang harus stabil | Kemampuan tertinggi | Menyusun strategi bersama, merancang rencana kompleks, meninjau hasil yang berdampak besar |
| Pekerjaan harian dengan pertimbangan sedang | Kelas menengah | Ringkasan, penulisan ulang, riset terstruktur, draf email rutin |
| Volume besar dengan aturan sederhana | Biaya lebih rendah | Klasifikasi, pelabelan, perutean, ekstraksi field, notifikasi singkat |
Model apa saja yang benar-benar bisa Anda pilih
Zero tidak berjalan di satu model buatan sendiri. Buka pemilih model di samping kolom chat dan Anda akan melihat apa yang diizinkan di workspace Anda, dari dua keluarga: seri GPT milik OpenAI dan seri Claude Opus milik Anthropic. Setiap entri menunjukkan cara penyambungannya dan, bila relevan, kelas biayanya secara relatif.
Ketersediaan model adalah pengaturan workspace, bukan daftar produk yang baku, jadi pemilih Anda bisa lebih pendek atau lebih panjang daripada milik rekan kerja. Periksa dulu sebelum menyimpulkan bahwa sebuah model tidak tersedia, dan lihat model yang didukung Zero untuk daftar terkini.
Dua keluarga itu lebih penting daripada nama satu per satu. Tiap penyedia menetapkan harga dan menyetel modelnya secara berbeda, dan tugas yang sama bisa berbiaya beberapa kali lipat di satu penyedia dibanding penyedia lain. Karena Zero membiarkan Anda memilih, selisih itu menjadi tuas yang Anda pegang, bukan tarif yang Anda terima begitu saja.
Bawa penyedia Anda sendiri bila memang cocok
Jika tim Anda sudah membayar penyedia yang didukung, Anda bisa menyambungkan akun itu dan mengarahkan sebuah model melaluinya. Biaya inferensi lalu muncul di tagihan penyedia Anda sendiri dengan ketentuan yang sudah berlaku, bukan sebagai kredit inferensi Zero.
Itu tidak membuat seluruh proses gratis. Panggilan tool, pemakaian konektor, penyimpanan, dan pembuatan media tetap memakai kredit Zero. Yang Anda dapat adalah kendali: Anda menentukan hubungan dengan penyedia dan model untuk tiap jenis pekerjaan.
Berpindah cukup satu klik. Buka pemilih model di samping kolom chat, pilih modelnya, dan sisa percakapan itu berjalan di model tersebut.
2. Rancang pemicu sebelum mengoptimalkan prompt
Apa itu alur kerja agentik, dan di mana biayanya
Alur kerja agentik adalah pekerjaan yang Anda jelaskan sekali lalu dijalankan agent dari awal sampai akhir, sambil menentukan sendiri langkah dan perkakas yang dibutuhkan. Di Zero, itu terbagi menjadi dua konsep yang sebaiknya dibedakan:
- Workflow adalah prosedur atau keterampilan yang bisa dipakai ulang. Ia berjalan saat seseorang memanggilnya.
- Automation menggabungkan pemicu, workflow, dan agent sehingga pekerjaan berjalan berulang tanpa harus diminta setiap kali.
Permintaan sekali jalan berbiaya sekali. Automation berbiaya setiap kali berjalan. Karena itu penghematan yang berbunga-bunga lahir dari desain automation. Kalau ingin melihat bentuknya dalam praktik, contoh otomatisasi alur kerja kami menunjukkan cara membangun AI agent untuk pekerjaan berulang, alih-alih memintanya manual setiap kali.
Perkiraan yang berguna:
biaya automation per bulan = jumlah eksekusi × biaya rata-rata per eksekusi
Anda bisa menekan sisi mana pun dari persamaan itu.
Tetapkan frekuensi dari kebutuhan bisnis yang nyata
Automation yang berjalan tiap jam dieksekusi 24 kali sehari. Kalau keputusannya hanya butuh tiga pembaruan per hari, mengubah jadwal menurunkan volume eksekusi sebesar 87,5%.
Ajukan satu pertanyaan sebelum menentukan irama: secepat apa seseorang akan bertindak atas hasil baru?
Pemantauan kompetitor, ringkasan pendaftaran, dan pemeriksaan konten jarang perlu waktu nyata. Sesuaikan jadwal dengan kecepatan keputusan, bukan dengan interval terpendek yang diizinkan produk.
Utamakan pemicu berbasis peristiwa daripada polling kosong
Jadwal membangunkan automation entah ada perubahan atau tidak. Pemicu berbasis peristiwa hanya menjalankannya saat ada yang perlu diproses, misalnya:
- Email baru masuk.
- Label dipasang di GitHub.
- Acara kalender berubah.
- Formulir dikirim atau webhook diterima.
Kalau sumbernya bisa mengirim peristiwa, pakailah. Anda tidak perlu membayar agent untuk berulang kali menemukan bahwa tidak ada pekerjaan baru.
Tentukan model di tempat automation itu hidup
Kebanyakan eksekusi automation bersifat berulang dan terbatas. Mereka mengekstrak, membandingkan, mengklasifikasi, meringkas, atau memberi tahu. Model terkuat sanggup melakukannya, tetapi biayanya yang lebih tinggi terulang setiap kali pemicu menyala.
Automation berjalan di percakapan tempat Anda membuatnya, dan percakapan itu menyimpan model yang Anda pilih di kolom penulisan. Jadi model apa pun yang kebetulan Anda pakai saat menyiapkan automation itulah yang dipakai semua eksekusi berikutnya, baik Anda mengawasi maupun tidak. Pilihlah dengan sadar pada saat itu. Kalau sebuah automation berjalan di model paling mumpuni hanya untuk mengklasifikasi beberapa item dan mengirim pesan Slack, ganti modelnya di utas tersebut dan seluruh eksekusi setelahnya akan mengikuti.
Ini juga membuat pilihan model bersifat personal, bukan global. Dua orang bisa menjalankan workflow yang sama dengan biaya berbeda, karena masing-masing membawa model yang disetel di kolom penulisannya sendiri.
Inilah lapisan kendali biaya yang mudah terlewat ketika membandingkan biaya otomatisasi AI dengan tarif platform otomatisasi no-code, seperti harga Zapier atau harga n8n. Platform semacam itu terutama menampilkan volume tugas atau eksekusi. Dengan AI agent, Anda juga mengendalikan kecerdasan yang dipakai di dalam setiap eksekusi.
Semakin sering sebuah tugas berjalan, semakin cermat Anda perlu memilih model di baliknya.
3. Kurangi konteks dan hilangkan ambiguitas yang tak disengaja
Pilihan model dan frekuensi eksekusi kelihatan. Biaya konteks lebih mudah luput.
Setiap tambahan halaman, pesan, berkas, dan giliran percakapan sebelumnya memberi model lebih banyak bahan untuk dibaca dan lebih banyak jalur untuk dipertimbangkan. Sebagian konteks memang penting. Konteks yang tidak relevan hanyalah gangguan berbayar.
Tujuannya bukan membuat setiap prompt pendek. Tujuannya membuat setiap masukan relevan.
Mulai percakapan baru untuk pekerjaan yang tidak berkaitan
Percakapan panjang membawa riwayatnya terus. Kalau permintaan baru tidak ada hubungannya dengan tugas lama, mulai utas baru supaya model tidak perlu memilah konteks yang berguna dari diskusi kemarin.
Tetap di utas yang sama selama kesinambungan membantu. Mulai dari awal ketika topik, tujuan, atau bahan sumbernya berganti.
Tentukan cakupan, aturan, dan keluaran
Permintaan yang kabur memaksa agent mendefinisikan tugasnya dulu sebelum bisa mengerjakannya. Prompt yang jelas memberinya jalur langsung menuju eksekusi.
Untuk pekerjaan berulang, sebutkan:
- Tool atau sumber datanya.
- Rentang waktunya.
- Aturan atau perbandingan yang dipakai.
- Format keluaran dan tujuannya.
Bandingkan dua prompt berikut:
Lihat pertumbuhan kita.
Agent harus lebih dulu memutuskan apa arti "pertumbuhan", sistem mana yang diperiksa, rentang tanggal mana yang dipakai, dan jawaban seperti apa yang berguna.
Ambil pendaftaran minggu lalu dari Plausible, bandingkan dengan minggu sebelumnya, dan kirim kesimpulan satu kalimat di #growth.
Prompt kedua punya batas. Lebih cepat dijalankan, lebih mudah diperiksa, dan jauh lebih kecil kemungkinannya menghabiskan kredit untuk menelusuri masalah yang salah.
Pecah pekerjaan terbuka menjadi tahap yang berbatas
Eksplorasi terbuka tidak selalu pemborosan. Kalau Anda memang butuh teman berpikir, pakai model kuat dan biarkan ia menjelajah. Itu salah satu dari dua situasi di Bagian 1 yang membenarkannya.
Pemborosan muncul ketika tugas rutin tanpa sengaja menjadi terbuka.
Alih-alih meminta satu agent "memperbaiki strategi go-to-market kita", pecah pekerjaannya:
- Tarik keberatan pelanggan dari 30 panggilan penjualan terakhir.
- Kelompokkan menjadi lima tema yang berulang.
- Bandingkan tema-tema itu dengan landing page saat ini.
- Minta model yang lebih kuat merekomendasikan tiga perubahan pesan berdampak terbesar.
Tiga tahap pertama berbatas dan bisa diulang. Hanya penilaian akhir yang butuh model mahal.
4. Pakai kemampuan paling ringan yang bisa menyelesaikan pekerjaan
Model hanyalah satu bagian dari eksekusi agent. Pencarian, interaksi browser, scraping, pemrosesan berkas, dan pembuatan media juga punya profil biaya berbeda.
Aturannya sama: pakai kemampuan paling ringan yang bisa menghasilkan hasil secara andal.
Jangan pakai media generatif untuk grafik biasa
Membuat gambar, video, dan suara lebih mahal daripada teks biasa atau kode. Kalau tugasnya diagram batang, diagram garis, atau visualisasi data sederhana, buatlah langsung dari datanya. Pakai model gambar ketika hasilnya memang butuh arahan artistik atau visual yang dirancang.
Beri Zero URL yang sudah diketahui
Kalau Anda sudah tahu halaman sumbernya, sertakan URL-nya. Jangan biarkan agent menelusuri web untuk menemukannya lagi.
Untuk halaman publik dengan konten statis, pengambilan atau scrape langsung biasanya cukup. Pakai browser penuh saat halaman butuh autentikasi, interaksi JavaScript, tangkapan layar, atau navigasi bertahap yang menyimpan status.
Belanjakan kredit untuk pekerjaannya, bukan untuk mencari pintu masuk ke pekerjaan itu.
Buat biaya AI agent terlihat dan terkendali
Optimasi biaya jauh lebih mudah begitu Anda bisa melihat ke mana kredit pergi.
Buka Settings, lalu Credit balance, di bawah Billing and pricing. Di sana terlihat sisa kredit Anda, dan pengeluaran terbaru dirinci per chat, dipilah berdasarkan apa yang benar-benar memakainya: model LLM, model gambar, model video, konektor, dan lainnya. Berpindahlah antara My usage dan Team usage, ubah rentang tanggalnya, untuk melihat apakah pengeluaran itu milik Anda atau tim, dan apakah sedang naik.
Di situlah Anda menemukan automation yang diam-diam menghabiskan lebih banyak daripada yang dihasilkannya: urutkan dari baris terbesar dan baca apa yang sebenarnya sedang dikerjakan agent. Billing dan Invoices ada di menu yang sama bila Anda perlu mengisi ulang, mengganti paket, atau menyalakan isi ulang otomatis supaya automation berdurasi panjang tidak terputus.
Setelah itu, tinjau workflow termahal lebih dulu. Cari empat pola umum:
- Model berkemampuan tinggi menempel pada pekerjaan sederhana yang berulang.
- Jadwal polling yang sebenarnya bisa diganti peristiwa.
- Irama yang lebih cepat daripada kemampuan bisnis menindaklanjutinya.
- Prompt terlalu luas yang berulang kali memicu riset tak perlu.
Anda bisa meminta Zero meninjau workflow itu bersama Anda. Prompt awal yang praktis:
Tinjau tiga automation saya yang paling mahal. Untuk masing-masing, sebutkan apakah saya bisa menurunkan biaya model, frekuensi eksekusi, konteks, atau pemakaian tool tanpa menurunkan nilai hasilnya.
Ini bukan soal memeras setiap eksekusi sampai konfigurasi termurah. Pekerjaan murah yang gagal itu mahal. Tujuannya membeli kecerdasan dan infrastruktur persis sebanyak yang dibutuhkan hasilnya.
Bangun sistemnya sekali, lalu biarkan berjalan diam-diam
Pemakaian AI agent yang paling ekonomis bukan menyuruhnya mengulang tugas dadakan yang sama selamanya. Melainkan memakai agent untuk membantu merancang sistem yang andal, lalu membiarkan sistem itu berjalan dengan campur tangan seminimal mungkin.
Itulah filosofi biaya di balik Zero:
- Pakai model terkuat saat Anda butuh berkarya bersama atau hasil yang luar biasa stabil.
- Pakai model kelas menengah untuk pekerjaan profesional sehari-hari.
- Pakai model berbiaya rendah untuk langkah yang dapat diprediksi dan bervolume besar.
- Jalankan automation hanya ketika memang ada pekerjaan.
- Jaga konteks tetap relevan dan kemampuan sepadan dengan tugasnya.
Model mana yang sebaiknya dipilih
Kelas-kelas di atas sesuai dengan entri nyata di pemilih model Anda. Sebuah workspace bisa mengizinkan lebih banyak atau lebih sedikit, tetapi polanya sama:
| Yang dibutuhkan pekerjaan | Model di Zero | Pilih saat |
|---|---|---|
| Penalaran paling dalam | Claude Opus 5 | Anda belum tahu pendekatannya, atau hasilnya harus benar sejak percobaan pertama |
| Standar harian | GPT 5.6 Sol | Ringkasan, penulisan ulang, riset terstruktur, penyusunan draf rutin, sebagian besar percakapan |
| Biaya per eksekusi terendah | GPT 5.6 Luna | Klasifikasi, pelabelan, perutean, ekstraksi field, notifikasi singkat, dan sebagian besar automation terjadwal |
Rekomendasi kami, kalau minggu ini Anda hanya mengubah satu hal: biarkan chat interaktif Anda apa adanya, lalu turunkan satu kelas automation yang paling sering berjalan. Pekerjaan berulang adalah tempat pilihan model terus diulang, jadi di situlah satu perubahan berbunga-bunga. Mulai dari kelas terendah yang masih menjaga kualitas, dan simpan baris teratas untuk percakapan ketika Anda benar-benar sedang memikirkan sesuatu.
Kalau itu berjalan baik, "menekan biaya AI agent" tidak lagi berarti "memakai AI lebih sedikit". Artinya membiarkan rekan AI Anda menaruh waktu, konteks, dan kecerdasannya di tempat yang paling banyak menciptakan nilai. Itu juga cara paling adil membandingkan platform AI agent terkemuka satu sama lain maupun dengan perangkat lunak otomatisasi proses bisnis tradisional: bukan dari harga label, melainkan dari apa yang benar-benar diselesaikan setiap satuan pengeluaran.
Pertanyaan yang sering diajukan
Kenapa kredit saya berkurang padahal saya tidak memakai Zero?
Karena automation berjalan mengikuti pemicunya, bukan perhatian Anda. Jadwal tiap jam menagih 24 kali sehari, ada perubahan atau tidak. Buka tampilan pemakaian, urutkan berdasarkan jadwal, dan pastikan tiap irama masih cocok dengan secepat apa seseorang akan menindaklanjuti hasilnya.
Berapa biaya AI agent yang wajar per bulan?
Tidak ada satu angka yang benar, dan membandingkannya dengan kursi software 20 dolar akan menyesatkan. Tolok ukur yang berguna adalah pekerjaan yang digantikannya: satu sore waktu rekan kerja, atau tagihan seorang spesialis eksternal. Kalau sebuah workflow berbiaya lebih kecil daripada jam kerja yang dihilangkannya, harganya sudah tepat, sebesar apa pun angka kreditnya terlihat.
Model apa yang sebaiknya dipakai untuk automation berulang?
Mulai dari kelas terendah yang masih menjaga kualitas, biasanya GPT 5.6 Luna untuk klasifikasi, perutean, ekstraksi, dan notifikasi. Naikkan hanya satu langkah yang memang butuh penalaran lebih dalam. Karena eksekusi mewarisi model yang disetel di percakapan tempatnya hidup, mengubahnya di sana mengubah semua eksekusi berikutnya.
Apakah AI agent lebih mahal daripada platform otomatisasi no-code?
Per tugas, sering kali ya. Zapier dan n8n menagih eksekusi; agent juga membayar kecerdasan yang dipakai di dalam tiap eksekusi. Perbandingan yang penting adalah per hasil yang selesai, sebab otomatisasi tradisional memindahkan data antar aplikasi sementara agent membacanya, memutuskan, menyusun draf, dan menindaklanjuti.
Apakah Zero termasuk AI agent builder?
Dalam praktiknya, ya. Anda menjelaskan pekerjaan dengan bahasa biasa, Zero mengubahnya menjadi workflow yang bisa dipakai ulang, dan menambahkan pemicu membuat workflow itu menjadi automation yang berjalan sendiri. Tidak ada kanvas node yang harus dirangkai, dan itu pula sebabnya kendali biaya di sini soal model, irama, konteks, dan kemampuan, bukan soal jumlah langkah.
Apa yang sebenarnya menentukan harga sebuah AI agent?
Empat hal, kira-kira dalam urutan ini: model yang menjalankan tugas, seberapa sering tugas itu berjalan, seberapa banyak konteks yang dibaca ulang, dan kemampuan apa yang dipanggil. Harga yang dipublikasikan hanyalah rata-rata dari empat keputusan itu di sebuah workspace — karena itu dua tim pada paket yang sama bisa berbeda jauh pengeluarannya.
Bagaimana menghitung ROI sebuah AI agent?
Bandingkan dengan jam kerja yang hilang, bukan dengan kursi software. Ambil satu automation, lihat konsumsi kreditnya di tampilan pemakaian, lalu sandingkan dengan waktu yang dibutuhkan orang untuk mengerjakannya manual. Pada level satu alur kerja berulang, ROI biasanya kelihatan jelas; pada total bulanan justru hilang.
Apakah percakapan panjang lebih mahal daripada yang pendek?
Ya. Setiap giliran sebelumnya dibaca ulang pada tiap giliran baru, jadi utas panjang terus membayar konteks yang sudah tidak diperlukan. Pertahankan satu utas selama topiknya masih sama, dan mulai chat baru begitu topiknya berganti.
Bisakah saya memakai akun penyedia sendiri alih-alih kredit Zero?
Bisa. Sambungkan penyedia yang didukung dan arahkan model melaluinya, maka inferensinya masuk ke tagihan Anda sendiri dengan ketentuan yang sudah berlaku. Panggilan tool, pemakaian konektor, penyimpanan, dan pembuatan media tetap memakai kredit Zero.
Buka Zero dan minta ia meninjau tiga automation yang paling sering Anda pakai. Itu tempat tercepat untuk menemukan perbaikan biaya pertama yang berbunga-bunga.
