Tentang studio / 01

Agentive Labs

Studio AI dan rekayasa produk di Jakarta

Agentive Labs adalah studio rekayasa AI dan produk yang berbasis di Jakarta Metropolitan Area. Kami membangun sistem yang berjalan di produksi: agen AI yang terhubung ke sistem internal, platform data, dan produk digital yang dipakai setiap hari.

Studio ini berdiri pada 2023. Kami bekerja dengan perusahaan di Indonesia dan klien di luar negeri, dengan kontrak dalam dolar untuk penugasan internasional dan rupiah untuk klien lokal.

Tiga bidang batu berdiri di atas air pada cahaya senja
Berdiri
2023
Basis
Jakarta Metropolitan Area
Mata uang kontrak
USD / IDR

02 / Tumpukan teknologi

Teknologi yang kami rangkai

Kami memilih komponen sesuai alur kerja, data, dan risiko yang dihadapi, bukan memasang setiap framework ke setiap proyek.

Sumber bisnis

01Dokumen
02Sistem internal
03Keputusan manusia
Lapisan agen

Hasil kerja

01Persetujuan
02Produk digital
03Jejak & insight
Satu pola arsitektur: sumber bisnis → agen dengan izin → tindakan yang bisa ditinjau.
01

Agen & orkestrasi

Agen memakai tool dengan batas izin dan keluaran bertipe.

  • Pydantic AI
  • Mastra
  • Google ADK
  • MCP
  • LangChain
  • LlamaIndex
02

Data & pencarian

Pengetahuan dan transaksi tetap punya sumber yang bisa dilacak.

  • PostgreSQL
  • Pinecone
  • Redis
  • BigQuery
  • Kafka
03

Produk & API

Antarmuka dan layanan dibangun untuk alur kerja sehari-hari.

  • TypeScript
  • Python
  • Go
  • Next.js
  • FastAPI
04

Mutu & operasi

Evaluasi, jejak eksekusi, dan biaya terlihat setelah rilis.

  • Langfuse
  • OpenTelemetry
  • Sentry
05

Cloud & deployment

Infrastruktur dan proses rilis dipilih sesuai kebutuhan produk.

  • Google Cloud
  • AWS
  • Vercel
  • Cloudflare
  • GitHub Actions

03 / Penerapan AI

Dari hambatan menjadi sistem kerja

Kami merangkai data, izin, dan evaluasi menjadi alur kerja yang bisa dipakai. Dampaknya diukur bersama setelah rilis, bukan dijanjikan di muka.

  1. Pengetahuan yang tersebar menjadi konteks kerja

    Dokumen dan data operasional diindeks dengan izin dan sumber yang jelas. Pencarian gabungan dan RAG memberi agen konteks yang relevan sebelum ia menyusun jawaban atau langkah berikutnya.

    Pencarian hibrida · pgvector · RAG bersumber
  2. Tugas berulang menjadi aksi yang terkendali

    Agen memakai tool calling dan API yang dibatasi untuk membaca, menyiapkan, atau menjalankan tugas. Keluaran divalidasi; tindakan yang menyentuh uang atau pelanggan menunggu persetujuan manusia.

    MCP · keluaran bertipe · human-in-the-loop
  3. Kinerja sistem terlihat, bukan ditebak

    Contoh nyata menjadi dataset evaluasi. Jejak tool, kegagalan, latensi, dan biaya model dipantau agar perubahan berikutnya dapat dibandingkan dengan versi sebelumnya.

    Evals · Langfuse · OpenTelemetry · biaya per tugas

04 / Dari Jakarta

Wilayah layanan

  • Jakarta
  • Indonesia
  • Asia Tenggara
  • Global (remote)

Waktu Jakarta (WIB, UTC+7). Untuk klien di zona waktu lain kami jadwalkan pertemuan di jam yang tumpang tindih.

05 / Tentang studio

Punya sesuatu yang ingin dibangun?

Ceritakan masalahnya. Kalau itu bukan pekerjaan untuk kami, kami akan bilang.

Untuk memulai

Gambaran awal sudah cukup.

  1. Masalah yang ingin dipecahkan
  2. Sistem yang terlibat
  3. Hasil awal yang berguna