Apa yang Sebenarnya Dilakukan Agen Riset AI — dan Mengapa Ini Bukan Sekadar Mesin Pencari yang Lebih Pintar
Riset yang benar-benar dikerjakan untuk Anda, bukan cuma dijawab — agen yang menelusuri web, memverifikasi silang, mencantumkan sumber, dan menghasilkan laporan siap pakai.
Apa yang Sebenarnya Dilakukan Agen Riset AI — dan Mengapa Ini Bukan Mesin Pencari yang Lebih Pintar
Agen riset AI adalah sistem perangkat lunak otonom yang menerima suatu tujuan riset, memecahnya menjadi sub-pertanyaan, menjelajahi berbagai sumber, membaca dan mengekstrak bukti dari masing-masing sumber, memeriksa ulang fakta antar sumber, dan menghasilkan ringkasan akhir yang lengkap dengan sitasi — tanpa perlu diarahkan manusia di setiap langkahnya. Ini bukan chatbot, bukan mesin pencari, dan bukan alat peringkas: ini adalah sistem yang benar-benar melakukan pekerjaan riset dibandingkan hanya menjawab satu pertanyaan. Memahami perbedaan ini penting karena kebanyakan alat yang dipasarkan sebagai "AI research" hanya melakukan sebagian kecil dari apa yang dilakukan agen sesungguhnya, dan jika Anda memilih alat yang salah, Anda akan tetap harus menyelesaikan pekerjaan itu sendiri.
Mengapa "Agen Riset AI" Memiliki Makna yang Spesifik
Istilah seputar alat AI telah bergeser sedemikian rupa sehingga hampir semua hal yang memiliki kolom pencarian disebut "agen." Definisi yang lebih ketat akan lebih berguna.
Sebuah agen riset harus memenuhi tiga kondisi:
- Otonomi atas beberapa langkah. Ia merencanakan serangkaian tindakan dari satu tujuan tingkat tinggi — Anda tidak perlu menuliskan setiap kueri pencarian sendiri.
- Penggunaan alat yang nyata. Ia benar-benar menjelajahi URL, membaca dokumen, dan mengekstrak teks, bukan sekadar menghasilkan ringkasan yang terdengar masuk akal dari data pelatihan saja.
- Hasil kerja yang selesai. Ia mensintesis temuannya menjadi keluaran terstruktur (ringkasan, laporan, tabel perbandingan) yang dilengkapi sitasi, bukan hanya daftar hasil pencarian.
Segala sesuatu yang gagal memenuhi kondisi 2 adalah model bahasa yang berpura-pura melakukan riset. Segala sesuatu yang gagal memenuhi kondisi 3 adalah agregator pencarian. Hanya sistem yang memenuhi ketiganya yang benar-benar merupakan agen riset AI.
Definisi ini sejalan dengan kerangka akademis di balik arsitektur agen. Pola ReAct — salah satu pendekatan fundamental — mendeskripsikan agen sebagai sesuatu yang menyelingi jejak penalaran dan tindakan penggunaan alat dalam sebuah loop hingga tugas selesai (Yao et al., 2022). Riset adalah persis jenis tugas multi-langkah dan intensif-alat yang menjadi tujuan perancangan arsitektur-arsitektur ini.
Loop Agen Riset, Anatomi Sebuah Proses
Cara paling mudah untuk memahami apa yang dilakukan agen riset AI adalah dengan menelusuri apa yang terjadi saat Anda memberinya tujuan seperti: "Buat analisis kompetitif alat SaaS manajemen proyek di sektor konstruksi, dengan perbandingan harga."
Setiap proses agen riset mengikuti loop ini. Agen secara otomatis merencanakan ulang saat menemukan kekurangan dalam apa yang telah dikumpulkannya.
Tahap 1 — Merencanakan
Agen tidak langsung mulai mencari. Ia pertama-tama mendekomposisi tujuan: Siapa saja kompetitornya? Sinyal harga apa yang tersedia secara publik? Apakah ada laporan industri? Apakah ada agregator ulasan yang layak diperiksa? Langkah perencanaan ini menghasilkan daftar sub-pertanyaan terstruktur yang memandu semua langkah selanjutnya. Tanpa ini, agen akan mencari secara acak dan melewatkan seluruh dimensi dari pertanyaan tersebut.
Tahap 2 — Mencari
Untuk setiap sub-pertanyaan, agen mengeluarkan kueri yang tertarget — ke pencarian web, ke domain tertentu, ke basis data, atau ke dokumen yang telah Anda sediakan. Agen yang mumpuni dapat menjalankan puluhan kueri secara paralel; agen yang lebih lemah melakukannya secara berurutan dan mungkin menyerah setelah jumlah tertentu. Kualitas perumusan kueri di tahap ini merupakan prediktor langsung dari kualitas keluaran.
Tahap 3 — Membaca dan Mengekstrak
Agen benar-benar membuka URL, merender halaman, dan membaca isinya. Ia mengekstrak informasi terstruktur — daftar fitur, tabel harga, jumlah pelanggan, kutipan eksekutif — bukan hanya mencatat judul halaman. Inilah tahap yang membedakan agen dari agregator hasil pencarian: ia benar-benar telah membaca sumbernya, bukan hanya menemukannya.
Tahap 4 — Memeriksa Ulang
Klaim yang diekstrak dibandingkan antar sumber. Jika satu situs mengatakan sebuah alat berharga $15 per pengguna per bulan dan situs lain mengatakan $19, agen menandai ketidaksesuaian tersebut dan mencoba menyelesaikannya dengan menemukan sumber utama (halaman harga milik vendor itu sendiri). Langkah ini yang membuat keluaran agen dapat dipercaya, bukan hanya komprehensif.
Tahap 5 — Mensintesis
Agen menggabungkan bukti dari semua sumber menjadi sebuah narasi yang koheren atau perbandingan terstruktur. Sinyal yang saling bertentangan dicatat, bukan dihilangkan secara diam-diam. Kekurangan — topik yang tidak dapat ditemukan sumber baiknya — ditampilkan sebagai batasan, bukan ditutupi dengan teks yang dihasilkan begitu saja.
Tahap 6 — Menyitasi dan Menyampaikan
Setiap klaim dalam keluaran akhir diikat pada sebuah sumber: URL, tanggal publikasi, dan bagian teks yang relevan. Keluarannya adalah sebuah dokumen yang sudah selesai — bukan daftar tautan untuk Anda baca sendiri, melainkan hasil kerja riset yang siap digunakan.
Loop ini tidak sepenuhnya linear. Ketika Tahap 4 mengungkap adanya kekurangan — misalnya, tidak ada data harga untuk salah satu kompetitor — agen dapat kembali ke Tahap 1 untuk sub-pertanyaan spesifik tersebut sebelum melanjutkan. Kemampuan untuk kembali ini yang membuat agen menjadi otonom, bukan sekadar otomatis.
Agen Riset vs. ChatGPT vs. Perplexity: Apa Sebenarnya yang Berbeda
Perbandingan ini sering menjadi kabur karena pemasaran, jadi berikut adalah penjelasan yang jujur.
Perbedaan utamanya bukan pada kecerdasan — melainkan pada lingkup pekerjaan yang diselesaikan.
ChatGPT (tanpa menggunakan plugin penjelajahan) menghasilkan teks dari data pelatihan. Ia tidak dapat menjelajahi web secara real-time. "Riset" yang dilakukannya adalah pencocokan pola dari korpus pelatihannya, yang memiliki batas waktu pengetahuan dan mungkin tidak merefleksikan harga terkini, produk terkini, atau peristiwa terbaru. Ia akan menyatakan hal-hal yang dulunya benar pada saat pelatihan namun kini sudah tidak lagi berlaku, dengan penuh keyakinan.
Perplexity dan mesin jawaban serupa memang mengeluarkan kueri web secara real-time — tetapi biasanya dalam jumlah kecil (sering 5–10), dan mereka mengagregasi cuplikan alih-alih membaca dokumen secara lengkap. Alat ini sangat berguna untuk pencarian fakta cepat. Namun mereka dirancang untuk interaksi tanya-jawab sekali jalan: berikan pertanyaan, dapatkan jawaban dengan sitasi. Mereka tidak dirancang untuk merencanakan, mengulang, dan menghasilkan sebuah hasil kerja. Meminta Perplexity untuk analisis kompetitif akan menghasilkan satu paragraf; meminta agen riset AI akan menghasilkan laporan terstruktur.
Agen riset AI menerima sebuah tujuan, bukan sebuah pertanyaan, dan bekerja hingga tujuan itu tercapai — membaca puluhan atau ratusan sumber, mengulang proses ketika menemukan kekurangan, dan mengembalikan hasil kerja terstruktur berikut sitasi yang bisa Anda berikan langsung kepada rekan kerja atau diarsipkan. Ia menggantikan jam kerja Anda, bukan sekadar detik.
Cara paling jelas untuk menyatakan perbedaannya: mesin jawaban merespons pertanyaan Anda; agen riset melakukan pekerjaan Anda.
Untuk pembahasan yang lebih mendalam tentang bagaimana agen dibandingkan dengan chatbot pada tingkat arsitektur, lihat artikel kami tentang AI agent vs. chatbot.
Apa Sebenarnya Kegunaan Agen Riset?
Kasus penggunaannya berkelompok di sekitar situasi di mana Anda membutuhkan keluasan, membutuhkan verifikasi lintas sumber, atau di mana biaya untuk melewatkan sesuatu itu tinggi.
Riset Pasar
Memetakan sebuah pasar — siapa saja pemainnya, berapa harga yang mereka tetapkan, apa kata pelanggan, di mana letak kekurangannya — membutuhkan kunjungan ke puluhan sumber. Agen riset melakukan hal ini dalam hitungan menit. Hasilnya adalah peta pasar yang terstruktur alih-alih sekumpulan tab browser.
Analisis Kompetitif
Memantau bagaimana kompetitor memposisikan diri, fitur apa yang mereka tambahkan, harga apa yang mereka jalankan membutuhkan pembacaan sistematis atas situs web, siaran pers, situs ulasan, dan portal lowongan kerja mereka. Agen dapat mengumpulkan semua ini menjadi tabel perbandingan berikut sitasi sumber dalam waktu yang jauh lebih singkat dibandingkan analis manusia.
Kajian Literatur
Dalam konteks teknis atau akademis, agen riset dapat menyurvei makalah-makalah tentang sebuah topik, mengidentifikasi posisi konsensus, menandai kontradiksi, dan menampilkan karya-karya yang paling banyak disitasi. Ini sangat berguna di awal proyek baru ketika Anda memerlukan orientasi tanpa harus membaca selama berminggu-minggu.
Uji Tuntas (Due Diligence)
Sebelum menjalin kemitraan, akuisisi, atau keputusan pengadaan besar, Anda perlu mengetahui apa yang diketahui publik tentang sebuah perusahaan: sinyal keuangan, riwayat hukum, jejak kepemimpinan, cakupan pers, keluhan pelanggan. Agen riset dapat mengagregasi ini dari sumber-sumber publik dan mengorganisasikannya berdasarkan kategori risiko.
Riset Investasi
Analisis sektor, pemrofilan perusahaan, penyaringan ESG — tugas riset yang sebelumnya membutuhkan tim analis bekerja selama beberapa hari dapat diselesaikan dalam beberapa jam ketika kerja riset lapangannya diotomatisasi.
Pemantauan Kebijakan dan Regulasi
Organisasi yang perlu melacak perubahan regulasi di berbagai jurisdiksi dapat menugaskan agen riset untuk memantau sumber resmi dan meringkas apa yang berubah dan apa implikasinya.
Untuk mengetahui bagaimana alur kerja berbasis agen ini masuk ke dalam operasi bisnis yang lebih luas, lihat artikel kami tentang AI agents in business.
Contoh Kerja Nyata: Menjalankan Agen Riset pada Tugas Sesungguhnya
Berikut adalah tampilan sebenarnya dari sebuah proses di Happycapy — sebuah platform agen AI yang menerima tujuan riset dan menghasilkan ringkasan bersitasi dari sandbox cloud yang aman.
Tujuan: "Buat ringkasan tentang lanskap kompetitif untuk asisten koding AI — pemain utama, diferensiasi fitur, harga, dan segmen pengembang mana yang ditargetkan masing-masing."
Agen tersebut:
- Merencanakan sub-pertanyaan: siapa pemain utamanya, apa saja rangkaian fitur inti mereka, model harga apa yang mereka gunakan, siapa pelanggan target yang mereka nyatakan, apa kata para pengulas.
- Mengeluarkan kueri ke pencarian web, menjelajahi situs web vendor, membaca utas G2 dan Hacker News, memeriksa halaman harga secara langsung.
- Mengekstrak data terstruktur: daftar fitur, nama tingkatan, harga, jumlah integrasi, kutipan pengguna.
- Memeriksa ulang harga antar sumber — ketika halaman vendor dan situs ulasan bertentangan, ia mencatat ketidaksesuaian itu.
- Mensintesis temuan menjadi ringkasan terstruktur dengan bagian per kompetitor, sebuah tabel perbandingan, dan bagian tentang segmen yang belum terlayani.
- Melampirkan sitasi inline pada setiap klaim.
Waktu total: kurang dari sepuluh menit. Pekerjaan manusia: meninjau hasilnya, memutuskan apa yang akan dilakukan dengannya.
Apa yang Harus Dicari dalam Agen Riset AI
Tidak semua alat yang menyebut dirinya "agen riset" benar-benar demikian. Berikut adalah daftar periksa praktis.
Penjelajahan nyata, bukan RAG atas konten yang di-cache. Agen harus menjelajahi URL langsung pada saat berjalan, bukan mengambil dari indeks statis yang telah diisi sebelumnya. Indeks yang basi melewatkan perubahan harga terbaru, peluncuran produk, dan berita.
Transparansi sumber. Setiap klaim harus membawa sitasi: URL, judul, dan idealnya kutipan yang mendukung klaim tersebut. Jika alat tersebut tidak dapat menunjukkan dari mana setiap fakta berasal, Anda tidak dapat mempercayai hasilnya.
Sintesis multi-sumber, bukan sekadar peringkasan. Ada perbedaan antara meringkas satu artikel dan mensintesis bukti dari sepuluh sumber. Mintalah alat tersebut untuk meriset sesuatu di mana sumber-sumbernya saling bertentangan — agen yang baik akan menampilkan pertentangan tersebut; alat peringkas hanya akan memilih satu versi.
Iterasi dan perencanaan ulang. Agen satu-lintasan rentan gagal. Agen yang baik menyadari ketika lintasan pertamanya melewatkan sesuatu dan kembali mengulang. Tanyakan kepada vendor apakah agen tersebut melakukan kueri ulang saat menemukan kekurangan.
Eksekusi sandbox. Tugas riset sering membutuhkan kode: menghitung pertumbuhan majemuk, mem-parsing CSV, menjalankan skrip. Agen dengan kemampuan eksekusi kode dalam lingkungan sandbox — bukan hanya generasi teks — dapat melakukan lebih banyak jenis riset. Lihat artikel kami tentang cloud sandbox untuk mengetahui mengapa lingkungan eksekusi itu penting.
Kualitas sitasi, bukan hanya keberadaan sitasi. Beberapa sistem menghasilkan sitasi yang sebenarnya tidak mendukung klaim yang disitasi, atau menautkan ke halaman yang telah berubah sejak itu. Periksa beberapa klaim secara acak pada alat apa pun yang Anda evaluasi.
Format keluaran. Apakah agen menghasilkan dokumen terstruktur, atau hanya esai panjang? Tabel, header, dan bagian yang terorganisir membuat keluaran langsung dapat digunakan alih-alih harus Anda format ulang.
Untuk pembahasan lebih mendalam tentang apa yang membuat keluaran agen dapat dipercaya dan dapat direproduksi, panduan AI report generator membahas seluruh pipeline mulai dari pengumpulan data hingga ekspor yang terformat.
Keterbatasan yang Jujur dari Agen Riset AI
Agen riset yang dirancang dengan baik memang kuat. Namun ia bukan tanpa kesalahan, dan keterbatasannya cukup dapat diprediksi sehingga Anda bisa merancang cara mengatasinya.
Halusinasi pada hal-hal spesifik. Model bahasa dapat menghasilkan statistik, nama, atau fitur produk yang terdengar masuk akal namun tidak muncul di sumber mana pun yang dibacanya. Inilah mengapa transparansi sitasi tidak bisa ditawar-tawar: jika Anda tidak dapat melacak sebuah klaim ke sumbernya, asumsikan klaim itu mungkin fabrikasi. Agen yang baik meminimalkan hal ini dengan hanya membuat klaim yang bisa disumberkan; beberapa agen tidak melakukannya.
Sumber yang berada di balik paywall dan login. Sebagian besar agen riset tidak dapat mengakses sumber di balik paywall (jurnal akademis, Bloomberg, Statista). Jika riset Anda bergantung pada basis data premium, agen akan melewatkannya atau memberitahu Anda bahwa ia tidak dapat mengaksesnya. Anda akan perlu menyediakan dokumen-dokumen tersebut secara manual.
Konten dinamis. Beberapa halaman web me-render konten hanya melalui JavaScript dengan cara yang tidak dapat ditangkap oleh penjelajahan dasar. Kualitas pembacaan agen bervariasi antar jenis situs; halaman yang dibangun sebagai single-page application mungkin terbaca sebagian atau terlewatkan.
Trade-off antara kebaruan dan kedalaman. Agen yang mengutamakan penjelajahan langsung mungkin melewatkan sumber yang lebih lama namun otoritatif yang berperingkat rendah di hasil pencarian saat ini. Agen yang baik menggunakan kombinasi pencarian web dan kemampuan untuk mengambil URL spesifik yang Anda sediakan.
Batasan panjang keluaran. Tugas riset yang sangat panjang — kajian sistematis atas ratusan makalah, peta pasar komprehensif dengan 50+ perusahaan — mungkin mencapai batas konteks. Batas praktisnya bervariasi antar platform; periksa sebelum menentukan lingkup tugas.
Bukan pengganti penilaian pakar. Agen riset menampilkan bukti; ia tidak membuat keputusan. Dalam domain berisiko tinggi (medis, hukum, keuangan), keluarannya menjadi masukan bagi seorang profesional, bukan pengganti bagi profesional tersebut.
Memahami keterbatasan ini adalah bagian dari menggunakan agen riset dengan baik. Solusi untuk kebanyakan keterbatasan ini sama: periksa sitasi, verifikasi klaim-klaim kunci secara acak, dan sediakan sumber-sumber premium yang tidak dapat diakses agen dengan sendirinya.
Untuk sudut pandang arsitektural tentang bagaimana agen riset mengelola konteks dan menghindari mode kegagalan umum, lihat panduan harness engineering.
Pertanyaan yang Sering Diajukan
Apa itu agen riset AI?
Agen riset AI adalah sistem otonom yang menerima suatu tujuan riset, merencanakan investigasi multi-langkah, menjelajahi sumber-sumber nyata, mengekstrak bukti, memeriksa ulang klaim antar sumber, mensintesis temuan, dan menghasilkan ringkasan akhir bersitasi — tanpa perlu diarahkan manusia di setiap langkahnya. Ini berbeda dari chatbot (yang merespons pertanyaan) dan mesin pencari (yang mengembalikan tautan).
Bagaimana agen riset AI berbeda dari Perplexity?
Perplexity adalah mesin jawaban: Anda mengajukan pertanyaan, ia mengeluarkan sejumlah kecil kueri web dan mengembalikan jawaban yang disintesis dengan sitasi. Agen riset AI menerima tujuan yang lebih luas, merencanakan investigasi multi-langkah, membaca dokumen sumber secara lengkap, mengulang proses saat menemukan kekurangan, dan mengembalikan hasil kerja terstruktur (laporan, perbandingan, ringkasan) alih-alih jawaban satu paragraf. Untuk pencarian fakta cepat, Perplexity sangat baik. Untuk tugas riset yang membutuhkan analis manusia berjam-jam, agen riset AI adalah alat yang tepat.
Bisakah agen riset AI menggantikan peneliti manusia?
Untuk fase kerja lapangan — menemukan sumber, membacanya, mengekstrak data terstruktur, dan mengompilasinya — agen riset dapat menggantikan sebagian besar waktu yang biasa dihabiskan peneliti manusia. Yang tidak dapat digantikannya adalah penilaian domain (mengetahui sumber mana yang otoritatif dalam sebuah bidang niche), desain riset yang kreatif (mengetahui pertanyaan apa yang harus diajukan sejak awal), dan interpretasi kontekstual yang diperlukan dalam keputusan berisiko tinggi. Kerangka pikir terbaiknya: agen riset secara dramatis memperkuat peneliti, bukan menggantikannya.
Bagaimana saya tahu apakah hasil agen riset dapat dipercaya?
Periksa sitasinya. Setiap klaim faktual harus tertaut ke sumber spesifik. Verifikasi tiga sampai lima klaim secara acak dengan mengunjungi URL yang disitasi dan memastikan klaim tersebut memang didukung. Perhatikan bagaimana agen menangani informasi yang saling bertentangan antar sumber — agen yang dapat diandalkan menampilkan kontradiksi tersebut, bukan menyelesaikannya secara diam-diam. Jika alat tersebut tidak menyediakan sitasi tingkat sumber, perlakukan hasilnya sebagai titik awal untuk verifikasi, bukan sebagai produk jadi.
Tugas riset apa yang paling dikuasai agen riset AI?
Tugas yang padat informasi, multi-sumber, dan memakan waktu: analisis kompetitif, pemetaan pasar, kajian literatur, uji tuntas, pemantauan regulasi, pemrofilan investasi. Semakin besar lingkupnya dan semakin banyak sumber yang relevan dengan pertanyaan tersebut, semakin besar nilai tambah yang diberikan agen dibandingkan mengerjakannya secara manual atau menggunakan mesin jawaban satu-kueri.
Berapa lama sebuah proses agen riset berjalan?
Untuk tugas umum — analisis kompetitif lima hingga sepuluh perusahaan, atau kajian literatur atas topik tertentu — agen yang dibangun dengan baik mengembalikan hasil dalam lima hingga lima belas menit. Tugas yang lebih kompleks (peta pasar komprehensif, survei regulasi multi-negara) dapat memakan waktu tiga puluh menit hingga satu jam. Perbandingannya bukan dengan alat kompetitor; melainkan dengan waktu manusia yang dibutuhkan untuk tugas yang sama, yang biasanya diukur dalam jam atau hari.
Apakah agen riset AI bekerja tanpa saya menyediakan sumber?
Ya — agen riset menjelajahi web terbuka secara otonom dan menemukan sumbernya sendiri. Anda dapat secara opsional menyediakan dokumen (PDF, berkas data, URL spesifik) untuk memperkaya apa yang ditemukannya. Menyediakan sumber sangat berguna ketika materi yang relevan berada di balik paywall atau merupakan dokumen berpemilik yang tidak dapat diakses agen dengan sendirinya.
Bisakah agen riset menjalankan kode sebagai bagian dari investigasinya?
Agen riset yang baik dapat melakukannya. Beberapa pertanyaan riset membutuhkan komputasi: menghitung ukuran pasar, mem-parsing berkas data, menjalankan uji statistik, mengekstrak tabel terstruktur dari HTML. Agen yang berjalan dalam sandbox eksekusi yang aman dapat menulis dan menjalankan kode sebagai bagian dari loop riset, bukan hanya menghasilkan teks tentang hal itu. Ini adalah salah satu fitur yang membedakan agen riset serius dari sekadar pembungkus pencarian web. Agen Happycapy berjalan di sandbox cloud dengan eksekusi kode — mulai gratis di happycapy.ai.
Apa hubungan antara agen riset dan AI report generator?
Keduanya saling tumpang tindih secara signifikan. Agen riset berfokus pada investigasi: menemukan, membaca, memeriksa ulang, dan mensintesis sumber. AI report generator berfokus pada keluaran: memformat temuan menjadi dokumen yang rapi dengan bagian terstruktur, tabel, dan ekspor. Banyak platform yang mengombinasikan keduanya — agen melakukan risetnya dan pemformat laporan menyusun keluarannya. Lihat panduan AI report generator untuk penjelasan rinci tentang pipeline keluarannya.
Dari Mana Harus Memulai
Jika Anda memiliki tugas riset yang saat ini menghabiskan berjam-jam waktu Anda atau tim Anda — sebuah analisis kompetitif, peta pasar, kajian literatur, uji tuntas atas mitra atau vendor — langkah pertama yang paling efektif adalah menjalankan agen sungguhan pada tugas sungguhan dan membandingkan hasilnya dengan apa yang akan Anda produksi secara manual.
Happycapy adalah platform agen AI yang dibangun tepat untuk hal ini. Anda memberinya sebuah tujuan riset; ia menjelajahi, membaca, memeriksa ulang, dan mengembalikan hasil kerja bersitasi dalam sandbox cloud yang aman. Anda tidak perlu mengelola loop risetnya — agen yang melakukannya. Tersedia paket gratis, tidak perlu konfigurasi untuk memulai.
