Wawancara
Jan Čurn, Salah Satu Pendiri dan CEO Apify – Seri Wawancara

Poin utamaAgen akan menyewa alat yang sudah ada ketika membangun dari awal lebih mahal daripada…
Lihat selengkapnya
- Agen akan menyewa alat yang sudah ada ketika membangun dari awal lebih mahal daripada membeli.
- Kegagalan senyap membuat agen dengan percaya diri merangkum halaman kosong tanpa menyadari masalahnya.
- Apify membayar beberapa ratus kreator sekitar $2M dalam total pendapatan bersih bulan lalu.
Jan Čurn adalah salah satu pendiri dan CEO Apify, yang ia luncurkan bersama Jakub Balada pada 2015 melalui Y Combinator Fellowship. Kebutuhan praktis untuk mengumpulkan daftar apartemen di Praha turut menginspirasi produk awalnya: alat untuk mengubah situs web menjadi API. Sejak itu, ia memandu perkembangannya dari infrastruktur perayapan web menjadi platform untuk data web, otomasi browser, dan pasar alat yang semakin banyak digunakan oleh agen AI.
Apify menyediakan platform untuk pengambilan data dari web, otomasi browser, dan alat siap pakai yang disebut Actors. Pengembang dapat menerbitkan dan memonetisasi Actors melalui pasarnya, sementara bisnis dan pengembang AI menggunakannya untuk mengambil data web terstruktur dan mengotomatiskan tugas. Dalam wawancara ini, Čurn membahas cara agen menemukan dan menggunakan alat khusus, pentingnya data terkini, serta keandalan, izin, dan pertimbangan ekonomi yang diperlukan agar agen dapat bekerja di web dalam skala besar.
Anda mendirikan Apify bersama Jakub Balada pada 2015 melalui Y Combinator Fellowship, dengan fokus awal memudahkan pengembang membuat perayap web yang fleksibel dan dapat diskalakan. Apa yang menginspirasi gagasan tersebut, dan bagaimana visi awal Anda berkembang selama satu dekade terakhir?
Gagasan untuk Apify berawal dari masalah yang kami hadapi sendiri, saya dan Jakub. Kami sedang mengerjakan proyek klien yang membutuhkan daftar apartemen baru di Praha, tetapi alat yang tersedia saat itu kesulitan menangani JavaScript dinamis dan struktur situs web yang tidak beraturan. Karena itu, kami membuat alat sendiri untuk mengubah situs web apa pun menjadi API.
Seiring waktu, Apify berkembang melampaui perayapan web menjadi platform untuk pengambilan data dari web, otomasi browser, dan data web. Kami kemudian membuka pasar tempat para pengembang dapat menerbitkan alat mereka, yang disebut Actors, dan memperoleh bayaran saat orang lain menggunakannya. Kini, semakin banyak pengguna Actors yang merupakan agen AI.
Apify bermula sebagai platform perayapan web jauh sebelum agen AI menjadi fokus utama industri. Kapan Anda menyadari bahwa infrastruktur yang telah Anda bangun bisa sangat bermanfaat bagi agen AI yang perlu mengakses dan berinteraksi dengan web?
Momen “aha” pertama datang pada awal 2023, tak lama setelah ChatGPT diluncurkan. Tiba-tiba, Anda bisa memasukkan data web terkini ke dalam prompt alih-alih melatih model baru. Apify termasuk salah satu platform pengambilan data pertama yang menyediakan perayap untuk pipeline RAG yang mulai berkembang serta berintegrasi dengan pustaka baru seperti LangChain atau LlamaIndex.
Kemudian muncul gelombang agen AI. Misalnya, Anda meminta agen membandingkan harga suatu produk di 20 situs e-commerce. Dari mana agen itu memperoleh datanya? Itulah masalah yang telah kami bantu atasi untuk para pengembang selama bertahun-tahun. Jadi, ketika Anthropic merilis Model Context Protocol (MCP) pada akhir 2024, kami langsung mengadopsinya. Kami sudah memiliki ribuan alat dengan masukan dan keluaran yang jelas, persis seperti yang dibutuhkan agen.
Titik balik yang sesungguhnya datang pada akhir 2025, ketika model-model tersebut sudah cukup canggih untuk memungkinkan agen melakukan pekerjaan yang berarti. Agen membutuhkan alat yang tepat dan data yang andal. Sejak saat itu, penggunaan Apify benar-benar melonjak dan dengan cepat mendekati ARR bruto sebesar $100 juta.
Apify telah berkembang menjadi platform dengan lebih dari 90.000 alat yang mencakup data web, pengambilan data, otomasi, dan AI. Bagaimana Anda memandang peran ekosistem ini ketika agen semakin membutuhkan alat khusus, alih-alih hanya mengandalkan kemampuan model bahasa besar?
Ya, model akan mampu menghasilkan perangkat lunak yang semakin kompleks dari nol. Namun, ada ambang batas tertentu, yang jika terlampaui, membuat agen lebih efisien membeli alat yang sudah tersedia daripada membuatnya dari nol. Ambang batas itu akan meningkat seiring kemajuan model, tetapi sejumlah kebutuhan akan selalu tetap ada sehingga membuka peluang untuk menjual alat siap pakai, terutama jika alat tersebut didasarkan pada data privat dan konteks yang sulit diperoleh.
Seiring turunnya biaya pembuatan perangkat lunak dan bertambahnya jumlah sistem serta alat perangkat lunak, kendala utamanya kini adalah penemuan: di mana menemukan alat tepercaya dan bernilai guna untuk membantu menyelesaikan pekerjaan. Daripada membayar $500 untuk membuatnya dengan benar, Anda bisa membayar seseorang $5 untuk menyewa layanan yang sudah tersedia.
Berdasarkan pengamatan Anda di komunitas pengembang Apify, apa saja penerapan nyata agen AI yang paling menarik saat ini, dan kasus penggunaan mana yang benar-benar diterapkan dalam produksi?
Beberapa contoh paling menarik sangat spesifik. Kami pernah melihat AI memindai YouTube, eBay, dan toko-toko Jepang untuk membantu menentukan kartu Pokémon mana yang layak dibeli. Sebuah perusahaan asuransi menggunakan Apify untuk memeriksa 55 situs berita kematian di Italia guna memverifikasi kematian pemegang polis. Di sisi lain, Canary menggunakan Apify untuk Spotlight, alat yang membantu penyelidik menemukan korban perdagangan anak.
Kesamaan berbagai penerapan ini adalah adanya masalah yang spesifik dan akses ke data yang tepat, bukan agen yang dirancang untuk melakukan sedikit dari segala hal.
Salah satu tantangan terbesar bagi agen AI adalah mengakses informasi terkini dan terstruktur dari situs web, alih-alih sepenuhnya mengandalkan data pelatihan statis. Seberapa pentingkah akses web waktu nyata ketika agen mulai menangani tugas yang semakin kompleks?
LLM merupakan kompresi yang menghilangkan sebagian informasi dari data yang digunakan untuk melatihnya. LLM dapat membuat tebakan yang sangat cerdas, tetapi tetap saja itu hanya tebakan. Ketika agen diharapkan mengambil keputusan atau menyelesaikan tugas di dunia nyata, agen tidak bisa sepenuhnya mengandalkan data pelatihan. Harga berubah, produk menghilang, pesaing meluncurkan produk baru, dan situs web terus diperbarui.
Model menyediakan kemampuan penalaran, tetapi banyak agen memerlukan cara yang andal untuk memperoleh informasi web terkini dan mengubahnya menjadi data terstruktur yang dapat mereka gunakan dalam skala besar.
Lingkungan web bisa sulit diprediksi, dengan antarmuka yang berubah-ubah, konten dinamis, persyaratan autentikasi, dan sistem antiotomasi. Apa tantangan teknis terbesar yang dihadapi pengembang saat mencoba membangun agen yang dapat beroperasi dengan andal di seluruh web terbuka?
Situs web modern dapat menyajikan JavaScript dinamis, halaman tantangan, atau konten yang tidak lengkap, sementara sistem anti-bot memeriksa berbagai hal, mulai dari reputasi IP hingga sidik jari browser. Kegagalan sering kali tidak terlihat, sehingga agen bisa dengan yakin merangkum halaman kosong tanpa menyadarinya.
Membangun sesuatu yang berhasil sekali relatif mudah. Namun, jauh lebih sulit membangun sesuatu yang terus berfungsi di berbagai situs web yang berubah-ubah dan dalam skala produksi.
Seiring meningkatnya kemampuan agen untuk tidak hanya mengambil informasi, tetapi juga melakukan tindakan secara daring, apa saja yang perlu ditingkatkan dalam hal keandalan, perizinan, verifikasi, dan pengawasan manusia sebelum bisnis dapat memercayakan alur kerja yang lebih otonom kepada agen?
Perizinan menjadi jauh lebih penting ketika agen dapat bertindak, bukan sekadar membaca. Agen tidak boleh melihat kredensial Anda, dan semua rahasia harus disimpan di luar sandbox yang aman serta tidak boleh terpapar ke model. Kami telah mengembangkan solusi untuk masalah sandboxing proxy ini pada Actors di platform Apify, serta di mcpc, klien CLI sumber terbuka kami untuk MCP.
Pengembang bereksperimen dengan berbagai hal, mulai dari otomatisasi browser hingga API khusus dan protokol agen yang sedang berkembang. Menurut Anda, bagaimana arsitektur agen AI akan berkembang, dan seperti apa hubungan ideal antara model, alat, sumber data, dan browser?
Menurut saya, platform agen besar seperti ChatGPT dan Claude sedang menjadi sistem operasi baru—antarmuka utama yang digunakan orang untuk memberi perintah kepada komputer—dan alat terhubung ke platform tersebut seperti aplikasi di ponsel. Untuk alat yang berjalan di tempat lain, MCP telah diterima sebagai protokol interaksi standar.
Saat membutuhkan data seperti penilaian restoran dan informasi kontak, agen dapat membuka Google Maps di browser lalu menelusurinya dengan mengeklik seperti manusia, tetapi cara ini tidak presisi dan mahal. Atau, agen dapat mencari dan memanggil alat yang menyediakan data pemetaan terstruktur, yang lebih cepat dan andal. Agen utama juga akan menyerahkan tugas seperti memesan meja atau mencari penerbangan kepada subagen khusus yang dijalankan dengan model berbiaya lebih rendah.
Selama bertahun-tahun, Apify telah membangun infrastruktur bagi pengembang sekaligus menciptakan marketplace tempat pengembang pihak ketiga dapat menerbitkan alat mereka sendiri. Mungkinkah AI berbasis agen menciptakan perekonomian yang jauh lebih besar di sekitar alat dan layanan khusus yang ditemukan dan digunakan agen secara otonom?
Ya, dan marketplace kami sudah menjadi versi kecil dari hal tersebut. Pengembang menerbitkan Actors, orang-orang menggunakannya, para pengembang dibayar, lalu semakin banyak pengembang dan alat bergabung. Siklus pertumbuhan yang terus memperkuat dirinya sendiri itu telah berlangsung selama bertahun-tahun, dengan orang-orang sebagai pembeli.
Seiring agen AI memikul lebih banyak tanggung jawab, mereka akan membutuhkan uang untuk menyelesaikan tugas tertentu. Bayangkan memberi agen sebuah tugas dan dompet kecil, lalu membiarkannya membayar alat yang dibutuhkan selama proses pengerjaan dengan protokol pembayaran berbasis agen seperti x402 atau MPP. Volumenya masih kecil, tetapi saya yakin sebagian besar kegiatan ekonomi pada akhirnya akan berlangsung secara otonom di antara agen, dengan pengawasan manusia yang semakin minim.
Memasuki dekade keduanya dan seiring agen AI menjadi bagian yang jauh lebih besar dari lanskap perangkat lunak, bagaimana Anda melihat perkembangan Apify dalam beberapa tahun ke depan, dan menurut Anda, apa yang masih belum dimiliki ekosistem agen saat ini?
Kini semakin banyak orang mengintegrasikan Apify ke dalam agen mereka, seperti Claude atau ChatGPT, karena menyadari bahwa alat-alat ini membantu mereka menyelesaikan pekerjaan yang lebih kompleks di web dengan lebih cepat. Platform Apify dan Actors dioptimalkan untuk memberikan pengalaman penggunaan berbasis agen yang unggul, sehingga mendorong peningkatan penggunaan dan belanja.
Di sisi lain marketplace, semakin banyak kreator perangkat lunak yang memperoleh penghasilan rutin dari Actors mereka: lebih dari 300 Actors komunitas menghasilkan lebih dari $1.000 per bulan. Baru bulan lalu, kami membayar beberapa ratus kreator sekitar $2 juta sebagai total pendapatan bersih.
Pertumbuhan marketplace Apify semakin pesat, begitu pula ambisi kami untuk menjadikan Apify marketplace alat AI terbesar dan paling tepercaya di dunia, yang memungkinkan orang-orang dan miliaran agen mereka di masa depan menyelesaikan pekerjaan di web.
Terima kasih atas wawancara yang menarik ini. Pembaca yang ingin mengetahui lebih lanjut tentang data web, otomatisasi browser, dan alat untuk agen AI dapat mengunjungi Apify.












