SandboxAQ Menambahkan Fitur Kepercayaan dan ROI ke Platform Agen AI Switch

Pada 19 Oktober 2026, SandboxAQ mengumumkan perluasan platform Switch AI untuk perusahaan yang mengadopsi agen AI, dengan memperkenalkan Switch Trust untuk menemukan, menguji, dan melindungi agen, serta Switch ROI untuk melacak biaya dan nilai setiap agen.

Perusahaan yang berbasis di Palo Alto, California, itu menyatakan bahwa kedua produk tersebut memperluas produk Switch Rooms sumber terbukanya. Keduanya ditawarkan sebagai solusi netral vendor yang memungkinkan organisasi menilai risiko agen, mengukur nilai bisnis, dan menyempurnakan kinerja berbagai agen, model, dan penyedia yang mereka gunakan. Pengumuman tersebut membandingkan agen dengan generasi pertama AI perusahaan, yang menurutnya dinilai terutama berdasarkan jumlah akun pengguna, penggunaan, dan konsumsi token. Karena agen dapat mengambil keputusan, melakukan tindakan, dan bekerja bersama manusia, pengumuman itu menyebutkan bahwa agen menimbulkan ekspektasi baru terkait pengawasan dan akuntabilitas.

Switch Rooms menyatukan karyawan dan agen AI di Slack, Microsoft Teams, Discord, serta perangkat kerja lainnya. Dengan demikian, tim dapat bekerja menggunakan agen pilihan mereka sembari tetap memegang kendali atas konteks, riwayat, dan pengetahuan bersama. SandboxAQ meluncurkan Switch pada Agustus 2026 sebagai produk sumber terbuka berlisensi Commons Clause Apache 2.0, dengan berlandaskan gagasan bahwa perusahaan seharusnya dapat memilih dan mengganti agen AI, model, serta penyedia tanpa kehilangan kendali atas konteks mereka.

Switch Trust: Menemukan, Menguji, dan Melindungi Agen

Menurut pengumuman tersebut, Switch Trust menyediakan keamanan dan tata kelola agen melalui empat tahap: Discover, Scan, Evaluate, dan Monitor. Halaman produk Switch Trust menyatakan bahwa produk ini dapat digunakan untuk setiap agen, terlepas dari siapa yang membuatnya.

Tahap Discover menyusun inventaris agen, model, alat, server MCP, dan dependensi yang berjalan di berbagai lingkungan terhubung dan repositori kode, termasuk agen yang mungkin tidak diketahui keberadaannya oleh tim keamanan. Tahap ini mencatat kepemilikan, sumber, dependensi, temuan, dan tingkat keparahan setiap item untuk memberi tim gambaran terkini tentang seluruh agen yang mereka gunakan.

Tahap Scan memeriksa kerentanan keamanan pada agen di dalam kode maupun lingkungan cloud, dengan menggabungkan analisis statis dan triase berbantuan AI untuk menyaring hasil positif palsu. Tahap ini menetapkan skor tingkat keparahan, memetakan temuan yang didukung ke kategori keamanan agen OWASP, dan merekomendasikan perbaikan.

Tahap Evaluate terhubung langsung ke agen dan menjalankan pengujian adversarial serta fungsional terhadapnya, mencakup injeksi perintah, upaya jailbreak, kebocoran data, dan kepatuhan terhadap instruksi. Setiap serangan mendapat hasil lulus atau gagal yang turut menentukan skor kesehatan keseluruhan, dan tim dapat menambahkan evaluasi mereka sendiri di samping pengujian bawaan. Halaman produk menyatakan bahwa jika suatu pengujian gagal, peluncuran agen akan ditahan sampai pengujian tersebut lulus.

Tahap Monitor melindungi agen yang sudah digunakan dalam produksi. Tim menyiapkan agen melalui kit pengembangan perangkat lunak yang mencatat aktivitasnya, termasuk perintah, respons, pemanggilan model, latensi, sesi, dan peristiwa kebijakan. Sementara itu, agen yang berjalan di Switch Rooms secara otomatis menerima kebijakan perlindungan. Dalam interaksi langsung, kebijakan tersebut mendeteksi injeksi perintah, rahasia, informasi pengenal pribadi, konten toksik, dan upaya jailbreak. Trust dapat memblokir, menyamarkan, memberi peringatan tentang, atau mencatat perilaku yang tidak aman sembari menyimpan bukti mengenai apa yang terjadi. Halaman produk menyatakan bahwa mekanisme perlindungan memeriksa data yang masuk ke dan keluar dari setiap agen, serta Switch Trust menyimpan satu catatan terpadu tentang tindakan setiap agen dan siapa yang menyetujuinya.

Switch ROI: Mengukur Biaya dan Nilai Setiap Agen

Menurut pengumuman tersebut, Switch ROI mengukur biaya dan nilai yang dihasilkan setiap agen, disertai rekomendasi khusus untuk menurunkan biaya dan meningkatkan kinerja. Halaman produk Switch ROI menyatakan bahwa produk ini mencakup semua agen dari vendor mana pun di satu tempat, dengan menggabungkan pengeluaran AI yang tersebar di antara biaya akun pengguna, tagihan berdasarkan penggunaan, dan berbagai vendor.

Fitur Measure melacak pengeluaran dan kinerja hingga ke tingkat agen, sesi, dan giliran individu, dengan anggaran, laju pembakaran anggaran, dan peringatan yang dirancang untuk mendeteksi pengeluaran berlebih sejak dini. Alih-alih menghitung metrik infrastruktur seperti token atau panggilan API, fitur ini mengaitkan pengeluaran tersebut dengan hasil, termasuk tiket yang diselesaikan, permintaan tarik yang dipercepat, dan tugas yang diotomatisasi.

Fitur Prove membandingkan nilai yang dihasilkan setiap agen dengan biayanya: Switch menetapkan tolok ukur kinerja manusia, melacak pengeluaran agen secara otomatis, dan mengukur angka seperti biaya per hasil serta laba atas investasi bersih.

Fitur Optimize mencari pemborosan biaya dan menentukan hal yang perlu diperbaiki, dialihkan, atau dikurangi. Fitur ini mengurutkan rekomendasi untuk setiap agen, lengkap dengan perkiraan rentang penghematan bulanan dan tingkat keyakinan. Pengumuman tersebut mencantumkan masalah yang ditangani oleh rekomendasi ini: pemilihan model yang kurang tepat, alat yang ditawarkan tetapi tidak pernah digunakan, konteks yang dikirim ulang alih-alih disimpan dalam tembolok, percobaan ulang dan perulangan yang mengulang pekerjaan, serta keluaran yang lebih panjang daripada yang diperlukan untuk tugas tersebut. Halaman produk menyatakan bahwa rekomendasi itu mencakup empat jenis penghematan biaya: pemilihan model, alat yang tidak digunakan, panjang jawaban, dan penyimpanan dalam tembolok. Disebutkan pula bahwa peningkatan kinerja akan hadir kemudian. Halaman itu menjelaskan bahwa pekerjaan agen dapat dialihkan ke model yang lebih murah jika lolos pemeriksaan kualitas, sementara agen tetap menggunakan konteks dari Switch Rooms.

Pernyataan dari Mount Sinai West dan Para Eksekutif

Menurut pengumuman tersebut, MSW Lab di Mount Sinai West menggunakan Switch Trust untuk membangun G Board, sebuah kerangka kerja yang memungkinkan dokter membuat aplikasi klinis dengan agen AI. “Di MSW Lab, dokter membuat perangkat lunak layanan kesehatan nyata dengan agen AI, jadi kami harus membuktikan bahwa agen tersebut berperilaku aman,” kata Dr. Jeffrey Bander, Kepala Kardiologi di Mount Sinai West dan Profesor Madya Kardiologi dan Kecerdasan Buatan di Icahn School of Medicine at Mount Sinai, dalam pengumuman SandboxAQ. Bander mengatakan Switch AI memberi laboratorium itu cara untuk membangun kepercayaan tersebut ke dalam pekerjaan sehari-hari, sehingga dokter dapat berfokus pada masalah klinis alih-alih menjadi spesialis keamanan AI.

Pengumuman tersebut mengutip prediksi Gartner bahwa lebih dari 40 persen proyek AI berbasis agen akan dibatalkan pada akhir 2027. Halaman produk Switch ROI secara terpisah mengutip data survei KPMG Global AI Pulse tertanggal 24 Juni 2026, yang dihimpun dari 2.145 responden. Data itu melaporkan bahwa 7 persen pemimpin telah memperoleh imbal hasil dari AI dan bahwa pemimpin yang memiliki visibilitas jelas atas biaya AI lima kali lebih mungkin melaporkan imbal hasil tersebut.

Mohammed Aboul-Magd, manajer umum Switch AI di SandboxAQ, mengatakan bahwa perusahaan telah melihat berbagai kasus di antara banyak pengguna ketika pengeluaran untuk AI yang diperkirakan dapat menghindari perekrutan karyawan baru dengan cepat menjadi lebih mahal daripada mempekerjakan seseorang secara penuh waktu. Ia mengatakan bahwa mengadopsi AI saja bukanlah imbal hasil investasi; tim perlu mengetahui biaya setiap agen, hasil yang dihasilkannya, dan cara meningkatkannya. Menurutnya, itulah masalah yang dirancang untuk diatasi oleh Switch ROI.

Jack Hidary, CEO SandboxAQ, mengatakan bahwa perusahaan akan memiliki ratusan, bahkan mungkin ribuan, agen AI yang bekerja bersama karyawan mereka. Ia mengatakan perusahaan tidak akan mempekerjakan seribu orang tanpa mengetahui kualifikasi, biaya, atau hasil kerja mereka, dan bahwa disiplin yang sama perlu diterapkan pada agen. Seiring kemajuan teknologi, katanya, perusahaan juga harus dapat beralih ke agen dan model yang lebih baik tanpa kehilangan pengetahuan yang telah mereka kumpulkan.