Ulasan Make

Apa itu Make?

Make adalah platform otomatisasi visual yang dibangun di sekitar skenario: pemicu, modul, rute, filter, iterator, transformasi data, dan tindakan. Agen AI menambahkan lapisan berbasis model yang dapat memilih dari modul yang disetujui, skenario yang dapat digunakan kembali, dan alat MCP. Karena itu, platform yang sama dapat menjalankan logika integrasi yang dapat diprediksi serta loop agentik yang lebih fleksibel.

Namun, kedua mode itu tidak dapat dipertukarkan. Skenario tetap biasanya lebih baik untuk aturan penagihan, sinkronisasi catatan, notifikasi, dan proses lain yang jalurnya dapat ditentukan. Gunakan Agen ketika konteks berubah benar-benar memerlukan interpretasi atau pemilihan alat. Pertahankan dampak samping dalam langkah skenario eksplisit sedapat mungkin agar tetap dapat diuji serta diamati.

Alat Agen dan akses minimum

Agen Make menggabungkan model, instruksi, konteks atau pengetahuan, serta alat. Alat dapat membuka kemampuan bisnis yang luas. Alat kalender yang mengembalikan rincian acara lengkap jauh lebih berisiko daripada alat yang hanya mengembalikan slot senggang. Alat CRM yang dapat menghapus atau memperbarui catatan secara massal memiliki jangkauan dampak berbeda dari pencarian baca-saja.

Panduan praktik terbaik Agen Make saat ini menyatakan untuk mengasumsikan orang dapat mengakses informasi yang dibagikan kepada Agen, termasuk data alat dan pengetahuan. Panduan merekomendasikan meminimalkan akses serta memetakan hanya data yang diperlukan ke alat. Panduan juga menyatakan Agen dapat mengabaikan atau salah menafsirkan pagar pengaman eksplisit. Ini merupakan sinyal pengadaan penting: system prompt bukan lapisan otorisasi.

Batasi token keluaran, langkah eksekusi, riwayat thread, percobaan ulang, dan jumlah alat. Riwayat panjang menaikkan biaya sekaligus pengungkapan yang tidak dimaksudkan. Batas langkah membantu menghentikan loop, tetapi juga dapat meninggalkan transaksi bisnis yang selesai sebagian. Arahkan hasil yang tidak lengkap atau berkeyakinan rendah ke antrean peninjauan, bukan berpura-pura berhasil.

Peninjauan manusia dan pemulihan

Make dapat menempatkan permintaan peninjauan manusia pada rute skenario. Pola yang berguna membiarkan Agen mengklasifikasikan serta membuat draf, kemudian berhenti sebelum email, pesanan, penulisan CRM, atau publikasi eksternal. Peninjau harus melihat masukan asli, payload yang diusulkan, data pendukung, dan target yang tepat—bukan hanya ringkasan yang dihasilkan.

Tinjau bagaimana status dilanjutkan setelah persetujuan atau penolakan. Persetujuan yang habis waktu harus gagal secara aman. Percobaan ulang tidak boleh mengulangi dampak samping sebelumnya. Tambahkan kunci transaksi unik, penangan kesalahan, dan jalur perbaikan manual. Uji kredensial yang dicabut, batas laju API, keluaran alat yang salah bentuk, injeksi prompt, webhook duplikat, serta model yang tidak pernah mencapai kondisi berhenti.

Harga dan kredit

Pada tanggal peninjauan, halaman harga Make mencantumkan paket Free serta harga Core $12, Pro $21, dan Teams $38 per bulan untuk konfigurasi 10.000 kredit. Enterprise menggunakan harga khusus. Core menambahkan skenario aktif tanpa batas serta akses API; Pro menambahkan eksekusi prioritas, variabel kustom, dan pencarian log teks penuh; Teams menambahkan peran tim serta templat bersama. Mata uang, siklus penagihan, tingkat kredit, dan pajak regional dapat mengubah jumlah yang ditampilkan.

Kredit bukan seluruh biaya. Modul terpilih, perpindahan data, eksekusi Agen AI, koneksi model eksternal, kode, dan percobaan ulang dapat memengaruhi konsumsi. Paket berbayar dapat menggunakan koneksi penyedia AI kustom, yang memindahkan sebagian biaya model serta ketentuan data ke penyedia itu. Perkirakan kredit dengan proses normal dan proses yang banyak kegagalan; sertakan pengujian, loop, peninjauan manusia, dan biaya token penyedia.

Keamanan, log, dan jalur data

Halaman keamanan Make melaporkan audit SOC 2 Type II serta SOC 3, kredensial dan penyimpanan terenkripsi, TLS untuk transport, serta infrastruktur cloud di dua zona ketersediaan AWS. Halaman tersebut menyatakan data log disimpan 30 hari secara default, dengan penyimpanan diperpanjang di Enterprise. Enterprise berjalan dalam lingkungan AWS yang dikelola terpisah dari pelanggan cloud swalayan.

Log eksekusi dapat berisi catatan yang dipetakan, prompt, respons alat, dan payload kesalahan. Riwayat yang lebih singkat mengurangi paparan tetapi dapat melemahkan penyelidikan insiden. Putuskan bidang mana yang boleh dicatat, siapa yang dapat mencari proses, dan ke mana ekspor dikirim. Memutuskan aplikasi tidak menghapus catatan yang sudah ditulis ke sistem lain.

Pemberitahuan privasi Make menyatakan data Google Workspace API tidak digunakan untuk mengembangkan, meningkatkan, atau melatih model AI maupun machine learning yang digeneralisasi. Pernyataan ini spesifik dan tidak boleh diperluas menjadi klaim tanpa dukungan tentang setiap kategori data pelanggan atau setiap penyedia eksternal. Tinjau koneksi model terpilih, subpemroses, DPA, wilayah, serta proses penghapusan secara terpisah.

Siapa yang sebaiknya memilih Make?

Make cocok bagi tim yang menghargai kanvas visual dan ingin mempertahankan otomatisasi deterministik berdampingan dengan keputusan Agen yang dibatasi. Panduan keamanan resminya sangat langsung tentang batasan, yang membantu pembuat bertanggung jawab tetapi juga memperjelas arsitektur yang cermat diperlukan.

Bandingkan Zapier AI untuk otomatisasi aplikasi luas serta Agen terpisah, n8n untuk self-hosting dan fleksibilitas kode, serta Gumloop untuk model kredit yang AI-native. Kategori alat otomatisasi dan agen AI menjelaskan cara menguji izin, persetujuan, trace, dan biaya.