Hai, Gamers dan Tech Geeks! Balik lagi sama gue, Sarah Andini.
Jujur aja nih, kalau kita ngomongin AI belakangan ini, rasanya kayak lagi ngomongin leaderboard di game competitive. Siapa yang skor benchmark-nya paling tinggi? Siapa yang bisa ngerjain soal matematika olimpiade paling cepet? Model mana yang “Meta”-nya paling broken sekarang?
Kita semua, termasuk gue, sering banget terobsesi sama satu stat doang: Intelligence alias kepintaran.
Tapi, baru-baru ini ada insight menarik banget yang datang langsung dari “dapur”-nya Google. Michael Gerstenhaber, VP Product di Google Cloud yang megang Vertex AI (platform tempat para developer ngeracik aplikasi AI mereka), ngasih pandangan yang bikin gue mikir ulang soal masa depan AI.
Bayangin Vertex AI itu kayak game engine (Unreal atau Unity)-nya Google. Michael ini ngeliat langsung gimana ribuan perusahaan make AI di dunia nyata, bukan cuma di demo video doang. Dan menurut dia, perang AI sekarang itu udah nggak cuma di satu frontier (garis depan), tapi ada TIGA sekaligus.
Buat kalian yang suka min-maxing stats karakter RPG, pembahasan ini bakal “daging” banget. Yuk, kita bedah!
Kenapa Google Pede Banget? (The Full Stack Advantage)
Sebelum masuk ke teori 3 frontier itu, ada hal menarik soal kenapa Michael ini pindah ke Google. Sebelumnya dia sempet kerja di Anthropic, salah satu rival terberat Google. Tapi dia milih nyebrang ke Google karena satu alasan: Vertical Integration.
Di dunia PC Build, ini kayak lo punya perusahaan yang bikin prosesornya, bikin motherboard-nya, bikin casing-nya, supply listriknya, sampe bikin OS-nya sendiri. Google punya itu semua.
Google's Full Stack Power
Google mengontrol seluruh ekosistem AI mereka dari hulu ke hilir:
- Layer Fisik: Bikin chip sendiri (TPU) & bangun data center.
- Layer Energi: Beli listrik & bangun pembangkit tenaga.
- Layer Model: Punya Gemini & model-model canggih lainnya.
- Layer Platform: Punya Vertex AI buat developer & API memori.
- Layer Interface: Langsung ke user lewat Gemini Chat.
Jadi, mereka nggak cuma jualan software, tapi ngasih akses ke infrastruktur yang mereka kontrol total. Ini ngasih advantage gila-gilaan soal efisiensi dan optimasi yang susah dikejar kompetitor yang cuma main di satu layer doang.
Tiga Medan Perang AI (The Three Frontiers)
Nah, ini bagian utamanya. Selama ini kita mikir AI itu balapan jadi paling pinter. Michael bilang, itu cuma satu dari tiga tantangan. Di dunia nyata, kebutuhan user itu beda-beda.
1. Raw Intelligence (Adu Mekanik Murni)
Ini adalah frontier yang paling sering kita bahas. Model mana yang paling pinter? Contoh kasusnya adalah Coding.
Kalau gue lagi minta AI bikinin kode buat backend turnamen esports gue, gue nggak peduli kalau dia mikirnya lama. Mau 10 menit, mau 45 menit, bodo amat. Yang penting hasilnya bener. Kenapa? Karena kode itu bakal gue pake di production, harus gue maintain selamanya. Kalau kodenya jelek atau nge-bug, cost perbaikannya jauh lebih mahal daripada nunggu 45 menit.
Di sini, “Intelligence” adalah segalanya. Waktu (latency) nggak terlalu jadi masalah. Ini kayak lagi rendering cutscene 8K, yang penting hasilnya cakep.
2. Latency (Masalah “Ping” dan “Lag”)
Masuk ke frontier kedua, di mana kepintaran doang nggak cukup. Contoh kasusnya: Customer Support.
Bayangin lo nelpon CS maskapai karena mau upgrade kursi pesawat. Lo nanya kebijakan upgrade-nya gimana. AI-nya mungkin pinter banget, dia bisa ngecek seluruh policy maskapai dari tahun 1990. TAPI, kalau dia butuh waktu 45 menit buat jawab, lo bakal ngapain? Ya tutup telpon lah!
Di skenario ini, lo butuh model yang cukup pinter buat ngerti aturan, tapi harus super cepet (low latency). Kalau response time-nya nge-lag, kepintaran dia jadi nggak ada gunanya karena user keburu kabur. Ini mirip banget sama main game FPS kompetitif; grafik ultra nggak guna kalau ping lo 200ms.
3. Extensibility & Cost (Faktor Skalabilitas)
Ini frontier ketiga yang jarang dibahas tapi krusial banget buat perusahaan gede kayak Meta atau Reddit. Contoh kasusnya: Content Moderation.
Bayangin Reddit atau platform medsos yang harus nge-scan milyaran postingan tiap hari buat nyari konten beracun. Mereka punya duit, tapi mereka nggak bisa pake model AI paling pinter (dan paling mahal) buat nge-cek setiap komentar. Bangkrut bos!
Di sini, tantangannya bukan “seberapa pinter” atau “seberapa cepet”, tapi seberapa murah model ini bisa di-deploy di skala masif? Modelnya harus punya intelligence yang cukup buat bedain hate speech vs sarkasme, tapi cost-nya harus masuk akal buat dipake jutaan kali per detik. Ini soal efisiensi ekonomi. Kalau di game, ini kayak farming item drop; lo butuh gear yang efisien buat ngebunuh ribuan monster kecil, bukan ulti yang cooldown-nya lama dan mana-nya boros.
Kesimpulan Sarah
Jadi, nggak ada satu model AI yang bisa menangin semua kategori.
- Mau kode bagus? Cari yang High IQ.
- Mau CS lancar? Cari yang Low Latency.
- Mau moderasi medsos? Cari yang Cost Efficient.
Misteri “Agentic AI” yang Telat Panas
Satu hal lagi yang dibahas sama Michael adalah soal Agentic AI (AI otonom yang bisa ngerjain tugas sendiri, kayak “Agen”).
Dua tahun terakhir, kita sering denger janji manis soal AI Agent yang bisa mesenin tiket, ngurusin pajak, dan lain-lain secara otomatis. Demo-nya keren-keren, tapi kok di dunia nyata implementasinya masih dikit banget? Kita belum liat perubahan besar yang dijanjikan setahun lalu.
Menurut Michael, masalahnya bukan di AI-nya. Modelnya udah siap. Yang belum siap adalah Infrastrukturnya.
“Kita belum punya pola untuk mengaudit apa yang dilakukan agen-agen ini. Kita belum punya standar otorisasi data ke agen,” kata Michael. Intinya, belum ada “pagar” yang aman.
Tapi, ada satu bidang di mana Agentic AI ini lari kenceng banget: Software Engineering. Kenapa? Karena developer punya lingkungan yang aman buat salah.
- Dev Environment: Tempat di mana kalau kode lo bikin crash, nggak ada user yang rugi.
- Code Review: Sebelum kode masuk ke produk asli, ada manusia lain yang nge-cek.
Karena ada sistem “aman” ini, developer berani pake AI agent buat nulis kode. Tapi buat bidang lain (misalnya AI yang ngurusin transfer bank atau diagnosa medis), resikonya terlalu gede kalau nggak ada sistem audit yang jelas. Kita butuh “Code Review” versi industri lain sebelum AI agent bener-bener bisa dilepas liar.
Apa Artinya Buat Kita di Indonesia?
Nah, obrolan berat tadi sebenernya relevan banget buat ekosistem teknologi di Indonesia.
Kita sering banget latah ngejar teknologi terbaru. Ada model AI baru rilis, langsung FOMO pengen pake. Padahal, pelajaran dari Bos Google Cloud ini jelas: Konteks adalah Raja.
Buat startup atau developer lokal, jangan cuma terpaku sama benchmark skor tertinggi. Kalau aplikasi lo butuh interaksi real-time sama user (kayak chatbot e-commerce), fokuslah ke model yang ringan dan cepet, jangan paksa pake model raksasa yang bikin loading lama. Sebaliknya, kalau lo bikin tools buat analisa data hukum atau medis, speed nomor dua, akurasi nomor satu.
Dan buat para gamers yang juga tech enthusiast, kita bisa liat kalau AI ini makin mirip RPG. Nggak ada satu build yang overpowered (OP) buat semua situasi. Lo harus pinter-pinter ngeracik stat antara Intelligence, Speed, dan Cost sesuai dungeon yang lagi lo hadapin.
Gimana menurut kalian? Lebih penting AI yang super jenius tapi lelet, atau yang “cukup pinter” tapi sat-set? Komen di bawah ya!
Stay curious, keep gaming! Sarah Andini, signing out.