Strategi Google Cloud: Tiga Batas Utama dalam Kemampuan Model AI

MOUNTAIN VIEW, (23 Februari 2026)

Sebagai Vice President Product di Google Cloud, Michael Gerstenhaber memegang peran krusial dalam mengelola Vertex, platform terpadu Google untuk penerapan Enterprise AI. Mengutip laporan dari TechCrunch, Gerstenhaber membagikan pandangannya mengenai evolusi model AI yang kini menembus tiga batasan utama secara bersamaan.

Dalam wawancara tersebut, Gerstenhaber menekankan bahwa kemampuan model tidak lagi hanya soal seberapa pintar sistem tersebut secara teori. Industri kini berhadapan dengan tiga front: kecerdasan mentah (Raw Intelligence), waktu respons (Latency), dan skalabilitas biaya. Ketiganya menjadi faktor penentu apakah sebuah model dapat diterapkan secara luas atau hanya berakhir sebagai eksperimen laboratorium.

Tiga Batasan dalam Pengembangan Model

Gerstenhaber menjelaskan bahwa model seperti Gemini Pro dioptimalkan untuk Raw Intelligence. Contohnya dalam penulisan kode (coding), pengguna menginginkan hasil terbaik meski prosesnya memakan waktu lebih lama. Namun, situasi berbeda terjadi pada layanan pelanggan.

"Jika Anda melakukan layanan pelanggan dan perlu menerapkan kebijakan tertentu, kecerdasan tetap diperlukan. Namun, tidak peduli seberapa benar jawaban yang diberikan jika butuh waktu 45 menit untuk merespons. Di sini, Latency menjadi batasan yang paling krusial," ujar Gerstenhaber. Batasan ketiga adalah biaya, yang sangat penting bagi perusahaan besar seperti Reddit atau Meta yang melakukan moderasi konten dalam skala masif secara real-time.

Tantangan Implementasi Agentic AI

Meski Agentic AI menjanjikan otomatisasi yang luar biasa, adopsinya di dunia nyata terasa lebih lambat dari perkiraan. Menurut Gerstenhaber, hal ini disebabkan oleh infrastruktur pendukung yang belum matang. Pola untuk melakukan audit terhadap apa yang dilakukan oleh AI Agent serta otorisasi data masih dalam tahap pengembangan.

Integrasi vertikal yang dimiliki Google—mulai dari pembangunan Data Center, penyediaan energi, produksi Semiconductor atau chip sendiri, hingga lapisan Inference dan API—menjadi kekuatan utama perusahaan untuk mengatasi hambatan tersebut. Dengan kontrol penuh pada seluruh rantai nilai, Google berupaya menyediakan platform yang menjamin kepatuhan (compliance) dan tata kelola bagi para pengembang.

Dampak bagi Indonesia

Bagi pasar Indonesia, pergeseran fokus ke efisiensi biaya dan Latency sangat relevan. Startup lokal di sektor Fintech dan E-commerce sering kali terkendala oleh biaya Cloud Computing yang tinggi saat menggunakan model AI tingkat lanjut. Jika dikonversi ke Rupiah, biaya operasional LLM skala besar bisa mencapai puluhan hingga ratusan juta Rupiah per bulan untuk penggunaan intensif.

Dengan adanya model yang lebih efisien dari sisi biaya, perusahaan di Indonesia dapat lebih mudah mengimplementasikan AI Agent untuk meningkatkan layanan pelanggan tanpa harus menguras anggaran infrastruktur. Selain itu, kebutuhan akan kedaulatan data di Indonesia mendorong permintaan terhadap platform Enterprise AI yang memiliki integrasi keamanan ketat seperti yang ditawarkan melalui ekosistem Google Cloud.

Artikel ini akan diperbarui seiring tersedianya informasi baru. Join Komunitas Rekayasa AI di Discord untuk diskusi lebih lanjut.