Google, mempercepat transformasi ke 'AI yang Berorientasi Tindakan'… dengan TPU 8 sebagai inti, bertaruh pada platform agen tunggal

Perusahaan menggunakan kecerdasan buatan(AI)Pusat perhatian pasar sedang dengan cepat beralih. Analisis menunjukkan bahwa kita sedang memasuki era “AI agen cerdas” yang tidak hanya menjawab pertanyaan dan menghasilkan konten, tetapi juga melakukan tugas nyata dan membantu pengambilan keputusan. CEO Google Cloud Thomas Kurian(Thomas Kurian) menekankan bahwa perubahan ini bukan sekadar penambahan fitur, melainkan membutuhkan perancangan ulang infrastruktur dan arsitektur perangkat lunak secara keseluruhan.

Dalam konferensi “Google Cloud Next 2026” yang baru saja diadakan, Google juga memamerkan TPU generasi berikutnya 8, platform data dan AI, serta platform agen cerdas. Pesan utamanya sangat jelas: dari semikonduktor ke infrastruktur cloud, tumpukan data, model AI, hingga aplikasi, harus diintegrasikan menjadi satu sistem yang terpadu agar dapat menjalankan “AI berbasis aksi” skala besar secara stabil. Penilaian pasar menyatakan bahwa Google secara resmi meluncurkan serangan penuh dalam kompetisi dominasi “AI lengkap”.

TPU 8 tampil ke depan, pada dasarnya adalah “perjuangan platform terpadu”

Secara kasat mata, pengumuman yang paling mencolok adalah TPU 8. Meskipun Google menyatakan bahwa chip baru ini memiliki peningkatan signifikan dalam kinerja dan skalabilitas, fokus perhatian industri bukan hanya pada performa semikonduktor semata, melainkan pada makna strategisnya. Karena TPU adalah fondasi utama yang memungkinkan Google menjalankan layanan AI mereka dengan lebih cepat dan biaya lebih rendah.

Namun, ini sulit dipandang sebagai konfrontasi langsung dengan Nvidia. Banyak pengembang dan perusahaan masih bergantung pada ekosistem CUDA Nvidia, dan Google tidak bermaksud menyingkirkannya, melainkan memperluas pilihan. Dengan kata lain, TPU lebih mirip sebagai upaya Google untuk menggabungkan perangkat keras dan perangkat lunak secara lebih erat demi mencari diferensiasi, bukan sebagai senjata untuk menggantikan Nvidia.

Lembaga riset pasar dan analis industri menunjukkan bahwa fokus utama dari pengumuman ini bukanlah TPU 8 itu sendiri, melainkan bagaimana Google mengaitkannya dengan platform data, model AI mutakhir, dan platform agen cerdas. Ini menandakan bahwa Google mulai menghubungkan semikonduktor-data-model AI-tugas eksekusi menjadi satu struktur yang mengalir lancar.

Dari “SaaS” ke “perangkat lunak layanan”

Perubahan ini juga mengguncang kerangka industri perangkat lunak yang ada. Dulu, saat beralih dari deployment lokal ke perangkat lunak sebagai layanan(SaaS), yang berubah adalah cara pengiriman perangkat lunak dan model operasinya; sekarang, analisis menunjukkan bahwa perangkat lunak sedang berevolusi ke tahap “perangkat lunak berbasis layanan” yang langsung menghasilkan hasil bisnis nyata.

Inti dari perubahan ini adalah agen AI cerdas. Masalahnya, jika agen cerdas terbatas pada sistem departemen masing-masing, nilainya akan sangat terbatas. Meskipun dapat mengotomatisasi tugas berulang sederhana, sulit untuk membawa peningkatan kinerja di seluruh perusahaan, seperti mempercepat proses rekrutmen dan onboarding, menghilangkan hambatan dari penawaran hingga pembayaran, dan lain-lain.

Akhirnya, perusahaan membutuhkan “lapisan cerdas” yang menghubungkan berbagai data dan sistem bisnis. Peluncuran “Katalog Pengetahuan(Knowledge Catalog)” oleh Google dapat dilihat sebagai langkah awal ke arah ini. Strukturnya dirancang untuk menempatkan data analitik dan data operasional perusahaan dalam satu kerangka, membantu AI memahami “apa yang sedang terjadi”.

Persaingan platform data, kini meluas ke “digital twin”

Industri berpendapat bahwa tahap kematangan platform data sedang beralih dari sekadar pembuatan laporan menjadi pembangunan “digital twin perusahaan”. Digital twin adalah representasi digital yang merefleksikan secara real-time orang, aset, proses, dan aktivitas di dalam perusahaan. Agar agen AI dapat membuat penilaian dan tindakan berdasarkan kondisi perusahaan secara real-time, struktur ini sangat diperlukan.

Pada tahap awal, fokusnya adalah pada data dan sistem laporan tingkat departemen. Kemudian, muncul platform seperti BigQuery, Snowflake, Databricks yang memperluas lingkungan analisis mandiri, tetapi setiap departemen masih sering memiliki “kebenaran” data sendiri. Tahap berikutnya adalah merefleksikan kejadian dan data operasional secara real-time, sehingga dapat memodelkan aktivitas perusahaan dengan lebih akurat.

Salesforce dan SAP juga berupaya ke arah ini, tetapi Google melalui integrasi BigQuery, Spanner, dan lapisan metadata secara langka di antara penyedia cloud besar, memiliki platform data yang mampu bersaing langsung dengan Snowflake dan Databricks, dan mendapatkan pengakuan. Strategi agen cerdas ini memang merupakan pengembangan dari fondasi data tersebut.

Kunci penyebaran agen cerdas adalah “eksekusi aman”

Tantangan terbesar dalam AI perusahaan adalah menghubungkan fleksibilitas generatif AI dengan ketatnya sistem perusahaan. AI pandai menghasilkan teks dan mengajukan ide, tetapi bisnis nyata harus memiliki aturan yang jelas, hak akses yang transparan, dapat diaudit, dan bertanggung jawab. Oleh karena itu, industri berpendapat bahwa agar agen cerdas dapat berfungsi secara efektif, perlu adanya “lapisan eksekusi deterministik” di atas “kreativitas”.

Misalnya, meskipun agen cerdas menjalankan tujuan, harus juga didefinisikan kondisi apa yang memperbolehkan tindakan tertentu, apa yang harus dipenuhi sebelum dan sesudah eksekusi, serta bagaimana merekam hasilnya. Hanya dengan struktur semacam ini, kita dapat menciptakan “AI yang dapat berjalan dengan aman”, bukan sekadar “AI yang pintar”.

Dalam proses ini, konsep seperti peta pengetahuan perusahaan, aturan perilaku, digital twin real-time, dan platform operasi otonom menjadi penting. Singkatnya, AI harus melampaui level referensi file Excel dan dashboard, mampu mengeksplorasi kondisi nyata dan jaringan hubungan perusahaan, serta bertindak dalam kerangka aturan.

Keunggulan dan keterbatasan Google juga jelas terlihat

Google telah mencapai kemajuan signifikan dalam ekstraksi metadata, manajemen jejak data, peta pengetahuan dokumen tidak terstruktur, dan evaluasi agen cerdas multi-langkah. Khususnya, fitur pengumpulan kasus kegagalan agen dan usulan perbaikan yang disempurnakan dianggap melampaui demo sederhana, sebagai langkah menuju tahap “pengoperasian agen cerdas”.

Namun, tantangannya tidak sedikit. Masalah terbesar adalah mengintegrasikan entitas yang sama yang tersebar di berbagai sistem. Misalnya, jika objek “pelanggan” didefinisikan berbeda di CRM, keuangan, layanan pelanggan, dan logistik, AI akan sulit memahaminya sebagai entitas tunggal. Ada pandangan bahwa hanya aturan kualitas data dan glosarium bisnis tidak cukup, tetapi juga diperlukan aturan yang mampu merepresentasikan proses bisnis nyata.

Tantangan lain adalah menangkap “mengapa” dari para ahli manusia. Google sedang memperkuat fitur yang menunjukkan bagaimana agen cerdas menarik kesimpulan, tetapi ini saja sulit menggantikan penilaian dari karyawan berpengalaman. Karena, kejadian-kejadian yang tidak dapat dijelaskan dengan aturan, prioritas konflik, dan penilaian berbasis konteks, sebagian besar masih bergantung pada pengalaman manusia.

Pengembangan agen cerdas berbasis kode membuka babak kompetisi berikutnya

Pertarungan platform agen cerdas berikutnya adalah di bidang “pengkodean”. Industri berpendapat bahwa jalan tercepat menuju agen cerdas pengetahuan umum adalah melalui pengkodean agen. Karena, untuk berinteraksi dengan dunia luar, agen harus mampu memanggil berbagai alat, dan dalam proses ini, kemampuan menulis, mengubah, dan menjalankan kode menjadi kunci utama.

Contoh tipikal adalah Claude Code dari Anthropic, Codex dari OpenAI, dan lain-lain. Google tidak mempromosikan produk pengkodean tertentu secara terpisah, melainkan mengintegrasikannya.