Anthropic, Google, dan OpenAI Siapkan Model AI Baru untuk Evaluasi Bisnis

Apa perkembangan model AI yang sudah terverifikasi?

Anthropic, Google, dan OpenAI siapkan model AI baru merupakan judul laporan yang beredar, tetapi bahan bersumber hanya memberi pengumuman primer yang dapat diverifikasi dari Google. Google mengumumkan dua model pada Google I/O tanggal 19 Mei 2026: Gemini Omni dan Gemini 3.5 Flash. Menurut The Keyword, Gemini Omni dapat membuat keluaran dari berbagai jenis input, dimulai dari video, dengan fokus pada pemahaman dunia, multimodalitas, dan pengeditan. Google juga menyebut Gemini 3.5 Flash sebagai model pertama dari keluarga terbarunya yang menggabungkan frontier intelligence dengan tindakan.

Menurut Kompas.com, Google memperkenalkan Gemini 4 Argon pada 1 Oktober 2026 untuk menangani tugas kompleks dalam waktu panjang, dengan kemampuan menghasilkan hingga 1 juta token.

Ada batas penting pada topik ini. Bahan yang tersedia tidak memuat pengumuman primer OpenAI tentang model baru. Karena itu, tidak tepat menyatakan OpenAI telah menyiapkan atau meluncurkan model tertentu sebagai fakta. Artikel ini membahas perkembangan yang dapat ditelusuri ke sumber primer Google dan dokumentasi Google Cloud, bukan menyamakan semua nama besar AI dalam satu klaim berita.

Google juga menyatakan pengembangan Antigravity, platform pengembangan agent-first miliknya, bergerak dari alat yang membantu menulis ke agen yang membantu bertindak. Pernyataan ini menggambarkan arah produk Google. Bagi bisnis, arah tersebut baru bernilai setelah diterjemahkan menjadi tugas kerja yang jelas, batas akses, dan hasil yang dapat diperiksa.

Claude Anthropic tersedia melalui Google Cloud

Model Claude dari Anthropic tersedia di Gemini Enterprise Agent Platform melalui API serverless yang dikelola Google Cloud. Dokumentasi Google Cloud menyatakan pengguna tidak perlu menyediakan atau mengelola infrastruktur sendiri untuk mengirim permintaan ke endpoint API platform tersebut. Respons juga dapat dikirim bertahap melalui server-sent events untuk mengurangi persepsi jeda pada pengguna akhir.

Dokumentasi yang sama mencantumkan beberapa model Claude, termasuk Claude Fable dan Claude Opus, untuk pekerjaan pengetahuan, coding, tugas kompleks, serta tugas agen yang berjalan lebih lama. Ketersediaan model lewat platform tidak berarti semua model harus dipakai untuk setiap kebutuhan. Pilihan tetap bergantung pada jenis input, kebutuhan respons, aturan data internal, dan cara aplikasi Anda mengatur izin.

Sebagai ilustrasi hipotetis, tim operasional dapat memakai API terkelola untuk merangkum keluhan pelanggan yang masuk dari formulir. Model hanya menerima isi keluhan yang sudah disaring dari data sensitif. Hasil ringkasan masuk ke dashboard agen manusia. Agen lalu menentukan apakah tiket perlu diteruskan ke teknisi, tim tagihan, atau customer service. Sistem tidak mengirim jawaban akhir ke pelanggan tanpa tinjauan.

Jangan samakan automation, AI automation, dan AI agent

Automation menjalankan langkah berdasarkan trigger dan aturan. Contoh paling sederhana: formulir masuk, data disimpan ke CRM, lalu notifikasi dikirim ke sales. Tidak ada penilaian isi yang dilakukan model. Alur seperti ini cocok bila struktur data konsisten dan keputusan dapat ditentukan melalui aturan tetap.

AI automation menambahkan model untuk memahami atau mengolah informasi sebelum workflow berlanjut. Misalnya, formulir lead masuk berisi kebutuhan dalam bahasa bebas. Model memberi kategori awal seperti konsultasi, dukungan produk, atau permintaan demo. CRM menyimpan kategori tersebut, lalu sales menerima notifikasi. Kategori tetap perlu ditinjau, terutama bila menentukan prioritas layanan atau komunikasi eksternal.

AI agent bekerja pada rangkaian langkah yang lebih panjang memakai konteks dan tools untuk mengejar tujuan tertentu. Andaikan tim ingin menyiapkan ringkasan prospek untuk sales, agen dapat membaca formulir, mencari informasi yang diizinkan dari basis pengetahuan internal, menyusun catatan, lalu meminta persetujuan sales sebelum hasil disimpan ke CRM. Agen tidak boleh diberi kebebasan mengubah data pelanggan atau mengirim penawaran tanpa aturan approval.

Perbedaan ini membantu tim menghindari keputusan yang keliru. Jika kebutuhan Anda hanya memindahkan data antar-aplikasi, automation biasa mungkin sudah cukup. Jika masalahnya membaca teks bebas dan mengelompokkan permintaan, AI automation dapat diuji. AI agent baru relevan ketika proses memang membutuhkan beberapa langkah, konteks, tools, dan mekanisme kontrol yang lebih ketat.

Cara menguji model AI baru pada workflow bisnis

Mulai dari proses, bukan dari nama model. Pilih satu pekerjaan berulang yang input dan hasilnya bisa diperiksa manusia. Hindari proses yang langsung memengaruhi pembayaran, keputusan hukum, perubahan data penting, atau komunikasi pelanggan pada tahap awal. Tujuan uji coba adalah mengetahui kecocokan model dengan proses kerja Anda, bukan membuktikan bahwa satu model selalu lebih baik.

Gunakan langkah berikut untuk evaluasi awal:

1. Petakan proses saat ini. Catat pemicu, data yang dipakai, orang yang melakukan tugas, keputusan yang dibuat, dan hasil akhirnya.
2. Tentukan batas data. Pisahkan data yang boleh dikirim ke model dari data yang harus dihapus, disamarkan, atau tetap berada di sistem internal.
3. Siapkan sampel kerja. Gunakan sejumlah contoh tugas yang mewakili kondisi normal, ambigu, dan tidak lengkap.
4. Tentukan kriteria penilaian. Nilai kesesuaian kategori, kelengkapan ringkasan, kesalahan fakta, kebutuhan revisi, serta kemudahan integrasi.
5. Atur approval manusia. Putuskan tindakan mana yang boleh otomatis dan tindakan mana yang harus disetujui pemilik proses.
6. Catat kegagalan. Simpan contoh output keliru, penyebabnya, dan perbaikan workflow yang diperlukan.

Misalnya, tim customer service ingin memakai model untuk merangkum tiket panjang. Uji model pada tiket lama yang sudah memiliki keputusan akhir dari agen manusia. Bandingkan ringkasan model dengan catatan agen: apakah masalah utama tertangkap, apakah nomor pesanan atau detail penting hilang, dan apakah model membuat asumsi yang tidak ada dalam tiket. Hasil ini lebih berguna daripada membandingkan model berdasarkan klaim umum.

Logging, akses minimum, dan keamanan integrasi

Google Cloud menyatakan model Claude di Agent Platform mendukung logging aktivitas permintaan dan respons. Dokumentasinya menyebut logging selama 30 hari dapat diaktifkan untuk aktivitas prompt dan completion guna melacak penyalahgunaan model oleh pengguna. Logging membantu audit, tetapi isi log juga berpotensi memuat informasi sensitif. Tim perlu menentukan siapa yang boleh mengaksesnya, berapa lama catatan disimpan, dan data apa yang tidak boleh masuk ke prompt.

Beri model akses minimum. Pada uji ringkasan tiket, model mungkin cukup menerima teks tiket dan kategori layanan. Model tidak perlu akses untuk menghapus data CRM, melihat seluruh dokumen perusahaan, atau mengirim email. Pemisahan lingkungan uji dan produksi mengurangi dampak bila integrasi salah konfigurasi atau output tidak sesuai harapan.

Keamanan kredensial juga bagian dari evaluasi. Pasquale Pillitteri melaporkan bahwa OpenCode mengonfirmasi serangan terhadap Console pada 17 Oktober 2026. Menurut laporan tersebut, pengguna terdampak yang menautkan provider eksternal dan menyimpan kunci API di workspace perlu merotasi kunci serta memeriksa penggunaan sejak 16 Oktober. Laporan itu tidak membuktikan kelemahan model Google, Anthropic, atau OpenAI. Kasus tersebut menunjukkan risiko dapat muncul dari tool pihak ketiga dan penyimpanan kredensial, bukan hanya dari model yang dipakai.

Langkah yang bisa dilakukan tim minggu ini

Buat dokumen evaluasi satu halaman untuk satu workflow berisiko rendah. Tulis nama proses, pemilik proses, sumber input, data yang dilarang masuk ke model, keluaran yang diharapkan, dan tindakan yang memerlukan persetujuan manusia. Sertakan jalur eskalasi jika model salah klasifikasi, gagal menjawab, atau menghasilkan informasi yang tidak didukung data.

Setelah itu, jalankan sampel kerja yang sama pada model yang sedang dipertimbangkan. Catat hasilnya dalam tabel sederhana: kualitas output, revisi manusia yang diperlukan, integrasi, logging, batas akses, dan risiko. Jangan pindah ke produksi sebelum pemilik proses menyetujui kriteria tersebut.