Gemini Berubah dari Chatbot Menjadi AI Agent: Apa Dampaknya?

Gemini AI agent semakin menjadi arah utama pengembangan Google DeepMind. Gemini tidak lagi hanya diposisikan sebagai chatbot yang menjawab pertanyaan, tetapi sebagai sistem yang dapat memahami intent, menggunakan tool, bekerja dengan function, dan mengambil tindakan bersama pengguna untuk menyelesaikan sebuah task.

Pergeseran tersebut dibahas dalam artikel Search Engine Journal tentang evolusi Gemini dari chatbot menjadi AI agent. Artikel itu merangkum wawancara dengan Koray Kavukcuoglu, SVP dan Chief AI Architect Google DeepMind, yang mengatakan bahwa Google semakin melihat Gemini sebagai agent—jauh lebih luas daripada sekadar language model atau chatbot.

Menurut Kavukcuoglu, coding menjadi salah satu pintu masuk penting menuju perubahan ini. Dari coding, Google belajar tentang software engineering, tool use, function use, dan agentic workflow. Fokus berikutnya bukan sekadar membuat model lebih baik dalam menjawab pertanyaan, tetapi membuat sistem yang mampu mengambil action atas nama dan bersama manusia.

Apa Bedanya Chatbot dan AI Agent?

Chatbot terutama merespons input dengan jawaban. AI agent lebih jauh: ia dapat memahami tujuan, merencanakan langkah, menggunakan tool, mempertahankan context, dan menjalankan tindakan untuk membantu menyelesaikan sebuah pekerjaan.

Dalam intelligent agent, sistem tidak hanya menghasilkan informasi tetapi juga bertindak berdasarkan objective dan environment yang tersedia.

Pergeseran ini mengubah ekspektasi terhadap AI. Pengguna tidak lagi hanya bertanya “apa yang harus saya lakukan?”, tetapi mulai meminta “tolong lakukan untuk saya.”

Kenapa Coding Menjadi Gateway Menuju Agentic AI?

Kavukcuoglu mengatakan pengalaman Google dalam coding membantu mereka memahami bagaimana model bekerja dengan tool dan software environment.

Coding merupakan domain yang cocok untuk melatih kemampuan agentic karena task-nya sering membutuhkan beberapa tahap:

• membaca repository;
• memahami requirement;
• mencari file terkait;
• mengubah code;
• menjalankan test;
• menganalisis error;
• mengulang sampai berhasil.

Workflow seperti ini berbeda dari menjawab satu pertanyaan statis.

Model harus memahami state environment, memilih tool, menjalankan action, membaca hasilnya, lalu memutuskan langkah berikutnya.

Apa yang Dipelajari Google dari Software Engineering?

Menurut wawancara yang dirangkum SEJ, Google belajar bukan hanya “cara membuat model coding yang lebih baik”, tetapi cara melatih agent yang bisa bekerja bersama manusia.

Software engineering menjadi lingkungan yang sangat penting karena banyak task digital dapat direpresentasikan dengan pola serupa:

Understand intent
→ inspect environment
→ choose tool
→ take action
→ evaluate result
→ continue or correct

Pola ini dapat diterapkan ke coding, productivity, browser automation, research, dan berbagai workflow lain.

Apa yang Berubah dari Model ke Agent?

Perubahan utamanya adalah model tidak lagi hanya dinilai dari kualitas jawaban, tetapi dari kemampuannya menuntaskan outcome.

Dalam model-centric interaction:

User asks
→ model answers

Dalam agentic interaction:

User sets goal
→ agent interprets
→ agent plans
→ agent calls tools
→ agent performs actions
→ agent checks result
→ agent reports outcome

Ini membuat reliability, tool selection, permission, observability, dan recovery menjadi jauh lebih penting dibanding chatbot tradisional.

Apa yang Google Maksud dengan Agentic Workflow?

Agentic workflow adalah rangkaian pekerjaan di mana AI tidak hanya menghasilkan satu output, tetapi melakukan beberapa langkah untuk mencapai tujuan.

Contohnya:

User:
"Analisis penurunan conversion minggu ini
dan buat ringkasan penyebabnya."

Agent:
1. Buka analytics
2. Bandingkan periode
3. Identifikasi channel turun
4. Periksa campaign terkait
5. Buat kesimpulan
6. Susun rekomendasi

Dalam workflow seperti ini, model harus memahami hubungan antar-step dan menyesuaikan tindakan berdasarkan hasil sebelumnya.

Apa yang Berubah pada Gemini 3.5?

Google mengatakan Gemini 3.5 membantu mereka memahami agentic actions dan agentic workflows dengan lebih baik.

Dalam pengumuman resmi Google pada Juni 2026, Gemini 3.5 Flash juga mendapatkan built-in computer use capability.

Dengan kemampuan tersebut, developer dapat membangun agent yang dapat berinteraksi dengan browser, mobile, dan desktop environment.

Google menyebut beberapa use case:

• continuous software testing;
• enterprise automation;
• knowledge work;
• multi-step workflows.

Ini memperkuat pernyataan DeepMind bahwa arah pengembangan Gemini semakin agentic.

Apa Itu Computer Use?

Computer use adalah kemampuan model untuk melihat interface, memahami state layar, lalu melakukan tindakan seperti klik, mengetik, memilih menu, atau berinteraksi dengan aplikasi.

Capability ini membuat agent dapat bekerja di sistem yang tidak menyediakan API khusus.

Contoh:

Agent
  ↓
Screenshot / UI state
  ↓
Reason
  ↓
Click / type
  ↓
Observe result
  ↓
Continue

Namun computer use biasanya lebih fragile dibanding structured tool call karena UI dapat berubah.

Apa Bedanya Computer Use dengan Tool Calling?

Agent modern kemungkinan menggunakan keduanya sesuai kebutuhan.

Kenapa Google Menekankan Intent dan Ambiguity?

Kavukcuoglu mengatakan fundamental AI training masih menggunakan building block yang relatif familiar seperti deep learning, pre-training, reinforcement learning, dan optimization.

Yang berubah lebih drastis adalah environment tempat AI bekerja.

Agent sekarang harus:

• memahami tujuan yang tidak selalu eksplisit;
• menangani instruksi ambigu;
• berkolaborasi dengan manusia;
• memilih tool;
• menentukan kapan perlu bertanya;
• menentukan kapan harus bertindak.

Masalah tersebut jauh lebih kompleks dibanding menghasilkan satu jawaban berdasarkan prompt statis.

Kenapa Intelligence Tetap Menjadi Prioritas?

Ketika ditanya kemampuan apa yang paling ingin ia tingkatkan jika memiliki “magic wand”, Kavukcuoglu menjawab bahwa ia ingin model menjadi lebih intelligent.

Argumennya sederhana: model yang lebih intelligent akan melakukan hampir semua hal dengan lebih baik dan lebih intuitif.

Dalam konteks agent, intelligence memengaruhi:

• planning;
• tool selection;
• error recovery;
• instruction following;
• understanding intent;
• decision quality.

Apakah Agentic AI Mengubah Google Search?

Ya dalam arah produk, tetapi bukan berarti Search berubah menjadi satu autonomous agent penuh dalam sekali langkah.

Search Engine Journal mencatat bahwa CEO Google Sundar Pichai sebelumnya menyebut agentic AI sebagai arah masa depan Search.

Pada Google I/O 2026, Google juga memperkenalkan lebih banyak agentic experience di Search, termasuk information agents dan fitur yang membantu pengguna melakukan task, bukan hanya membaca hasil.

Artinya, evolusi Gemini dan Search berjalan saling berhubungan.

Bagaimana AI Agent Bisa Mengubah Search Journey?

Search tradisional:

User searches
→ opens links
→ compares
→ acts manually

Agentic search:

User states goal
→ AI searches
→ compares
→ narrows options
→ executes action

Contohnya:

"Cari hotel di Tokyo
dekat stasiun
di bawah Rp2 juta,
pilih yang review-nya bagus,
dan bantu lanjutkan booking."

Dalam flow ini, search dan action semakin menyatu.

Apa Dampaknya untuk Website?

Website yang sebelumnya hanya menjadi destination mungkin mulai menjadi action surface.

AI agent dapat membutuhkan:

• structured product data;
• availability;
• pricing;
• API;
• booking capability;
• authentication;
• transaction endpoint;
• tool interface.

Ini tidak berarti setiap website harus langsung membuat agent API. Tetapi untuk ecommerce, travel, SaaS, dan marketplace, agent compatibility dapat menjadi area produk baru.

Apa Hubungannya dengan WebMCP dan UCP?

Perubahan Gemini menuju agentic workflow selaras dengan munculnya protocol seperti WebMCP dan Universal Commerce Protocol.

WebMCP membantu website menyediakan action langsung ke agent.

UCP membantu agent dan merchant berinteraksi dalam commerce.

Jika sebelumnya website hanya perlu:

be crawlable
→ be understandable

sekarang sebagian website juga mulai memikirkan:

be actionable

Jika tim Anda sebelumnya membahas WebMCP, UCP, atau agentic commerce, artikel internal PPC Tanpa Buka Google Ads? Begini Cara AI Agent Mengubah Workflow Iklan dapat digunakan sebagai internal link silo setelah URL artikel sebelumnya diverifikasi.

Apa Dampaknya untuk Developer?

Developer akan semakin banyak membangun aplikasi yang tidak hanya memiliki UI untuk manusia, tetapi juga tool interface untuk agent.

Beberapa kebutuhan baru:

• structured function calling;
• clear API contract;
• permission boundary;
• observability;
• agent-specific logging;
• idempotency;
• safe retry;
• human confirmation.

Dalam agentic system, error tidak hanya berupa “jawaban salah”. Error dapat menjadi tindakan salah.

Kenapa Idempotency Penting untuk AI Agent?

Agent dapat mengulang action ketika merasa request gagal.

Jika endpoint tidak idempotent, satu retry bisa menyebabkan:

• dua order;
• dua booking;
• dua email;
• dua payment;
• dua deletion.

Karena itu, API yang digunakan agent perlu memiliki transaction safety yang lebih baik daripada workflow manual biasa.

Apa Risiko dari AI yang Lebih Agentic?

Semakin besar kemampuan action, semakin besar pula konsekuensi error.

Risiko utama mencakup:

• salah memahami intent;
• memilih tool yang salah;
• melakukan action terlalu cepat;
• prompt injection;
• permission terlalu luas;
• hallucinated action plan;
• gagal recovery setelah error.

Google DeepMind sendiri pada Juni 2026 mempublikasikan AI Control Roadmap untuk menghadapi risiko dari agent yang semakin capable.

Ini menunjukkan bahwa agentic capability dan safety harus berkembang bersama.

Apa Itu Human-in-the-Loop dalam Agentic Workflow?

Human-in-the-loop berarti manusia tetap masuk pada titik keputusan tertentu.

Contoh:

Agent:
"Hotel A paling sesuai.
Total US$420.
Cancellation non-refundable.
Lanjut booking?"

User:
"Ya."

Action sensitif sebaiknya tidak selalu dieksekusi tanpa confirmation.

Threshold-nya bergantung risiko.

Kapan Agent Bisa Lebih Otonom?

Untuk task berisiko rendah, autonomy bisa lebih tinggi.

Contohnya:

• merangkum dokumen;
• menjalankan test;
• mengelompokkan file;
• mencari informasi;
• membuat draft.

Untuk task berisiko tinggi seperti payment, deletion, account change, dan external communication, guardrail harus lebih ketat.

Apa Dampaknya untuk Bisnis?

Bisnis perlu mulai memikirkan apakah produk mereka hanya “AI-enabled” atau benar-benar “agent-compatible”.

AI-enabled:

Kita menambahkan chatbot.

Agent-compatible:

AI dapat memahami capability,
mengambil action,
dan menyelesaikan workflow
dengan permission yang aman.

Perbedaan ini akan menjadi semakin penting jika agent menjadi interface utama pengguna.

Apa Dampaknya untuk Customer Journey?

Customer journey bisa semakin pendek.

Dulu:

Awareness
→ Search
→ Website
→ Compare
→ Form
→ Checkout

Agentic:

Need
→ Agent
→ Recommendation
→ Action

Brand mungkin mendapatkan conversion tanpa pengguna mengunjungi banyak halaman.

Ini berpotensi mengubah analytics, attribution, dan UI strategy.

Apakah AI Agent Akan Menggantikan Semua App?

Belum ada dasar untuk kesimpulan sebesar itu.

Google berbicara tentang AI yang membantu pengguna menyelesaikan task, bukan menghapus seluruh aplikasi.

Aplikasi tetap dibutuhkan sebagai:

• system of record;
• transaction engine;
• data store;
• permission layer;
• business logic;
• human interface.

Agent lebih mungkin menjadi orchestration layer di atas banyak aplikasi.

Apa yang Harus Disiapkan Tim Produk?

1. Petakan critical user journey.
2. Tentukan action yang bisa diotomasi.
3. Pisahkan read vs write action.
4. Buat permission boundary.
5. Tambahkan confirmation gate.
6. Tambahkan observability.
7. Siapkan rollback.
8. Uji ambiguity dan edge case.

Apakah Semua Produk Perlu Agent Sekarang?

Tidak.

Produk sederhana dengan sedikit action mungkin tidak membutuhkan agentic interface.

Agent lebih berguna ketika workflow memiliki:

• banyak langkah;
• context kompleks;
• tool yang berbeda;
• decision point;
• repetitive work.

Jangan menambahkan agent hanya karena sedang tren.

Apa Implikasinya untuk Generative AI Strategy?

Strategi Generative AI perlu bergerak dari “bagaimana kita menggunakan model?” menjadi “workflow apa yang bisa diselesaikan agent dengan aman?”

Ini mengubah prioritas:

FAQ tentang Gemini AI Agent

Apakah Google benar-benar menganggap Gemini sebagai AI agent?

Ya. Koray Kavukcuoglu dari Google DeepMind mengatakan tim semakin melihat Gemini sebagai agent, bukan hanya chatbot atau language model.

Apa yang mendorong perubahan Gemini ke agent?

Menurut Kavukcuoglu, coding menjadi gateway penting karena membantu Google memahami software engineering, tool use, function use, dan agentic workflow.

Apakah Gemini sudah bisa menggunakan komputer?

Google telah menambahkan built-in computer use ke Gemini 3.5 Flash untuk membantu developer membangun agent yang berinteraksi dengan browser, mobile, dan desktop.

Apakah agentic AI hanya untuk coding?

Tidak. Coding menjadi salah satu lingkungan awal yang penting, tetapi pola agentic dapat diterapkan ke research, productivity, commerce, testing, dan knowledge work.

Apa risiko terbesar AI agent?

Risiko meningkat ketika agent memiliki permission untuk mengambil action. Salah memahami intent, prompt injection, excessive permission, dan action yang tidak dapat dibatalkan menjadi area penting.

Apakah Gemini agent menggantikan Google Search?

Tidak ada pernyataan bahwa Gemini akan menggantikan Search. Google justru membawa capability agentic ke berbagai produk, termasuk Search.

Kesimpulan

Gemini AI agent menunjukkan arah baru Google DeepMind: AI tidak lagi hanya dioptimalkan untuk menjawab pertanyaan, tetapi untuk membantu manusia menyelesaikan pekerjaan.

Menurut Koray Kavukcuoglu, coding menjadi gateway untuk memahami software engineering, tool use, function use, dan agentic workflow. Dari sana, fokus pengembangan bergerak ke sistem yang dapat memahami intent, berkolaborasi dengan manusia, menggunakan tools, dan mengambil action.

Perubahan ini sudah terlihat di produk Google, termasuk built-in computer use pada Gemini 3.5 Flash dan agentic experiences di Search serta Gemini app.

Bagi developer dan bisnis, implikasinya besar. Product architecture perlu mulai memikirkan agent compatibility, permission, observability, action safety, dan structured tool interfaces—bukan hanya chatbot UI.

Jika bisnis Anda ingin membangun AI agent, workflow automation, tool calling, agent-friendly application, atau sistem Generative AI yang dapat mengambil action secara aman, Anda dapat diskusikan kebutuhan teknologi bisnis kamu bersama tim teknis.