Revolusi Browser di Era AI: Dari Tampilan Informasi ke Pemanggilan Tugas
Perang browser ketiga sedang berlangsung dengan diam-diam. Dari Netscape dan Microsoft IE di tahun 90-an, hingga Firefox dan Google Chrome yang bersifat open source, persaingan browser selalu menjadi cerminan dari kontrol platform dan perubahan paradigma teknologi. Chrome berhasil meraih posisi dominan berkat kecepatan pembaruan dan keterhubungan ekosistem, Google membentuk lingkaran tertutup sebagai pintu masuk informasi melalui struktur "duopoli" antara pencarian dan browser.
Namun, pola ini sedang goyah. Kebangkitan model bahasa besar (LLM) membuat semakin banyak pengguna menyelesaikan tugas di halaman hasil pencarian dengan "nol klik", perilaku klik halaman web tradisional semakin berkurang. Sementara itu, rumor mengenai kemungkinan Apple mengganti mesin pencari default di Safari semakin mengancam dasar keuntungan Alphabet, ketidakpastian pasar terhadap "ortodoksi pencarian" mulai terlihat.
Browser itu sendiri juga menghadapi peran yang terubah. Ini bukan hanya alat untuk menampilkan halaman web, tetapi juga merupakan wadah yang menggabungkan berbagai kemampuan seperti input data, perilaku pengguna, identitas privasi, dan lainnya. Meskipun AI Agent kuat, untuk menyelesaikan interaksi halaman yang kompleks, memanggil data identitas lokal, dan mengontrol elemen halaman web, masih perlu bergantung pada batasan kepercayaan dan kotak fungsi browser. Browser sedang berevolusi dari antarmuka manusia menjadi platform pemanggilan sistem untuk Agent.
Yang benar-benar mungkin memecahkan pola pasar browser saat ini bukanlah "Chrome yang lebih baik" lainnya, tetapi struktur interaksi baru: bukan hanya tampilan informasi, tetapi pemanggilan tugas. Browser masa depan harus dirancang untuk AI Agent - tidak hanya dapat membaca, tetapi juga menulis dan mengeksekusi. Proyek seperti Browser Use sedang mencoba untuk memaknai struktur halaman, mengubah antarmuka visual menjadi teks terstruktur yang dapat dipanggil oleh LLM, mencapai pemetaan dari halaman ke instruksi, sehingga secara signifikan mengurangi biaya interaksi.
Proyek-proyek utama di pasar telah mulai mencoba: Perplexity membangun browser asli Comet, menggunakan AI untuk menggantikan hasil pencarian tradisional; Brave menggabungkan perlindungan privasi dengan inferensi lokal, menggunakan LLM untuk meningkatkan fungsi pencarian dan pemblokiran; sementara proyek asli Crypto seperti Donut menargetkan interaksi baru antara AI dan aset on-chain. Ciri khas dari proyek-proyek ini adalah: mencoba membangun kembali sisi input browser, bukan sekadar mempercantik lapisan outputnya.
Bagi para pengusaha, peluang tersembunyi dalam hubungan segitiga antara input, struktur, dan agen. Browser sebagai antarmuka panggilan dunia di masa depan berarti siapa yang dapat menyediakan "block kemampuan" yang terstruktur, dapat dipanggil, dan dapat dipercaya, maka mereka dapat menjadi bagian dari platform generasi baru. Dari SEO ke AEO (Optimasi Mesin Agen), dari lalu lintas halaman ke pemanggilan rantai tugas, bentuk produk dan pemikiran desain sedang dibangun kembali. Perang browser ketiga terjadi di "input" dan bukan "tampilan"; yang menentukan pemenang bukan lagi siapa yang menarik perhatian pengguna, tetapi siapa yang memenangkan kepercayaan agen dan mendapatkan akses pemanggilan.
Sejarah Perkembangan Browser
Pada awal tahun 1990-an, ketika internet belum menjadi bagian dari kehidupan sehari-hari, Netscape Navigator muncul dan membuka pintu menuju dunia digital bagi jutaan pengguna. Browser ini bukanlah yang pertama, tetapi merupakan produk pertama yang benar-benar menjangkau masyarakat luas dan membentuk pengalaman internet.
Namun, kejayaan itu singkat. Microsoft dengan cepat memaksa Internet Explorer untuk terikat dalam sistem operasi Windows, menjadikannya sebagai browser default. Strategi ini bisa dianggap sebagai "senjata pamungkas platform", yang secara langsung menghancurkan dominasi pasar Netscape. IE dengan bantuan kemampuan distribusi Windows, dengan cepat menjadi penguasa industri, sementara Netscape terjebak dalam jalur kemunduran.
Dalam kesulitan, insinyur Netscape memilih jalan yang radikal dan idealis - mereka membuka kode sumber browser dan mengajak komunitas sumber terbuka. Kode ini kemudian menjadi dasar proyek browser Mozilla, yang awalnya diberi nama Phoenix (yang berarti kebangkitan phoenix), setelah beberapa kali berganti nama, akhirnya dinamakan Firefox.
Firefox bukan sekadar menyalin Netscape, tetapi telah mencapai terobosan dalam pengalaman pengguna, ekosistem plugin, dan keamanan. Kelahirannya menandai kemenangan semangat sumber terbuka dan memberi energi baru bagi seluruh industri.
Pada tahun 1994, browser Opera diluncurkan, berasal dari Norwegia, awalnya hanya merupakan proyek percobaan. Namun sejak versi 7.0 pada tahun 2003, ia memperkenalkan mesin Presto yang dikembangkan sendiri, yang pertama kali mendukung teknologi terkini seperti CSS, tata letak responsif, kontrol suara, dan pengkodean Unicode. Meskipun jumlah penggunanya terbatas, secara teknis selalu berada di garis depan industri, menjadi "favorit para geek".
Pada tahun yang sama, Apple meluncurkan browser Safari. Meskipun mesin pencari default Safari sejak diluncurkan adalah Google, sejarah hubungan yang rumit dengan Microsoft ini melambangkan hubungan yang kompleks dan halus antara raksasa internet: kerjasama dan persaingan, selalu berjalan beriringan.
Pada tahun 2007, IE7 diluncurkan bersamaan dengan Windows Vista, tetapi umpan balik pasar biasa-biasa saja. Sebaliknya, Firefox, dengan ritme pembaruan yang lebih cepat, mekanisme ekstensi yang lebih ramah, dan daya tarik alami bagi pengembang, secara bertahap meningkatkan pangsa pasarnya menjadi sekitar 20%. Dominasi IE mulai melonggar, arah angin sedang berubah.
Chrome diluncurkan pada tahun 2008, dibangun berdasarkan proyek sumber terbuka Chromium dan mesin WebKit yang digunakan oleh Safari. Ini dijuluki sebagai browser yang "besar", tetapi berkat kemampuan mendalam Google dalam periklanan dan merek, ia dengan cepat meroket.
Senjata kunci Chrome bukanlah fungsinya, tetapi ritme pembaruan versi yang sering (setiap enam minggu) dan pengalaman yang seragam di seluruh platform. Pada November 2011, Chrome pertama kali melampaui Firefox, dengan pangsa pasar mencapai 27%; enam bulan kemudian, Chrome kembali melampaui IE, menyelesaikan transisi dari penantang menjadi penguasa.
Sementara itu, internet seluler di China juga mulai membentuk ekosistemnya sendiri. UC Browser yang dimiliki oleh Alibaba dengan cepat terkenal di awal 2010-an, terutama di pasar-pasar berkembang seperti India, Indonesia, dan China, mengandalkan desain yang ringan, kompresi data untuk menghemat kuota, dan fitur lainnya, sehingga menarik minat pengguna perangkat entry-level. Pada tahun 2015, pangsa pasar browser seluler globalnya melampaui 17%, dan pernah mencapai 46% di India. Namun, kemenangan ini tidak bertahan lama. Dengan semakin ketatnya pemeriksaan keamanan terhadap aplikasi-aplikasi China oleh pemerintah India, UC Browser terpaksa keluar dari pasar utama, secara bertahap kehilangan kejayaannya yang dulu.
Memasuki tahun 2020-an, dominasi Chrome telah terjamin, dengan pangsa pasar global stabil di sekitar 65%. Perlu dicatat bahwa meskipun mesin pencari Google dan browser Chrome sama-sama dimiliki oleh Alphabet, dari sudut pandang pasar keduanya merupakan dua sistem hegemoni yang independen - yang pertama mengendalikan sekitar sembilan puluh persen pintu masuk pencarian global, sementara yang kedua menguasai "jendela pertama" bagi sebagian besar pengguna untuk mengakses internet.
Untuk mempertahankan struktur monopoli ganda ini, Google rela mengeluarkan banyak uang. Pada tahun 2022, Alphabet membayar sekitar 20 miliar dolar AS kepada Apple hanya untuk menjaga Google sebagai mesin pencari default di Safari. Beberapa analisis menunjukkan bahwa pengeluaran ini setara dengan 36% dari pendapatan iklan pencarian yang diperoleh Google dari lalu lintas Safari. Dengan kata lain, Google sedang membayar "biaya perlindungan" untuk menjaga bentengnya.
Namun arah angin berubah sekali lagi. Dengan munculnya model bahasa besar (LLM), pencarian tradisional mulai terpengaruh. Pada tahun 2024, pangsa pasar pencarian Google turun dari 93% menjadi 89%, meskipun masih mendominasi, tetapi retakan mulai terlihat. Yang lebih mengganggu adalah rumor bahwa Apple mungkin akan meluncurkan mesin pencari AI miliknya sendiri - jika pencarian default Safari beralih ke kampung halamannya, ini tidak hanya akan mengubah pola ekosistem, tetapi juga bisa mengguncang pilar keuntungan Alphabet. Reaksi pasar sangat cepat, harga saham Alphabet turun dari 170 dolar menjadi 140 dolar, mencerminkan bukan hanya kepanikan para investor, tetapi juga ketidakpastian mendalam tentang arah masa depan era pencarian.
Dari Navigator ke Chrome, dari cita-cita sumber terbuka ke komersialisasi iklan, dari browser ringan ke asisten pencarian AI, persaingan browser selalu merupakan perang tentang teknologi, platform, konten, dan kontrol. Medan perang terus berpindah, tetapi esensinya tidak pernah berubah: siapa yang menguasai pintu masuk, dia yang mendefinisikan masa depan.
Dalam pandangan VC, dengan bergantung pada LLM dan kebutuhan baru masyarakat terhadap mesin pencari di era AI, perang browser ketiga secara bertahap sedang berlangsung.
Arsitektur Kuno dari Browser Modern
Membicarakan arsitektur browser, arsitektur tradisional klasik adalah sebagai berikut:
Klien - Pintu Masuk Depan
Periksa Google Front End terbaru yang dikirim melalui HTTPS, lakukan dekripsi TLS, sampling QoS, dan routing geografis. Jika terdeteksi lalu lintas tidak normal (DDoS, pengambilan otomatis), pembatasan atau tantangan dapat dilakukan pada lapisan ini.
Pemahaman Query
Frontend perlu memahami arti kata yang diketik pengguna, ada tiga langkah: koreksi ejaan neural, mengoreksi "recpie" menjadi "recipe"; perluasan sinonim, memperluas "how to fix bike" menjadi "repair bicycle". Analisis niat, menentukan apakah kueri adalah niat informasi, navigasi, atau transaksi, dan mengalokasikan permintaan Vertikal.
Pemanggilan Kandidat
Teknologi pencarian yang digunakan oleh Google dikenal sebagai: indeks terbalik. Dalam indeks langsung, kita bisa mengindeks file hanya dengan memberikan ID. Namun, pengguna tidak mungkin mengetahui nomor dari konten yang diinginkan di antara ribuan miliar file, oleh karena itu mereka menggunakan indeks terbalik yang sangat tradisional untuk mencari file mana yang memiliki kata kunci yang sesuai. Selanjutnya, Google menggunakan indeks vektor untuk memproses pencarian semantik, yaitu mencari konten yang maknanya mirip dengan kueri. Ini mengubah teks, gambar, dan konten lainnya menjadi vektor berdimensi tinggi (embedding), dan mencari berdasarkan kesamaan antara vektor tersebut. Misalnya, meskipun pengguna mencari "cara membuat adonan pizza", mesin pencari dapat mengembalikan hasil yang terkait dengan "panduan pembuatan adonan pizza" karena keduanya secara semantik mirip. Setelah melewati indeks terbalik dan indeks vektor, sekitar seratus ribu halaman web akan disaring awal.
Pengurutan Multi-Level
Sistem biasanya menyaring halaman kandidat berskala ratusan ribu menjadi sekitar 1000 artikel dengan menggunakan ribuan fitur ringan berdimensi seperti BM25, TF-IDF, dan skor kualitas halaman, membentuk kumpulan kandidat awal. Sistem semacam ini secara umum disebut sebagai mesin rekomendasi. Ini bergantung pada berbagai fitur besar yang dihasilkan oleh banyak entitas, termasuk perilaku pengguna, atribut halaman, niat pencarian, dan sinyal konteks. Misalnya, Google akan menggabungkan riwayat pengguna, umpan balik perilaku pengguna lain, semantik halaman, makna pencarian, dan informasi lainnya, serta mempertimbangkan elemen konteks seperti waktu (periode dalam sehari, hari tertentu dalam seminggu) dan berita terkini dari peristiwa eksternal.
Pembelajaran mendalam untuk urutan utama
Pada tahap pencarian awal, Google menggunakan teknologi seperti RankBrain dan Neural Matching untuk memahami makna query dan menyaring hasil yang relevan dari sejumlah besar dokumen. RankBrain adalah sistem pembelajaran mesin yang diperkenalkan Google pada tahun 2015, yang dirancang untuk lebih baik memahami arti query pengguna, terutama query yang muncul untuk pertama kalinya. Ini dilakukan dengan mengubah query dan dokumen menjadi representasi vektor, menghitung kesamaan di antara mereka, sehingga menemukan hasil yang paling relevan. Misalnya, untuk query "cara membuat adonan pizza", bahkan jika tidak ada kata kunci yang cocok sepenuhnya dalam dokumen, RankBrain dapat mengidentifikasi konten yang berkaitan dengan "dasar pizza" atau "pembuatan adonan".
Neural Matching adalah teknologi lain yang diluncurkan Google pada tahun 2018, yang bertujuan untuk memahami lebih dalam hubungan semantik antara kueri dan dokumen. Ini menggunakan model jaringan saraf untuk menangkap hubungan samar antara kata-kata, membantu Google mencocokkan kueri dan konten halaman web dengan lebih baik. Misalnya, untuk kueri "mengapa suara kipas laptop saya sangat keras", Neural Matching dapat memahami bahwa pengguna mungkin sedang mencari informasi pemecahan masalah tentang overheating, penumpukan debu, atau penggunaan CPU yang tinggi, bahkan jika kata-kata tersebut tidak secara langsung muncul dalam kueri.
Rearrangement Mendalam: Aplikasi Model BERT
Setelah melakukan penyaringan awal terhadap dokumen yang relevan, Google menggunakan model BERT (Bidirectional Encoder Representations from Transformers) untuk melakukan peringkat yang lebih halus pada dokumen-dokumen ini, untuk memastikan hasil yang paling relevan berada di depan. BERT adalah model bahasa pra-latih berbasis Transformer yang mampu memahami hubungan konteks kata dalam kalimat. Dalam pencarian, BERT digunakan untuk mengurutkan kembali dokumen yang awalnya ditemukan. Ia melakukan pengkodean bersama antara kueri dan dokumen, menghitung skor relevansi di antara mereka, sehingga dapat mengurutkan kembali dokumen. Misalnya, untuk kueri "parkir di lereng tanpa trotoar", BERT mampu memahami arti "tanpa trotoar", dan mengembalikan halaman yang menyarankan pengemudi untuk mengarahkan roda ke arah tepi jalan, alih-alih salah memahami sebagai situasi dengan trotoar. Bagi insinyur SEO, ini berarti perlu mempelajari secara tepat algoritma peringkat Google dan rekomendasi pembelajaran mesin, untuk mengoptimalkan konten halaman web secara spesifik agar mendapatkan peringkat yang lebih tinggi.
Itulah alur kerja tipikal mesin pencari Google. Namun, di era ledakan AI dan big data saat ini, pengguna memiliki kebutuhan baru terhadap interaksi browser.
Mengapa AI Akan Membentuk Kembali Browser
Pertama-tama kita perlu memahami, mengapa bentuk browser ini masih ada? Apakah ada bentuk ketiga yang ada?
Halaman ini mungkin berisi konten pihak ketiga, yang disediakan untuk tujuan informasi saja (bukan pernyataan/jaminan) dan tidak boleh dianggap sebagai dukungan terhadap pandangannya oleh Gate, atau sebagai nasihat keuangan atau profesional. Lihat Penafian untuk detailnya.
Ekosistem browser baru yang diberdayakan oleh AI: revolusi dari tampilan informasi ke pemanggilan tugas cerdas
Revolusi Browser di Era AI: Dari Tampilan Informasi ke Pemanggilan Tugas
Perang browser ketiga sedang berlangsung dengan diam-diam. Dari Netscape dan Microsoft IE di tahun 90-an, hingga Firefox dan Google Chrome yang bersifat open source, persaingan browser selalu menjadi cerminan dari kontrol platform dan perubahan paradigma teknologi. Chrome berhasil meraih posisi dominan berkat kecepatan pembaruan dan keterhubungan ekosistem, Google membentuk lingkaran tertutup sebagai pintu masuk informasi melalui struktur "duopoli" antara pencarian dan browser.
Namun, pola ini sedang goyah. Kebangkitan model bahasa besar (LLM) membuat semakin banyak pengguna menyelesaikan tugas di halaman hasil pencarian dengan "nol klik", perilaku klik halaman web tradisional semakin berkurang. Sementara itu, rumor mengenai kemungkinan Apple mengganti mesin pencari default di Safari semakin mengancam dasar keuntungan Alphabet, ketidakpastian pasar terhadap "ortodoksi pencarian" mulai terlihat.
Browser itu sendiri juga menghadapi peran yang terubah. Ini bukan hanya alat untuk menampilkan halaman web, tetapi juga merupakan wadah yang menggabungkan berbagai kemampuan seperti input data, perilaku pengguna, identitas privasi, dan lainnya. Meskipun AI Agent kuat, untuk menyelesaikan interaksi halaman yang kompleks, memanggil data identitas lokal, dan mengontrol elemen halaman web, masih perlu bergantung pada batasan kepercayaan dan kotak fungsi browser. Browser sedang berevolusi dari antarmuka manusia menjadi platform pemanggilan sistem untuk Agent.
Yang benar-benar mungkin memecahkan pola pasar browser saat ini bukanlah "Chrome yang lebih baik" lainnya, tetapi struktur interaksi baru: bukan hanya tampilan informasi, tetapi pemanggilan tugas. Browser masa depan harus dirancang untuk AI Agent - tidak hanya dapat membaca, tetapi juga menulis dan mengeksekusi. Proyek seperti Browser Use sedang mencoba untuk memaknai struktur halaman, mengubah antarmuka visual menjadi teks terstruktur yang dapat dipanggil oleh LLM, mencapai pemetaan dari halaman ke instruksi, sehingga secara signifikan mengurangi biaya interaksi.
Proyek-proyek utama di pasar telah mulai mencoba: Perplexity membangun browser asli Comet, menggunakan AI untuk menggantikan hasil pencarian tradisional; Brave menggabungkan perlindungan privasi dengan inferensi lokal, menggunakan LLM untuk meningkatkan fungsi pencarian dan pemblokiran; sementara proyek asli Crypto seperti Donut menargetkan interaksi baru antara AI dan aset on-chain. Ciri khas dari proyek-proyek ini adalah: mencoba membangun kembali sisi input browser, bukan sekadar mempercantik lapisan outputnya.
Bagi para pengusaha, peluang tersembunyi dalam hubungan segitiga antara input, struktur, dan agen. Browser sebagai antarmuka panggilan dunia di masa depan berarti siapa yang dapat menyediakan "block kemampuan" yang terstruktur, dapat dipanggil, dan dapat dipercaya, maka mereka dapat menjadi bagian dari platform generasi baru. Dari SEO ke AEO (Optimasi Mesin Agen), dari lalu lintas halaman ke pemanggilan rantai tugas, bentuk produk dan pemikiran desain sedang dibangun kembali. Perang browser ketiga terjadi di "input" dan bukan "tampilan"; yang menentukan pemenang bukan lagi siapa yang menarik perhatian pengguna, tetapi siapa yang memenangkan kepercayaan agen dan mendapatkan akses pemanggilan.
Sejarah Perkembangan Browser
Pada awal tahun 1990-an, ketika internet belum menjadi bagian dari kehidupan sehari-hari, Netscape Navigator muncul dan membuka pintu menuju dunia digital bagi jutaan pengguna. Browser ini bukanlah yang pertama, tetapi merupakan produk pertama yang benar-benar menjangkau masyarakat luas dan membentuk pengalaman internet.
Namun, kejayaan itu singkat. Microsoft dengan cepat memaksa Internet Explorer untuk terikat dalam sistem operasi Windows, menjadikannya sebagai browser default. Strategi ini bisa dianggap sebagai "senjata pamungkas platform", yang secara langsung menghancurkan dominasi pasar Netscape. IE dengan bantuan kemampuan distribusi Windows, dengan cepat menjadi penguasa industri, sementara Netscape terjebak dalam jalur kemunduran.
Dalam kesulitan, insinyur Netscape memilih jalan yang radikal dan idealis - mereka membuka kode sumber browser dan mengajak komunitas sumber terbuka. Kode ini kemudian menjadi dasar proyek browser Mozilla, yang awalnya diberi nama Phoenix (yang berarti kebangkitan phoenix), setelah beberapa kali berganti nama, akhirnya dinamakan Firefox.
Firefox bukan sekadar menyalin Netscape, tetapi telah mencapai terobosan dalam pengalaman pengguna, ekosistem plugin, dan keamanan. Kelahirannya menandai kemenangan semangat sumber terbuka dan memberi energi baru bagi seluruh industri.
Pada tahun 1994, browser Opera diluncurkan, berasal dari Norwegia, awalnya hanya merupakan proyek percobaan. Namun sejak versi 7.0 pada tahun 2003, ia memperkenalkan mesin Presto yang dikembangkan sendiri, yang pertama kali mendukung teknologi terkini seperti CSS, tata letak responsif, kontrol suara, dan pengkodean Unicode. Meskipun jumlah penggunanya terbatas, secara teknis selalu berada di garis depan industri, menjadi "favorit para geek".
Pada tahun yang sama, Apple meluncurkan browser Safari. Meskipun mesin pencari default Safari sejak diluncurkan adalah Google, sejarah hubungan yang rumit dengan Microsoft ini melambangkan hubungan yang kompleks dan halus antara raksasa internet: kerjasama dan persaingan, selalu berjalan beriringan.
Pada tahun 2007, IE7 diluncurkan bersamaan dengan Windows Vista, tetapi umpan balik pasar biasa-biasa saja. Sebaliknya, Firefox, dengan ritme pembaruan yang lebih cepat, mekanisme ekstensi yang lebih ramah, dan daya tarik alami bagi pengembang, secara bertahap meningkatkan pangsa pasarnya menjadi sekitar 20%. Dominasi IE mulai melonggar, arah angin sedang berubah.
Chrome diluncurkan pada tahun 2008, dibangun berdasarkan proyek sumber terbuka Chromium dan mesin WebKit yang digunakan oleh Safari. Ini dijuluki sebagai browser yang "besar", tetapi berkat kemampuan mendalam Google dalam periklanan dan merek, ia dengan cepat meroket.
Senjata kunci Chrome bukanlah fungsinya, tetapi ritme pembaruan versi yang sering (setiap enam minggu) dan pengalaman yang seragam di seluruh platform. Pada November 2011, Chrome pertama kali melampaui Firefox, dengan pangsa pasar mencapai 27%; enam bulan kemudian, Chrome kembali melampaui IE, menyelesaikan transisi dari penantang menjadi penguasa.
Sementara itu, internet seluler di China juga mulai membentuk ekosistemnya sendiri. UC Browser yang dimiliki oleh Alibaba dengan cepat terkenal di awal 2010-an, terutama di pasar-pasar berkembang seperti India, Indonesia, dan China, mengandalkan desain yang ringan, kompresi data untuk menghemat kuota, dan fitur lainnya, sehingga menarik minat pengguna perangkat entry-level. Pada tahun 2015, pangsa pasar browser seluler globalnya melampaui 17%, dan pernah mencapai 46% di India. Namun, kemenangan ini tidak bertahan lama. Dengan semakin ketatnya pemeriksaan keamanan terhadap aplikasi-aplikasi China oleh pemerintah India, UC Browser terpaksa keluar dari pasar utama, secara bertahap kehilangan kejayaannya yang dulu.
Memasuki tahun 2020-an, dominasi Chrome telah terjamin, dengan pangsa pasar global stabil di sekitar 65%. Perlu dicatat bahwa meskipun mesin pencari Google dan browser Chrome sama-sama dimiliki oleh Alphabet, dari sudut pandang pasar keduanya merupakan dua sistem hegemoni yang independen - yang pertama mengendalikan sekitar sembilan puluh persen pintu masuk pencarian global, sementara yang kedua menguasai "jendela pertama" bagi sebagian besar pengguna untuk mengakses internet.
Untuk mempertahankan struktur monopoli ganda ini, Google rela mengeluarkan banyak uang. Pada tahun 2022, Alphabet membayar sekitar 20 miliar dolar AS kepada Apple hanya untuk menjaga Google sebagai mesin pencari default di Safari. Beberapa analisis menunjukkan bahwa pengeluaran ini setara dengan 36% dari pendapatan iklan pencarian yang diperoleh Google dari lalu lintas Safari. Dengan kata lain, Google sedang membayar "biaya perlindungan" untuk menjaga bentengnya.
Namun arah angin berubah sekali lagi. Dengan munculnya model bahasa besar (LLM), pencarian tradisional mulai terpengaruh. Pada tahun 2024, pangsa pasar pencarian Google turun dari 93% menjadi 89%, meskipun masih mendominasi, tetapi retakan mulai terlihat. Yang lebih mengganggu adalah rumor bahwa Apple mungkin akan meluncurkan mesin pencari AI miliknya sendiri - jika pencarian default Safari beralih ke kampung halamannya, ini tidak hanya akan mengubah pola ekosistem, tetapi juga bisa mengguncang pilar keuntungan Alphabet. Reaksi pasar sangat cepat, harga saham Alphabet turun dari 170 dolar menjadi 140 dolar, mencerminkan bukan hanya kepanikan para investor, tetapi juga ketidakpastian mendalam tentang arah masa depan era pencarian.
Dari Navigator ke Chrome, dari cita-cita sumber terbuka ke komersialisasi iklan, dari browser ringan ke asisten pencarian AI, persaingan browser selalu merupakan perang tentang teknologi, platform, konten, dan kontrol. Medan perang terus berpindah, tetapi esensinya tidak pernah berubah: siapa yang menguasai pintu masuk, dia yang mendefinisikan masa depan.
Dalam pandangan VC, dengan bergantung pada LLM dan kebutuhan baru masyarakat terhadap mesin pencari di era AI, perang browser ketiga secara bertahap sedang berlangsung.
Arsitektur Kuno dari Browser Modern
Membicarakan arsitektur browser, arsitektur tradisional klasik adalah sebagai berikut:
Klien - Pintu Masuk Depan
Periksa Google Front End terbaru yang dikirim melalui HTTPS, lakukan dekripsi TLS, sampling QoS, dan routing geografis. Jika terdeteksi lalu lintas tidak normal (DDoS, pengambilan otomatis), pembatasan atau tantangan dapat dilakukan pada lapisan ini.
Pemahaman Query
Frontend perlu memahami arti kata yang diketik pengguna, ada tiga langkah: koreksi ejaan neural, mengoreksi "recpie" menjadi "recipe"; perluasan sinonim, memperluas "how to fix bike" menjadi "repair bicycle". Analisis niat, menentukan apakah kueri adalah niat informasi, navigasi, atau transaksi, dan mengalokasikan permintaan Vertikal.
Pemanggilan Kandidat
Teknologi pencarian yang digunakan oleh Google dikenal sebagai: indeks terbalik. Dalam indeks langsung, kita bisa mengindeks file hanya dengan memberikan ID. Namun, pengguna tidak mungkin mengetahui nomor dari konten yang diinginkan di antara ribuan miliar file, oleh karena itu mereka menggunakan indeks terbalik yang sangat tradisional untuk mencari file mana yang memiliki kata kunci yang sesuai. Selanjutnya, Google menggunakan indeks vektor untuk memproses pencarian semantik, yaitu mencari konten yang maknanya mirip dengan kueri. Ini mengubah teks, gambar, dan konten lainnya menjadi vektor berdimensi tinggi (embedding), dan mencari berdasarkan kesamaan antara vektor tersebut. Misalnya, meskipun pengguna mencari "cara membuat adonan pizza", mesin pencari dapat mengembalikan hasil yang terkait dengan "panduan pembuatan adonan pizza" karena keduanya secara semantik mirip. Setelah melewati indeks terbalik dan indeks vektor, sekitar seratus ribu halaman web akan disaring awal.
Pengurutan Multi-Level
Sistem biasanya menyaring halaman kandidat berskala ratusan ribu menjadi sekitar 1000 artikel dengan menggunakan ribuan fitur ringan berdimensi seperti BM25, TF-IDF, dan skor kualitas halaman, membentuk kumpulan kandidat awal. Sistem semacam ini secara umum disebut sebagai mesin rekomendasi. Ini bergantung pada berbagai fitur besar yang dihasilkan oleh banyak entitas, termasuk perilaku pengguna, atribut halaman, niat pencarian, dan sinyal konteks. Misalnya, Google akan menggabungkan riwayat pengguna, umpan balik perilaku pengguna lain, semantik halaman, makna pencarian, dan informasi lainnya, serta mempertimbangkan elemen konteks seperti waktu (periode dalam sehari, hari tertentu dalam seminggu) dan berita terkini dari peristiwa eksternal.
Pembelajaran mendalam untuk urutan utama
Pada tahap pencarian awal, Google menggunakan teknologi seperti RankBrain dan Neural Matching untuk memahami makna query dan menyaring hasil yang relevan dari sejumlah besar dokumen. RankBrain adalah sistem pembelajaran mesin yang diperkenalkan Google pada tahun 2015, yang dirancang untuk lebih baik memahami arti query pengguna, terutama query yang muncul untuk pertama kalinya. Ini dilakukan dengan mengubah query dan dokumen menjadi representasi vektor, menghitung kesamaan di antara mereka, sehingga menemukan hasil yang paling relevan. Misalnya, untuk query "cara membuat adonan pizza", bahkan jika tidak ada kata kunci yang cocok sepenuhnya dalam dokumen, RankBrain dapat mengidentifikasi konten yang berkaitan dengan "dasar pizza" atau "pembuatan adonan".
Neural Matching adalah teknologi lain yang diluncurkan Google pada tahun 2018, yang bertujuan untuk memahami lebih dalam hubungan semantik antara kueri dan dokumen. Ini menggunakan model jaringan saraf untuk menangkap hubungan samar antara kata-kata, membantu Google mencocokkan kueri dan konten halaman web dengan lebih baik. Misalnya, untuk kueri "mengapa suara kipas laptop saya sangat keras", Neural Matching dapat memahami bahwa pengguna mungkin sedang mencari informasi pemecahan masalah tentang overheating, penumpukan debu, atau penggunaan CPU yang tinggi, bahkan jika kata-kata tersebut tidak secara langsung muncul dalam kueri.
Rearrangement Mendalam: Aplikasi Model BERT
Setelah melakukan penyaringan awal terhadap dokumen yang relevan, Google menggunakan model BERT (Bidirectional Encoder Representations from Transformers) untuk melakukan peringkat yang lebih halus pada dokumen-dokumen ini, untuk memastikan hasil yang paling relevan berada di depan. BERT adalah model bahasa pra-latih berbasis Transformer yang mampu memahami hubungan konteks kata dalam kalimat. Dalam pencarian, BERT digunakan untuk mengurutkan kembali dokumen yang awalnya ditemukan. Ia melakukan pengkodean bersama antara kueri dan dokumen, menghitung skor relevansi di antara mereka, sehingga dapat mengurutkan kembali dokumen. Misalnya, untuk kueri "parkir di lereng tanpa trotoar", BERT mampu memahami arti "tanpa trotoar", dan mengembalikan halaman yang menyarankan pengemudi untuk mengarahkan roda ke arah tepi jalan, alih-alih salah memahami sebagai situasi dengan trotoar. Bagi insinyur SEO, ini berarti perlu mempelajari secara tepat algoritma peringkat Google dan rekomendasi pembelajaran mesin, untuk mengoptimalkan konten halaman web secara spesifik agar mendapatkan peringkat yang lebih tinggi.
Itulah alur kerja tipikal mesin pencari Google. Namun, di era ledakan AI dan big data saat ini, pengguna memiliki kebutuhan baru terhadap interaksi browser.
Mengapa AI Akan Membentuk Kembali Browser
Pertama-tama kita perlu memahami, mengapa bentuk browser ini masih ada? Apakah ada bentuk ketiga yang ada?