Revolusi Browser di Era AI: Dari Pencarian ke Agen Cerdas

Perang browser yang ketiga sedang berlangsung diam-diam. Dari Netscape di tahun 90-an, IE milik Microsoft, hingga semangat open source Firefox dan Chrome dari Google, persaingan browser selalu menjadi perwujudan konsentrasi kontrol platform dan perubahan paradigma teknologi. Chrome berhasil meraih posisi dominan berkat kecepatan pembaruan dan keterhubungan ekosistemnya, sementara Google melalui struktur "duopoli" antara pencarian dan browser, membentuk lingkaran tertutup sebagai pintu masuk informasi.

Namun, pola ini sedang goyah. Kebangkitan model bahasa besar (LLM) membuat semakin banyak pengguna menyelesaikan tugas di halaman hasil pencarian dengan "nol klik", dan perilaku klik halaman web tradisional semakin berkurang. Sementara itu, desas-desus tentang kemungkinan raksasa teknologi tertentu mengganti mesin pencari default di peramban mereka semakin mengancam dasar keuntungan induk perusahaan Google, pasar mulai menunjukkan ketidakpastian terhadap "ortodoksi pencarian".

Browser itu sendiri juga sedang menghadapi peran yang direformasi. Itu bukan hanya alat untuk menampilkan halaman web, tetapi juga merupakan wadah untuk 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 diperlukan bantuan dari batasan kepercayaan dan sandbox fungsional browser. Browser sedang bertransformasi dari antarmuka manusia menjadi platform panggilan sistem untuk Agent.

Yang benar-benar dapat 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 bisa membaca, tetapi juga bisa menulis dan mengeksekusi. Beberapa proyek sedang mencoba untuk memaknai struktur halaman, mengubah antarmuka visual menjadi teks terstruktur yang dapat dipanggil oleh LLM, mewujudkan pemetaan dari halaman ke instruksi, dan secara signifikan mengurangi biaya interaksi.

Proyek-proyek utama di pasar telah mulai mencoba: sebuah mesin pencari AI membangun browser asli, menggunakan AI untuk menggantikan hasil pencarian tradisional; sebuah browser menggabungkan perlindungan privasi dengan inferensi lokal, menggunakan LLM untuk meningkatkan fungsi pencarian dan pemblokiran; sementara beberapa proyek asli Web3 menargetkan titik masuk baru untuk interaksi antara AI dan aset di blockchain. Ciri khas dari proyek-proyek ini adalah: mencoba untuk membangun kembali sisi input browser, bukan hanya mempercantik lapisan outputnya.

Bagi para pengusaha, peluang tersembunyi dalam hubungan segitiga antara input, struktur, dan agen. Browser sebagai antarmuka yang memanggil dunia di masa depan berarti siapa yang dapat menyediakan "blok kemampuan" yang terstruktur, dapat dipanggil, dan dapat dipercaya, maka mereka dapat menjadi bagian dari platform generasi baru. Dari SEO hingga AEO (Optimisasi Mesin Agen), dari lalu lintas halaman hingga pemanggilan rantai tugas, bentuk dan desain produk sedang direkonstruksi. Perang browser ketiga terjadi pada "input" dan bukan "tampilan"; yang menentukan kemenangan bukan lagi siapa yang menarik perhatian pengguna, tetapi siapa yang memenangkan kepercayaan Agen dan mendapatkan akses pemanggilan.

Sejarah Perkembangan Browser

Pada awal tahun 90-an, Netscape Navigator muncul dan membuka pintu menuju dunia digital bagi jutaan pengguna. Browser ini bukanlah yang pertama, tetapi merupakan produk pertama yang secara nyata menjangkau masyarakat luas dan membentuk pengalaman internet.

Microsoft segera menyadari pentingnya browser dan memutuskan untuk memaksa mengikat Internet Explorer ke dalam sistem operasi Windows, menjadikannya sebagai browser default. Strategi ini dapat disebut sebagai "senjata pamungkas platform", yang langsung menghancurkan dominasi pasar Netscape.

Dalam kesulitan, insinyur Netscape memilih jalur yang radikal dan idealis --- mereka membuka kode sumber browser dan mengajak komunitas sumber terbuka. Kode ini kemudian menjadi dasar proyek browser Mozilla, yang akhirnya dinamakan Firefox.

Sementara itu, browser Opera diluncurkan, yang berasal dari Norwegia, awalnya hanya merupakan proyek eksperimental. Namun, sejak versi 7.0 pada tahun 2003, browser ini memperkenalkan mesin Presto yang dikembangkan sendiri, menjadi yang pertama mendukung CSS, tata letak responsif, kontrol suara, dan teknologi mutakhir seperti pengkodean Unicode.

Pada tahun yang sama, sebuah raksasa teknologi meluncurkan peramban mereka sendiri. Ini adalah sebuah titik balik yang penuh makna. Saat itu, Microsoft telah menginvestasikan 150 juta dolar ke dalam perusahaan yang hampir bangkrut ini untuk mempertahankan citra kompetisi dan menghindari pemeriksaan anti monopoli.

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.

Google adalah pendekatan lain. Chrome diluncurkan pada tahun 2008, dibangun di atas proyek sumber terbuka Chromium dan mesin WebKit yang digunakan Safari. Ini dijuluki sebagai "browser yang bengkak", tetapi berkat keahlian Google dalam periklanan dan pembentukan merek, ia dengan cepat bangkit.

Senjata kunci Chrome bukanlah fitur, melainkan 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.

Memasuki tahun 2020-an, dominasi Chrome telah terjalin, dengan pangsa pasar global stabil di sekitar 65%. Perlu dicatat bahwa meskipun mesin pencari Google dan peramban Chrome berada di bawah perusahaan yang sama, secara pasar keduanya adalah dua sistem hegemoni yang independen --- yang pertama mengendalikan sekitar sembilan puluh persen pintu masuk pencarian global, sedangkan yang kedua menguasai "jendela pertama" bagi sebagian besar pengguna untuk masuk ke internet.

Untuk mempertahankan struktur duopoli ini, perusahaan tersebut rela mengeluarkan uang dalam jumlah besar. Pada tahun 2022, mereka membayar sekitar 20 miliar dolar AS kepada salah satu raksasa teknologi hanya untuk mempertahankan posisi pencarian default Google di browser mereka. Pengeluaran ini setara dengan 36% dari pendapatan iklan pencarian yang diperoleh Google dari lalu lintas browser tersebut. Dengan kata lain, Google membayar "biaya perlindungan" untuk menjaga paritnya.

Namun arah angin berubah 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 muncul. Yang lebih mengganggu adalah rumor tentang raksasa teknologi tertentu yang mungkin akan meluncurkan mesin pencari AI mereka sendiri --- jika pencarian default mereka beralih ke kampung halaman sendiri, ini tidak hanya akan mengubah pola ekosistem, tetapi juga mungkin mengguncang pilar keuntungan perusahaan induk Google. Reaksi pasar cepat, harga saham perusahaan jatuh dari 170 dolar menjadi 140 dolar, mencerminkan bukan hanya kepanikan investor, tetapi juga ketidakpastian yang mendalam tentang arah masa depan era pencarian.

Dari Navigator ke Chrome, dari idealisme sumber terbuka ke komersialisasi iklan, dari browser ringan ke asisten pencarian AI, persaingan browser selalu menjadi perang tentang teknologi, platform, konten, dan kekuasaan kontrol. Medan perang terus berpindah, tetapi esensinya tidak pernah berubah: siapa yang menguasai pintu masuk, dia yang mendefinisikan masa depan.

Dalam pandangan VC, didasarkan pada kebutuhan baru orang-orang terhadap mesin pencari di era LLM dan AI, perang browser ketiga secara bertahap sedang berlangsung.

Arsitektur Usang dari Browser Modern

Membahas arsitektur browser, arsitektur tradisional klasik adalah sebagai berikut:

Klien - Masuk Frontend

Memeriksa pengiriman HTTPS ke frontend terdekat, menyelesaikan dekripsi TLS, sampling QoS, dan routing geografis. Jika terdeteksi lalu lintas yang tidak normal (DDoS, pengambilan otomatis) dapat membatasi aliran atau menantang pada lapisan ini.

Pemahaman Pencarian

Frontend perlu memahami arti kata yang diketik oleh 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

Teknik kueri yang digunakan oleh mesin pencari disebut: indeks terbalik. Dalam indeks urut, kita hanya perlu memberikan ID untuk dapat mengindeks ke file. Namun, pengguna tidak mungkin mengetahui nomor konten yang diinginkan di antara ribuan miliar file, sehingga mereka menggunakan indeks terbalik yang sangat tradisional, untuk mencari file mana yang memiliki kata kunci yang sesuai. Selanjutnya, indeks vektor digunakan untuk memproses pencarian semantik, yaitu mencari konten yang memiliki makna serupa dengan kueri. Ini mengubah teks, gambar, dan konten lainnya menjadi vektor berdimensi tinggi (embedding), dan melakukan pencarian berdasarkan kesamaan antara vektor-vektor ini. Misalnya, bahkan jika pengguna mencari "cara membuat adonan pizza", mesin pencari dapat mengembalikan hasil yang terkait dengan "panduan membuat adonan pizza", karena keduanya secara semantik mirip. Setelah melalui indeks terbalik dan indeks vektor, sekitar seratus ribu halaman web akan disaring awal.

Penyortiran Multi-Level

Sistem biasanya menyaring halaman kandidat dari skala ratusan ribu menjadi sekitar 1000 artikel melalui ribuan fitur ringan berdimensi seperti BM25, TF-IDF, dan skor kualitas halaman, membentuk kumpulan kandidat awal. Sistem semacam ini secara umum dikenal sebagai mesin rekomendasi. Mereka bergantung pada berbagai fitur masif yang dihasilkan oleh entitas, termasuk perilaku pengguna, atribut halaman, niat pencarian, dan sinyal konteks. Misalnya, mereka akan menggabungkan informasi dari riwayat pengguna, umpan balik perilaku pengguna lain, semantik halaman, dan makna pencarian, serta mempertimbangkan elemen konteks seperti waktu (periode dalam sehari, hari tertentu dalam seminggu) dan peristiwa eksternal seperti berita terkini.

Peringkat Utama Menggunakan Pembelajaran Mendalam

Pada tahap pencarian awal, teknologi seperti RankBrain dan Neural Matching digunakan untuk memahami makna kueri dan menyaring hasil yang relevan dari sejumlah besar dokumen. RankBrain adalah sistem pembelajaran mesin yang diperkenalkan Google pada tahun 2015, yang bertujuan untuk lebih memahami arti kueri pengguna, terutama kueri yang muncul untuk pertama kalinya. Ini dilakukan dengan mengubah kueri dan dokumen menjadi representasi vektor, menghitung kesamaan di antara mereka, untuk menemukan hasil yang paling relevan. Misalnya, untuk kueri "bagaimana cara membuat adonan pizza", meskipun dokumen tidak memiliki kata kunci yang cocok secara tepat, RankBrain dapat mengenali konten yang terkait dengan "dasar pizza" atau "pembuatan adonan".

Neural Matching adalah teknologi lain yang diluncurkan oleh Google pada tahun 2018, yang bertujuan untuk memahami hubungan semantik antara kueri dan dokumen dengan lebih mendalam. Ini menggunakan model jaringan saraf untuk menangkap hubungan samar antara kata-kata, membantu 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 terkait overheating, penumpukan debu, atau penggunaan CPU yang tinggi, meskipun kata-kata ini tidak muncul secara langsung dalam kueri.

Penyusunan Kembali Mendalam: Aplikasi Model BERT

Setelah menyaring dokumen terkait, model BERT (Bidirectional Encoder Representations from Transformers) digunakan untuk mengurutkan dokumen-dokumen ini dengan lebih rinci, guna memastikan hasil yang paling relevan muncul di depan. BERT adalah model bahasa pralatih berbasis Transformer yang dapat memahami hubungan konteks kata dalam kalimat. Dalam pencarian, BERT digunakan untuk mengurutkan kembali dokumen yang ditemukan secara awal. Ia melakukan pengkodean bersama antara kueri dan dokumen, menghitung skor relevansi di antara keduanya, sehingga dokumen dapat diurutkan ulang. Misalnya, untuk kueri "parkir di lereng tanpa trotoar", BERT dapat memahami arti "tanpa trotoar" dan mengembalikan saran kepada pengemudi untuk mengarahkan roda mobil ke tepi jalan, daripada salah mengartikan situasi dengan adanya trotoar.

Itulah alur kerja tipikal dari mesin pencari. Namun, di era ledakan AI dan big data saat ini, pengguna memiliki kebutuhan baru terhadap interaksi dengan browser.

Mengapa AI Akan Membentuk Ulang Browser

Pertama-tama, kita perlu jelas, mengapa bentuk browser ini masih ada? Apakah ada bentuk ketiga, selain agen kecerdasan buatan dan pilihan browser?

Kami percaya, keberadaan tidak dapat digantikan. Mengapa kecerdasan buatan dapat menggunakan browser, tetapi tidak dapat sepenuhnya menggantikan browser? Karena browser adalah platform yang umum, bukan hanya pintu masuk untuk membaca data, tetapi juga pintu masuk umum untuk memasukkan data. Dunia ini tidak mungkin hanya memiliki input informasi, tetapi juga harus menghasilkan data dan berinteraksi dengan situs web, jadi browser yang mengintegrasikan informasi pengguna yang dipersonalisasi akan tetap ada secara luas.

Kami menangkap poin ini: browser sebagai pintu masuk umum, tidak hanya digunakan untuk membaca data, tetapi pengguna sering kali juga perlu berinteraksi dengan data. Browser sendiri adalah tempat yang sangat baik untuk menyimpan sidik jari pengguna. Perilaku pengguna yang lebih kompleks dan perilaku otomatisasi harus dilakukan melalui browser.