Google Beri Gemini 3.5 Flash Kemampuan Kendalikan Layar, Saingi Claude dan GPT-5.5

Google baru saja menyusul dua rivalnya di ranah AI agent yang bisa mengendalikan komputer layaknya manusia, dan kali ini mereka mengklaim bisa melakukannya dengan biaya jauh lebih murah tanpa mengorbankan performa.

Google memperkenalkan kemampuan Computer Use sebagai tool bawaan (native) di model Gemini 3.5 Flash, diumumkan pada 24 Juni 2026. Fitur ini memungkinkan agent AI melihat layar, bernalar, dan mengambil tindakan langsung di berbagai lingkungan software, mulai dari browser, aplikasi mobile, hingga desktop.

Dari Model Terpisah Menjadi Fitur Bawaan

Sebelumnya, kemampuan computer use hanya tersedia lewat model standalone terpisah bernama Gemini 2.5 Computer Use. Dengan pembaruan ini, kemampuan tersebut kini terintegrasi langsung ke dalam model utama Gemini 3.5 Flash, membuatnya lebih mudah diakses bagi developer dan tim enterprise yang ingin membangun agent AI tanpa perlu berpindah-pindah model.

Cara kerjanya cukup sistematis: Gemini 3.5 Flash menganalisis screenshot dari layar pengguna, mengidentifikasi elemen antarmuka yang bisa berinteraksi seperti tombol dan kolom teks, kemudian mengeksekusi serangkaian aksi sederhana menggunakan sistem berbasis intent atau tujuan. Setiap aksi yang diambil model disertai penjelasan soal apa yang sedang coba dicapainya, memberikan jejak audit yang berguna bagi kebutuhan enterprise. Fitur ini kini tersedia dalam status public preview lewat Gemini API dan Gemini Enterprise Agent Platform.

Berbagai Kegunaan Potensial

Google menyebut sejumlah potensi kegunaan dari fitur ini, mencakup pengujian software secara berkelanjutan, pengisian formulir dan entri data otomatis, riset yang mencakup banyak website sekaligus, audit aksesibilitas aplikasi, bekerja di dalam berbagai aplikasi profesional, hingga tugas otomasi enterprise jangka panjang yang biasanya membutuhkan banyak langkah berurutan.

Performa Setara GPT-5.5 dengan Biaya Lebih Murah

Dari sisi performa, Gemini 3.5 Flash mencatatkan skor 78,4 pada benchmark OSWorld-Verified, hampir menyamai skor GPT-5.5 yang mencapai 78,7, selisih tipis hanya 0,3 poin. Meski performanya nyaris setara, Google mengklaim keunggulan signifikan dari sisi biaya, dengan Gemini 3.5 Flash dibanderol sekitar sepertiga harga per-token dibanding GPT-5.5, menjadikannya pilihan yang lebih ekonomis untuk kebutuhan otomasi skala besar.

Sistem Pengaman untuk Mengatasi Risiko Prompt Injection

Menyadari risiko keamanan yang menyertai kemampuan agent AI mengendalikan layar secara otonom, Google menghadirkan dua sistem pengaman opsional khusus untuk kebutuhan enterprise. Sistem pertama mewajibkan konfirmasi eksplisit dari pengguna sebelum agent mengeksekusi tindakan yang sensitif atau tidak bisa dibatalkan. Sistem kedua secara otomatis menghentikan tugas yang sedang berjalan begitu terdeteksi upaya indirect prompt injection, yakni instruksi berbahaya yang disisipkan tersembunyi dalam konten web untuk membajak arah kerja agent.

Selain kedua sistem pengaman tersebut, Google juga menerapkan pelatihan adversarial yang ditargetkan khusus, dirancang untuk membuat Gemini 3.5 Flash lebih tahan terhadap upaya prompt injection selama sesi computer use berlangsung secara langsung. Developer bisa mengaktifkan fitur deteksi ini dengan menambahkan parameter khusus dalam konfigurasi tool mereka.

Pengakuan Jujur soal Keterbatasan Keamanan

Yang menarik, Google secara terbuka mengakui keterbatasan dari sistem pengaman yang mereka bangun. Dalam dokumentasi resminya, perusahaan menegaskan bahwa tidak ada satu pun safeguard yang benar-benar mudah ditembus atau foolproof. Google bahkan secara eksplisit merekomendasikan agar fitur computer use tidak digunakan untuk keputusan kritis atau menangani data sensitif tanpa pengawasan manusia langsung.

Pengakuan ini sejalan dengan pandangan yang lebih luas di industri keamanan siber. UK National Cyber Security Centre sebelumnya menyatakan bahwa saat ini belum ada mitigasi yang benar-benar terjamin untuk mengatasi masalah prompt injection secara menyeluruh. Organisasi keamanan siber OWASP bahkan mengklasifikasikan prompt injection sebagai risiko keamanan nomor satu dalam aplikasi berbasis model bahasa besar, menegaskan bahwa tantangan ini masih menjadi persoalan yang belum sepenuhnya terpecahkan di seluruh industri, bukan hanya pada produk Google saja.

Sebagai langkah tambahan, Google mendorong developer menerapkan pendekatan yang mereka sebut sebagai "defense-in-depth", yakni mengombinasikan berbagai fitur pengaman bawaan ini dengan lapisan keamanan tambahan seperti lingkungan sandbox yang aman, proses verifikasi human-in-the-loop, serta kebijakan kontrol akses yang ketat.

Klien Awal dan Persaingan di Ranah Agent AI

Google menyebut sejumlah nama besar seperti Salesforce, Xero, Shopify, dan Ramp sebagai bagian dari adopter awal yang membangun berbagai kebutuhan otomasi di atas Gemini 3.5 Flash, meski belum jelas seberapa spesifik mereka memanfaatkan fitur computer use ini dibanding fitur lain dari model tersebut.

Peluncuran fitur ini menempatkan Gemini 3.5 Flash sejajar secara langsung dengan Claude Opus 4.7 milik Anthropic dan GPT-5.5 milik OpenAI, yang sebelumnya sudah lebih dulu menawarkan kemampuan serupa dalam mengendalikan komputer secara otonom. Dengan ketiga raksasa teknologi kini sama-sama menawarkan kapabilitas agent AI yang bisa "melihat" dan "menyentuh" antarmuka digital layaknya manusia, persaingan di ranah otomasi berbasis AI generatif ini tampaknya akan semakin ketat, sembari industri secara kolektif masih terus mencari solusi yang benar-benar tuntas untuk mengatasi risiko keamanan yang menyertai kemampuan canggih ini.