Tech Pulse ID — Perplexity, mesin penjawab berbasis AI (answer engine) yang fokus pada pencarian dan akurasi, kini mempercayakan sistem produksinya kepada GPT-6 Astra. Lewat studi kasus yang dirilis OpenAI pada 14 September 2026, Perplexity mengaku memakai model itu untuk menulis komunikasi, mengubah perangkat lunak, sekaligus memantau sistem yang sedang melayani pengguna. Yang menarik, mereka tidak lagi harus mengawasi model sesering generasi sebelumnya.
Perplexity adalah perusahaan rintisan (startup) asal Amerika Utara di bidang teknologi, dan mengakses GPT-6 Astra lewat produk API — antarmuka pemrograman yang memungkinkan satu aplikasi memanggil layanan AI lain secara otomatis.
Bukan Cuma Chatbot, Tapi Lapisan Sistem
Johnny Ho, Cofounder and Chief Strategy Officer Perplexity, melihat ada hubungan langsung antara kecerdasan model dan kualitas produknya. Setiap kali model makin pintar menulis kode, mesin pencari Perplexity ikut membaik, karena model bisa menyusun program yang lebih baik untuk menelusuri web dan informasi internal, lalu merangkumnya dengan ringkas.
Namun menurut Johnny Ho, tantangan sesungguhnya bukan di situ. Persoalan yang lebih sulit adalah membawa kemampuan mengolah informasi itu ke sistem dunia nyata. Di titik inilah GPT-6 Astra masuk.
“We can have the model craft communications, edit real-world systems, and monitor our production software in a way that previous generations were not able to.” — Johnny Ho, Cofounder and Chief Strategy Officer, Perplexity
Apa yang Sebenarnya Diotomatisasi Perplexity
Ada tiga hal pokok yang disebut dalam studi kasus ini. Pertama, model menyusun komunikasi — mulai dari pesan internal sampai materi yang perlu disampaikan ke luar. Kedua, model diberi izin mengubah perangkat lunak dan sistem nyata, bukan sekadar menyarankan perubahan di dokumen terpisah. Ketiga, model memantau perangkat lunak produksi, yaitu sistem yang sedang hidup dan melayani pengguna sungguhan setiap hari.
Kombinasi ini menjelaskan frasa “end-to-end”, yang berarti dari ujung ke ujung: satu model menangani rangkaian pekerjaan dari awal sampai akhir, tanpa harus dipecah dan diserahkan ke banyak alat berbeda.
Model yang Menguji Kodenya Sendiri
Aplikasi yang paling berguna bagi Johnny Ho adalah pengujian kode. Waktu untuk menguji secara manual terbatas, jadi ia meminta GPT-6 Astra membuat program pengujian kecil di sekitar sebuah aplikasi. Model itu membangkitkan respons realistis seperti yang akan dikirim layanan lain — misalnya API model bahasa atau sebuah connector, yaitu penghubung antara dua sistem. Dengan berperan sebagai layanan tiruan tersebut, model bisa memeriksa bagaimana aplikasi bereaksi dan menguji alur kerja itu dari awal hingga akhir.
Hasilnya terlihat pada sikap Perplexity terhadap pengawasan. Mereka menyatakan sudah bisa mempercayakan sistem end-to-end sepenuhnya kepada model dan memeriksanya jauh lebih jarang dibanding generasi model sebelumnya.
Kenapa Ini Penting
Selama ini, cerita AI di produk teknologi biasanya berhenti di tampilan depan: chatbot yang menjawab pertanyaan pengguna. Studi kasus Perplexity menunjukkan pola yang berbeda. AI dipasang di lapisan belakang tempat kerja teknis berlangsung — menulis pengujian, mengubah sistem, dan mengawasi layanan yang berjalan.
Bagi perusahaan Indonesia, ini contoh nyata bahwa nilai terbesar AI generatif mungkin bukan pada fitur yang dilihat pelanggan, melainkan pada pekerjaan internal yang selama ini menyita waktu insinyur. Pengujian otomatis dan pemantauan sistem adalah dua area yang paling mudah ditiru, karena hasilnya bisa diukur dari waktu yang dihemat dan berkurangnya gangguan layanan.
Implikasi: Ketergantungan pada Satu Vendor
Ada sisi lain yang perlu dicatat. Semakin banyak pekerjaan kritis diserahkan ke satu model dari satu penyedia, semakin besar pula ketergantungan perusahaan pada vendor tersebut. Perplexity memakai API, artinya kemampuan mereka mengikuti jadwal rilis, harga, dan kebijakan penyedia model.
Ketika model ikut mengubah sistem produksi dan memantau layanan, pertanyaan yang muncul bukan lagi “apakah hasilnya lebih cepat?”, tetapi juga seberapa mudah mengganti model itu kalau harga naik atau kualitasnya berubah. Perplexity tampak memilih bertaruh pada satu mitra dan menikmati efisiensinya. Strategi itu masuk akal untuk perusahaan rintisan yang ingin bergerak cepat, tapi menuntut kejelasan soal kepemilikan data, cara evaluasi ulang, dan rencana cadangan.
Sumber
Artikel ini disusun dari studi kasus resmi OpenAI, Perplexity trusts GPT-6 Astra with end-to-end systems, diterbitkan 14 September 2026.
