Apa itu Vertex AI?

Diperbarui Juli 2026

Vertex AI adalah platform terpadu dari Google Cloud untuk membangun, menerapkan, dan mengelola model machine learning serta AI generatif dalam skala enterprise. Platform ini menggabungkan pelatihan model, pasar model terkurasi bernama Model Garden, alat pembuatan agen, dan infrastruktur MLOps dalam satu konsol, sehingga tim data dapat berpindah dari eksperimen ke produksi tanpa harus menyatukan berbagai layanan terpisah.

Definisi tersebut masih menggambarkan produk ini, tetapi namanya telah berubah. Pada April 2026, di Google Cloud Next, Google mengganti nama Vertex AI menjadi Gemini Enterprise Agent Platform, menggabungkan Agentspace ke dalamnya dan mengarahkan ulang layanan ini seputar agen, bukan hanya model. API dasar, Model Garden, pipeline pelatihan, dan endpoint tidak berubah, dan sebagian besar praktisi, dokumentasi, serta lowongan pekerjaan masih menyebutnya "Vertex AI" karena kebiasaan. Artikel ini menggunakan istilah "Vertex AI" sepanjang teks karena alasan tersebut, dan mencatat di mana pergantian merek ini benar-benar mengubah sesuatu.

Apa yang Sebenarnya Dilakukan Vertex AI

Vertex AI mencakup seluruh alur dari data mentah hingga model yang berjalan, dan inilah yang membedakannya dari API bertujuan tunggal.

Pelatihan model dan pengembangan kustom. Tim dapat melatih model kustom dari nol menggunakan AutoML untuk data terstruktur dan tugas umum, atau membangun pipeline machine learning yang sepenuhnya kustom dengan kode, data, dan komputasi mereka sendiri. Vertex AI Pipelines, Feature Store, dan Experiments menangani hal-hal teknis di baliknya: pemberian versi dataset, pelacakan proses pelatihan, dan pengelolaan fitur yang menjadi masukan sebuah model.

Model Garden. Alih-alih melatih semuanya dari nol, sebagian besar tim memulai dari sini. Model Garden adalah katalog tunggal berisi lebih dari 200 model fondasi dari Google dan mitranya, termasuk keluarga Gemini milik Google sendiri, Claude dari Anthropic, Llama dari Meta, Mistral, Gemma, DeepSeek, dan Qwen. Tim dapat membandingkan model secara berdampingan, melakukan fine-tuning pada model yang mendukungnya, dan menerapkannya hanya dengan beberapa klik tanpa harus membangun infrastruktur penyajian sendiri. Di sinilah juga sebagian besar pekerjaan AI generatif di platform ini dimulai, baik itu pembuatan teks, pembuatan gambar dengan Imagen, maupun pembuatan video dengan Veo.

Agent Builder. Inilah bagian dari platform yang paling gencar didorong Google dalam pergantian merek 2026. Agent Builder menggabungkan Agent Development Kit (ADK), sebuah kerangka kerja open-source dan code-first untuk membangun agen AI dalam Python, Go, Java, atau TypeScript; Agent Studio, kanvas low-code untuk merancang alur kerja agentik; dan Agent Garden, pustaka berisi template agen siap pakai. Platform ini juga mencakup RAG Engine untuk mendasarkan respons agen pada data perusahaan, serta Agent Identity dan Agent Registry untuk pemberian izin dan pengatalogan agen setelah sebuah organisasi menjalankan lebih dari sekadar beberapa agen.

MLOps. Setelah sebuah model atau agen aktif, Vertex AI menangani lapisan operasionalnya: pemantauan model untuk drift dan penurunan performa, registri model yang diberi versi, pemicu pelatihan ulang otomatis, dan penskalaan endpoint. Ini adalah disiplin MLOps standar yang diterapkan pada level platform. Bagi tim yang secara khusus membangun fitur AI generatif, lapisan operasional tersebut mulai terlihat lebih seperti LLMOps, yang mencakup pemberian versi prompt, set evaluasi, dan kesehatan pipeline retrieval, bukan sekadar akurasi model.

Untuk Siapa Vertex AI Ditujukan

Vertex AI dibangun untuk tim machine learning dan data enterprise, bukan untuk pengembang individu yang bereksperimen dengan satu prompt saja. Platform ini mengasumsikan Anda sudah memiliki infrastruktur data (paling umum BigQuery), pengaturan identity and access management melalui Google Cloud IAM, dan alasan untuk menjaga model, pipeline, serta agen tetap berada dalam satu lingkungan yang terkelola, bukan tersebar di berbagai notebook dan API key pribadi.

Dalam praktiknya, itu berarti ada tiga kelompok yang paling diuntungkan. Tim data science dan ML engineering menggunakannya untuk melatih, memberi versi, dan menyajikan model kustom tanpa harus membangun stack MLOps sendiri. Tim aplikasi dan platform menggunakan Agent Builder dan Model Garden untuk menambahkan fitur AI generatif ke produk yang sudah ada tanpa perlu melatih apa pun dari nol. Dan tim IT serta tata kelola menggunakan identitas, pencatatan audit, dan kontrol aksesnya untuk menjaga penggunaan AI tetap patuh saat adopsi meluas melampaui satu tim percontohan.

Organisasi yang sudah berjalan di Google Cloud, khususnya yang datanya berada di BigQuery, mendapatkan jalur yang jauh lebih pendek menuju produksi dibandingkan tim yang memulai dari akun cloud kosong, karena gravitasi data dan platform AI berada di tempat yang sama.

Bagaimana Vertex AI Ditetapkan Harganya

Vertex AI menggunakan penetapan harga berbasis konsumsi tanpa biaya platform tetap. Yang Anda bayar bergantung pada bagian platform mana yang Anda gunakan.

Pemanggilan model AI generatif ditagih per token, dengan tarif yang ditetapkan per model. Per pertengahan 2026, Gemini 2.5 Flash-Lite dikenakan biaya $0,10 per juta token input dan $0,40 per juta token output, sementara Gemini 2.5 Pro yang menjadi andalan dimulai dari $1,25 per juta token input dan $10,00 per juta token output. Harga meningkat untuk jendela konteks yang lebih panjang dan menurun untuk model yang lebih kecil dan lebih cepat, itulah sebabnya tim yang membangun dalam volume besar sering mengarahkan kueri sederhana ke model yang lebih murah dan menyisakan model yang mahal untuk tugas yang lebih sulit.

Pelatihan kustom dan komputasi ditagih per node-hour, dengan biaya GPU dan TPU ditambahkan di atas tarif komputasi dasar. GPU NVIDIA A100, misalnya, berjalan sekitar $2,93 per jam untuk komputasi ditambah biaya pengelolaan Vertex AI sebesar $0,44 per jam, sehingga totalnya sekitar $3,37 per jam. Fine-tuning terawasi ditagih berdasarkan jumlah token pelatihan yang diproses, bukan berdasarkan jam.

Tingkatan throughput menyesuaikan secara otomatis: tingkatan Standard PayGo milik Google meningkatkan throughput yang tersedia seiring pertumbuhan pengeluaran bergulir 30 hari Anda, dan diskon committed-use tersedia untuk beban kerja yang dapat diprediksi, dengan Google umumnya menawarkan jangka waktu komitmen yang lebih panjang dibandingkan AWS atau Azure sebagai imbalan tarif yang lebih rendah.

Risiko praktisnya sama seperti yang muncul di setiap platform AI hyperscaler: tarif per token yang diumumkan terlihat kecil hingga volume inferensi, proses fine-tuning, penyimpanan, dan jaringan dijumlahkan sepanjang satu tahun penuh. Memodelkan hal itu dengan tepat adalah fungsi dari kerangka kerja total biaya kepemilikan AI, dan sebaiknya dilakukan sebelum mengalokasikan anggaran hanya berdasarkan angka utama per token.

Vertex AI vs. AWS Bedrock vs. Azure AI Foundry

Ketiga platform AI hyperscaler ini menyediakan model komersial dan open-weight terkemuka, mendukung fine-tuning, dan terintegrasi dengan sistem identitas serta penyimpanan cloud masing-masing. Perbedaannya muncul pada kedalaman katalog, alat agen, dan ekosistem mana yang sudah Anda gunakan.

Tidak ada satu pun dari ketiganya yang menang hanya berdasarkan kualitas model. Kesenjangan performa model antara penyedia terkemuka biasanya kecil, sehingga keputusan platform biasanya bergantung pada cloud mana yang sudah menyimpan data Anda, persyaratan kepatuhan Anda, dan keahlian teknik yang sudah Anda miliki, yang merupakan jenis trade-off yang sebaiknya dijalankan melalui evaluasi vendor AI yang terstruktur, bukan sekadar daftar periksa fitur.

Fakta Penting

• Google mengganti nama Vertex AI menjadi Gemini Enterprise Agent Platform pada Google Cloud Next di April 2026, menyerap Agentspace dan mengarahkan ulang produk seputar agen sambil menjaga API dan endpoint yang ada tetap tidak berubah, menurut laman produk resmi Google Cloud.
• Model Garden memberikan akses ke lebih dari 200 model tervalidasi dari Google dan mitranya, termasuk Gemma, Qwen, DeepSeek, dan Llama, menurut laman Model Garden Google Cloud.
• Pendapatan Google Cloud melampaui $20 miliar dalam satu kuartal untuk pertama kalinya pada Q1 2026, tumbuh 63% dari tahun ke tahun, menurut liputan CNBC atas laporan laba Q1 2026 Alphabet.
• Google Cloud memegang sekitar 12% pangsa pasar infrastruktur cloud global pada 2026, di belakang AWS dengan sekitar 31 hingga 33% dan Microsoft Azure dengan sekitar 23 hingga 25%, berdasarkan data Synergy Research Group yang dilaporkan oleh BusinessStats.
• Gemini 2.5 Pro dihargai mulai dari $1,25 per juta token input dan $10,00 per juta token output, sementara Gemini 2.5 Flash-Lite dikenakan $0,10 per juta token input dan $0,40 per juta token output, menurut rincian harga Vertex AI 2026 dari CloudZero.
• Pelatihan kustom pada GPU NVIDIA A100 berbiaya sekitar $2,93 per jam untuk komputasi ditambah biaya pengelolaan Vertex AI sebesar $0,44 per jam, totalnya sekitar $3,37 per jam, menurut analisis harga CloudZero.

Mengapa Vertex AI Penting bagi Bisnis

Alasan strategis untuk Vertex AI bukanlah kualitas modelnya, karena Gemini, Claude, dan model kelas GPT bergantian memimpin setiap beberapa bulan dan kesenjangan di antara mereka biasanya kecil. Yang penting adalah lapisan operasional di sekitar model: satu tempat untuk melatih, menerapkan, memantau, dan mengelola pekerjaan AI, alih-alih mengelola vendor terpisah untuk inferensi, fine-tuning, orkestrasi agen, dan pencatatan kepatuhan.

Konsolidasi tersebut menjadi semakin penting seiring penggunaan AI meluas melampaui satu tim percontohan. Celah pemantauan model, agen yang tidak terkelola dengan akses berlebihan, atau tagihan fine-tuning yang tidak terlacak adalah jenis masalah yang tetap kecil ketika satu tim sedang bereksperimen, tetapi menjadi mahal begitu selusin tim mengirimkan fitur AI secara independen. Backlog cloud Google Cloud senilai $462 miliar yang dilaporkan bersamaan dengan laba Q1 2026, menurut pratinjau laba Alphabet dari IG.com, mencerminkan betapa besarnya belanja AI enterprise yang kini dikomitmenkan bertahun-tahun sebelumnya, bukan dibeli sesuai kebutuhan, dan itulah persis jenis taruhan platform yang dilayani Vertex AI.

Bagi organisasi yang sudah berjalan di Google Cloud, daya tarik praktisnya adalah kedekatan: data di BigQuery, model di Model Garden, dan agen di Agent Builder, semuanya berada dalam batas IAM yang sama. Itu mengurangi pekerjaan integrasi yang dibutuhkan untuk berpindah dari prototipe yang berfungsi ke fitur produksi, yang biasanya merupakan separuh yang lebih lambat dari proyek AI enterprise mana pun.

Batasan yang Perlu Diketahui

Vertex AI bukan pilihan default yang tepat untuk setiap tim, dan ada beberapa batasan yang perlu dipertimbangkan sebelum berkomitmen.

• Pergantian merek 2026 menambah friksi. Dokumentasi, jabatan pekerjaan, tutorial pihak ketiga, dan runbook internal masih merujuk pada "Vertex AI", sementara pemasaran baru dan beberapa fitur yang lebih baru merujuk pada Gemini Enterprise Agent Platform. Perkirakan inkonsistensi penamaan untuk sementara waktu.
• Paling kuat di dalam ekosistem Google Cloud. Tim tanpa infrastruktur GCP yang sudah ada, khususnya BigQuery, menanggung pekerjaan pengaturan tambahan yang tidak perlu dilakukan oleh tim native AWS atau Azure di platform masing-masing.
• Biaya berlapis dan sulit diprediksi. Harga token, komputasi per node-hour, penyimpanan, dan jaringan masing-masing ditagih terpisah, dan perkiraan kasar yang hanya berdasarkan tarif per token utama secara rutin meremehkan pengeluaran sebenarnya.
• Alat agen lebih baru dibandingkan sisi pelatihan model. Agent Builder, ADK, dan Agent Registry diluncurkan atau matang sebagian besar sepanjang 2025 dan 2026, sehingga ekosistem contoh, integrasi pihak ketiga, dan kumpulan tenaga kerja terampil lebih kecil dibandingkan fitur pelatihan dan penerapan platform yang sudah lebih lama mapan.
• Ketersediaan wilayah dan model bervariasi. Tidak semua model di Model Garden tersedia di setiap wilayah Google Cloud, yang penting bagi tim dengan persyaratan residensi data.

Konsep AI Terkait

• Retrieval-Augmented Generation - Teknik yang digunakan RAG Engine milik Vertex AI untuk mendasarkan respons agen pada data perusahaan
• Integrasi API - Bagaimana model dan agen Vertex AI terhubung ke aplikasi bisnis yang sudah ada
• Model Serving - Lapisan infrastruktur yang digunakan Vertex AI untuk menampilkan model terlatih sebagai endpoint produksi

Sumber Eksternal

• Gemini Enterprise Agent Platform (sebelumnya Vertex AI) - Ikhtisar produk resmi dari Google Cloud
• Model Garden di Google Cloud - Katalog resmi berisi 200+ model yang tersedia melalui Vertex AI
• Harga Vertex AI - Referensi harga resmi dari Google Cloud