Keenable dan Exa bangun infrastruktur search khusus AI Agents dengan harga $1-7 per 1000 requests. Pelajari implikasi Agent Search untuk strategi konten dan GEO brand.
Ada perubahan fundamental yang sedang terjadi di lapisan infrastruktur pencarian, dan sebagian besar brand belum menyadarinya. Ketika kita berbicara tentang AI search, perhatian biasanya tertuju pada antarmuka yang terlihat: ChatGPT, Perplexity, Gemini, atau AI Overviews. Namun di balik layar, sebuah lapisan infrastruktur baru sedang dibangun—mesin pencari yang dirancang khusus untuk AI Agents, bukan untuk manusia.
Keenable, perusahaan yang didirikan oleh mantan CEO Yandex Search dan direktur Amazon AGI, keluar dari mode stealth dengan pendanaan seed $26 juta** yang dipimpin Accel. Misi mereka: membangun **index web terbesar independen yang dibuat dari awal dengan mempertimbangkan kebutuhan agen AI** . Pada saat yang sama, Exa—pemain yang lebih dulu—telah menyediakan Search API untuk AI dengan harga **$7 per 1.000 requests .
Bagi brand di Indonesia, perkembangan ini memiliki implikasi yang sangat besar. Jika mesin pencari untuk AI Agents menjadi lapisan infrastruktur yang terpisah dari Google Search, maka strategi konten dan GEO yang selama ini berfokus pada manusia dan mesin pencari tradisional mungkin tidak lagi cukup. Agent Search mencari, membaca, dan mengevaluasi konten dengan cara yang sangat berbeda—dan brand yang tidak memahami perbedaan ini akan kehilangan visibilitas di generasi pencarian berikutnya.
Apa Itu Agent Search dan Mengapa Ini Berbeda?
Perbedaan Fundamental: Manusia vs Agen
Pencarian manusia dan pencarian agen AI bekerja dengan pola yang sangat berbeda. Seorang pengguna manusia biasanya mengetik query pendek, melihat daftar hasil, mengklik satu atau dua link, membaca, dan memutuskan. Siklusnya sederhana: query → results → click → read .
Agen AI, sebaliknya, bekerja dalam loop yang jauh lebih kompleks. Untuk menyelesaikan satu tugas, agen dapat melakukan puluhan hingga ratusan pencarian. Mereka mencari, mengambil konten (fetch), membaca, mengidentifikasi celah informasi (gap), melakukan query ulang, memvalidasi silang, dan akhirnya mengambil tindakan .
Sebagai contoh, sebuah agen yang diminta untuk “menemukan perusahaan AI Eropa yang telah menyelesaikan pendanaan Series A dalam enam bulan terakhir, yang pendirinya berasal dari Google, dan saat ini sedang merekrut insinyur inference” mungkin tidak akan menemukan satu halaman web pun yang memberikan jawaban lengkap. Agen harus mencari informasi pendanaan di berita, resume pendiri di LinkedIn, dan status rekrutmen di halaman Careers—lalu menyintesis semuanya menjadi satu jawaban .
Token Efficiency: Unit Biaya Baru dalam Pencarian
Salah satu perbedaan paling praktis antara pencarian manusia dan agen adalah konsumsi token. Agen tidak membutuhkan teks lengkap halaman 5.000 kata. Mereka membutuhkan beberapa paragraf spesifik yang dapat membantu tugas mereka berlanjut .
Inilah mengapa token efficiency menjadi metrik kompetitif baru. Jika lapisan pencarian dapat menghapus iklan, navigasi, modul rekomendasi, dan paragraf tidak relevan—dan hanya mengirim passage paling relevan ke konteks—maka biaya pencarian dan biaya model selanjutnya akan berkurang secara signifikan. Rantai biaya baru pun terbentuk: Search Quality → Context Quality → Token Consumption → Agent Cost .
Bagi brand, ini berarti konten yang tidak efisien secara token akan diabaikan. Halaman yang penuh dengan konten promosi, navigasi yang berlebihan, atau informasi yang tidak relevan tidak akan efisien untuk diekstrak oleh agen. Sebaliknya, konten yang self-contained, padat informasi, dan terstruktur dengan baik akan lebih mungkin dipilih.
Siapa yang Membangun Infrastruktur Agent Search?
Keenable: Index 200 Miliar Dokumen
Keenable didirikan oleh Andrey Styskin, mantan CEO Yandex Search yang membangun index web 200 miliar dokumen dan berhasil bersaing dengan Google di pasar Rusia, serta Matthias Petri, mantan principal applied scientist di Amazon AGI . Tim ini bukan pemain baru—mereka telah membangun search engine dari nol dan mengoperasikannya dalam skala besar.
Yang membuat Keenable berbeda adalah pendekatannya yang membangun infrastruktur dari awal untuk agen, bukan mengadaptasi mesin pencari manusia. Mereka mengembangkan Web Query Language yang memungkinkan agen menarik dan menalar dari ribuan sumber live sekaligus. API pencarian real-time mereka dirancang cukup cepat untuk agen suara yang menjawab di tengah kalimat .
Harga Keenable: $4 per 1.000 requests** untuk pengembang biasa, dan **$1 untuk kapasitas khusus di atas 100 RPS .
Exa: Pemain yang Lebih Dulu
Exa telah lebih dulu menyediakan Search API untuk AI dengan harga dasar $7 per 1.000 requests . Meskipun jumlah hasil, pemrosesan konten, dan tingkat layanan tidak identik, perbandingan harga ini menunjukkan bahwa biaya per pencarian telah menjadi indikator kompetitif di era di mana agen dapat melakukan ratusan pencarian untuk satu tugas.
Pemain Lain: Bocha, Xinliu, Tencent, Alibaba
Kompetisi juga muncul di China dan dari raksasa teknologi. Bocha AI menyediakan Web Search dan AI Search untuk aplikasi AI, dengan hasil yang dapat dikirim langsung ke agen melalui Function Call dan MCP. Xinliu Search memposisikan diri sebagai “menghubungkan dunia nyata untuk agen cerdas” dan menekankan token efficiency—mereka memfilter iklan dan konten web yang berlebihan, lalu mengirimkan snippet yang telah di-rerank ke model .
Tencent Cloud dan Alibaba Cloud OpenSearch juga telah meluncurkan API pencarian yang dirancang khusus untuk LLM, dengan kemampuan Query Rewrite, filtering, dan pengembalian abstrak atau teks lengkap . Semua pemain ini bersaing untuk posisi yang sama: menjadi antarmuka default bagi agen untuk mengakses internet.
Implikasi untuk Brand di Indonesia
1. Konten Harus “Token-Efficient” untuk Agent Search
Konten yang panjang dan bertele-tele tidak akan efisien untuk agen. Setiap paragraf harus self-contained dan memberikan nilai langsung. Hindari konten yang penuh dengan basa-basi, navigasi yang berlebihan, atau informasi yang tidak relevan. Setiap kata harus memiliki alasan untuk ada.
2. Struktur Passage-Level yang Self-Contained dan Sourced
Agen mengekstrak passage spesifik—bukan seluruh halaman. Setiap bagian harus dapat berdiri sendiri sebagai jawaban yang lengkap. Gunakan heading yang jelas, paragraf pendek, dan jawaban langsung di awal setiap bagian. Pastikan setiap klaim didukung oleh data dan sumber yang dapat diverifikasi.
3. Bangun Kehadiran di Platform yang Digunakan Agent Search
Agent Search tidak hanya mencari di web terbuka. Mereka juga menggunakan sumber yang terstruktur dan terpercaya: Wikipedia, Wikidata, database industri, dan platform yang menyediakan data terstruktur. Pastikan brand Anda hadir di ekosistem data yang dapat diakses agen—termasuk Wikidata, Crunchbase, dan platform review yang menyediakan API.
4. Pantau Perubahan Infrastruktur Search untuk AI
Infrastruktur Agent Search masih dalam tahap awal dan akan terus berkembang. Pantau perkembangan ini—baik melalui berita industri, dokumentasi API, maupun diskusi komunitas. Brand yang memahami perubahan infrastruktur lebih awal akan memiliki keunggulan kompetitif yang signifikan.
Kesimpulan: Masa Depan Search adalah Agent-First
Agent Search Infrastructure bukanlah tren yang akan datang—ini sedang dibangun sekarang. Keenable, Exa, dan pemain lain sedang membangun lapisan infrastruktur yang akan menjadi fondasi bagaimana agen AI mengakses internet. Bagi brand, ini berarti konten yang tidak efisien secara token, tidak terstruktur dengan baik, atau tidak dapat diverifikasi akan kehilangan visibilitas.
Langkah yang bisa Anda ambil hari ini:
-
Audit konten Anda: Apakah setiap paragraf memberikan nilai langsung, atau penuh dengan basa-basi?
-
Optimasi untuk passage-level extraction: Pastikan setiap bagian self-contained dan sourced
-
Bangun kehadiran di ekosistem data terstruktur: Wikidata, Crunchbase, platform review
-
Pantau perkembangan infrastruktur Agent Search: Ikuti berita dan dokumentasi API
-
Siapkan strategi konten untuk agen: Efisien, terstruktur, dan dapat diverifikasi
Di era Agent Search, visibilitas bukan lagi tentang ranking di halaman hasil pencarian manusia—tetapi tentang menjadi sumber yang efisien dan terpercaya bagi agen AI yang mencari jawaban. Brand yang memahami dan beradaptasi dengan realitas ini akan memenangkan generasi pencarian berikutnya.
