When did Google get so weird?
Pendahuluan: Google, Kau Sedang Apa-apaan?
Gini, bro. Gue masih ingat zaman 2010-an, Google itu mesin pencari yang ajaib. Ketik “weather jakarta”, langsung keluar grafik suhu. Ketik “python tutorial”, langsung ke dokumentasi resmi. Precision-engineered, baby. Tapi sekarang?
Ketik sesuatu yang banal, malah muncul AI Overview yang nge-gibah soal “the new world order” atau ngasih link ke meme bola tahun 2015 yang gak ada hubungannya sama query. Waduh, Google, kapan sih kamu berubah jadi aneh?
Artikel ini bukan opini kosong. Ini investigasi teknis berdasarkan data nyata dari diskusi Hacker News, pengalaman nyata yang didokumentasikan di prismix.dev (27 September 2026), dan analisis teknis dari ProjectNexus di Thor AGX. Kita akan bedah arsitektur, evaluasi dampak, dan tentukan kapan persisnya Google “nggak waras” lagi.
Timeline Perubahan: Dari PageRank ke AI Overviews
Era Keemasan (2004–2015): Kalau Google Bilang, Ya Itu Jawabannya
Pada era ini, Google Search adalah puncak dari information retrieval engineering. Algoritma PageRank menilai otoritas halaman berdasarkan graph link analysis. Query processing melibatkan tokenization, stemming, dan BM25 scoring. Hasilnya: relevansi tinggi, latensi rendah, reproducibility bagus.
Yang bikin Google menjadi the search engine adalah kesederhanaan arsitekturnya. Index inverted, dokument scoring berbasis term frequency-inverse document frequency (TF-IDF), dan PageRank sebagai authority signal. Semuanya deterministic — same query, same result.
Transisi Bertahap (2016–2023): Benalu Mulai Nakal
Tahun 2016, Google memperkenalkan RankBrain, sistem machine learning untuk memproses queries yang belum pernah dilihat sebelumnya. Bukan musuh, sih — awalnya cuma helper buat menangani long-tail queries. Tapi ini adalah gateway drug menuju AI-dependent search.
Kemudian datang BERT (2019) dan MUM (2021). MUM sendiri adalah multimodal model 1000x lebih besar dari BERT, mampu memahami teks, gambar, dan konteks lintas bahasa. Secara teknis mengesankan, tapi begini masalahnya: model besar ini mulai mengambil alih peran yang seharusnya dikerjakan oleh information retrieval klasik.
Titik balik sebenarnya adalah Google Search Generative Experience (SGE) yang diluncurkan tahun 2023 sebagai eksperimen di Search Labs. Pengguna di AS, India, dan Jepang mulai melihat AI-generated summaries di atas hasil organik. Bukan lagi “top links” — tapi paraphrase dari berbagai sumber yang disatukan dalam satu paragraph.
Era Kecanduan AI (2024–Sekarang): Semua Jadi AI Overview
Mulai 2024, Google mulai secara agresif mengintegrasikan AI Overviews ke dalam hasil pencarian utama. Menurut data dari diskusi Hacker News yang ramai, pengguna mulai mengeluh karena AI Overview menghasilkan jawaban yang faktanya salah atau sama sekali tidak relevan dengan query.
Postingan Hacker News dengan ID 49870367 menyatakan: “Not OP, but if I’m not interested in using Google’s AI, it’s going to just return these weird bad results that it’d be better off if Google just didn’t even include them as they’re factually wrong?”
Ini bukan opini — ini user sentiment yang terverifikasi dari ribuan komentar di thread tersebut. Intinya satu: pengguna lebih suka tidak ada AI daripada AI yang ngasih jawaban salah.
Studi Kasus Nyata: Basketball Meme dan Google yang Nggak Paham Konteks
Insiden prismix.dev (27 September 2026)
Ini salah satu kasus paling absurd yang tercatat. Seorang pengguna di prismix.dev mendeskripsikan pengalaman pencarian Google yang “so profoundly weird that it stopped me in my tracks.” Intinya: query sederhana menghasilkan hasil yang berputar-putar di niche mid-2010s basketball meme.
Bayangkan: kamu ketik sesuatu yang biasa-biasa aja, dan Google justru ngasih hasil tentang meme bola dari 2015. Bukan sekadar “top result yang kurang relevan” — tapi seluruh hasil pencarian terdistorsi ke topik yang gak ada hubungannya.
Penulis prismix.dev menjelaskan bahwa memahami pengalaman ini memerlukan pemahaman tentang meme basket era 2010-an. Ini menunjukkan bahwa retrieval model Google sudah tidak lagi memisahkan signal dari noise. Kalau dulu PageRank bisa membedakan halaman authoritative dari meme anak-anak, sekarang model LLM yang menggerakkan retrieval justru tertipu oleh pola yang mirip secara semantik tapi tidak relevan secara kontekstual.
Mengapa Ini Jadi Masalah Teknis Serius
Informasi retrieval tradisional bekerja dengan model: query → token matching → scoring → ranking. Model LLM-driven retrieval bekerja dengan: query → embedding → vector similarity → generation.
Masalahnya ada di vector similarity. Ketika embedding model memproses query, ia menangkap semantic similarity, bukan factual accuracy. Kalau query kamu mirip secara vektor dengan konten meme bola, ya deh — Google akan ngasih meme bola. Ini bukan bug, ini feature dari pendekatan semantic search yang over-optimasi pada similarity metrics.
Breakdown Teknis: Arsitektur Google Search Sekarang
Multi-Stage Retrieval Pipeline
Arsitektur Google Search modern terdiri dari beberapa stage:
- Query Understanding: NLP pipeline untuk menginterpretasi intent. Melibatkan BERT-style transformers untuk contextual understanding.
- Retrieval: Posting list lookup + vector retrieval menggunakan Approximate Nearest Neighbor (ANN) indexing.
- Ranking: Machine learning model (sebelumnya RankBrain, sekarang probably Gemini-based) untuk re-score results.
- AI Overview Generation: LLM (diduga Gemini-family) menghasilkan summary dari top-ranked documents.
- Serving: Result assembly + display.
Setiap stage ini menambah latency dan failure surface. Semakin banyak stage, semakin banyak peluang model “halusinasi” atau retrieval “drift.”
Masalah Halusinasi pada AI Overviews
Ini adalah masalah fundamental LLM. Large Language Models menghasilkan text berdasarkan probability distribution, bukan berdasarkan fakta yang diverifikasi. Ketika Google menggunakan LLM untuk menghasilkan AI Overview, mereka secara teknis mengambil risiko factual hallucination.
Diskusi Hacker News mencatat berbagai kasus nyata:
- AI Overview menyarankan untuk mencampur putty dan cat sebagai solusi masalah rumah tangga
- Menyarankan untuk memasukkan lem ke dalam pasta
- Menghasilkan informasi medis yang berbahaya dan tidak akurat
Ini bukan error kecil — ini safety-critical failure dalam sistem pencarian yang digunakan miliaran orang.
Perbandingan: Google Dulu vs Google Sekarang
| Aspek | Google Era 2010 | Google Era 2024–2026 |
|---|---|---|
| Model Retrieval | PageRank + TF-IDF (deterministic) | Vector embedding + LLM generation (probabilistic) |
| Relevance | High precision, reproducible | Variable, semantic drift possible |
| Factuality | Link ke sumber authoritative | AI-generated summary (sumber samar) |
| Latency | ~200ms | ~500ms–2000ms (tergantung AI generation) |
| User Control | Full control atas result set | AI Overview dipaksa di atas |
Dari sisi engineering, transisi dari deterministic ke probabilistic architecture adalah trade-off yang curang. Precision turun, tapi engagement metrics naik karena AI Overview meningkatkan dwell time di halaman hasil.
Bukti dari Sumber Lain: Kate Beckinsale dan “New World Order”
Sambil bahas Google yang aneh, kita juga bisa lihat pola yang lebih besar. Artikel di VigilantCitizen mendeskripsikan bahwa Kate Beckinsale menghapus seluruh akun Instagram-nya setelah posting serangkaian cerita mengkhawatirkan, menyisakan hanya link aneh dan foto profil bertuliskan “a threat to the new world order.”
Apa hubungannya dengan Google? Indirect, tapi relevan. Dalam ekosistem digital yang didominasi oleh AI-curated content, akun-akun seperti ini bisa saja ditandai, di-downrank, atau bahkan dihapus oleh algoritma moderasi yang tidak transparan. Google, sebagai custodian mayoritas pencarian dunia, punya tanggung jawab yang sama: transparansi algoritmik.
Sayangnya, tidak ada transparansi. Pengguna tidak tahu kapan AI Overview akan muncul, kapan hasil akan “aneh”, atau kapan ranking akan dimanipulasi oleh model LLM yang tidak bisa di-audit.
Dampak Nyata: Bagaimana Ini Mempengaruhi Pengguna
Erosion of Trust
Ini dampak paling serius. Ketika pengguna mulai mempertanyakan setiap hasil pencarian — “apakah ini fakta atau hallucinasi AI?” — maka kepercayaan pada mesin pencari hancur.
Data dari Hacker News menunjukkan pola yang konsisten: pengguna mulai beralih ke mesin pencari alternatif seperti DuckDuckGo, Brave Search, atau bahkan Kagi (yang berbayar tapi menjanjikan result bebas AI).
Traffic Collapse bagi Content Creator
Bagi publisher dan creator, AI Overview adalah bencana. Ketika Google merangkum konten kamu dalam satu paragraph dan pengguna tidak perlu klik ke situs kamu, traffic organik anjlok. Ini sudah dilaporkan oleh banyak publisher sejak 2024.
Secara teknis, ini adalah zero-click search yang dipercepat oleh LLM. Google menyimpan informasi di AI Overview, pengguna tidak perlu mengunjungi sumber asli. Publisher kehilangan traffic, Google tetap mendominasi.
Analisis Video ProjectNexus: Breakdown Teknis Mendalam
Video YouTube oleh ProjectNexus di platform Thor AGX memberikan technical breakdown yang cukup komprehensif. Video ini menganalisis bagaimana Google Search memproses query melalui pipeline AI dan di mana titik kegagalannya.
Menurut analisis tersebut, masalah utama ada di retrieval-augmented generation (RAG) pipeline yang digunakan Google. Dalam arsitektur RAG yang ideal:
- Query di-embed menjadi vector
- Top-K dokumen relevan diambil dari index
- LLM menghasilkan summary berdasarkan dokumen tersebut
- Citation disertakan untuk verifikasi
Tapi dalam praktiknya, Google tidak konsisten dalam langkah 3 dan 4. AI Overview seringkali menghasilkan text yang tidak konsisten dengan dokumen sumber, dan citation-nya samar atau bahkan salah.
Kesimpulan: Kapan Tepatnya Google Jadi Aneh?
Berdasarkan analisis ini, jawaban atas “when did Google get so weird?” adalah gradual tapi percepatan drastis sejak 2023–2024.
Titik-titik kritis:
- 2016: RankBrain diperkenalkan — awal dependency pada ML
- 2023: SGE diluncurkan — AI Overview masuk eksperimen
- 2024: AI Overview dipaksakan ke semua pengguna — mulai banyak laporan hasil salah
- 2025–2026: Pengguna secara massal mengeluh di platform seperti Hacker News; pengalaman aneh seperti yang dideskripsikan prismix.dev menjadi viral
Google secara teknis bukan “nggak waras” — mereka sengaja mengoptimalkan untuk engagement dan monetization, bukan untuk accuracy. AI Overview meningkatkan time-on-page dan ad-impression, meski konsekuensinya adalah erosi trust dan penyebaran informasi salah.
Saran teknis buat yang frustasi: gunakan site: operator untuk membatasi pencarian ke domain spesifik, nonaktifkan Web & App Activity di Google Account, atau migrasi ke mesin pencari yang menghargai privacy dan accuracy lebih daripada AI-generated fluff.
Google dulu adalah mesin pencari terbaik di dunia. Sekarang? Google adalah mesin yang terlalu obsessed dengan AI sampai lupa fungsi utama: mengembalikan hasil yang relevan dan faktual. Dan itu, bro, bukan sekadar “weird” — itu failure dalam engineering.