𝗜 𝗢𝗽𝗲𝗻𝗲𝗱 𝗗𝗲𝘃𝗧𝗼𝗼𝗹𝘀 𝗼𝗻 𝗮𝗻 "𝗔𝗜-𝗡𝗮𝘁𝗶𝘃𝗲" 𝗣𝗹𝗮𝘁𝗳𝗼𝗿𝗺. 𝗜𝘁 𝗪𝗮𝘀 𝗮 𝗗𝗿𝗼𝗽𝗱𝗼𝘄𝗻.

An AI startup founder recently pitched me his "AI-native workspace." He promised over 40 built-in agents. He claimed his system had intelligence baked into the core.

I signed up and opened my browser DevTools.

I sent a message to the AI chat. I watched the network requests. One request showed exactly what was happening. The platform sent my prompt to a backend with these fields:

  • model: google/gemini-3.1-pro-preview
  • provider: openrouter

The platform was just a middleman. It routed my prompt through OpenRouter to Google's Gemini model. You can access this same model for free or for a few cents via API. Yet, this platform charges users tens of dollars per month.

I asked the AI: "Are you Gemini?" It replied: "I am not Gemini or affiliated with any external provider."

The system prompt lied to hide its identity. The network layer did not.

The platform also advertised "40+ built-in agents." I checked the configuration for one. It was just an icon, a name, and a 100-character description. There were no tools, no memory, and no reasoning chains. These are not agents. They are just prompt templates with a fancy label.

If you want to know if an AI tool is a wrapper, use these five checks:

  • Model selector: Can you switch between GPT, Claude, or Gemini? If yes, it is a routing layer.
  • BYOK option: Is there a "Bring Your Own API Key" field? If yes, they are forwarding your prompts.
  • Developer docs: Does the platform have a public API? If you get a 404 error, there is nothing proprietary to show.
  • Network tab: Open DevTools (F12). Look at the request payload for model names like gpt-4o or gemini-pro.
  • Ask the AI: Ask "What model are you?" If it denies the truth, a system prompt is hiding the identity.

Building on top of other models is fine. Many successful products do this. The problem is misrepresentation. Do not claim your AI is "proprietary" when you are just charging a premium for a UI layer.

Your data takes extra hops through these wrappers. You also lose control over token costs. You pay a high subscription to subsidize their unoptimized API calls.

Stop trusting the marketing. Open DevTools. Check the network tab. The truth is in the plaintext.

Saya membuka DevTools pada platform AI-native. Ternyata itu hanyalah sebuah dropdown.

Saat kita berbicara tentang "developer tools", pikiran kita biasanya langsung tertuju pada Chrome DevTools—tab Network, Console, Elements, dan sebagainya. Kita terbiasa memeriksa request HTTP, melihat payload JSON, dan menelusuri DOM untuk memahami bagaimana sebuah aplikasi bekerja.

Namun, saat saya mencoba mencari "alat pengembang" pada sebuah platform AI-native, saya tidak menemukan apa pun yang menyerupai pengalaman tradisional tersebut. Alih-alih panel yang kompleks, saya hanya menemukan sebuah dropdown.

Pergeseran Paradigma

Dalam aplikasi web tradisional, "mesin" utamanya adalah kode JavaScript yang berjalan di browser dan interaksi antara frontend dan backend melalui API. Jika Anda ingin tahu mengapa sesuatu terjadi, Anda memeriksa state aplikasi atau melihat data yang dikirim melalui jaringan.

Dalam aplikasi AI-native, "mesin" utamanya bukanlah DOM atau state JavaScript, melainkan model bahasa besar (LLM) dan prompt yang dikirimkan kepadanya.

Logika bisnis tidak lagi tersembunyi di dalam fungsi-fungsi JavaScript yang rumit, melainkan dalam cara prompt disusun, parameter yang digunakan (seperti temperature atau top_p), dan bagaimana model merespons.

DevTools Baru: UI sebagai Kontrol

Karena "mesin" aplikasi ini adalah model AI, maka alat pengembangnya pun berubah. "DevTools" dalam konteks ini bukan lagi tentang memeriksa inspeksi elemen, melainkan tentang mengontrol variabel-variabel yang memengaruhi output AI.

Itulah sebabnya "alat pengembang" pada platform seperti ini sering kali hanyalah elemen UI sederhana:

  • Dropdown untuk memilih model (misalnya, beralih dari GPT-4 ke Claude 3).
  • Slider untuk menyesuaikan temperature.
  • Toggle untuk mengaktifkan atau menonaktifkan fitur seperti pencarian web atau analisis data.

Ini adalah bentuk "inspeksi" yang baru. Anda tidak lagi memeriksa bagaimana data dikirim, tetapi Anda mencoba memanipulasi apa yang diproses oleh model untuk melihat bagaimana hasilnya berubah.

Kesimpulan

Kita sedang menyaksikan pergeseran dari inspeksi implementasi (bagaimana kode berjalan) ke inspeksi probabilitas (bagaimana model berperilaku).

Bagi pengembang tradisional, ini mungkin terasa seperti kemunduran. Tidak ada lagi stack trace yang mendalam atau debugging langkah-demi-langkah pada logika yang deterministik. Namun, bagi pengembang AI, inilah medan tempur yang baru. "DevTools" masa depan mungkin tidak akan berbentuk panel Chrome yang berat, melainkan antarmuka yang memungkinkan kita untuk melakukan iterasi pada prompt dan parameter secara instan.