Pada tahun 2026, AI akan beralih dari hype menjadi pragmatisme

Jika tahun 2025 adalah tahun AI mendapat vibe check, maka tahun 2026 akan menjadi tahun teknologinya menjadi praktis. Fokusnya sudah mulai bergeser dari membangun model bahasa yang semakin besar ke arah pekerjaan yang lebih sulit, yaitu membuat AI benar-benar dapat digunakan. Dalam praktiknya, hal ini melibatkan penerapan model yang lebih kecil di tempat yang sesuai, menanamkan kecerdasan ke dalam perangkat fisik, dan merancang sistem yang dapat terintegrasi secara mulus ke dalam alur kerja manusia. 

Para ahli yang diwawancarai TechCrunch melihat tahun 2026 sebagai tahun transisi, yang berkembang dari sekadar memperbesar skala menjadi meneliti arsitektur baru, dari demo yang mencolok ke implementasi yang ditargetkan, dan dari agen yang menjanjikan otonomi menjadi agen yang benar-benar meningkatkan cara orang bekerja. 

Pesta belum berakhir, namun industri mulai kembali sadar.

Hukum penskalaan tidak lagi cukup

Pada tahun 2012, Alex Krizhevsky, Ilya Sutskever, dan Geoffrey Hinton dalam makalah ImageNet menunjukkan bagaimana sistem AI dapat "belajar" mengenali objek dalam gambar dengan melihat jutaan contoh. Pendekatan ini membutuhkan komputasi yang sangat besar, namun menjadi mungkin dengan GPU. Hasilnya? Satu dekade penelitian AI intensif saat para ilmuwan berusaha menemukan arsitektur baru untuk tugas yang berbeda.

Hal ini memuncak sekitar tahun 2020 ketika OpenAI meluncurkan GPT-3, yang menunjukkan bahwa dengan membuat model 100 kali lebih besar dapat membuka kemampuan seperti pemrograman dan penalaran tanpa membutuhkan pelatihan eksplisit. Ini menandai transisi ke apa yang disebut oleh Kian Katanforoosh, CEO dan pendiri platform agen AI Workera, sebagai "era penskalaan": periode yang didefinisikan oleh keyakinan bahwa lebih banyak komputasi, lebih banyak data, dan model transformer yang lebih besar akan mendorong terobosan besar berikutnya dalam AI.

Saat ini, banyak peneliti berpikir industri AI mulai mencapai batas dari hukum penskalaan dan akan kembali bertransisi ke era penelitian.

Yann LeCun, mantan kepala ilmuwan AI Meta, sejak lama berpendapat menentang ketergantungan berlebihan pada penskalaan, dan menekankan perlunya mengembangkan arsitektur yang lebih baik. Dan Sutskever mengatakan dalam wawancara baru-baru ini bahwa model saat ini mulai stagnan dan hasil pra-pelatihan pun mendatar, menandakan perlunya ide-ide baru.  

“Saya pikir kemungkinan besar dalam lima tahun ke depan, kita akan menemukan arsitektur yang jauh lebih baik dari transformer,” kata Katanforoosh. “Dan jika tidak, kita tidak bisa berharap ada banyak peningkatan pada model-model tersebut.”

Terkadang yang kecil justru lebih baik

Model bahasa besar sangat baik dalam menggeneralisasi pengetahuan, tetapi banyak ahli mengatakan gelombang adopsi AI perusahaan berikutnya akan didorong oleh model bahasa yang lebih kecil dan gesit yang dapat disesuaikan untuk solusi khusus domain. 

“SLM yang disesuaikan akan menjadi tren besar dan menjadi andalan yang digunakan oleh perusahaan AI matang di tahun 2026, karena keunggulan biaya dan performa akan mendorong penggunaannya dibandingkan LLM siap pakai,” kata Andy Markus, chief data officer AT&T, kepada TechCrunch. “Kita sudah melihat bisnis semakin mengandalkan SLM karena, jika disesuaikan dengan benar, mereka dapat menandingi model besar yang digeneralisasi dalam hal akurasi untuk aplikasi bisnis perusahaan, dan luar biasa dalam hal biaya dan kecepatan.”

Kita telah melihat argumen ini sebelumnya dari startup AI open-weight Prancis, Mistral: Mereka berargumen bahwa model kecil mereka sebenarnya berkinerja lebih baik dibanding model besar pada beberapa tolok ukur setelah penyesuaian. 

“Efisiensi, efektivitas biaya, dan adaptabilitas SLM menjadikannya ideal untuk aplikasi yang disesuaikan di mana presisi sangat penting,” kata Jon Knisley, ahli strategi AI di ABBYY, perusahaan AI perusahaan yang berbasis di Austin. 

Sementara Markus berpikir SLM akan menjadi kunci di era agentic, Knisley mengatakan sifat model kecil membuatnya lebih baik untuk diterapkan di perangkat lokal, “sebuah tren yang dipercepat oleh kemajuan dalam edge computing.”

Belajar melalui pengalaman

Manusia tidak hanya belajar melalui bahasa; kita belajar dengan mengalami bagaimana dunia bekerja. Namun LLM tidak benar-benar memahami dunia; mereka hanya memprediksi kata atau ide berikutnya. Itu sebabnya banyak peneliti percaya lompatan besar berikutnya akan datang dari world model: sistem AI yang belajar bagaimana benda bergerak dan berinteraksi dalam ruang 3D sehingga mereka bisa membuat prediksi dan mengambil tindakan. 

Tanda-tanda bahwa tahun 2026 akan menjadi tahun besar bagi world model semakin banyak. LeCun keluar dari Meta untuk mendirikan laboratorium world model sendiri dan dikabarkan mencari valuasi $5 miliar. DeepMind milik Google terus mengembangkan Genie dan pada bulan Agustus meluncurkan model terbarunya yang membangun world model serba guna interaktif secara real-time. Selain demo dari startup seperti Decart dan Odyssey, World Labs milik Fei-Fei Li telah meluncurkan world model komersial pertamanya, Marble. Pendatang baru seperti General Intuition pada bulan Oktober mendapatkan pendanaan awal $134 juta untuk mengajarkan agen penalaran spasial, dan startup video generasi Runway pada bulan Desember merilis world model pertamanya, GWM-1. 

Sementara para peneliti melihat potensi jangka panjang dalam robotika dan otonomi, dampak jangka pendek kemungkinan pertama kali akan terlihat di video game. PitchBook memprediksi pasar world model di bidang gaming dapat tumbuh dari $1,2 miliar antara 2022 dan 2025 menjadi $276 miliar pada 2030, didorong oleh kemampuan teknologi ini untuk menghasilkan dunia interaktif dan karakter non-pemain yang lebih hidup. 

Pim de Witte, pendiri General Intuition, mengatakan kepada TechCrunch bahwa lingkungan virtual mungkin tidak hanya akan mengubah gaming, tetapi juga menjadi tempat pengujian penting untuk generasi berikutnya dari foundation model.

Bangsa agentic

Agen gagal memenuhi ekspektasi pada tahun 2025, tetapi alasan utamanya adalah sulitnya menghubungkan mereka ke sistem di mana pekerjaan sebenarnya terjadi. Tanpa cara untuk mengakses alat dan konteks, sebagian besar agen terjebak dalam alur kerja pilot. 

Model Context Protocol (MCP) milik Anthropic, sebuah “USB-C untuk AI” yang memungkinkan agen AI berbicara dengan alat eksternal seperti database, mesin pencari, dan API, terbukti menjadi penghubung yang hilang dan dengan cepat menjadi standar. OpenAI dan Microsoft secara terbuka mendukung MCP, dan Anthropic baru-baru ini menyumbangkannya ke Agentic AI Foundation baru milik Linux Foundation, yang bertujuan membantu standarisasi alat agentic open source. Google juga telah mulai mengoperasikan server MCP terkelola sendiri untuk menghubungkan agen AI ke produk dan layanannya. 

Dengan MCP yang mengurangi hambatan dalam menghubungkan agen ke sistem nyata, tahun 2026 kemungkinan akan menjadi tahun di mana alur kerja agentic akhirnya berpindah dari demo ke praktik sehari-hari. 

Rajeev Dham, partner di Sapphire Ventures, mengatakan kemajuan ini akan mengarah pada solusi agent-first yang mengambil peran “system-of-record” di berbagai industri. 

“Saat agen suara menangani lebih banyak tugas dari awal hingga akhir seperti intake dan komunikasi pelanggan, mereka juga akan mulai membentuk sistem inti yang mendasari,” kata Dham. “Kita akan melihat ini di berbagai sektor seperti layanan rumah, proptech, dan kesehatan, serta fungsi horizontal seperti penjualan, TI, dan dukungan.” 

Augmentasi, bukan otomatisasi

Meskipun lebih banyak alur kerja agentic mungkin menimbulkan kekhawatiran akan terjadinya PHK, Katanforoosh dari Workera tidak begitu yakin itu pesan utamanya: “2026 akan menjadi tahunnya manusia,” katanya. 

Pada 2024, setiap perusahaan AI memprediksi mereka akan mengotomatiskan pekerjaan sehingga tidak lagi membutuhkan manusia. Namun teknologi belum sampai ke sana, dan dalam ekonomi yang tidak stabil, retorika semacam itu tidak populer. Katanforoosh mengatakan tahun depan kita akan menyadari bahwa “AI belum bekerja seotonom yang kita kira,” dan pembicaraan akan lebih banyak berfokus pada bagaimana AI digunakan untuk meningkatkan alur kerja manusia, bukan menggantikannya. 

“Dan saya pikir banyak perusahaan akan mulai merekrut,” tambahnya, seraya mencatat bahwa ia memperkirakan akan ada peran baru dalam tata kelola AI, transparansi, keamanan, dan manajemen data. “Saya cukup optimis tingkat pengangguran rata-rata di bawah 4% tahun depan.”

“Orang ingin berada di atas API, bukan di bawahnya, dan saya pikir 2026 adalah tahun penting untuk hal ini,” tambah de Witte.

Menjadi fisik

Kemajuan dalam teknologi seperti model kecil, world model, dan edge computing akan memungkinkan lebih banyak penerapan pembelajaran mesin secara fisik, kata para ahli. 

“AI fisik akan menjadi arus utama pada 2026 seiring kategori perangkat berbasis AI baru, termasuk robotika, AV, drone, dan wearable mulai memasuki pasar,” kata Vikram Taneja, kepala AT&T Ventures, kepada TechCrunch. 

Meskipun kendaraan otonom dan robotika adalah kasus penggunaan AI fisik yang jelas dan pasti akan terus tumbuh di 2026, pelatihan dan penerapan yang dibutuhkan masih mahal. Wearable, di sisi lain, memberikan alternatif yang lebih murah dengan keterlibatan konsumen. Kacamata pintar seperti Ray-Ban Meta mulai mengirimkan asisten yang dapat menjawab pertanyaan tentang apa yang Anda lihat, dan bentuk baru seperti cincin kesehatan bertenaga AI dan smartwatch semakin menormalkan inferensi on-body yang selalu aktif.

“Penyedia konektivitas akan berupaya mengoptimalkan infrastruktur jaringan mereka untuk mendukung gelombang perangkat baru ini, dan mereka yang fleksibel dalam menawarkan konektivitas akan berada di posisi terbaik,” kata Taneja.