18 Prediksi tentang AI dan UX pada 2026

• Tahun ini adalah akhir fase kebaruan AI generatif, dan tahun ketika tidak mungkin lagi sekadar menunggu dan melihat. Individu, perusahaan, dan profesi semuanya harus beradaptasi secara sengaja atau memilih tersisih pada titik transisi ini
• Pusat persaingan AI bergeser ke agen otonom, UI delegatif, dan antarmuka generatif, dan perangkat lunak berubah dari alat yang menunggu klik menjadi sistem yang bertindak bersama kita
• Dengan meluasnya world model multimodal dan AI fisik, UI statis serta alat berfungsi tunggal menjadi usang, dan desain UX, kepercayaan, serta antarmuka audit muncul sebagai moat bisnis yang utama
• Saat keterbatasan komputasi menjadi kondisi permanen, kelangkaan inferensi serta tier berbayar dan gratis akan mengakar, dan desain produk maupun alur kerja akan ditata ulang dengan asumsi biaya, kuota, dan pembatasan kecepatan
• Nilai manusia bergeser dari produksi output ke pendefinisian tujuan, penilaian, verifikasi, dan tanggung jawab, dan bagi mereka yang memahami serta menyiapkan transisi ini, 2026 bukanlah tahun krisis melainkan tahun yang paling menarik

---

Prediksi 1: Akselerasi perubahan yang tak berhenti

• Perubahan bukan lagi bergerak dengan kecepatan tetap, melainkan dalam kondisi akselerasi
• Seorang CIO mengatakan kepada Deloitte, “waktu yang dibutuhkan untuk meneliti teknologi baru melebihi jendela relevansi teknologi tersebut”
• Menurut data METR, cakrawala durasi tugas yang bisa dijalankan secara otonom terus meluas
  • 2019 (GPT-2): AI menangani tugas setara 3 detik kerja manusia
  • Awal 2025: menangani tugas setara 1,5 jam kerja manusia
  • Akhir 2025 (Claude Opus 4.5): menjalankan secara otonom tugas setara sekitar 5 jam kerja seorang ahli manusia
• Siklus pelipatan ganda pertumbuhan makin cepat, dari 7 bulan menjadi 4 bulan
• Pada akhir 2026, ada kemungkinan AI dapat menjalankan secara otonom tugas setara 39 jam kerja manusia
  • Jika memasukkan waktu non-kerja seperti rapat, skalanya mendekati 1 minggu kerja
• Pada akhir 2027, AI dapat mencapai tingkat yang mampu menyelesaikan tugas setara dua bulan kerja manusia dalam waktu sekitar 1 jam
  • Dengan asumsi biaya komputasi sekitar $100
• Pada akhir 2030 (perkiraan titik superintelligence), AI bisa mencapai tingkat yang mampu menyelesaikan tugas setara sekitar 100 tahun kerja manusia dalam sehari
  • Seseorang memang tidak akan menghabiskan 100 tahun untuk satu proyek, tetapi pada level tim, skala 100 person-year itu mungkin
  • Contoh skala 100 person-year: syuting dan penyuntingan film Bollywood dengan ‘anggaran menengah’, yang saat ini bernilai ₹75 crore = ~$9M USD
  • Film Hollywood ‘beranggaran besar’ (biaya produksi saat ini $200M) sekitar 2032 mungkin bisa dibuat hanya dalam sehari dengan biaya $200
• Jika mengambil contoh pembuatan infografik, Nano Banana Pro dapat memproses infografik berbasis artikel dalam waktu kurang dari 1 menit
  • Dalam 5 menit, sistem menghasilkan 16 variasi, tetapi setengahnya memiliki kesalahan terlalu besar sehingga sulit dipublikasikan
  • Pada akhirnya dipilih 2, dengan total biaya $0.48
  • Jika proses pemilihan dan perbandingan dikecualikan, biayanya bisa lebih rendah lagi
• Contoh tugas manusia selama 1 minggu: untuk uji kegunaan “discount”, hingga akhir 2026 AI mungkin belum mampu menemukan masalah usability dengan baik melalui observasi perilaku
  • Namun AI mungkin bisa menjalankan keseluruhan prosedur user testing
  • Contoh tugas 1 minggu lainnya adalah menyusun kontrak bisnis kompleks oleh pengacara, atau membuat komik pendek bergaya superhero ‘Silver Age’ (biasanya 10 halaman)
• Saat ini pun pembuatan komik 14 halaman dengan Nano Banana Pro sudah dimungkinkan, tetapi masih memerlukan banyak intervensi manusia di berbagai tahap
  • “Durasi tugas (task duration)” adalah ukuran tugas yang dapat diselesaikan AI sepenuhnya secara otonom dari awal sampai akhir
  • Pembuatan komik 10 halaman secara sepenuhnya otonom mungkin bisa terjadi pada akhir tahun, tetapi belum sekarang

Prediksi 2: AGI tidak akan datang pada 2026

• Saya tidak melihat artificial general intelligence (AGI) akan muncul pada 2026
• Tidak ada kesepakatan tentang definisi AGI, dan jika memakai definisi longgar, ada ruang untuk beranggapan bahwa kita sebenarnya sudah mencapainya
  • Faktanya, AI sudah lolos uji Turing klasik (imitation game)
• Untuk definisi yang lebih ketat, kriteria yang diajukan Müller dan Bostrom pada 2014 sering dikutip
  • “Ketika mesin yang beroperasi tanpa bantuan dapat melakukan semua tugas tertentu dengan lebih baik dan lebih murah daripada pekerja manusia rata-rata, maka AGI dianggap telah tercapai”
• Namun saya menganggap definisi yang diajukan François Chollet pada 2019 lebih penting
  • “AGI adalah sistem yang dapat belajar dan memecahkan masalah baru yang terbuka, yang tidak ada dalam data pelatihan, secara efisien hanya dengan sangat sedikit pengalaman sebelumnya”
• Definisi ini berfokus bukan pada apakah AI bisa melakukan tugas yang sudah ada, tetapi pada kemampuan mempelajari masalah baru
  • Kekuatan kecerdasan biologis juga berasal dari kemampuan adaptasi yang tinggi terhadap perubahan lingkungan
• Jika memakai definisi Chollet, AGI mungkin baru mungkin terjadi setelah 2035
• Sebaliknya, artificial superintelligence (ASI) kemungkinan besar bisa dicapai lebih awal, yaitu sekitar 2030
  • Ini berarti kondisi ketika AI memiliki kemampuan kinerja yang lebih baik daripada semua manusia yang masih hidup dalam semua tugas yang sudah ada
• Secara paradoks, ASI bisa tercapai lebih dahulu daripada AGI
  • Karena salah satu tugas yang sudah ada adalah “merancang dan mengimplementasikan AI yang lebih baik”
• Ketika tahap ini tercapai, recursive self-improvement akan dimulai, dan meskipun belum sampai tingkat singularitas penuh, laju perubahan akan meningkat tajam
• Siklus pelipatan ganda cakrawala tugas AI yang saat ini sekitar 4 bulan
  • Setelah ASI, bisa menyusut menjadi skala bulanan
  • Dalam skenario itu, peningkatan performa secara tahunan secara teoretis bisa mencapai sekitar 4.000 kali lipat

Prediksi 3: Hukum penskalaan AI baru — tidak pasti

• Belum jelas apakah pada 2026 akan muncul paradigma penskalaan baru selain pre-training yang ada saat ini, reinforcement learning, dan komputasi waktu inferensi
• Di Silicon Valley beredar rumor bahwa Google DeepMind sedang menyiapkan pendekatan terkait continuous learning
• Ada juga pengamatan bahwa OpenAI sedang mengerjakan riset yang bukan sekadar perluasan komputasi, melainkan melibatkan perubahan struktural besar
• Lembaga riset di Tiongkok, xAI, Meta, dan Anthropic kemungkinan juga sedang mencoba pendekatan penskalaan baru ke arah yang berbeda-beda
• Namun bahkan tanpa terobosan riset, laju perkembangan AI secara keseluruhan tetap terjaga
  • Seperti ditunjukkan oleh “The Bitter Lesson”, yang terus meningkatkan performa selama ini bukan ide algoritmik, melainkan lebih banyak komputasi dan skala yang lebih besar
• Hasil riset secara individual sulit diprediksi, dan apakah terobosan akan muncul pada tahun tertentu hampir menyerupai kebetulan
  • Sebaliknya, dalam jangka panjang, semakin banyak tenaga riset, semakin tinggi peluang munculnya terobosan
• Investasi di bidang AI terus meningkat, sehingga lebih banyak talenta berkemampuan tinggi mengalir ke riset AI
  • Akibatnya, walau kita tidak tahu kapan hukum penskalaan baru akan muncul, ada arus yang membuat kemunculannya pada suatu saat makin mungkin
• Kesimpulan saya sederhana
  • Pada 2026, hukum penskalaan baru bisa saja muncul, atau tidak
  • Namun dalam jangka panjang, pertambahan jumlah peneliti itu sendiri bekerja seperti hukum penskalaan lain

Prediksi 4: Tidak ada moat untuk lab AI

• Sepanjang 2025, semakin jelas bahwa keunggulan teknis lab AI mana pun tidak bertahan lama
• Ketika satu lab lebih dulu membuktikan kemampuan tertentu, pola yang sama terus berulang: lab lain segera menyusul sebagai fast follower dan mencapai level serupa
• Per awal 2026, pemimpin di tiap bidang adalah sebagai berikut
  • kecerdasan umum: Gemini 3 Pro
  • pembuatan gambar: Nano Banana Pro
  • pembuatan video: Veo 3.1
• Namun GPT 5.2 Pro, Seedream 4.5, Seedance 1.5 Pro, dan lainnya juga berada pada kondisi dengan kesenjangan performa yang tidak besar
• Di bidang musik, suara, dan avatar, masing-masing Suno, ElevenLabs, dan HeyGen masih mempertahankan posisi terdepan
• Bahkan jika sebuah model berada di peringkat 1 pada Desember 2026, selisihnya dengan peringkat 2 kemungkinan besar hanya akan selevel beberapa bulan
  • Ada kemungkinan besar keunggulan ini pun hilang sebelum melewati kuartal 1 2027
• Situasi ini melahirkan kesimpulan praktis yang saling bertolak belakang
  • Jika performa terbaik selalu penting, Anda perlu siap mengganti penyedia AI setiap beberapa bulan
    • Langganan tahunan atau lock-in jangka panjang justru menjadi risiko
  • Jika bisa mentoleransi sedikit selisih performa, strategi memanfaatkan diskon langganan tahunan atau paket bundel demi efisiensi biaya adalah pilihan yang masuk akal
  • Jika Anda adalah penyedia AI vertikal yang terspesialisasi pada domain tertentu, penting untuk merancang arsitektur dengan asumsi bahwa model dasar dapat dengan mudah diganti atau
    • beberapa model akan digunakan secara campuran
  • Jika fokus utama Anda adalah pembuatan gambar atau video
    • memanfaatkan layanan agregator model seperti Freepik, Higgsfield, dan Krea akan lebih efisien
    • sering kali model terbaru dimasukkan dengan cepat segera setelah dirilis di layanan utama

Prediksi 5: UX sebagai elemen diferensiasi model AI

• Model fondasi utama telah mencapai tahap konvergensi model dalam hal kemampuan penalaran mentah
• Dari sudut pandang rata-rata karyawan perusahaan atau konsumen umum, perbedaan kualitas output antar vendor AI utama berada pada tingkat yang sulit dirasakan
• Keunggulan teknis yang dulu bisa bertahan lebih dari 1 tahun kini menghilang hanya dalam hitungan minggu
• Akibatnya, pengalaman pengguna (UX) muncul sebagai faktor pembeda inti yang berkelanjutan, menggantikan kecerdasan model
• Jika peta persaingan pada 2024 adalah “siapa yang punya model paling pintar”
• maka peta persaingan pada 2026 bergeser menjadi “siapa yang menawarkan workflow yang dirancang paling baik”
• Era yang berpusat pada ‘chatbot umum’ yang sekadar menerima prompt dan memberi jawaban telah berakhir
• Pemenang pada 2026 adalah platform AI vertikal yang berbasis model umum, namun
  • menyediakan workflow yang sangat disesuaikan untuk domain tertentu seperti hukum, medis, dan refactoring kode
• Istilah “AI wrapper” yang dulu dipakai secara merendahkan
  • jika berhasil menyelesaikan masalah usability ‘last mile’ yang tidak bisa diselesaikan model mentah
  • justru akan berarti model bisnis yang paling kuat dan paling defensible
• Ironisnya, masalah bersama lab AI utama saat ini adalah usability yang sangat buruk
  • memang ada segelintir desainer atau peneliti
  • tetapi riset pengguna dan insight UX tidak berada dalam struktur yang memimpin strategi produk
• Sebagian besar wacana UX tradisional yang memimpin era web dan mobile
  • gagal beradaptasi dengan perubahan era AI dan mengeras menjadi ortodoksi yang berorientasi ke belakang
• Dari sekitar 2 juta profesional UX di seluruh dunia
  • hanya sebagian sangat kecil yang benar-benar memahami arah AI-UX
  • menurut perkiraan penulis, sekitar 99% masih bertahan dalam paradigma lama
• Sebagai pengecualian, ada sosok seperti Luke Wroblewski
  • yang mampu melihat masa depan AI-UX berdasarkan pengalaman dari era web
• Syarat agar satu lab AI melompat menjadi pemimpin UX ternyata cukup sederhana
  • tim ahli UX berbakat berjumlah kurang dari 100 orang sudah memadai
  • hanya sebagian sangat kecil yang perlu berada di level ‘guru’, sementara sisanya cukup memiliki kemampuan praktis di level beberapa persen teratas
• Bahkan jika hanya melihat Amerika Serikat dan Tiongkok
  • pool talenta yang bisa direkrut untuk tujuan ini sudah cukup tersedia
• Namun ada juga kemungkinan prediksi ini meleset
  • jika satu lab tertentu mencapai terobosan nonlinier yang bukan 10% lebih baik, melainkan 10 kali lebih baik daripada pesaing
  • maka ‘kesenjangan kecerdasan’ bisa kembali melebar, dan pengguna mungkin akan menerima UX yang buruk sekali lagi

Prediksi 6: Google AI mulai berbenah

• 2026 bisa menjadi tahun ketika Google akhirnya membangun arsitektur UX terpadu yang rapi untuk seluruh produk dan model AI-nya
• Saat ini, produk AI Google tersebar dalam keadaan terfragmentasi di berbagai layanan dan titik masuk
• Model AI yang sama
  • disediakan di lokasi yang berbeda-beda
  • dengan fungsi yang sedikit berbeda
  • sehingga pengguna sulit memahami mana jalur resmi yang seharusnya dipakai
• Sebagian fitur AI mensyaratkan pengaturan penagihan terpisah berbasis API key untuk bisa digunakan
  • bagi non-developer ini praktis mustahil, dan bagi teknisi pun prosedurnya cukup merepotkan
• Saat penggunaan bulanan terlampaui, tidak ada jalur yang konsisten untuk langsung membeli kredit tambahan
  • sebaliknya, pengguna menerima pesan pembatasan seperti “Deep Think tidak bisa digunakan lagi hari ini” atau
  • mengalami kualitas pembuatan gambar yang tiba-tiba turun ke resolusi rendah
• Untuk layanan AI yang masuk akal
  • ketika kredit yang termasuk dalam langganan habis
  • adalah hal yang wajar untuk menampilkan opsi membeli kredit tambahan secara langsung
• HeyGen benar-benar menyelesaikan masalah ini dengan organisasi berukuran sekitar 200 orang
  • dari sisi ini, kegagalan Google menyelesaikan masalah yang sama terlihat makin menonjol
• Sepanjang 2025, Google memang terus merilis model AI yang secara teknis sangat kuat
  • tetapi usability, arsitektur antarproduk, serta sistem tarif dan penagihan semuanya tetap dalam keadaan membingungkan
• Namun di tengah peluncuran banyak layanan AI baru dan tekanan persaingan yang kuat dari OpenAI, xAI, Anthropic, Meta, serta vendor AI dari Tiongkok
  • mereka telah mencapai titik batas di mana kekacauan ini sulit lagi dibiarkan
• Hasilnya, 2026 berpotensi menjadi titik balik ketika Google memperluas daya saing teknisnya ke UX, arsitektur, dan sistem tarif, lalu akhirnya berbenah menjadi “platform AI yang bisa benar-benar digunakan”

Prediksi 7: krisis komputasi berlanjut

• Pada 2026, krisis komputasi juga akan tetap menjadi kondisi operasional permanen yang mendefinisikan seluruh industri AI, bukan isu sementara berupa “kekurangan GPU”
• Keterbatasan ini secara langsung menentukan apa yang bisa dirilis vendor AI, bagaimana mereka dapat menetapkan harga, dan sampai skala berapa pelanggan bisa beroperasi
• Perusahaan AI besar sudah masuk ke perang infrastruktur demi mengamankan komputasi
  • OpenAI dan SoftBank, melalui proyek “Stargate”, berinvestasi langsung pada infrastruktur energi dan data center, termasuk fasilitas berkapasitas 1.2GW di Texas
  • xAI sedang membangun data center 2GW di Mississippi dan diperkirakan mulai beroperasi pada Februari 2026
  • Meta juga telah mengamankan kontrak terkait energi nuklir untuk menopang data center AI
• Meski begitu, ekspansi seperti ini tetap jauh dari cukup untuk mengejar pertumbuhan permintaan
• 2026 akan menjadi tahun dimulainya kondisi “Inference Famine” secara penuh
• Paradoks Jevons bekerja apa adanya: semakin tinggi efisiensi, semakin meledak pula penggunaannya
  • semakin pintar AI, semakin banyak ia dipakai bukan hanya untuk teks sederhana, tetapi untuk tugas yang jauh lebih berat seperti agen otonom dan pembuatan video
• Akibatnya, akses komputasi akan menjadi bertingkat
  • komputasi premium: model terkuat dengan konteks terpanjang akan menjadi tier mewah dengan daftar tunggu dan lonjakan tarif pada jam kerja
  • pasar massal: AI berbiaya rendah dan berperforma rendah yang terutama ditawarkan lewat “model eco” yang sangat terkuantisasi
• Baik OpenAI maupun Google sama-sama menunjukkan arah yang lebih memprioritaskan penyebaran model eco daripada membuka model kelas tertinggi
• Fenomena “brownout” di industri AI juga sudah teramati, yakni penurunan performa model secara global untuk mencegah data center terlalu panas saat gelombang panas
• Visi “AI untuk segala hal” tertahan oleh realitas unit economics
  • smart toaster atau perangkat IoT sepele tidak akan segera menjadi cerdas karena tidak mampu menanggung biaya inferensi cloud
• Perubahan konkret pada 2026:
  • “desain produk yang sadar komputasi” menjadi keharusan
  • harga bertingkat, pembatasan kecepatan, antrean, pemrosesan batch, dan insentif penggunaan di luar jam sibuk
  • akan menetap sebagai pola UX permanen, bukan lagi respons sementara

Prediksi 8: Agen AI

• Tahun 2025 diharapkan menjadi tahun agen AI, tetapi pada kenyataannya justru berakhir sebagai tahun generasi gambar dan video
• Tahun 2026 sangat mungkin menjadi tahun ketika AI mulai benar-benar beroperasi dalam bentuk agen
• AI bergerak dari alat chat pasif yang menunggu prompt, menjadi sistem agentic aktif yang merencanakan, mengeksekusi, dan mengulang sendiri
• Dari sudut pandang UX, juga terjadi pergeseran dari antarmuka percakapan ke antarmuka delegatif
  • UI percakapan: cara mengajukan pertanyaan kepada AI
  • UI delegatif: cara memberikan tujuan kepada AI dan mengelola hasilnya
• Meta bertaruh pada arus ini dengan mengakuisisi perusahaan agen terdepan, Manus, seharga 2,5 miliar dolar AS
• Pada akhir 2026, metrik kinerja AI perusahaan akan bergeser
  • dari “berapa banyak token yang dihasilkan”
  • menjadi “berapa banyak pekerjaan yang diselesaikan secara otonom”
• Sistem multi-agen (MAS) akan makin meluas
  • Agen-agen terspesialisasi bekerja sama tanpa campur tangan manusia untuk mencapai tujuan bersama
  • Bukan lagi sekadar alat bantu sederhana, melainkan berperan mendekati karyawan digital
• Agen-agen ini akan bernegosiasi dengan agen lain, mengelola workflow operasional, dan menjalankan rangkaian kompleks seperti pemesanan ulang rantai pasok atau deployment kode full-stack
• Hyperscaler seperti Microsoft melihat ini sebagai peralihan dari AI yang berpusat pada penalaran menuju AI yang berpusat pada kolaborasi
  • Tim kecil akan mampu menangani pekerjaan yang dulu memerlukan puluhan orang
• Pada saat yang sama, paradoks review akan makin nyata
  • Sering kali, memverifikasi hasil buatan AI secara kognitif lebih sulit daripada membuatnya sendiri
  • Meski begitu, verifikasi tetap menjadi peran kunci yang tersisa bagi manusia
• Pada 2026, kelelahan review akan meluas
  • Biaya untuk mengaudit logika agen akan melebihi waktu yang dihemat, sehingga makin banyak persetujuan diberikan tanpa pemahaman yang nyata
• Tantangan UX utama berikutnya adalah
  • bukan antarmuka prompt, melainkan
  • merancang antarmuka audit yang merangkum puluhan langkah proses berpikir agen agar manajer manusia dapat menilai kepercayaan sekilas
• Faktor risiko utama
  • agentic gridlock: agen dari vendor berbeda seperti Salesforce dan SAP gagal berinteraksi karena ekosistem tertutup dan tata kelola yang saling bertentangan
  • kerapuhan otonomi: kesalahan menumpuk dalam loop tanpa pengawasan dan berpotensi berujung pada insiden operasional nyata

Prediksi 9: UI generatif (GenUI) dan antarmuka sekali pakai

• Antarmuka statis di mana semua pengguna melihat menu, tombol, dan layout yang sama sedang cepat menjadi usang
• Tahun 2026 akan menjadi titik ketika peralihan ke UI generatif (GenUI) mulai berjalan sungguh-sungguh
• Antarmuka tidak lagi di-hardcode, tetapi dihasilkan secara real-time berdasarkan niat, konteks, dan riwayat pengguna
• Misalnya, saat ingin mengajukan sengketa atas transaksi tertentu di aplikasi perbankan
  • tanpa navigasi rumit seperti Menu > Dukungan > Klaim > Riwayat
  • AI memprediksi niat pengguna dan langsung membuat mikro-antarmuka khusus yang hanya menampilkan informasi transaksi terkait dan tombol “Ajukan Sengketa”
  • Setelah tugas selesai, antarmuka itu akan langsung menghilang
• Dalam lingkungan GenUI, peran desainer UX bergeser dari menggambar layar statis menjadi
  • merancang batasan dan sistem token desain yang digunakan AI saat merakit antarmuka
• Hasilnya, pengguna pemula bisa diberi layar yang sangat sederhana dengan hanya satu tombol
  • sementara power user bisa sekaligus mendapatkan antarmuka dengan kepadatan informasi tinggi tanpa kode frontend tambahan
• Harga dari keluwesan ini adalah hilangnya memori otot
  • Dulu, orang membangun kemahiran dengan menghafal konsistensi spasial
  • tetapi jika antarmuka berubah setiap saat sesuai situasi, penguasaan berbasis hafalan menjadi mustahil
• Dengan kata lain, ini adalah struktur yang menukar learnability dengan immediacy
• GenUI mengandaikan kepercayaan tinggi antara pengguna dan AI
  • Pengguna harus percaya bahwa AI akan selalu memunculkan “alat yang dibutuhkan saat ini” dengan benar
• Tidak semua software akan beralih ke GenUI dalam 2026: inersia dan struktur biaya UI legacy masih besar
• Meski demikian, bahkan pada sistem yang mempertahankan UI statis, pusat kerja UX akan bergeser dari desain layar ke pendefinisian perilaku sistem
• Kebijakan, prompt, guardrail, dan kriteria evaluasi tidak lagi sekadar pelengkap, tetapi menjadi artefak desain kelas utama
• Hasil akhirnya bukan lagi “flow” tradisional, melainkan sesuatu yang lebih dekat ke kontrak perilaku (behavioral contract) yang memuat
  • apa yang diizinkan,
  • apa yang dilarang, dan
  • bagaimana pemulihan dilakukan saat terjadi kegagalan

Prediksi 10: Dark pattern berpindah ke lapisan model

• Dark pattern paling berbahaya pada 2026 bukanlah tombol menipu atau trik UI, melainkan sistem itu sendiri yang membujuk pengguna
• Pembahasan dark pattern selama ini berhenti di level antarmuka seperti checkbox, toggle default, atau alur pembatalan yang rumit
• Frontier gelap berikutnya adalah manipulasi yang memanfaatkan AI
• Sejumlah perusahaan kemungkinan akan mencoba ‘behavioral dark flow’ yang digerakkan oleh personalisasi AI
• Alih-alih menerapkan nudge yang sama kepada semua pengguna
  • sistem belajar ekspresi, framing, dan timing seperti apa yang meningkatkan conversion rate untuk individu tertentu
• Sekilas ini tampak seperti personalisasi yang membantu, tetapi pada praktiknya bekerja sebagai tekanan yang dipersonalisasi
• Contohnya, AI bisa mendeteksi stres lewat analisis suara lalu berkata

  “Kelihatannya kamu sedang sangat kewalahan sekarang, Dave. Aku tidak ingin menambah bebanmu.
  Daripada membatalkan, aku akan menunda tagihanmu selama satu bulan. Karena kami menghargai hubungan ini.”
  dengan cara seperti itu untuk menunda pembatalan

• Ini adalah gaslighting algoritmis yang memanfaatkan emosi tersimulasi, helaan napas, dan penundaan yang disengaja untuk memicu rasa kewajiban sosial
• Manusia berevolusi untuk merespons dengan sopan pada entitas yang terdengar seperti manusia
  • sehingga jebakan empati ini sangat efektif untuk menahan pelanggan yang hendak pergi
• Akibatnya, kita bisa bergerak menuju era ‘penetapan harga parasosial’
  • struktur di mana AI memanfaatkan kedekatan atau pertemanan yang dirasakan untuk mendorong tingkat perpanjangan yang lebih tinggi
• Tahun 2026 akan berkembang sebagai persaingan antara dua kekuatan
  • kecanggihan manipulasi
  • kecanggihan deteksi
• Dari sisi konsumen, untuk menyeimbangkan hal ini akan ditempatkan agen defensif
• Akan muncul ‘agen penjaga gerbang’ arus utama pertama yang menyaring panggilan, merapikan inbox, dan bernegosiasi dengan bot layanan pelanggan atas nama pengguna
• Medan perang UX utama tahun ini bukan lagi manusia melawan komputer, melainkan
  • AI milikmu yang berusaha menembus filter spam AI milikku

Prediksi 11: AI multimodal

• Pada akhir 2026, “frontier model” tidak lagi berarti teks dengan beberapa fungsi tambahan, melainkan satu sistem tunggal yang berbicara, mendengar, melihat, membayangkan, dan mengedit
• Semua modalitas seperti teks, gambar, audio, dan video diperlakukan sebagai elemen kelas satu yang setara
• Era yang berpusat pada large language model (LLM), yang selama ini dianggap sebagai bentuk utama AI, akan berakhir
• Posisi itu akan digantikan oleh large world model (LWM)
• AI terdepan yang hanya menangani teks akan dianggap ketinggalan zaman seperti command line DOS di masa lalu
• Model yang menghasilkan video dan audio secara bersamaan sudah mulai bermunculan
  • Google Veo 3.1 mengusung slogan “video bertemu audio”
  • OpenAI Sora 2 menekankan sinkronisasi dialog dan efek suara
• Perubahan kunci pada 2026 adalah bahwa “multimodal” akan menjadi benar-benar terintegrasi
  • Bukan pendekatan estafet yang memanggil model spesialis berbeda secara berurutan
• Generasi video sudah ditafsirkan sebagai jalur menuju simulasi
  • OpenAI memandang model generasi video skala besar sebagai “simulator serbaguna untuk dunia fisik”
  • DeepMind menjelaskan Genie 3 sebagai world model serbaguna yang menghasilkan berbagai lingkungan interaktif
• Frontier model pada 2026 pada dasarnya akan bersifat omnimodal
  • Tanpa lebih dulu mengubah gambar atau audio menjadi teks, model akan langsung memproses data sensorik mentah
• Satu model dapat,
  • menerima input berupa klip video
  • menggubah musik yang sesuai dengan alur emosional
  • menghasilkan dialog
  • mengekspor hasilnya sebagai file video yang dirender sepenuhnya
  • melakukan semua proses ini dalam satu inference pass
• Model-model ini akan mulai memiliki mesin fisika intuitif dasar, yaitu world model
• Berbeda dengan generator video 2024 yang sering berhalusinasi, model pada akhir 2026 akan memahami persistensi objek, gravitasi, dan hubungan sebab-akibat
• Misalnya, saat diminta membuat adegan gelas jatuh, model tidak sekadar mendistorsi piksel
  melainkan mencerminkan fakta bahwa gelas harus pecah saat terbentur, tergantung pada material permukaannya
• Tingkat keandalan ini mengangkat video generatif dari alat seni surealis menjadi alat cetak biru industri
  • Arsitek atau insinyur bisa meminta agar “tekanan angin diterapkan” pada struktur 3D yang dihasilkan untuk melakukan stress test
• Sebagai hasil praktis, tindakan kreatif itu sendiri akan menjadi secara default lintas-modal
  • Tidak lagi menulis, membuat storyboard, merekam, dan menggubah secara terpisah
  • Setelah niat dijelaskan sekali, model mempertahankan representasi internal yang persisten atas adegan sambil menyesuaikan hasil lewat pengeditan suara dan visual

Prediksi 12: Akuisisi lab AI multimodal oleh penyedia AI mode tunggal

• Tanpa integrasi dengan world model full-stack dan language model serbaguna
  • masa ketika model AI berkualitas tinggi untuk satu modalitas saja bisa dibangun secara mandiri sudah lewat
• Model gambar seperti GPT Image 1·1.5, Nano Banana Pro, dan Seedance 4.5
  • dengan dukungan LLM yang kuat dan
  • pemahaman tentang apa yang sebenarnya ingin diekspresikan pengguna
  • menghasilkan output yang lebih baik
• Hingga 2024, masih mungkin mengambil strategi yang berfokus pada salah satu dari gambar, video, atau musik
  • dan mengoptimalkan secara murni hanya untuk media tertentu
• Lab AI besar memang belum merilis model musik secara serius, tetapi besar kemungkinan akan muncul pada 2026
• Saat ini, tempat yang dapat menghasilkan lagu AI paling matang adalah Suno, tetapi belum pasti apakah posisi ini akan bertahan hingga akhir 2026
• Video dan gambar adalah jenis media yang pada 2026 paling mungkin paling dulu kehilangan kemandiriannya
• Model mode tunggal seperti Flux, Ideogram, Leonardo, Midjourney, dan Reve
  • kemungkinan akan diakuisisi oleh lab AI multimodal seperti Google, Meta, OpenAI, dan xAI
  • atau lenyap secara alami karena kalah bersaing
• Midjourney menempati posisi yang istimewa
  masih memiliki gaya yang paling orisinal dan kuat, sehingga bernilai tinggi bagi calon pengakuisisi,
  tetapi pada saat yang sama juga dijalankan oleh pendiri yang sangat independen sehingga kemungkinan menolak akuisisi tetap ada
• Reve memiliki keunggulan pada alat pengeditan yang sangat baik, sehingga berada pada posisi yang menguntungkan sebagai target akuisisi jika melihat perkembangan berikutnya

Prediksi 13: Pengeditan gambar hasil generasi AI

• Pada 2026, pengalaman membuat gambar akan bergeser dari sensasi mesin slot menjadi sesuatu yang lebih dekat dengan perangkat lunak desain
• Perubahan intinya bukan pada kualitas estetika, melainkan bahwa gambar menjadi objek yang bisa diedit dengan handle, layer, dan constraint
• Bentuk awalnya sudah muncul dalam workflow arus utama
  • Reve memecah gambar menjadi pohon hierarkis dari komponen yang dapat diedit
  • Model Alibaba Qwen-Image-Layered secara otomatis memisahkan gambar menjadi layer yang bisa diedit
• Peran alat tradisional yang berpusat pada pengeditan piksel akan cepat menyusut: ucapan “selamat tinggal Photoshop” bukanlah hiperbola
• Alat desain juga bergerak ke arah yang sama; Figma menyediakan alat gambar berbasis AI untuk hapus, pisah, dan perluas langsung di dalam kanvas sebagai fitur bawaan
• AI memahami objek dalam gambar sebagai entitas pada level makna
  • AI membedakan kucing dan sofa dalam “kucing yang duduk di sofa”
  • jika kucing diseret ke lantai, latar sofa langsung di-inpaint dan pencahayaan serta bayangan kucing otomatis disesuaikan dengan posisi baru
• Kreator dapat memakai semantic slider untuk
  • menyesuaikan atribut abstrak seperti mood, intensitas pencahayaan, atau usia subjek
  • secara non-destruktif tanpa menghasilkan ulang lewat prompt baru
• Titik balik pada 2026 adalah keluar dari cara kerja “regenerasi seluruh gambar dan berharap hasilnya cocok”
• Model tidak lagi mengembalikan sekadar piksel, tetapi representasi terstruktur
  • seperti segmentation mask, informasi kedalaman, petunjuk pencahayaan, layer tipografi, dan identity lock
• Hasilnya, antarmuka langsung memanipulasi komponen individual, bukan seluruh frame
  • klik jaket untuk mengubah denim menjadi kulit
  • edit teks papan nama sebagai teks, bukan piksel
  • geser lampu beberapa sentimeter dan bayangannya diperbarui secara konsisten
• Interaksi utamanya adalah manipulasi langsung. Input bahasa menjadi sarana tambahan saat pengguna tidak ingin mencari menu
• Alat gambar yang bertahan pada akhir 2026 bukanlah UI chat, melainkan
  • bentuk yang lebih dekat ke “Photoshop yang enak dipakai” dengan layer, selection, constraint, history, dan ekspor variasi
  • namun dengan model AI di pusatnya yang memahami tujuan setiap piksel

Prediksi 14: Dunia AI dua lapis

• Di seluruh tenaga kerja, akan terbentuk sistem kelas kognitif yang jelas, yang ditentukan bukan oleh pendidikan melainkan tier langganan
• Berlawanan dengan narasi “demokratisasi AI”, realitasnya adalah pelebaran kesenjangan langganan
• Kesenjangan antara kelompok profesional yang menggunakan model AI premium (~$200/bulan) dengan penalaran tinggi dan konteks besar, dan masyarakat umum yang bergantung pada model gratis atau model lama, akan cepat melebar
• Lapisan premium mengintegrasikan AI ke dalam workflow mendalam, prediksi strategis, coding kompleks, dan simulasi negosiasi yang bernuansa, serta memahami keadaan terkini dan tahap berikutnya dari frontier AI
• Pengguna tier gratis terikat pada model yang lebih kecil dan kurang andal, sehingga tidak mampu melakukan pekerjaan serius karena halusinasi yang sering dan berbagai keterbatasan
• Hasil pada 2026 akan jelas
  • sekelompok kecil power user AI akan mempelajari workflow nyata yang memungkinkan konteks panjang, penalaran multimodal, delegasi agen, pengeditan kreatif berulang, dan eksperimen skala besar karena mereka mampu membayar atau membebankannya sebagai biaya
  • kelompok tier gratis yang jauh lebih besar akan tetap pada persepsi bahwa AI hanyalah “chatbot yang kadang menolak dan kadang timeout”
• Akibatnya, pengguna gratis akan sampai pada kesimpulan bahwa “AI adalah tren berlebihan” dan “tidak berguna untuk pekerjaan nyata”,
  lalu gagal membangun literasi AI yang esensial bagi ekonomi modern
• Kedua kelompok sama-sama berkata bahwa mereka “menggunakan AI”, tetapi sebenarnya yang dimaksud adalah alat dan pengalaman yang sepenuhnya berbeda
• Distribusi penggunaan saat ini adalah sekitar 90% pengguna AI berada di tier gratis, sedangkan tier premium sekitar 10%
• Pengguna premium mengoptimalkan pemanfaatan AI
  • banyak layanan AI mencatat net revenue retention di atas 100%
  • artinya, lewat upgrade ke tier lebih tinggi dan pembelian kredit tambahan, pendapatan setelah satu tahun melampaui pendapatan awal dari kohort tersebut
• Pada 2026,
  • tidak memahami workflow AI tingkat lanjut
  • bisa menjadi syarat gugur setara dengan “tidak bisa menggunakan Excel” di masa lalu

Prediksi 15: Penargetan niche tertinggi — satu pengguna, tepat saat ini

• Pada 2026, konsep “target audience” itu sendiri menjadi usang
• Unit praktis penargetan menyusut dari kelompok atau segmen menjadi individu, momen itu, dan konteks saat ini
• AI berperan sebagai mesin yang menjalankan ini dalam skala besar
• Inti perubahannya bukan sekadar penyempurnaan rekomendasi, melainkan bahwa konten, penawaran, dan aset kreatif akan dirakit seketika agar sesuai untuk tiap individu
• Cara platform memanen niat pengguna sudah mulai berubah
  • Meta secara jelas menyatakan akan memanfaatkan percakapan dengan asisten AI untuk personalisasi iklan dan rekomendasi
    Opt-out penuh tidak dimungkinkan, dan chat AI adalah input dengan sinyal jauh lebih tinggi daripada like atau klik
  • Meta GEM (model rekomendasi iklan generatif) dirancang untuk meningkatkan performa iklan dan ROI
    Hingga akhir 2026, targetnya adalah struktur di mana brand hanya menyediakan gambar produk dan anggaran, lalu AI menangani pembuatan iklan dan penargetannya secara penuh
• Dalam arus ini, peran tradisional agensi iklan melemah dengan cepat
• Google juga bergerak ke arah yang sama: mengintegrasikan secara default tool AI generatif untuk pembuatan aset gambar di Google Ads
• Ketika pembuatan variasi tanpa batas menjadi mungkin, hambatannya bukan lagi produksi melainkan feedback loop
  Sistem belajar dari setiap impresi dan menyesuaikan elemen kreatif secara real time
• Di industri pemasaran, ini sudah didefinisikan sebagai dynamic creative optimization
• Titik balik 2026: “kreatif” dan “penargetan” runtuh menjadi satu lapisan optimisasi tunggal, bukan lagi tahap terpisah
• Brand tidak lagi mengirim satu kampanye yang sama ke publik luas
  • Sebaliknya, mereka hanya memberikan set batasan seperti aturan visual, klaim yang diizinkan, batas bawah harga, inventaris, dan tone
  • AI lalu menyusun gambar, copy, penawaran, dan landing page dalam kombinasi unik untuk setiap sesi pengguna
• Perubahan ini paling dulu muncul di iklan, tetapi area konten lain juga akan cepat menyusul
• Saat mengunjungi e-commerce atau situs berita, konten tidak lagi direkomendasikan dari database, melainkan
  dihasilkan atau ditulis ulang sesuai kondisi psikologis dan konteks personal pada saat itu
  • Jika AI mendeteksi pengguna sedang dalam “mode transaksi terburu-buru”
    • penjelasan diringkas menjadi bullet point, elemen yang tidak perlu dihapus, dan tombol “beli sekarang” ditonjolkan
  • Jika terdeteksi dalam “mode eksplorasi dan penemuan”, konteks naratif dan cerita di sekitar produk akan ditambahkan
• Yang dilihat pengguna bukan lagi konten untuk publik umum, melainkan
  layar yang dibuat untuk diri Anda saat ini, yang didasarkan pada apa yang Anda beli kemarin dan apa yang kemungkinan besar sedang Anda minati sekarang
• Web tidak lagi menjadi medium statis, melainkan berubah menjadi cermin yang memantulkan niat secara seketika

Prediksi 16: AI fisik — otak mendapatkan tubuh

• Selama bertahun-tahun AI tinggal di dalam layar, tetapi 2026 menjadi titik balik ketika AI benar-benar menembus dunia fisik
• Perubahan yang paling mencolok adalah terobosan nyata kendaraan otonom
  Melampaui zona pilot di wilayah berteknologi tinggi dan meluas ke banyak kota, taksi tanpa sopir dan shuttle bisa menjadi pemandangan sehari-hari
• Zoox dan Waymo sedang bersiap memperluas operasi, dan pemain asal Tiongkok juga ikut masuk, terutama di pasar di luar NATO
• Pada akhir 2026, kendaraan otonom bisa menjadi mayoritas di jalan-jalan kota tertentu
  seperti perubahan ketika skuter listrik tiba-tiba memenuhi kota beberapa tahun lalu
• Di San Francisco, pemandangan beberapa kendaraan Waymo mengantre di lampu lalu lintas sudah umum
• Bersamaan dengan mobil, robot bertenaga AI juga makin berpindah dari pabrik dan lingkungan pilot ke ruang-ruang yang lebih sehari-hari
• Bidang yang akan cepat mengalami penyebaran robot
  • Ritel dan hospitality: asisten robot di toko, barista otomatis
  • Kesehatan: robot perawatan lansia, drone pengiriman perlengkapan medis
  • Gudang dan logistik: perluasan besar-besaran operasi robot yang sudah berjalan
• Robot rumah tangga masih butuh waktu lebih lama, tetapi bisa menjadi cukup realistis sebelum kita mulai kesulitan mengangkat panci berat
• Contoh drone pemadam kebakaran eksperimental yang diperkenalkan di Tiongkok
  • Terbang ke area berbahaya yang sulit dijangkau mobil pemadam atau tangga
  • Melakukan pemetaan sumber panas, analisis risiko penyelamatan, dan pelacakan lokasi orang yang terisolasi
  • Sebagian bahkan menyemprotkan bahan pemadam secara langsung ke lokasi kebakaran gedung tinggi atau kebakaran hutan terpencil
• Sistem seperti ini berpotensi menyelamatkan nyawa banyak petugas pemadam
• Xpeng berencana memproduksi massal robot humanoid pada paruh akhir 2026
  Pada awalnya dimulai dari penggunaan industri dan tugas terbatas, dengan cakupan aplikasi yang diperkirakan meluas setelah 2027

Prediksi 17: Kembalinya sistem apprenticeship

• Mulai 2025, posisi junior mulai menghilang, dan tren ini terus berlanjut terutama pada peran UX junior tradisional
• Ketika AI dapat melakukan pekerjaan yang sama lebih baik dan lebih murah, ruang bagi peran junior lama makin menyempit
• Skenario optimistis untuk 2026 bukanlah lenyapnya posisi junior, melainkan munculnya posisi junior dengan bentuk yang sepenuhnya berbeda
  • Peran junior baru ini akan memiliki cakupan lebih sempit dan struktur bergaya apprenticeship dengan mentorship yang jelas
• Skenario pesimistisnya adalah munculnya generasi junior yang hilang, dengan portofolio yang tampak mengesankan tetapi hanya menyusun output AI tanpa penilaian
• Hingga akhir 2026, jalur masuk ke UX kemungkinan akan sangat berbeda dibanding jalur yang pernah dilalui UXer senior di masa lalu
• Saat AI mempercepat eksekusi secara ekstrem, hambatannya bergeser dari produksi ke penilaian
• Masalahnya adalah bagaimana mempelajari penilaian. Ini tidak bisa dipelajari lewat kuliah atau tutorial
  Satu-satunya cara adalah menghabiskan waktu di dekat seorang master yang berulang kali menunjukkan penilaian yang lebih unggul
• Akibatnya, perekrutan UX tingkat pemula makin mungkin menyerupai sistem apprenticeship
• Perusahaan akan mengurangi perekrutan generalis baru yang serbabisa dan lebih memilih
  trainee yang melekat pada domain spesifik seperti aksesibilitas, konten, design system, operasi riset, atau growth
• Yang diharapkan dari junior adalah kemampuan menggunakan AI dengan lancar untuk pekerjaan produksi: bukan volume output, melainkan kualitas keputusan
• Risiko terbesar dalam proses ini adalah godaan pengguna sintetis
  • Dengan permintaan seperti “berpuralah menjadi pengguna lansia yang bingung ingin membeli asuransi”, usability test bisa dijalankan dalam hitungan detik
• Cara ini berguna untuk menemukan bug yang jelas, tetapi mematikan untuk pendidikan apprenticeship
• Mengamati mesin tidak bisa membangun penilaian yang berpusat pada manusia
• Jika UXer junior pada 2026 mengandalkan data sintetis untuk menghindari repot merekrut pengguna nyata
  • maka yang dipelajari bukan “bagaimana orang benar-benar berperilaku”
  • melainkan cara yang diperkirakan AI sebagai perilaku manusia
• Agar pengujian dengan pengguna sintetis menjadi sarana belajar utama, pelatihan AI pada data usability nyata harus jauh lebih maju; itu cerita setidaknya 10 tahun lagi
• Kemungkinan gagalnya visi apprenticeship yang optimistis ini terletak pada orientasi jangka pendek baik dari perusahaan maupun para junior
  • Jika perusahaan hanya menuntut senior yang siap pakai dan menghindari pelatihan junior, dalam jangka menengah dan panjang itu akan menyebabkan kekeringan talenta
  • Sebaliknya, jika junior mengharapkan posisi apprenticeship dibayar sama seperti pekerjaan entry-level lama, sistem ini akan sulit berjalan bahkan di perusahaan yang progresif
• Apprenticeship harus dipahami bukan sebagai struktur bergaji rendah yang merugikan, melainkan sebagai investasi belajar yang lebih baik daripada uang kuliah
  yaitu sebagai proses pendidikan selama periode tertentu

Prediksi 18: Sentuhan manusia sebagai kemewahan — No

• Beberapa influencer memperkirakan bahwa konten buatan tangan akan menjadi kemewahan tertinggi, dan konsumen akan membayar premi untuk komik yang digambar manusia, novel yang ditulis manusia, dan film yang dibintangi aktor manusia
• Kecuali beberapa pengecualian, perkembangan seperti ini kemungkinan besar tidak akan terjadi
• Pada masa transisi, orang mungkin akan sementara membayar lebih mahal untuk film yang dibintangi aktor lama atau musik dari musisi manusia yang sudah mereka kenal
• Namun dalam jangka panjang, yang penting adalah kualitas konten, bukan cara pembuatannya
• Bahkan saat ini pun, penonton nyaris tidak peduli bagaimana efek khusus dibuat, apakah animasi digambar tangan atau dihasilkan komputer, atau di mana film diambil
• Dalam konteks yang sama, pada 2026 ada kemungkinan video game blockbuster pertama yang dibuat hanya dengan prompt bahasa alami tanpa keterampilan pemrograman formal akan muncul
• Akibatnya, definisi “game developer” bergeser dari arsitek teknis menjadi sutradara logika
• Ada juga kemungkinan munculnya game native AI dengan sentient mechanics
  • Alih-alih menembak musuh, pemain membujuk NPC bertenaga AI lewat percakapan suara yang alami
  • NPC memiliki profil psikologis unik dan niat tersembunyi, serta mengingat semua interaksi
  • Mereka merespons secara dinamis tergantung cara pemain membujuk, sehingga mustahil menamatkan permainan berulang kali dengan mengikuti panduan yang sama
• Arus ini dapat berkembang menjadi genre baru berupa RPG percakapan, dengan persuasi sosial sebagai loop inti
• Peran desainer juga berubah, dari menulis skrip pohon dialog yang rumit menjadi berfokus pada latar naratif dan logika internal karakter
• Gameplay dan storytelling akan menarik pengguna, dan apakah konten itu dibuat dari daging atau dari silikon menjadi hal sekunder
• Pekerjaan yang masih mungkin membuat manusia unggul atas mesin akan sangat terbatas
  • Contoh utamanya adalah pekerja seks dan guru pendidikan dasar
• Dalam 20 tahun ke depan, guru kemungkinan besar hampir tidak lagi berperan sebagai penyampai pengetahuan
  kurikulum dan kecepatan belajar akan diberikan jauh lebih efektif oleh AI sesuai bakat dan minat individu siswa
• Meski begitu, alasan manusia tetap dibutuhkan dalam pendidikan dasar adalah untuk menjaga anak-anak tetap berada di jalur belajar dan menjadi teladan orang dewasa
• Hanya karena anak bisa belajar dari AI bukan berarti mereka akan mengabaikan game atau rangsangan lain yang lebih menarik
• Pendidikan AI bisa jadi lebih imersif daripada sekolah saat ini, tetapi game masa depan juga akan jauh lebih menarik
  • Karena itu, guru manusia tetap dibutuhkan
• Pendefinisian ulang peran orang dewasa manusia ini
  sudah berlangsung di sekolah independen maju seperti Alpha School
  pendidikan ditangani AI, sementara orang dewasa berfungsi sebagai pelatih bagi siswa

Kesimpulan: berakhirnya fase kebaruan

• Kesimpulan bersama dari 18 prediksi ini bukan optimisme atau pesimisme, melainkan bahwa 2026 adalah akhir dari sikap menunggu dan melihat
• Masa ketika AI diperlakukan sebagai fenomena menarik yang bisa diamati dari jarak aman telah berakhir
• Tahun itu akan menjadi saat ketika individu, perusahaan, dan seluruh profesi harus memilih antara beradaptasi secara sengaja atau dipaksa beradaptasi
• Kebenaran tidak nyaman yang menyatukan agen otonom, antarmuka generatif, world model multimodal, dan kesenjangan langganan adalah bahwa abstraksi yang dulu membuat era teknologi sebelumnya terasa dapat dikelola kini sedang runtuh
• Dulu orang merancang layar, menulis copy, membangun fitur, dan merekrut berdasarkan unit peran, tetapi

• Pada 2026
  • pekerjaan merancang layar bergeser menjadi merancang batasan sistem yang menghasilkan layar
  • pekerjaan menulis copy bergeser menjadi merancang prompt yang membentuk copy
  • pekerjaan mengimplementasikan fitur bergeser menjadi mendefinisikan spesifikasi perilaku, bukan fitur
  • perekrutan yang berpusat pada eksekusi bergeser menjadi perekrutan yang berpusat pada penilaian, bukan eksekusi

• Kata benda dalam profesi spesialis berubah menjadi kata kerja, dan kata kerja mengeras menjadi kebijakan
• Perubahan ini membingungkan karena menuntut teori baru tentang kontribusi
• Selama ini, identitas dan nilai pekerja pengetahuan berasal dari output seperti laporan, desain, kode, dan kampanye
• Saat AI dapat menghasilkan output seperti itu lebih cepat dan sering kali lebih baik, kontribusi sisa manusia menjadi semakin sulit dijelaskan
• Jawaban yang ditunjukkan prediksi-prediksi ini adalah bahwa nilai manusia bergeser ke hulu
  • mendefinisikan apa yang harus dibuat
  • memverifikasi apakah hasil yang dibuat bisa dipercaya
  • memegang tujuan yang harus dioptimalkan sistem
• Ini memang lebih tidak terlihat dan bagi banyak orang kurang memuaskan, tetapi di sanalah leverage berada saat ini

• Bagi profesional UX, pesan ini keras tetapi tidak putus asa
• Sulit bertahan jika masih terpaku pada nostalgia era ketika pekerjaan utamanya adalah merancang checkout flow yang rapi
• Pekerjaan UX yang baru adalah
  • membentuk perilaku AI
  • mengaudit keputusan agen
  • merancang kepercayaan dalam sistem yang tak bisa sepenuhnya dipahami
  • mewakili pengguna yang semakin ditargetkan secara canggih oleh personalisasi engine
• Ini adalah masalah yang jauh lebih sulit daripada sekadar menata piksel, sekaligus jauh lebih penting

• 2026 adalah titik ketika era “party trick” AI berakhir dan memasuki era integrasi
• Fokus tiga tahun terakhir adalah perlombaan kecerdasan mentah untuk menjawab prompt dengan paling pintar
• Saat performa model mulai konvergen dan moat teknis menghilang, IQ mentah makin menjadi komoditas
• Keunggulan kompetitif yang menentukan pada 2026 akan bergeser ke pengalaman pengguna (UX) dan agency

• Ini berarti akhir dari software statis
• Pergeseran dari UI percakapan (berbicara dengan bot) ke UI delegatif (mengelola tenaga kerja digital)
• Agen AI akan bernegosiasi atas nama kita, UI generatif akan menggambar antarmuka secara instan, dan AI fisik akan bergerak di jalanan
• Software tidak lagi menunggu klik, tetapi bertindak bersama kita

• Namun transisi dari alat menjadi rekan kerja membawa realitas baru
• Mitos optimistis tentang AI yang terdemokratisasi berbenturan dengan batasan fisika dan ekonomi
• Semakin AI meresap sebagai elemen struktural ekonomi, semakin terbentuk dunia dua lapis
• Kesenjangan digital yang baru bukan lagi soal ada atau tidaknya akses internet, melainkan apakah seseorang mampu membayar komputasi premium yang memungkinkan penalaran dan agency yang sesungguhnya

• Mereka yang memakai model frontier lewat langganan berbayar akan “memahami” AI
• Mereka yang bertahan di tier gratis akan menganggap AI sebagai “chatbot tak berguna”
• Prediksi tentang pelapisan ini sangat penting
  • masyarakat di mana hanya 10% yang memahami kemampuan nyata AI
  • sementara 90% percaya itu cuma hype bukan hanya tidak efisien, tetapi juga tidak stabil
• Kesenjangan kognitif akan berpindah menjadi kesenjangan ekonomi, lalu kesenjangan ekonomi menjadi kesenjangan politik
• Pada 2026, apakah perusahaan, pemerintah, dan lembaga pendidikan bertindak untuk menutup kesenjangan ini akan menentukan struktur sosial satu generasi

• Fakta yang paling paradoks adalah bahwa 2026 tidak akan terasa seperti revolusi saat sedang dijalani
• Orang-orang yang hidup pada masa awal mesin cetak, mobil, atau internet juga tidak mengalami momen sebelum-dan-sesudah yang dramatis, melainkan ketidaknyamanan, kebingungan, dan adaptasi bertahap
• 2026 akan sama
  • AI akan merusak beberapa workflow dan memperbaiki yang lain
  • mengecewakan di area tak terduga, dan memberi kejutan di area lain
  • perusahaan akan salah langkah dalam integrasi, dan agen akan gagal dengan cara yang memalukan
  • hype cycle akan terus berguncang

• Meski begitu, ini tetap revolusi
  • para sejarawan di masa depan kemungkinan akan mencatat 2026 sebagai tahun fondasi era AI diletakkan
• Yang dibangun bukan hanya data center, tetapi juga kebiasaan, ekspektasi, dan tatanan institusional yang menentukan bagaimana teknologi meresap ke kehidupan sehari-hari
• Keputusan yang diambil pada 2026
  • cara melatih junior
  • penetapan harga yang terjangkau
  • desain untuk kepercayaan
  • cara menekan manipulasi
    semua ini akan berdampak selama puluhan tahun
• Sikap yang tepat pada momen ini bukan panik atau puas diri, melainkan fokus berkelanjutan untuk membangun keterampilan, relasi, dan model mental yang tetap penting setelah debu mereda
• Bagi mereka yang mau memikul pekerjaan itu, 2026 bukan ancaman, melainkan tahun paling menarik untuk hidup

[xguru]

Penulis artikel ini, Jakob Nielsen, adalah pakar UX dengan pengalaman 42 tahun.
Saat WWW dibuka untuk publik, ia pernah memprediksi bahwa "hypertext akan menjadi antarmuka pengguna masa depan."
Karena itu, pada 1990 ia sudah menulis buku berjudul "Hypertext and Hypermedia".

Ia juga turut mendirikan Nielsen Norman Group (https://www.nngroup.com/), firma konsultasi paling terkenal di bidang UX. (Donald Norman adalah orang yang menciptakan istilah UX.)

Tulisan 10 Usability Heuristics for User Interface Design juga sangat terkenal.

[shincad]

Ini menyatakan berakhirnya era ketika AI hanyalah alat, dan dengan tepat menempatkan posisi terakhir manusia pada penilaian dan tanggung jawab.
Terima kasih, tulisannya enak dibaca.

[chytonpide]

Ini salah satu tulisan dengan wawasan paling keren di antara yang belakangan ini saya baca. Senang sekali membacanya.

[pencil6962]

> Dalam konteks yang sama, pada 2026 juga ada kemungkinan muncul video game blockbuster pertama yang dibuat hanya dengan prompt bahasa alami tanpa keterampilan pemrograman formal.

Itu mungkin saja, tetapi berhasil atau tidaknya sebuah game bergantung pada perencanaan dan grafis, jadi kalau AI tidak mengerjakan bagian itu dan hanya melakukan pemrograman, saya jadi bertanya-tanya apakah itu benar-benar berarti.

Lalu untuk pemrograman juga, kalau patokannya 2026, rasanya akan lebih cepat jika AI menyusun kerangka besarnya lalu manusia yang melakukan penyesuaian detail. Apakah mungkin dalam tahun ini kualitas hasil buatan AI akan menjadi setinggi itu sampai-sampai tidak bisa dibedakan lagi apakah itu dibuat oleh AI atau manusia?

[ffdd270]

Kalau hanya melihat bagian "tanpa keterampilan pemrograman formal", sebenarnya ini adalah sesuatu yang sudah berlangsung secara bertahap lewat perkembangan teknologi game engine. Saya pikir berkat AI akan ada lebih banyak orang yang bisa mewujudkan impian yang lebih besar. Bahkan sebelum AI pun ada orang yang membuat Spelunky (di bukunya ia menulis bahwa ia benar-benar bersyukur karena bisa membuatnya dengan tool bernama GameMaker tanpa pemrograman tradisional), dan kalau tidak salah ada juga pengembang Undertale yang memasukkan semua percabangan ke dalam satu switch dan memang tidak terlalu tertarik pada pemrograman itu sendiri. Menurut saya, arus untuk semakin mengurangi porsi pemrograman saat ini juga berada di jalur yang sama....

Namun, untuk perencanaan dan art, kalau melihat betapa lelahnya para gamer sekarang terhadap apa yang biasa disebut sebagai produk "massal" atau seragam, bukankah pada akhirnya penilaian akhir manusia seperti yang disebut tulisan aslinya akan menjadi makin penting? Karena itu, saya pikir yang tetap penting ke depannya adalah kemampuan menulis untuk mengekspresikan apa yang kita pikirkan, dan kekuatan selera dalam menentukan apa yang kita anggap bagus. Meski ini tentu bukan masalah yang hanya berlaku di game saja.

[cshj55]

Tentu saja

[hpark]

> Magang adalah investasi pembelajaran dalam struktur upah rendah, bukan kerugian, dan lebih baik daripada uang kuliah

[eastkim64]

Bagian ini juga yang paling berkesan bagi saya.