Dulu interaksi dengan AI punya ritual yang lumayan jelas. Buka chat, ketik pertanyaan, tunggu jawaban. Kalau ada tabel, kita copy. Kalau ada gambar, kita jelaskan. Kalau ada dokumen panjang, kita potong-potong lalu berharap konteksnya tidak hilang di tengah jalan.
Di 2026, pola itu mulai terasa old school.
Asisten AI modern makin bisa menerima lebih dari satu jenis input dalam percakapan yang sama. Teks tetap ada, tapi sekarang ada gambar, suara, dokumen, kamera, bahkan berbagi layar pada produk tertentu. Beberapa sistem juga bisa memakai pencarian web, memori, file, dan aplikasi yang terhubung. Jadi konteks yang dulu harus kita terjemahkan menjadi paragraf panjang, sekarang pelan-pelan bisa diberikan dalam bentuk aslinya.
Ini terdengar seperti upgrade fitur. Sebenarnya dampaknya jauh lebih besar. Ketika AI bisa melihat apa yang kita lihat, mendengar apa yang kita ucapkan, dan membaca bahan kerja yang sama dengan kita, posisi AI berubah dari “mesin yang ditanya” menjadi sesuatu yang lebih mirip partner kerja di samping layar.
Yang berubah bukan cuma cara kita bertanya
Bayangkan lo lagi duduk di coffee shop sekitar Blok M, laptop terbuka, spreadsheet penjualan penuh angka, WhatsApp kantor ramai, dan ada PDF proposal 40 halaman yang harus dibaca sebelum meeting siang. Dalam model interaksi lama, lo harus menjelaskan satu-satu: angka mana yang penting, halaman mana yang perlu dibaca, apa konteks meeting, dan apa yang ingin dicari.
Dengan sistem multimodal, sebagian friksi itu berkurang. Dokumen bisa diberikan langsung. Screenshot bisa dianalisis. Suara bisa dipakai untuk berdiskusi sambil tangan tetap di keyboard. Pada fitur tertentu, layar juga bisa dibagikan sehingga AI memahami antarmuka atau bagian yang sedang dilihat pengguna.
OpenAI, misalnya, pada pembaruan produk 2026 memperluas pengalaman suara agar dapat bekerja bersama teks, gambar, pencarian web, dan memori dalam percakapan yang sama. Mode suara tertentu juga tetap mendukung video atau screen sharing untuk pengguna yang memenuhi syarat. Di sisi lain, Google memperkenalkan Gemma 4 12B sebagai model multimodal yang dapat menerima input audio secara native dan cukup ringkas untuk dijalankan secara lokal pada perangkat dengan kapasitas yang sesuai.
Detail produknya akan terus berubah. Yang lebih penting adalah arah industrinya: batas antara “input teks”, “input suara”, dan “input visual” makin kabur.
Buat pengguna, ini berarti kita tidak selalu harus menerjemahkan dunia menjadi prompt.
AI mulai menerima dunia dalam format yang lebih manusiawi
Manusia tidak hidup dalam format TXT.
Kita memahami situasi dari kombinasi suara, ekspresi, dokumen, posisi benda, tampilan aplikasi, grafik, dan konteks yang kadang susah dijelaskan. Ketika teman lo bilang, “coba lihat ini deh,” biasanya dia tidak mengirim deskripsi 700 kata. Dia menunjuk layar.
AI yang benar-benar multimodal mencoba mendekati pola itu.
Misalnya lo sedang membuat presentasi. Daripada menjelaskan, “slide ketiga punya grafik batang di kiri dengan teks terlalu kecil,” lo bisa menunjukkan slide tersebut. AI bisa membaca struktur visualnya, menangkap teks, lalu menyarankan perbaikan. Kalau produk yang dipakai punya kemampuan bertindak, tahap berikutnya bahkan bisa melibatkan perubahan langsung pada file, tentu dengan izin dan batas tertentu.
Contoh lain lebih sederhana. Seorang pemilik toko di Kelapa Gading dapat memotret rak produk lalu bertanya mana label yang kurang jelas. Mahasiswa di Rawamangun bisa mengunggah paper dan mendiskusikannya lewat suara saat commute. Tim agency di Kuningan bisa memasukkan brief, screenshot dashboard, serta rekaman ide dalam satu alur kerja.
Semua itu mengurangi pekerjaan “menjelaskan pekerjaan”.
Ini penting karena selama beberapa tahun pertama ledakan generative AI, banyak waktu justru habis untuk menyiapkan konteks agar model mengerti apa yang kita maksud. Multimodalitas berpotensi memangkas biaya kognitif tersebut.
Tapi melihat bukan berarti memahami sempurna
Di sinilah hype perlu direm sedikit.
AI bisa memproses gambar bukan berarti ia selalu membaca situasi visual dengan benar. Bisa mendengar suara bukan berarti ia selalu menangkap maksud, sarkasme, nama lokal, atau kondisi audio yang berisik. Bisa membaca PDF bukan berarti ia otomatis memahami seluruh implikasi hukum, finansial, atau teknis dari dokumen itu.
Kemampuan input bertambah, tetapi kemungkinan salah juga bertambah jalurnya.
Kalau sistem hanya menerima teks, kesalahan banyak muncul dari interpretasi teks. Kalau sistem menerima teks, suara, gambar, dokumen, layar, dan data aplikasi, setiap sumber bisa membawa ambiguity sendiri. Screenshot bisa terpotong. Dokumen bisa punya versi lama. Speaker bisa salah terdengar. Grafik bisa dibaca tanpa memahami definisi metriknya.
Lebih banyak indera digital bukan jaminan lebih banyak kebenaran.
Justru karena pengalaman terasa natural, pengguna bisa lebih gampang lupa bahwa model tetap membuat inferensi. Ketika AI mengatakan sesuatu sambil “melihat” layar kita, responsnya terasa lebih authoritative. Padahal ia masih bisa salah membaca tombol, salah memahami angka, atau menyimpulkan sesuatu yang sebenarnya tidak ada.
Buat pekerjaan ringan, kesalahan seperti itu mungkin cuma bikin sebel. Buat keputusan keuangan, medis, hukum, keamanan, atau operasional, error kecil bisa punya konsekuensi besar.
Masalah baru bernama context overload
Ada paradoks menarik di sini. Dulu masalah kita adalah kurang konteks. Sekarang kita mulai masuk fase terlalu banyak konteks.
Kalau AI bisa membaca puluhan file, riwayat percakapan, layar, catatan meeting, dan data dari aplikasi yang terhubung, pertanyaannya bukan lagi “apakah AI punya informasi cukup?” Pertanyaannya menjadi “informasi mana yang seharusnya dipakai?”
Ini beda level.
Dalam pekerjaan kantor, dokumen lama sering hidup berdampingan dengan dokumen baru. Ada file bernama FINAL, FINAL2, FINAL_FIX, FINAL_FIX_BENERAN. Ada kebijakan yang berubah, harga yang sudah tidak berlaku, spreadsheet yang belum diperbarui, dan pesan Slack yang cuma brainstorming tetapi terlihat seperti keputusan.
AI multimodal yang sangat rajin bisa membaca semuanya, lalu tetap salah karena memilih konteks yang keliru.
Jadi desain sistem yang bagus bukan sekadar menghubungkan AI ke sebanyak mungkin sumber. Sistem perlu tahu sumber mana yang resmi, mana yang terbaru, siapa pemilik data, apa hak akses pengguna, dan kapan AI harus bertanya sebelum mengambil kesimpulan.
Semakin luas kemampuan melihat, semakin penting kemampuan membatasi pandangan.
Privasi juga pindah kelas
Waktu AI hanya menerima prompt teks, kita sudah punya masalah privasi. Sekarang bayangkan sistem yang juga bisa mengakses layar, suara, kamera, dokumen, kalender, email, dan aplikasi kerja.
Data yang terbuka bukan cuma apa yang sengaja kita ketik.
Saat berbagi layar, notifikasi pribadi bisa muncul. Saat meeting direkam, percakapan informal bisa ikut tertangkap. Saat kamera aktif, latar belakang bisa menunjukkan informasi yang tidak relevan. Saat dokumen dibaca, lampiran atau metadata mungkin mengandung data yang sebenarnya tidak perlu untuk tugas tersebut.
Ini membuat prinsip data minimization kembali sangat masuk akal. Berikan hanya akses yang memang dibutuhkan.
Kalau tugasnya cuma mengecek formula di spreadsheet, AI tidak perlu melihat inbox. Kalau tujuannya merangkum satu dokumen, tidak ada alasan otomatis memberinya seluruh drive. Kalau diskusi suara tidak membutuhkan penyimpanan jangka panjang, pengguna seharusnya memahami bagaimana rekaman dan transkrip diperlakukan oleh layanan yang dipakai.
Kemudahan multimodal bisa mendorong kebiasaan “kasih semua saja biar AI ngerti”. Itu praktis, tapi belum tentu sehat.
Interface komputer juga akan berubah
Selama puluhan tahun, kita belajar komputer lewat menu, ikon, folder, tombol, dan aplikasi. Multimodal AI berpotensi menambah lapisan baru: niat manusia.
Lo tidak selalu harus tahu tombol mana yang harus ditekan. Lo bisa menjelaskan apa yang ingin dicapai, lalu AI membantu menavigasi prosesnya. Kadang lewat percakapan, kadang dengan membaca layar, kadang dengan memakai tool, dan semakin sering dengan kombinasi semuanya.
Efeknya bisa besar untuk software yang selama ini kuat tetapi intimidating. Spreadsheet, software desain, analytics, CRM, atau dashboard operasional punya ratusan fitur yang jarang disentuh karena pengguna tidak tahu letaknya. AI bisa menjadi interface yang menerjemahkan tujuan manusia ke fungsi software.
Tapi ini tidak otomatis membuat UI tradisional mati.
Untuk tugas presisi, manusia masih butuh kontrol visual, preview, undo, history, dan konfirmasi. Kalau AI mengubah 300 baris data, kita butuh cara melihat apa yang berubah. Kalau AI hendak mengirim pesan, kita perlu tahu penerimanya. Kalau AI mengklik tombol berisiko, sistem harus punya checkpoint.
Interface terbaik kemungkinan bukan “semua jadi chat”. Yang lebih masuk akal adalah kombinasi chat, suara, visual, kontrol manual, dan automasi.
Pekerjaan akan terasa lebih seperti kolaborasi
Perubahan terbesar mungkin muncul pada ritme kerja.
Dulu workflow digital sering linear. Buka dokumen, baca, pindah ke browser, cari informasi, kembali ke dokumen, buka spreadsheet, copy angka, lalu tulis ringkasan.
Multimodal AI bisa menjadi lapisan yang bergerak di antara aktivitas tersebut. Kita bisa bertanya tentang dokumen sambil melihatnya, membahas angka dengan suara, lalu meminta sistem menyusun temuan tanpa harus berpindah konteks berkali-kali.
Buat pekerja urban yang hidupnya sudah penuh tab dan notifikasi, ini bukan upgrade kecil. Context switching itu melelahkan. Kalau AI bisa mengurangi perpindahan tersebut, produktivitas bisa naik bukan karena orang bekerja lebih cepat setiap detik, tapi karena lebih sedikit energi terbuang untuk urusan mekanis.
Namun ada risiko lain: kita jadi terlalu cepat menerima interpretasi pertama.
Saat AI berada begitu dekat dengan workflow, friction untuk meminta pendapat menjadi hampir nol. Itu bagus, tetapi manusia tetap perlu punya momen untuk berpikir sendiri. Kalau setiap grafik langsung dijelaskan AI, setiap email langsung ditafsirkan AI, dan setiap keputusan langsung diberi rekomendasi AI, kemampuan judgement bisa perlahan outsourcing tanpa kita sadari.
Yang kita butuhkan bukan AI yang selalu bicara. Kita butuh AI yang tahu kapan membantu dan kapan diam.
Skill baru: menunjukkan konteks dengan sadar
Di era prompt teks, skill pentingnya adalah menjelaskan masalah dengan jelas. Di era multimodal, skill itu tidak hilang. Bentuknya berubah.
Kita perlu tahu bagian layar mana yang relevan, dokumen mana yang authoritative, suara mana yang boleh direkam, dan data mana yang tidak perlu dibagikan. Kita juga perlu memeriksa apakah AI memahami konteks dengan benar sebelum menyuruhnya bertindak.
Jadi semakin natural interface AI, semakin penting literasi pengguna.
Natural bukan berarti tanpa risiko.
Orang yang paling efektif memakai AI multimodal bukan selalu yang paling jago teknologi. Bisa jadi justru mereka yang paling paham pekerjaannya sendiri, tahu sumber kebenaran, paham batas akses, dan terbiasa mengecek hasil.
2026 memperlihatkan satu hal yang makin jelas: masa depan AI tidak cuma terjadi di kotak chat. AI sedang bergerak ke tempat kerja sebenarnya, ke dokumen, suara, layar, aplikasi, dan konteks yang kita gunakan setiap hari.
Itu membuat teknologi terasa jauh lebih dekat.
Dan justru karena semakin dekat, kita perlu lebih sadar kapan harus membuka akses, kapan harus membatasi, dan kapan harus bilang, “yang ini gue cek sendiri dulu.”
Bacaan terkait
Artikel ini berada dalam AI dan mengikuti metodologi editorial Undercover.id. Format terkait tersedia di Explainer teknologi dan kebijakan digital.