Model mulai mendekati titik “cukup pintar”

Bukan berarti semua model sama.

Masih ada perbedaan besar antara model frontier, model murah, model open weight, model kecil di device, dan model khusus untuk coding atau reasoning.

Tapi dari sisi user biasa, semakin banyak model yang sudah mencapai level “cukup bagus” untuk pekerjaan sehari-hari.

Bikin draft.

Merangkum dokumen.

Menganalisis spreadsheet.

Menulis kode dasar.

Mencari ide.

Membandingkan produk.

Membantu customer service.

Membuat presentasi.

Menyusun research awal.

Kalau lima model bisa mengerjakan tugas tersebut dengan hasil yang sama-sama acceptable, faktor penentu pindah.

Mana yang paling cepat?

Mana yang paling murah?

Mana yang sudah terhubung ke data perusahaan?

Mana yang bisa login ke tools?

Mana yang sudah dibayar perusahaan lewat enterprise contract?

Mana yang ada di device?

Mana yang punya permission untuk benar-benar bertindak?

Di kantor daerah Sudirman, seorang analis tidak akan selalu melakukan benchmark tujuh model sebelum mulai kerja. Dia kemungkinan pakai tool yang sudah disediakan perusahaan dan nyambung ke dokumen internal.

Developer juga begitu. Model coding yang sedikit lebih bagus belum tentu menang kalau pesaingnya punya integrasi IDE, repository context, deployment workflow, dan enterprise security yang jauh lebih mulus.

Distribution starts to eat intelligence.

Compute menjadi moat

Di belakang setiap jawaban AI ada infrastruktur fisik.

GPU harus dibeli.

Server dipasang.

Listrik tersedia.

Cooling berjalan.

Fiber terhubung.

Data center dibangun.

Model di-training.

Inference dilayani.

Semua itu butuh modal.

Dan skalanya makin besar.

Di 2026, perusahaan AI tidak lagi bisa berpikir seperti startup software klasik yang cukup menyewa beberapa server lalu tumbuh dengan biaya marginal nyaris nol.

Inference punya biaya nyata.

Semakin banyak orang memakai reasoning yang panjang, video generation, agent, multimodal, dan coding, semakin besar compute yang dibutuhkan.

Ini menciptakan keunggulan bagi perusahaan yang punya akses modal, cloud infrastructure, custom silicon, atau kontrak energi jangka panjang.

Bukan berarti startup kecil mati.

Justru model open weight dan cloud membuat startup bisa membangun produk tanpa punya data center sendiri.

Tapi di level frontier, kemampuan mengamankan compute menjadi bagian dari strategi perusahaan, sama pentingnya dengan merekrut researcher.

AI lab mulai mirip perusahaan industrial.

Mereka tetap menulis software, tapi hidupnya tergantung beton, listrik, chip, jaringan, dan supply chain global.

Distribusi lebih susah ditiru daripada model

Ada paradoks menarik.

Model bisa bergerak cepat.

Hari ini satu perusahaan unggul. Beberapa bulan kemudian pesaing mengejar.

Distribusi jauh lebih lengket.

Kalau sebuah AI sudah tertanam di sistem operasi, browser, productivity suite, CRM, cloud, smartphone, atau marketplace, pesaing tidak cukup cuma membuat model 8 persen lebih bagus.

Mereka harus membuat user punya alasan pindah.

Dan pindah itu mahal.

Bukan cuma harga subscription.

Ada data.

Prompt library.

Workflow.

Integration.

Training karyawan.

Security review.

Procurement.

API dependency.

Internal documentation.

Begitu perusahaan membangun puluhan workflow di atas satu stack, switching cost naik.

Makanya kompetisi AI 2026 bukan sekadar siapa punya model terbaik, tapi siapa bisa menjadi lapisan default.

Default adalah kekuasaan yang sering diremehkan.

Orang memakai search engine default.

Browser default.

Map default.

Office suite default.

Cloud default.

Kalau AI jadi default di seluruh software yang sudah dipakai orang, keunggulannya sangat besar.

Agent membuat distribusi makin penting

Chatbot masih meminta manusia datang dan mengetik.

Agent berbeda.

Agent bisa hidup di dalam workflow.

Dia bisa membaca email.

Mengecek calendar.

Mengakses CRM.

Membuka repository.

Mengirim task.

Memanggil API.

Membandingkan vendor.

Membuat purchase request.

Begitu AI bisa bertindak, akses menjadi lebih penting daripada kecerdasan murni.

Model boleh super pintar, tapi kalau tidak punya permission ke sistem yang dibutuhkan, dia hanya bisa memberi saran.

Model yang sedikit kurang pintar tetapi punya akses legal, aman, dan terstruktur bisa menyelesaikan pekerjaan sampai tuntas.

Ini menggeser persaingan ke integration layer.

Siapa punya connector terbanyak?

Siapa punya identity system terbaik?

Siapa dipercaya enterprise?

Siapa bisa memberi audit trail?

Siapa bisa mengatur permission per action?

Siapa punya ecosystem developer yang membangun tool di atas platform mereka?

Pertanyaan-pertanyaan seperti itu mulai terasa lebih strategis dibanding “benchmark MMLU naik berapa poin”.

Model adalah engine. Distribution menentukan berapa banyak kendaraan yang benar-benar jalan.

China memahami permainan ecosystem

Perkembangan model China memberi contoh menarik.

China tidak hanya mengejar kemampuan frontier. Ekosistemnya juga mendorong open models, domestic cloud, chip lokal, standardisasi, aplikasi consumer, dan integrasi industri.

Pada 2026, perdebatan tentang keterbukaan model China makin kuat. Banyak model China menyebar luas karena bobotnya tersedia dan mudah diadaptasi, meski tingkat “openness” tiap proyek tentu berbeda. Ada yang membuka weights tetapi tidak data training atau source code lengkap.

Buat developer di negara berkembang, perbedaannya tetap signifikan.

Model yang bisa diunduh dan dijalankan lokal memberi opsi.

Tidak harus mengirim seluruh data ke API luar.

Bisa di-fine-tune.

Bisa di-host sendiri.

Bisa dibuat untuk bahasa lokal.

Bisa dipakai dengan biaya yang lebih terkendali.

Di sinilah distribusi open model menjadi bentuk kekuatan lain.

Bukan lewat satu aplikasi consumer dominan, tapi lewat penyebaran ke ribuan produk yang tidak selalu membawa brand model di permukaan.

Amerika punya distribusi platform yang luar biasa kuat

AS masih punya advantage besar.

Cloud hyperscaler.

Operating system.

Browser.

Enterprise software.

Developer platform.

Smartphone ecosystem.

Search.

Social platform.

Chip design.

Frontier labs.

Kalau model baru bisa langsung masuk ke jutaan enterprise seat atau perangkat consumer, time to distribution-nya sangat pendek.

Itu sebabnya persaingan AI AS tidak bisa dibaca hanya dari ranking model.

Perusahaan yang punya jalur ke user bisa mengubah model menjadi feature dalam skala sangat cepat.

User tidak perlu “adopt AI”.

AI muncul di software yang sudah mereka pakai.

Buat perusahaan, ini juga mengurangi friction procurement.

Daripada menambah vendor ke-37, mereka bisa mengaktifkan AI di vendor existing.

Secara teknis mungkin bukan pilihan paling optimal.

Secara organisasi, sering jauh lebih mudah.

Eropa memilih kekuatan berbeda

Eropa tidak punya jumlah frontier lab dan platform consumer sebesar AS atau China.

Tapi Eropa punya kekuatan regulasi dan pasar.

EU AI Act menunjukkan bagaimana blok ekonomi bisa membentuk perilaku perusahaan global melalui aturan akses pasar.

Mulai 2 Agustus 2026, mayoritas aturan yang relevan pada fase tersebut mulai berlaku, termasuk transparency requirements dan enforcement untuk kewajiban tertentu seperti general-purpose AI.

Ini menciptakan bentuk kekuatan yang berbeda.

Eropa mungkin tidak mendominasi model frontier, tetapi bisa memengaruhi standar bagaimana AI dipasarkan, dijelaskan, didokumentasikan, dan diawasi.

Kalau perusahaan global mau melayani user Eropa, mereka harus memperhatikan aturan Eropa.

Regulation becomes distribution infrastructure.

Bukan infrastruktur dalam arti data center, tetapi aturan masuk ke pasar.

Negara berkembang jangan cuma melihat leaderboard

Buat Indonesia, perubahan ini punya implikasi penting.

Kalau kita terus memahami perlombaan AI sebagai lomba bikin model terbesar, kita bisa salah fokus.

Indonesia mungkin tidak realistis mengejar setiap frontier model dengan budget setara hyperscaler.

Tapi kita masih bisa membangun posisi di banyak lapisan.

Data center.

Cloud.

Local inference.

Bahasa Indonesia dan bahasa daerah.

Industry dataset.

AI security.

Agent integration.

Fintech.

Enterprise deployment.

Public service.

Evaluation.

Education.

Developer ecosystem.

Distribution lokal.

Perusahaan Indonesia yang punya akses ke jutaan konsumen juga punya asset strategis.

Bank.

Telco.

Marketplace.

Super app.

Media.

Universitas.

Pemerintah.

Mereka punya distribution channels yang tidak bisa langsung direplikasi perusahaan asing.

Pertanyaannya adalah apakah distribution tersebut hanya menjadi jalur menjual AI pihak lain, atau dipakai untuk membangun capability lokal.

Di Blok M, Kuningan, Surabaya, Bandung, atau Makassar, user sebenarnya tidak peduli apakah model yang menjawab berasal dari negara mana selama hasilnya berguna, aman, dan murah.

Tapi dari sisi ekonomi nasional, siapa yang memiliki infrastructure, model layer, data, dan customer relationship tetap menentukan ke mana value akhirnya mengalir.

Perlombaan berikutnya adalah siapa yang jadi layer

AI 2026 sedang masuk fase yang lebih dewasa.

Demo model masih bikin headline.

Tapi nilai jangka panjang akan ditentukan oleh pertanyaan yang lebih membosankan.

Siapa menyediakan compute?

Siapa punya chip?

Siapa mengendalikan identity?

Siapa menjadi default assistant?

Siapa punya connector?

Siapa dipercaya regulator?

Siapa punya data enterprise?

Siapa bisa menjalankan inference dengan biaya rendah?

Siapa punya developer yang membangun ecosystem?

Siapa berada paling dekat dengan transaksi dan keputusan?

Itulah sebabnya perlombaan AI terasa makin mirip kompetisi platform dan infrastruktur daripada kontes chatbot.

Model tetap pusat teknologinya.

Tapi model sendirian tidak cukup.

Dalam beberapa tahun ke depan, kita mungkin melihat situasi di mana model paling terkenal bukan model yang paling banyak dipakai secara langsung. Ia bisa hidup di balik ribuan produk, agent, API, dan workflow yang tidak pernah menyebut nama model kepada user.

Dan di situlah kompetisi sebenarnya berada.

Bukan hanya siapa bisa membuat intelligence.

Tapi siapa punya infrastruktur untuk menjalankannya, distribusi untuk menyebarkannya, dan posisi cukup kuat untuk menjadi lapisan tempat ekonomi digital berikutnya dibangun.