Percakapan Pendiri Chance AI: Melihat jalan lain di dunia, keluar dari tembok "homogenisasi model besar"

Di tengah persaingan AI yang skalanya belum pernah sebesar ini, “model besar” menjadi jawaban default bagi semua perusahaan. Semua orang sedang meningkatkan daya komputasi, ikut ajang adu peringkat, dan berebut berbagai pintu masuk. Namun tepat ketika narasi industri makin menyempit, sebuah perusahaan rintisan yang hampir menolak semua praktik arus utama justru muncul—Chance AI.

Pendiri, Zeng Xi, menghapus kolom input dari beranda, membuat sebuah aplikasi AI yang tidak perlu Anda mengajukan pertanyaan; cukup dengan mengangkat tangan dan mengetuk, aplikasi itu dapat membantu Anda menginterpretasikan secara tekstual apa pun yang Anda lihat—ini lebih sesuai dengan intuisi.

Di lokasi, Zeng Xi menunjukkan foto sepasang sepatu Air Jordan 1, lalu Chance AI memberi tahu kami bahwa nilainya 300 ribu dolar AS. Kenapa? Karena sepasang itu dipakai dalam final kejuaraan saat Jordan pada masanya. Aplikasi ini juga bisa membantu perempuan melihat padu padan mereka. Sebelum keluar, dia memotret selfie satu kali; aplikasinya bisa memberi tahu bahwa untuk setiap padanan, jika mengganti syal dengan warna lain, atau menambahkan tas dengan warna tertentu, tingkat kecocokannya akan lebih tinggi.

Tak lama setelah menarik perhatian mahasiswa-mahasiswa di Amerika Utara, tim pun menuruti gaung dari generasi muda dan mengembangkan serangkaian fitur seperti penilaian OOTD (pakaian harian), membaca telapak tangan, memeriksa tipe kulit, serta penilaian sinis.

Bukan hanya berhenti pada menginterpretasikan. Pengguna juga dapat membagikan sekali klik ke komunitas bawaan Chance AI; “yang terlihat” menjadi bahan obrolan milik pengguna, dan sekelompok anak muda berusia 18–25 tahun pun berkumpul bersama.

CTO Wu Xiaofan mengungkapkan kepada Wall Street Zhizhen bahwa Chance AI telah menarik sekitar 250 ribu pengguna di seluruh dunia.

Dengan demikian, bentuk “Google Lens + Xiaohongshu, Instagram” perlahan mulai terbentuk, dan Chance AI juga sudah mengumpulkan elemen-elemen yang biasanya ada pada produk viral. Apalagi, makin sering anak muda menggunakannya, makin mampu menangkap kebutuhan nyata mereka. Zeng Xi mengatakan, “Kami punya sekitar 200 ribu lebih pengguna; setiap perempuan di Amerika Utara rata-rata memotret padanan pakaian mereka 2,8 kali setiap hari. Betapa mengerikannya jumlah datanya.”

Meski memegang ladang kaya yang didambakan pabrikan besar dan para perusahaan e-commerce, Zeng Xi dan timnya tidak buru-buru mencari monetisasi. Mereka juga tidak berencana membabi buta mengikuti tren AI hardware yang sedang panas; bahkan untuk sementara mereka pun tidak berani melakukan promosi berskala lebih besar, takut infrastruktur tak mampu menopang “rezeki berlimpah” yang datang terlalu cepat.

Mereka berencana terus menyempurnakan visual Agent mereka sendiri, mengembangkan “otak visual” itu agar makin kuat, lalu mengumpulkan data yang lebih kaya, membentuk komunitas visual, dan mempercepat proses “seperti menggulung bola salju”.

Di era ketika produk AI makin lama makin homogen, Zeng Xi menjadi salah satu dari sedikit pihak yang memilih untuk keluar dari narasi arus utama, namun justru menggali konsensus dari intuisi manusia: jika 70% bandwidth otak manusia digunakan untuk memproses visual, maka pintu masuk masa depan AI tidak seharusnya terus dikuasai oleh satu kotak input.

Pilihan Chance AI mungkin terlihat agresif, tetapi dalam lintasan yang makin penuh kompetisi, justru karena kelangkaannya ia lebih menarik untuk diamati.

Tarik interaksi kembali ke naluri visual

Ketika industri sudah terbiasa mendefinisikan batas produk dengan cara “manusia mengajukan pertanyaan, AI menjawab”, pendiri Chance AI, Zeng Xi, mengajukan satu pertanyaan kepada Wall Street Zhizhen: “Kenapa mata tidak tumbuh di bokong?”

Karena dalam logika evolusi manusia, visual adalah prinsip pertama, sedangkan bahasa hanyalah sistem pengkodean yang muncul kemudian.

Zeng Xi menyinggung bahwa dari sudut pandang evolusi, sekitar 70% pemrosesan informasi di otak manusia berkaitan dengan visual—sebelum bahasa muncul, manusia sudah mengandalkan visual untuk mengenali lingkungan, menilai bahaya, dan menilai peluang.

Dalam sepuluh tahun terakhir, semua cara interaksi arus utama telah distandarkan menjadi kolom input. Pengguna harus mengetahui lebih dulu pertanyaannya apa; mereka harus menerjemahkan kebutuhan menjadi bahasa, lalu menyerahkan bahasa tersebut kepada sebuah model.

Bagi kebanyakan orang, cara ini tidak terasa alami. Ketika seseorang melihat di jalan gedung yang aneh, melihat seni yang asing, melihat simbol yang samar, reaksi pertama adalah “tertarik”, sedangkan pertanyaan muncul setelah perhatian.

Zeng Xi berkata, “Prompt disiapkan untuk AI yang malas.”

Maksudnya bukan menyerang ekosistem prompt, melainkan berpandangan bahwa dalam sebagian besar waktu, prompt adalah manusia yang membantu model bekerja—mengisi rantai penalaran yang kurang dalam model. Jika AI benar-benar cukup cerdas, ia tidak seharusnya bergantung pada manusia yang mengajari “cara bertanya”; ia harus mampu memahami fokus pengguna secara aktif melalui isyarat visual.

Zeng Xi menceritakan sebuah kisah kepada Wall Street Zhizhen. Ia berkata dirinya adalah penggemar seni. Dua tahun lalu, ia membuat program kecil berbasis AI untuk tur penjelasan saat mengadakan pameran. Namun setelah pameran selesai, Zeng Xi menemukan bahwa ternyata masih ada lebih dari 1.500 orang yang memakai program kecil itu. Setelah diteliti, ia menyadari bahwa pengguna sudah membentuk memori otot; mereka menggunakannya untuk memindai berbagai bunga dan rumput, film, dan busana, lalu terus mengobrol dengan AI.

Faktanya, dalam diri Zeng Xi ada rasa tanggung jawab seorang desainer yang sangat kuat. “Misi kami adalah menghilangkan jarak antara teknologi dan manusia. AI mungkin tampak sedikit ‘dingin’ di mata banyak orang, tetapi tujuan saya adalah membuatnya lebih natural, lebih dekat dengan kebutuhan naluri manusia—memahami dan mengeksplor dunia lewat visual.”

Berdasarkan penilaian itulah bentuk produknya ditentukan langsung. Sejak hari pertama, Chance AI memindahkan kotak input keluar dari antarmuka inti.

“Melihat” menjadi tindakan default, sementara “bertanya” menjadi opsi. Pengguna tidak perlu menyusun bahasa, tidak perlu membangun pertanyaan terlebih dulu, dan tidak perlu bersusah payah mencari “cara bertanya yang paling disukai AI”. Di saat hampir semua orang di industri memperkuat interaksi berbasis bahasa, keputusan ini tampak sangat berlawanan arus.

Namun justru karena itu, ia menghindari lintasan tempat kebanyakan model berkumpul. Kotak input merepresentasikan tujuan, sedangkan visual merepresentasikan naluri; kotak input menekankan penyelesaian masalah, sedangkan visual menekankan pemicu rasa ingin tahu. Cara interaksi Chance AI, jika pun harus dibandingkan, lebih mirip latihan otot kognitif daripada sekadar alat.

Meski demikian, perintis juga menanggung risiko. Saat ini industri sudah membangun jalur pengguna yang lengkap pada interaksi bahasa—dari pencarian ke e-commerce hingga mode asisten—pengguna pun dilatih untuk makin bergantung pada “mengajukan pertanyaan”.

Apakah visual benar-benar bisa menjadi pintu masuk baru belum punya jawaban pasti, begitu pula bentuk hardware belum matang. Namun dalam lintasan yang sangat seragam, setidaknya Chance AI mencoba membuat pertanyaan kembali menjadi sesuatu yang terbuka, bukan terus menekan interaksi menjadi sebuah kotak bersama semua orang.

Dari pengenalan hingga penalaran makna

Perbedaan Chance AI yang benar-benar tidak sejalan dengan konsensus, tidak terletak pada fakta bahwa ia memakai kamera, melainkan pada kenyataan bahwa ia menjadikan “penjelasan makna” sebagai kemampuan inti AI.

Zeng Xi mengatakan, inspirasi ia mendirikan Chance AI berasal dari masa kecil saat mengunjungi sekali tur untuk melihat 《Mona Lisa》. “Saat saya berdiri di depan dia yang ukurannya jauh lebih kecil daripada yang saya bayangkan, penuh harapan tetapi sama sekali tidak paham makna di baliknya. ‘Bukankah hanya lukisan sekecil itu? Apa yang luar biasa?’. Saya lihat sebentar lalu pergi begitu saja.”

“Manusia adalah hewan visual, juga hewan cerita. Secara alami kita tertarik pada pemandangan di depan mata, tetapi yang benar-benar menyentuh kita adalah kisah di baliknya.” Kemudian, ketika Zeng Xi berkesempatan mempelajari lebih dalam Da Vinci dan kisah di balik lukisan itu, akhirnya ia mengerti mengapa lukisan itu disebut sebagai permata peradaban manusia.

Zeng Xi berkata, misi Chance AI adalah membantu orang menemukan cerita tersembunyi tersebut lewat teknologi, serta menghapus jarak antara manusia dan dunia. Adapun nama “Chance”, itu tidak hanya mewakili “kesempatan”, melainkan juga mewakili “kebetulan” (contingency).

Menurutnya, proses evolusi makhluk hidup bergantung pada kebetulan; begitu pula kelahiran pengetahuan dan kreativitas manusia sering kali berasal dari tabrakan-tabrakan yang kebetulan itu. Chance AI ingin mempercepat pertemuan pengetahuan tersebut dengan menghubungkan visual dan cerita, sehingga setiap pengalaman visual menjadi makin mendalam dan bermakna.

Jika menengok ke belakang, dalam setahun terakhir seluruh industri bergerak jauh ke arah multimodal. Model-model arus utama pun makin akurat dalam mengenali gambar, memberi label, dan mendeskripsikannya. Namun menurut Zeng Xi, hampir semua kemampuan itu memiliki batas yang sama: mereka bisa menjelaskan “ini apa”, tetapi sulit untuk menjelaskan lebih lanjut “mengapa itu penting”.

Pemahaman manusia tentang dunia tidak pernah berhenti pada level fakta. Baik itu penjelasan film, komentar pertandingan, panduan perjalanan, maupun penjelasan seni—manusia membutuhkan peran-peran seperti itu karena mereka membantu kita mengubah fakta menjadi makna, mengurai informasi menjadi cerita, serta menghubungkan yang kita lihat dengan sistem budaya yang lebih besar. Dalam pengertian ini, visual adalah sebuah cara untuk bernalar.

Produk Chance AI membuat pilihan yang jelas di sini. Ia tidak berhenti pada memberi deskripsi objektif, melainkan berusaha menggerakkan latar pengetahuan suatu benda, konteks budaya, serta konsensus sosial.

Zeng Xi mencontohkan kepada Wall Street Zhizhen: sebuah batu tidak lagi sekadar “batu besar yang diletakkan di atas beton”, melainkan LevitatedMass di LACMA Los Angeles—seni publik yang diangkut dengan biaya 13,3 juta dolar AS—sebuah metafora tentang struktur kelas perkotaan Amerika. Sebuah gedung tidak lagi sekadar “gedung pencakar langit futuristik”, melainkan salah satu karya peninggalan karya Zaha Hadid—simbol tunas bunga Bauhinia yang belum mekar.

Penjelasan seperti ini bukan dihasilkan otomatis oleh model, melainkan merupakan penalaran makna yang bersifat aktif. Prasyaratnya adalah model bersedia ikut campur, bersedia menjelaskan, dan bersedia mengambil risiko subjektif tertentu. Justru hal seperti inilah yang paling tidak ingin dilakukan model arus utama.

Menurut orang-orang di industri, strategi model perusahaan besar sangat konservatif—lebih cenderung menyediakan informasi yang aman, distandarkan, dan tidak menimbulkan perdebatan. Sementara penjelasan itu sendiri berarti subjektivitas, dan juga berarti kontroversi; untuk produk komersial berskala besar, hal itu akan memperbesar risiko.

Itulah mengapa “penalaran makna” selama ini menjadi zona abu-abu di industri. Perusahaan besar tidak melakukannya bukan berarti mereka tidak bisa; tetapi jika dilakukan, bisa jadi justru menimbulkan biaya tambahan. Penetapan posisi Chance AI membuatnya mampu menanggung “penjelasan yang tidak pasti” tersebut, sekaligus membuatnya melangkah lebih jauh dibanding yang lain di jalur “pemahaman visual”.

Namun keterbatasan dari model seperti ini juga terlihat jelas. Konteks budaya bisa menyimpang, narasi makna bisa berubah menjadi “ramalan AI” yang baru. Semakin model bergerak ke arah “penjelasan”, semakin dibutuhkan keseimbangan antara kedalaman dan akurasi. Bagi perusahaan besar, ini bukan sesuatu yang bisa mereka ambil; bagi Chance, ini adalah batas yang harus mereka tanggung.

Tapi justru karena ia berdiri di area yang paling tidak ingin dimasuki raksasa, ia memiliki jendela waktu yang langka. Ia mencoba menjawab apakah AI dapat meningkatkan kemampuan pemahaman manusia. Ia memang menyentuh kebutuhan nyata sebagian orang: di dunia yang dipenuhi informasi, penilaian lebih langka daripada jawaban, dan pemahaman lebih penting daripada kecepatan.

Masalah Chance AI adalah jalurnya membutuhkan kesabaran, membutuhkan ekosistem, membutuhkan perangkat keras, dan membutuhkan perpindahan kebiasaan budaya. Keunggulannya adalah ia lebih dulu menyadari bahwa perubahan pintu masuk AI berikutnya mungkin terjadi pada visual.

Dalam zaman ketika semua perusahaan bertaruh pada model bahasa, penilaian ini terasa kesepian; namun justru karena itu layak untuk dicatat.

Peringatan risiko dan klausul penafian

        Ada risiko di pasar, berinvestasilah dengan hati-hati. Artikel ini tidak membentuk nasihat investasi pribadi, dan juga tidak mempertimbangkan tujuan investasi khusus, kondisi keuangan, atau kebutuhan spesifik dari pengguna tertentu. Pengguna harus mempertimbangkan apakah setiap pendapat, sudut pandang, atau kesimpulan apa pun dalam artikel ini sesuai dengan kondisi mereka masing-masing. Dengan melakukan investasi berdasarkan hal tersebut, tanggung jawab sepenuhnya berada pada pihak pengguna.