AI kini mulai beralih dari sekadar eksperimen menjadi bagian dari pekerjaan sehari-hari. Konteks lokasi membuat penerapannya semakin relevan di dunia nyata.
Itulah salah satu pesan paling jelas dari Esri User Conference (UC) 2026. Dari sesi plenary, sesi AI in ArcGIS, hingga demo dari pelanggan, pembahasannya tidak lagi sekadar tentang apakah organisasi perlu menggunakan artificial intelligence. Pertanyaan yang lebih penting adalah bagaimana AI dapat diterapkan dengan data yang tepercaya, konteks spasial yang tepat, dan workflow operasional yang nyata.
Bagi organisasi yang mengelola infrastruktur, jaringan, layanan, masyarakat, dan risiko, perubahan ini penting. AI dapat menghasilkan konten, menganalisis informasi, dan mengotomatiskan berbagai pekerjaan. Namun, AI tidak otomatis memahami di mana sesuatu terjadi, apa yang ada di sekitarnya, bagaimana aset dan masyarakat saling terhubung, atau tindakan apa yang paling tepat.
GIS memberikan konteks tersebut.
Berikut lima insight utama dari Esri UC 2026 bagi organisasi yang ingin memanfaatkan AI dalam GIS.
1. AI membutuhkan konteks lokasi untuk memahami dunia nyata
Sebagian besar keputusan organisasi memiliki dimensi lokasi. Gangguan layanan terjadi pada jaringan dan komunitas tertentu. Pembangunan baru dapat memengaruhi kebutuhan terhadap jalan dan utilitas di sekitarnya. Sebuah risiko menjadi lebih penting ketika kita memahami aset, masyarakat, dan akses yang berada di area terdampak.
AI dapat membantu menemukan pola, merangkum laporan, atau memberikan rekomendasi. Namun, GIS menambahkan hubungan yang membuat hasil tersebut lebih berguna: lokasi, waktu, jarak, topografi, jaringan, aset, dan berbagai kejadian.
Dengan konteks tersebut, hasil AI dapat dihubungkan dengan kondisi nyata di lapangan.
Manfaatnya juga berjalan dua arah. AI membantu tim GIS mengekstrak informasi dalam skala besar, menemukan pola, menyederhanakan workflow, dan membuat tools yang kompleks lebih mudah digunakan. Sebaliknya, GIS membantu AI menghasilkan jawaban yang memahami konteks geografis dan lebih sesuai dengan kebutuhan pengambilan keputusan di dunia nyata.
2. AI dalam GIS bukanlah hanya satu kemampuan
Di Esri UC 2026, perkembangan AI dalam ArcGIS dibagi ke dalam tiga area yang saling melengkapi. Memahami perbedaannya dapat membantu organisasi menentukan pendekatan yang paling tepat untuk kebutuhan mereka.
- AI tools and models menggunakan machine learning, deep learning, dan berbagai metode analisis lainnya untuk mengolah data geospasial. Kemampuan ini dapat digunakan untuk mengklasifikasikan imagery, mendeteksi objek dan perubahan, membuat prediksi, serta menemukan pola spasial dalam skala yang sulit dilakukan secara manual.
- AI assistants memanfaatkan conversational experiences dan generative AI untuk membantu pengguna bekerja dengan ArcGIS. Misalnya, membuat expressions, menghasilkan code, mendokumentasikan konten, atau membantu menyelesaikan workflow. Dengan begitu, pekerjaan menjadi lebih sederhana tanpa menghilangkan kendali pengguna.
- Agentic AI and integration menghubungkan data, tools, dan services di GIS dengan agents serta ekosistem AI organisasi yang lebih luas. Tujuannya adalah mendukung workflow yang terdiri dari beberapa tahapan, memahami konteks, memilih tools yang sesuai, dan menjalankan tindakan dengan governance yang tepat.
Kerangka Trusted AI in ArcGIS dari Esri menggunakan perspektif yang sama. Ini menjadi pengingat bahwa strategi AI dalam GIS sebaiknya tidak dimulai dari memilih satu model atau assistant. Mulailah dari masalah yang ingin diselesaikan, workflow yang terlibat, dan sejauh mana manusia perlu tetap terlibat dalam prosesnya.
3. GeoAI berkembang dari model khusus menuju foundation models
GeoAI telah lama membantu praktisi menerapkan AI pada data spasial, misalnya untuk mendeteksi aset dari imagery, mengklasifikasikan tutupan lahan, atau memprediksi kondisi di suatu wilayah.
Di Esri UC 2026, salah satu perkembangan yang menarik adalah semakin pentingnya geospatial foundation models, yaitu model yang dilatih menggunakan data dalam skala besar dan dapat diadaptasi untuk berbagai kebutuhan yang saling berkaitan.
Berbagai kemampuan baru yang diperkenalkan di UC mencakup location encoders yang mengubah karakteristik suatu lokasi menjadi representasi numerik atau embeddings. Esri Global Location Encoder memanfaatkan Sentinel-2 imagery, sementara USA Geodemographic Foundation Model menggunakan informasi demografi, sosial ekonomi, perumahan, dan lingkungan.
Embeddings tersebut dapat digunakan untuk berbagai kebutuhan seperti similarity search, clustering, predictive modelling, interpolation, dan site selection.
Esri juga memperkenalkan GeoVLM, sebuah geospatial vision-language model yang dirancang untuk Earth observation. Model ini menghubungkan imagery penginderaan jauh dengan prompt dalam bahasa alami dan ditujukan untuk berbagai kebutuhan, termasuk object detection, segmentation, classification, image captioning, dan visual question answering.
GeoVLM diperkenalkan dalam private beta, sehingga saat ini lebih tepat dilihat sebagai kemampuan yang sedang berkembang, bukan solusi default yang siap digunakan untuk kebutuhan produksi.
Potensinya memang besar, tetapi foundation models tetap perlu dievaluasi dengan cermat. Sebelum hasilnya digunakan untuk mendukung keputusan penting, tim perlu memahami sumber data, cakupan geografis, tujuan penggunaan, tingkat akurasi, keterbatasan, dan bagaimana hasil model tersebut dapat dijelaskan.
4. AI assistants mengurangi pekerjaan rutin, tetapi keahlian tetap penting
Salah satu demo yang paling praktis di UC adalah penggunaan AI assistants di dalam workflow GIS yang sudah dikenal pengguna.
Alih-alih memindahkan data ke chatbot umum, AI assistants bekerja langsung dengan bahasa, tools, dan konteks yang ada di ArcGIS.
Contohnya termasuk membuat Arcade expressions, SQL queries, dan Python code berdasarkan instruksi dalam bahasa sehari-hari; membantu membuat deskripsi item dan metadata; hingga menerjemahkan permintaan analisis sederhana menjadi code yang dapat ditinjau pengguna sebelum dijalankan.
Manfaatnya bukan hanya soal kecepatan.
AI assistants dapat mengurangi pekerjaan rutin, membantu praktisi berpengalaman mencoba kemampuan yang belum familiar, sekaligus membuat informasi spasial lebih mudah diakses oleh orang di luar tim GIS.
Namun, lebih mudah digunakan bukan berarti sepenuhnya otomatis.
Model yang paling kuat tetap menempatkan manusia dekat dengan proses pengambilan keputusan. Profesional GIS tetap berperan penting dalam memeriksa asumsi, memvalidasi hasil, memahami spatial bias, dan memastikan bahwa hasil analisis memang sesuai dengan kebutuhan.
5. Agentic AI dapat membawa GIS ke lebih banyak workflow organisasi
Perkembangan berikutnya adalah pergeseran dari assistants yang membantu satu pekerjaan menuju agents yang dapat mengoordinasikan beberapa tahapan di berbagai sistem.
Dalam konteks GIS, sebuah agent dapat memahami bahwa sebuah pertanyaan memiliki dimensi lokasi, menemukan location services yang tepat, mengambil informasi dari authoritative sources, lalu membawa hasilnya ke dalam workflow bisnis yang lebih luas.
Model Context Protocol (MCP) menjadi salah satu cara untuk mewujudkan koneksi ini. Pada Juni 2026, Esri merilis dukungan MCP untuk ArcGIS Location Services dalam versi beta. Pada tahap awal, kemampuan yang tersedia mencakup geocoding, routing, elevation, dan static maps untuk AI agents yang kompatibel.
Dampaknya bagi organisasi lebih besar daripada sekadar menghadirkan interface baru.
Teknologi ini membuka peluang agar geographic knowledge dapat digunakan langsung di dalam sistem AI organisasi, tanpa harus selalu bekerja secara terpisah di aplikasi khusus GIS.
Misalnya, logistics agent dapat mempertimbangkan rute dan waktu perjalanan. Service agent dapat mengidentifikasi aset dan komunitas yang terdampak suatu insiden. Workflow perencanaan dapat menggabungkan data organisasi dengan authoritative location information sebelum memberikan rekomendasi.
Namun, semakin besar kemampuan agent untuk bertindak, semakin penting pula governance. Organisasi membutuhkan permission yang jelas, authoritative inputs, auditability, security controls, serta titik-titik tertentu di mana persetujuan manusia tetap diperlukan.
Dari system of record menuju trusted system of action
Arah perkembangan yang terlihat di Esri UC 2026 bukanlah sekadar menggunakan AI karena teknologinya tersedia. Yang lebih penting adalah bagaimana GIS terus berkembang: dari membantu organisasi mencatat apa yang ada dan di mana lokasinya, menjadi membantu memahami apa yang berubah dan menentukan tindakan selanjutnya.
Salah satu demo menunjukkan bagaimana United States Census Bureau memanfaatkan AI-powered imagery change detection untuk mengidentifikasi pembangunan dan perumahan baru, memperbarui geographic datasets, serta mengarahkan waktu dan tenaga manusia pada keputusan yang lebih kompleks.
Contoh ini menunjukkan di mana AI dalam GIS benar-benar memberikan nilai: masalah operasional yang jelas, data yang tepercaya, analisis yang dapat dilakukan secara konsisten, serta manusia yang tetap menggunakan judgement untuk menilai hasilnya.
Bagi organisasi yang sedang menentukan langkah berikutnya, pelajarannya cukup jelas: mulailah dari workflow, bukan dari teknologi.
Identifikasi keputusan yang memberikan dampak besar dan memiliki dimensi lokasi. Pastikan data dan governance yang dibutuhkan sudah tersedia. Kemudian tentukan di mana AI dapat mengurangi pekerjaan rutin atau meningkatkan skala tanpa mengurangi akuntabilitas.
Apa langkah selanjutnya bagi organisasi di Indonesia?
- Prioritaskan use case yang nyata. Fokus pada keputusan rutin yang berkaitan dengan aset, jaringan, layanan, risiko, atau masyarakat.
- Evaluasi kesiapan data. AI tidak dapat menggantikan data spasial yang tidak lengkap, sudah tidak relevan, atau tidak dikelola dengan baik.
- Pilih pendekatan AI yang tepat. Tentukan apakah kebutuhan Anda lebih sesuai dengan GeoAI untuk analisis, AI assistant di dalam ArcGIS, atau integrasi dengan agentic workflow yang lebih luas.
- Tentukan peran manusia. Pastikan jelas siapa yang meninjau hasil, menyetujui tindakan, dan bertanggung jawab atas keputusan akhirnya.
- Ukur dampak operasional. Fokus pada waktu yang dihemat, peningkatan akurasi, respons yang lebih cepat, pengurangan risiko, atau peningkatan kualitas layanan, bukan sekadar berapa banyak fitur AI yang digunakan.
The organisations that gain the most from AI in GIS will not be those that deploy the most AI. They will be those that use trusted technology, geographic context and human expertise to solve real problems, then scale what works.
Organisasi yang mendapatkan manfaat terbesar dari AI dalam GIS bukanlah mereka yang menggunakan AI paling banyak.
Mereka adalah organisasi yang mampu menggabungkan teknologi yang tepercaya, konteks geografis, dan keahlian manusia untuk menyelesaikan masalah nyata, lalu memperluas solusi yang terbukti berhasil.
Dapatkan berbagai informasi penting, demo, dan insight strategis dari Esri UC 2026 melalui webinar rangkuman regional kami.