Masa depan rumah pintar telah tiba bertahun-tahun yang lalu – dan tidak berjalan sesuai harapan. Meskipun ada kehebohan seputar AI generatif, asisten suara saat ini kurang dapat diandalkan dibandingkan pendahulunya, bahkan kesulitan melakukan tugas-tugas dasar seperti menyalakan lampu atau menyeduh kopi. Masalah intinya bukanlah kurangnya kecerdasan, namun ketidaksesuaian mendasar antara cara sistem AI baru ini beroperasi dan apa yang perlu dilakukan oleh rumah pintar.
Ilusi Kemajuan
Pada tahun 2023, Dave Limp dari Amazon mengisyaratkan sebuah terobosan: asisten suara yang memahami konteks, terintegrasi secara mulus dengan perangkat pintar, dan otomatisasi rumah yang disederhanakan. Maju ke tahun 2025, dan meskipun asisten seperti Alexa Plus dan Gemini untuk Rumah terdengar lebih pintar, mereka sering kali gagal pada fungsi inti. “Peningkatan” saat ini memprioritaskan kemampuan percakapan daripada konsistensi. Pengguna melaporkan bahwa perangkat mereka tidak dapat menjalankan perintah dengan andal, bahkan setelah bertahun-tahun disiapkan.
Situasi ini begitu luas sehingga perusahaan-perusahaan teknologi mengakui masalah ini. Masalahnya tidak terbatas pada rumah pintar: bahkan ChatGPT terkadang kesulitan dengan logika dasar. Kegagalan ini bukan karena kemalasan; ini adalah konsekuensi dari pendekatan yang salah.
Mengapa AI Tidak Dapat Melakukannya dengan Benar
Peralihan dari asisten suara lama yang “mencocokkan template” ke sistem berbasis LLM yang lebih baru menciptakan keterputusan mendasar. Asisten yang lebih tua bersikap kaku namun dapat diandalkan; mereka menjalankan perintah yang tepat dan dapat diprediksi. LLM, meski lebih serbaguna, memperkenalkan keacakan. Kueri yang sama dapat menghasilkan hasil yang berbeda setiap kali, sehingga membuat tugas dasar tidak dapat diandalkan.
“LLM tidak dirancang untuk melakukan apa yang dilakukan asisten suara bergaya perintah dan kontrol sebelumnya,” jelas Mark Riedl, profesor di Georgia Tech. Sistem baru ini kesulitan untuk secara konsisten melakukan tindakan yang dapat ditangani dengan mudah oleh model lama. LLM sekarang harus membuat seluruh rangkaian kode untuk API, sehingga menimbulkan lebih banyak titik kegagalan.
Biaya “Intelijen”
Perusahaan teknologi tidak meninggalkan teknologi lama; mereka mengejar tujuan yang lebih ambisius: AI agen yang memahami bahasa alami dan merangkai tugas secara dinamis. Hal ini memerlukan pengorbanan keandalan dalam jangka pendek demi potensi kemampuan yang jauh lebih besar.
Dhruv Jain, direktur Soundability Lab di Universitas Michigan, merangkum hal ini: “Pertanyaannya adalah apakah… perluasan kemungkinan yang ditawarkan oleh teknologi baru ini bernilai lebih dari model non-probabilistik yang 100 persen akurat.” Pendekatan yang ada saat ini pada dasarnya adalah pengujian beta di rumah-rumah di dunia nyata.
Apa Selanjutnya?
Perusahaan sedang bereksperimen dengan model hybrid, seperti Google Gemini Live, untuk menyeimbangkan kekuatan dan presisi. Namun solusi-solusi ini pun masih belum sempurna. Masalah mendasarnya adalah LLM belum cukup terlatih untuk membedakan antara situasi yang menuntut akurasi mutlak dan situasi yang mengutamakan fleksibilitas.
Kegagalan AI rumah pintar menimbulkan pertanyaan yang lebih luas tentang kesiapan teknologi untuk aplikasi yang lebih penting. Jika AI tidak dapat menyalakan lampu dengan andal, keyakinan apa yang bisa kita miliki terhadap kemampuannya menangani tugas-tugas kompleks? Jalan ke depan melibatkan menjinakkan keacakan LLM, namun mengorbankan kedalaman percakapan.
Janji yang diingkari akan rumah pintar ini berfungsi sebagai sebuah kisah peringatan: bergerak cepat dan menghancurkan sesuatu tidak selalu merupakan kemajuan. Perusahaan teknologi harus memutuskan apakah potensi AI yang canggih lebih besar daripada rasa frustrasi akibat perangkat yang tidak dapat diandalkan. Untuk saat ini, banyak pengguna yang mendapatkan pengalaman rumah pintar yang lebih cerdas, namun lebih membuat frustrasi.
