Teknologi Voice AI Dinilai Belum Capai Momen Puncak seperti ChatGPT

Teknologi Voice AI dinilai belum mencapai momen puncaknya seperti saat ChatGPT mengguncang industri kecerdasan buatan dunia. Meskipun investasi miliaran dolar AS terus mengalir ke sektor ini, para eksekutif industri menilai sistem kecerdasan buatan berbasis suara masih menghadapi kendala teknis yang mendasar.

Penilaian tersebut mengemuka dalam konferensi kecerdasan buatan HumanX yang berlangsung di Las Vegas, Amerika Serikat.

Chief Technology Officer PolyAI, Shawn Wen, mengungkapkan bahwa perkembangan industri baru sebatas menciptakan model full-duplex yang mampu mendengarkan sekaligus berbicara secara bersamaan. Tantangan terbesar saat ini terletak pada pemrosesan logika atau penalaran cerdas yang harus berjalan sangat cepat agar percakapan terasa alami. Tanpa kecepatan penalaran yang memadai, respons sistem akan terasa kaku dan terlambat layaknya robot konvensional.

Shawn Wen menekankan pentingnya membangun kepercayaan pengguna sejak detik pertama interaksi. Pengguna layanan pelanggan biasanya hanya memberikan kesempatan dua hingga tiga kali percakapan awal sebelum memutuskan untuk terus bicara dengan sistem atau beralih ke operator manusia.

"Jika agen kecerdasan buatan mampu menyelesaikan masalah sejak awal, pengguna perlahan akan percaya dan merasa tidak perlu lagi berbicara dengan manusia," ujar Wen.

PolyAI sendiri merupakan perusahaan pengembang platform layanan pelanggan berbasis kecerdasan buatan yang berpusat di London, Inggris. Di sisi lain, Chief Marketing Officer Otter, Alex Gay, menggarisbawahi tantangan akurasi identifikasi pembicara dan penangkapan konteks. Otter dikenal luas sebagai penyedia layanan transkripsi otomatis dan pencatat rapat berbasis teknologi kecerdasan buatan yang banyak digunakan oleh kalangan profesional dunia.

Gay menjelaskan bahwa fitur pendukung seperti pembuatan digital twin atau avatar digital memerlukan ekspresi emosional yang tepat. Tanpa kemampuan menyampaikan emosi layaknya manusia dalam sebuah rapat bisnis, kecerdasan buatan hanya akan berfungsi sebagai chatbot tanya jawab sederhana.

Kelemahan mendasar yang masih sering ditemui pada teknologi ini berada pada sistem pengenalan suara otomatis atau Automatic Speech Recognition (ASR).

Sistem ASR sering kali melewatkan kata kunci penting yang berakibat pada hilangnya pemahaman konteks secara menyeluruh. Hal ini berdampak buruk pada hasil ringkasan rapat atau perintah lanjutan yang dijalankan oleh sistem. Ketika hasil transkripsi awal salah, seluruh tindakan otomatis yang dihasilkan berikutnya akan keliru dan mengikis kepercayaan pengguna terhadap platform tersebut.

Selain kendala teknis, transparansi pengoperasian teknologi suara juga menjadi perhatian serius para pengembang. Pengguna atau peserta rapat berhak mengetahui secara pasti sejak awal jika percakapan mereka direkam atau ditangani oleh sistem kecerdasan buatan.

Langkah penegasan transparansi ini menjadi kunci utama dalam membangun etika kecerdasan buatan pada era transformasi digital saat ini.

Di Indonesia, adopsi teknologi berbasis suara mulai marak digunakan pada sektor perbankan dan layanan teknologi finansial untuk menggantikan fungsi call center. Namun, kendala keragaman bahasa daerah serta aksen lokal masih menjadi tantangan tersendiri bagi akurasi model ASR. Pengembangan model bahasa alami yang mampu memahami konteks lokal menjadi faktor penentu suksesnya implementasi teknologi ini di pasar tanah air.

Otter kini berupaya menghadirkan notifikasi otomatis dalam ruang obrolan untuk memberi tahu seluruh peserta rapat bahwa sesi sedang direkam oleh bot. Pendekatan serupa diterapkan PolyAI dengan mewajibkan sistem memperkenalkan diri sebagai agen kecerdasan buatan sebelum memulai layanan panggilan.