Mengapa Asisten Rumah Pintar Berbasis AI Masih Gagal Menjalankan Perintah Sederhana

Masalah utama asisten rumah pintar berbasis AI bukan semata-mata ketidakmampuannya memahami bahasa manusia. Tantangannya adalah bahwa memahami permintaan dan menjalankannya secara konsisten merupakan dua persoalan rekayasa yang berbeda.

Alexa+ dan Gemini for Home dapat mengikuti percakapan dengan lebih luwes serta membuat automasi rumit melalui bahasa sehari-hari. Namun, penguji dan pengguna masih melaporkan kegagalan pada tugas paling dasar yang seharusnya menjadi fungsi utama speaker pintar: mematikan lampu, memutar lagu yang diminta, menjawab pertanyaan tanggal sederhana, menjalankan rutinitas membuat kopi, atau mempertahankan automasi yang sudah ada. 167

Kegagalannya biasa saja—dan justru itu masalahnya

Dalam sebuah pengujian terhadap Google Home Speaker dengan Gemini, asisten mengabaikan permintaan musik, mengubah topik percakapan, menyebut hari yang keliru, lalu menolak mematikan lampu pintar. 1 Ini bukan kasus ekstrem yang melibatkan perangkat langka atau perintah yang tidak biasa. Semua itu adalah fungsi inti speaker pintar.

Alexa+ juga menunjukkan pola yang tidak merata. Sejumlah laporan menyebut rutinitas membuat kopi berulang kali gagal. Ada pula keluhan bahwa rutinitas yang sudah dibuat sebelumnya menghilang setelah pengguna melakukan peningkatan sistem. 6734 Pemilihan musik pun bisa meleset. Dalam satu pengujian, permintaan untuk memutar lagu Charli XCX menghasilkan artis lain. Sementara itu, permintaan yang lebih umum untuk memutar lagu Lucy Dacus justru diulang sebagai frasa pencarian, bukan dijalankan sebagai perintah. 36

Namun, gambaran ini tidak sepenuhnya negatif. Alexa+ juga pernah berhasil membuat rutinitas hanya melalui suara, dengan melibatkan sensor gerak, lampu dek, rentang waktu tertentu, dan kamera Ring. 33 Keberhasilan tersebut penting karena menunjukkan bahwa persoalannya bukan ketiadaan kemampuan, melainkan ketidakkonsistenan.

Sistem yang dalam satu interaksi tampak mengesankan tetapi gagal menjalankan perintah yang sama-sama familiar tetap sulit dipercaya untuk mengelola rumah.

Mengapa AI percakapan sulit dijadikan lapisan kendali rumah

Asisten suara generasi lama umumnya menggunakan alur kerja yang mengandalkan pengenalan suara, klasifikasi maksud, nama perangkat, dan tindakan yang sudah ditentukan. Perintah seperti “matikan lampu dapur” dapat dicocokkan dengan maksud yang dikenal, lalu diteruskan melalui antarmuka kendali perangkat yang tetap.

Asisten berbasis large language model (LLM) bekerja dengan cara berbeda. Sistem ini menafsirkan konteks, memperkirakan maksud pengguna, lalu dapat menghasilkan usulan pemanggilan alat atau API. Google sendiri menggambarkan Gemini sebagai sistem yang “non-deterministik”—artinya, Gemini tidak sekadar mengikuti satu skrip tetap, melainkan menggunakan penalaran dan inferensi. 15

Desain tersebut berguna ketika permintaan bersifat terbuka. Pengguna dapat menjelaskan automasi beberapa langkah tanpa harus menghafal sintaks khusus, atau melanjutkan percakapan tanpa mengulang seluruh konteks. Namun, fleksibilitas yang sama menimbulkan risiko ketika hasil yang diinginkan bersifat biner: lampu harus mati, penghitung waktu harus dibatalkan, dan rutinitas harus berjalan.

Model dapat memilih perangkat yang keliru, meneruskan permintaan ke integrasi yang tidak kompatibel, salah memahami konteks percakapan, atau membutuhkan waktu lebih lama untuk menentukan tindakan. Akibatnya, dua perintah yang hampir sama bisa menghasilkan respons berbeda. Para analis menilai sifat nondeterministik ini pada dasarnya bertentangan dengan kebutuhan automasi rumah, yang lebih mengutamakan eksekusi terprediksi daripada jawaban yang terdengar fasih. 3

Keandalan dan latensi lebih penting daripada kepribadian

Kritik yang berulang terhadap produk-produk ini bukan hanya soal kesalahan. Masalahnya, asisten tersebut kadang lebih lambat dan kurang dapat diandalkan dibandingkan sistem yang hendak mereka gantikan.

Sebuah laporan mengenai pasar rumah pintar berbasis AI mengidentifikasi keandalan, kecepatan, dan nilai produk sebagai tantangan utama. 12 Pengujian lain menemukan laporan pengguna Alexa+ tentang jeda respons, jawaban yang keliru, dan perintah yang terlewat. Gemini for Home juga disebut lebih lambat daripada Google Assistant versi lama dan tidak mampu mengendalikan perangkat yang seharusnya sudah dikenali. 56

Latensi sangat mengganggu dalam antarmuka suara. Ketika seseorang meminta lampu dimatikan, ia biasanya menginginkan tindakan segera—bukan penjelasan panjang, jeda, atau permintaan untuk mengulangi perintah. Bahkan pembaruan yang meningkatkan kinerja memperlihatkan bahwa persoalan kecepatan masih belum selesai: sebuah pembaruan Gemini for Home dilaporkan mengurangi latensi perintah sekitar 30% hingga 40%. 11

Karena itu, rancangan yang lebih aman adalah pendekatan hibrida. LLM dapat menafsirkan bahasa yang fleksibel, tetapi lapisan deterministik tetap perlu memvalidasi perangkat yang diminta, membatasi tindakan yang tersedia, meminta konfirmasi untuk perubahan berisiko, dan mengeksekusi perintah akhir melalui API yang andal.

Dengan kata lain, model bahasa seharusnya menjadi antarmuka menuju sistem kendali—bukan satu-satunya sistem kendali.

Penundaan Siri menunjukkan masalah kesiapan yang sama

Apple pun tidak luput dari persoalan ini. Fitur Siri yang lebih personal menghadapi masalah rekayasa dan bug perangkat lunak. Apple kemudian menunda pembaruan tersebut setelah sebelumnya merencanakan peluncuran yang terkait dengan iOS 18.4. 1820 Perusahaan selanjutnya menargetkan jendela rilis pada 2026 untuk kemampuan yang melibatkan data pribadi pengguna dan kendali aplikasi yang lebih presisi. 19

Penundaan itu turut memengaruhi rencana rumah pintar Apple. Bloomberg melaporkan bahwa Apple menunda layar rumah pintar yang telah lama direncanakan sambil menunggu Siri baru, yang menjadi bagian penting dari antarmuka produk tersebut. 17

Laporan lain mengaitkan penundaan dengan kesulitan menghadirkan kemampuan AI baru pada perangkat sekelas HomePod yang sudah ada. Namun, detail mengenai keterbatasan perangkat keras tersebut masih berasal dari laporan dan belum seharusnya dianggap sebagai spesifikasi produk yang sudah pasti. 2125

Peluncuran yang lebih lambat mungkin membuat pengguna Apple frustrasi, tetapi hal itu juga menegaskan standar yang perlu dipenuhi sebelum produk semacam ini dirilis: perilaku sehari-hari yang dapat diandalkan, waktu respons yang wajar, status kegagalan yang jelas, serta perangkat keras yang mampu mendukung pengalaman yang dijanjikan.

Pelajaran besarnya: demo bukanlah penerapan nyata

AI generatif sangat mahir menghasilkan bahasa yang terdengar masuk akal. Namun, asisten rumah pintar dituntut melakukan sesuatu yang lebih ketat: menghasilkan dampak fisik yang benar, berulang kali.

Perbedaan ini tidak hanya berlaku untuk lampu dan musik. Asisten yang mengelola kalender, pembelian, pesan, atau perangkat keamanan juga membutuhkan perilaku yang terprediksi dan mekanisme pengaman ketika terjadi kegagalan.

Tanpa perlindungan tersebut, pelanggan baru menemukan bug integrasi, rutinitas yang hilang, masalah latensi, dan berbagai mode kegagalan setelah membeli produk.

Pada akhirnya, perlombaan AI di rumah pintar bukan sekadar kompetisi untuk menentukan asisten mana yang terdengar paling manusiawi. Ini adalah ujian apakah perusahaan mampu menggabungkan bahasa yang bersifat probabilistik dengan rekayasa sistem yang bersifat deterministik.

Sampai hal itu tercapai, konsumen bukan hanya pengguna produk. Mereka juga menjadi bagian dari program pengujian keandalannya.