Waarom generatieve AI het slimme huis steeds in de war schopt

Generatieve AI heeft slimme speakers flexibeler gemaakt, maar nog niet consequent betrouwbaarder. Amazon introduceerde Alexa+ zodat gebruikers apparaten in gewone spreektaal kunnen bedienen. Zo zou je kunnen zeggen: ‘Alexa, doe de lichten een beetje zachter’ in plaats van een specifieke lamp en een exact helderheidspercentage te noemen. Toch melden tests en reviews bugs, vertragingen, mislukte opdrachten en functies die vroeger betrouwbaarder werkten.

Dat is minder tegenstrijdig dan het lijkt. Een gesprek voeren draait om interpretatie en improvisatie. Huisautomatisering draait om precisie: de juiste lamp, op de juiste lichtsterkte, onmiddellijk en elke keer opnieuw.

Twee systemen met tegengestelde prioriteiten

Oudere spraakassistenten werkten doorgaans met een herkende zin of een bekende intentie die aan een vaste actie werd gekoppeld. Een opdracht als

set bedroom lamp brightness to 45%

Een generatieve assistent moet eerst veel meer beslissingen nemen. Het systeem moet afleiden wat de gebruiker bedoelt, de juiste kamer of het juiste apparaat vinden, de context interpreteren, een beschikbare functie selecteren, een API- of toolaanroep samenstellen en de opdracht vervolgens via het smart-homeplatform en verschillende integraties laten uitvoeren.

Elke extra overdracht is een nieuw mogelijk foutpunt. Een apparaatnaam kan verkeerd worden begrepen, een parameter kan ongeldig zijn, de status van een apparaat kan verouderd zijn, een verbinding kan verlopen of een integratie kan falen.

Mark Riedl van Georgia Tech vatte de centrale afweging helder samen: grote taalmodellen begrijpen meer manieren van communiceren, maar die openheid vergroot ook de kans op interpretatiefouten. Ook berichtgeving over het probleem in slimme huizen zet de klassieke methode van sjabloonherkenning tegenover probabilistische systemen op basis van transformer-modellen, die op vergelijkbare verzoeken verschillende reacties kunnen geven.

Juist simpele opdrachten leggen het probleem bloot

Een lamp dimmen klinkt eenvoudig omdat het gewenste resultaat zo duidelijk is. De assistent moet één doel selecteren, één waarde toepassen en controleren of het apparaat die nieuwe status ook daadwerkelijk heeft bereikt. Een antwoord dat aannemelijk klinkt maar de lamp niet verandert — of slechts een deel van een groep lampen aanpast — voldoet niet.

Daarmee komen zwakke punten aan het licht die in een open gesprek minder opvallen. Een model kan vloeiend klinken terwijl het een apparaatnaam verkeerd interpreteert, een verkeerde functie kiest of succes meldt zonder de apparaatstatus betrouwbaar te controleren.

Een gebruiker vergeeft het een gesprekspartner misschien dat die om verduidelijking vraagt. Maar wanneer een bedtijdroutine mislukt of een lamp nog brandt nadat de assistent zegt dat de opdracht is uitgevoerd, verdwijnt het vertrouwen snel.

Dat patroon sluit aan bij de technische integratieproblemen van deze producten. Alexa+ moet een taalmodel combineren met bestaande diensten en miljoenen apparaten die met Alexa werken. Volgens berichtgeving is dat moeilijk, ook wanneer het nieuwe model capabeler en flexibeler is dan zijn voorganger.

Wat de test van David Pogue wel en niet bewijst

David Pogue schrijft dat hij Alexa+ 135 opdrachten liet uitvoeren en dat net geen helft daarvan correct werd afgehandeld. Dat is een praktijktest, geen gecontroleerd onderzoek onder alle Alexa+-gebruikers of met elk ondersteund apparaat. Het resultaat mag daarom niet worden gelezen als een algemeen betrouwbaarheidspercentage.

Toch is het een betekenisvol productsignaal. Een huishoudelijke assistent die bij benadering zo vaak faalt, is moeilijk te vertrouwen voor lampen, dimmers, routines, muziek of andere terugkerende handelingen. Pogue meldde bovendien dat de oudere Alexa voor sommige vertrouwde taken betrouwbaarder was, waaronder het bedienen van verlichting en het instellen van dimniveaus.

Het onderscheid is belangrijk: meer mogelijkheden betekent niet automatisch meer betrouwbaarheid. Een assistent kan meer soorten vragen begrijpen en tegelijk minder voorspelbaar worden bij de beperkte reeks opdrachten die mensen dagelijks gebruiken.

Vertraging maakt de assistent minder bruikbaar als apparaat

Snelheid is onderdeel van betrouwbaarheid in een slim huis. Een lichtschakelaar hoeft zijn redenering niet uit te leggen; hij moet gewoon reageren. Wanneer een assistent meerdere seconden nodig heeft — of in sommige tests van Alexa+ zelfs tot 15 seconden — ervaren gebruikers die wachttijd als onzekerheid: is de opdracht uitgevoerd of niet?

Lang wachten kan erop wijzen dat een verzoek door meerdere lagen van externe inferentie, contextverwerking, aansturing en tooluitvoering gaat. Zelfs als het apparaat uiteindelijk reageert, voelt de interactie niet meer als het bedienen van een huishoudelijk apparaat. Het lijkt eerder alsof je wacht tot een online dienst heeft besloten wat je bedoelde.

Ook Apple koppelt zijn slimme woning aan nieuwe AI

De gemelde plannen rond de HomePod en Apple TV laten zien hoe nauw hardware en assistentsoftware inmiddels met elkaar verbonden zijn. Volgens berichtgeving werkt Apple aan AI-gerichte Siri-ondersteuning voor die producten. Verwijzingen in bètacode wijzen er bovendien op dat het bedrijf actief werkt aan Siri-integratie op de HomePod en Apple TV.

Andere berichten beweren dat vernieuwde HomePod- en Apple TV-hardware wordt uitgesteld totdat de volgende generatie Siri-ervaring klaar is. Dat blijft berichtgeving en is geen door Apple bevestigde productplanning, dus deze claims moeten voorzichtig worden geïnterpreteerd.

De bredere conclusie gaat verder dan een specifieke lanceerdatum. Zodra de waarde van een slimme speaker afhankelijk wordt van een nieuwe AI-assistent, kan een onafgewerkte assistent ook het product eromheen tegenhouden. Daarmee wordt het riskanter om een systeem uit te brengen dat in demonstraties indrukwekkend en conversational oogt, maar in het dagelijks gebruik niet betrouwbaar genoeg is.

De betere architectuur: AI aan de voorkant, vaste controle eronder

De oplossing is niet per se om natuurlijke taal af te schaffen. Generatieve modellen kunnen heel nuttig zijn om flexibele gesproken opdrachten om te zetten in een gestructureerde intentie. Het riskante deel begint wanneer een onbeperkt model ook de uiteindelijke autoriteit over de uitvoering krijgt.

Een betrouwbaarder ontwerp zou:

• de opdracht vertalen naar een strikt schema met apparaat, actie en parameter;
• toolkeuzes beperken tot functies die daadwerkelijk in het huis beschikbaar zijn;
• onduidelijke of ongeldige opdrachten weigeren in plaats van te gokken;
• na uitvoering de status van het apparaat controleren; en
• bij onzekerheid of onbeschikbaarheid van het model terugvallen op een vaste opdrachtmethode.

Onderzoek naar taalmodellen in slimme huizen onderstreept waarom zulke beveiligingen nodig zijn. In een evaluatie van 13 modellen behaalde GPT-4o in het geteste scenario voor ongeldige opdrachten met meerdere apparaten een slagingspercentage van 0 procent, zelfs met technieken als in-context learning, retrieval-augmented generation en fine-tuning. Dat resultaat komt uit één specifieke experimentele opzet en zegt niet rechtstreeks iets over dagelijks gebruik. Het laat wel zien waarom modeluitvoer moet worden gevalideerd voordat die echte apparaten aanstuurt.

De identiteitscrisis van de AI-speaker

Amazon, Google en Apple proberen één product aan twee tegenstrijdige verwachtingen te laten voldoen. Als gesprekspartner mag een AI-assistent verkennend, uitgebreid en tolerant voor onduidelijkheid zijn. Als bedieningslaag van een huishouden moet hij stil, snel, statusbewust en exact zijn.

De oude systemen waren frustrerend omdat gebruikers zich aan rigide formuleringen moesten aanpassen. De nieuwe systemen beloven dat probleem weg te nemen, maar natuurlijke taal is slechts de voorkant. Achter elk alledaags verzoek zit nog altijd een concrete actie: één apparaat, één wijziging van de status en één betrouwbare bevestiging.

Zolang fabrikanten geen vaste uitvoeringslaag onder het gesprekssysteem behouden, blijven ‘slimmere’ assistenten het belangrijkste voordeel van spraakbediening ondermijnen: vertrouwen. Een vroege release kan waardevolle feedback opleveren, maar wanneer die test plaatsvindt in betalende huishoudens, draaien klanten op voor een architectuur die nog niet de betrouwbaarheid van een gewoon apparaat heeft verdiend.