Hvorfor AI-assistenter i smarthjemmet fortsatt feiler på enkle kommandoer

Problemet med AI-drevne smarthjemassistenter er ikke først og fremst at de ikke forstår dagligtale. Problemet er at det å forstå en forespørsel og det å utføre den pålitelig, er to helt forskjellige ingeniøroppgaver.

Alexa+ og Gemini for Home kan føre mer flytende samtaler og lage avanserte automatiseringer med vanlig språk. Likevel forteller tester og brukere om feil i de mest grunnleggende oppgavene en smarthøyttaler skal klare: å slå av lys, spille av en bestemt sang, svare på hvilken dag det er, starte en kafferutine eller beholde en eksisterende automatisering. 167

Feilene er hverdagslige – og det er nettopp poenget

I en test av Google Home Speaker med Gemini ignorerte assistenten musikkforespørsler, skiftet tema midt i samtaler, oppga feil ukedag og nektet å slå av smarte lys. 1 Dette var ikke obskure spesialtilfeller eller enheter ingen har hørt om. Det var selve kjernefunksjonene til en smarthøyttaler.

Alexa+ har vist et lignende blandet bilde. Rapporter beskriver en kafferutine som gjentatte ganger ikke fungerte, samtidig som brukere har klaget over at etablerte rutiner forsvant etter oppgraderingen. 6734 Musikkavspillingen kan også bomme: I én test førte en forespørsel om Charli XCX til at Alexa+ valgte en annen artist, mens en mindre presis forespørsel om en låt av Lucy Dacus bare ble gjentatt som et søk. 36

Bildet er likevel ikke entydig negativt. Alexa+ har også klart å opprette en stemmestyrt rutine med bevegelsessensor, terrasselys, et tidsrom og et Ring-kamera. 33 Det er viktig, fordi det tyder på at hovedproblemet ikke er manglende kapasitet, men manglende stabilitet. Et system som fungerer imponerende i én samtale, men svikter på en kjent kommando i den neste, er fortsatt vanskelig å stole på i hjemmet.

Hvorfor samtale-AI er et krevende kontrollag

Eldre taleassistenter var vanligvis bygget som en kjede av talegjenkjenning, intensjonsforståelse, enhetsnavn og forhåndsdefinerte handlinger. En kommando som «slå av lysene på kjøkkenet» kunne kobles til en kjent intensjon og sendes videre gjennom et fast grensesnitt for enhetsstyring.

En assistent basert på en stor språkmodell, eller LLM, fungerer annerledes. Den tolker kontekst, prøver å forstå hva brukeren mener, og kan generere et forslag til et verktøy- eller API-kall. Google beskriver selv Gemini som «ikke-deterministisk»: Modellen følger ikke bare ett fast skript, men bruker slutninger og resonnering. 15

Denne fleksibiliteten er nyttig når forespørselen er åpen. Den kan gjøre det mulig å beskrive en automatisering med flere trinn uten å lære en bestemt kommandosyntaks, eller fortsette en samtale uten at brukeren må gjenta all informasjon. Men den samme fleksibiliteten skaper risiko når resultatet egentlig er binært: Lyset skal av. Timeren skal kanselleres. Rutinen skal starte.

Modellen kan velge feil enhet, sende forespørselen gjennom en integrasjon som ikke støttes, misforstå konteksten eller bruke ekstra tid på å avgjøre hva den skal gjøre. Derfor kan nesten identiske kommandoer gi forskjellige resultater. Analytikere har beskrevet denne ikke-determinismen som grunnleggende vanskelig å forene med smarthjemautomatisering, der forutsigbar utførelse er viktigere enn velformulerte svar. 3

Pålitelighet og responstid betyr mer enn personlighet

Den tilbakevendende kritikken handler ikke bare om at assistentene gjør feil. Det handler om at de kan være tregere og mindre pålitelige enn systemene de skulle erstatte. En gjennomgang av AI-markedet for smarthjem peker på pålitelighet, hastighet og verdi som de sentrale utfordringene. 12 Andre tester har omtalt treg respons, feil svar og kommandoer som faller bort i Alexa+, mens Gemini for Home er blitt beskrevet som tregere enn den eldre Google Assistant og ute av stand til å styre enheter den burde kjenne igjen. 56

Forsinkelse er spesielt ødeleggende i et stemmegrensesnitt. Når noen ber om at lyset skal slås av, ønsker de vanligvis en umiddelbar handling – ikke en lang forklaring, en pause eller en beskjed om å prøve på nytt. At Gemini for Home senere skal ha fått redusert kommandoforsinkelsen med rundt 30–40 prosent, viser også at hastighet fortsatt er et aktivt produktproblem, ikke en ferdig løst utfordring. 11

En tryggere løsning er derfor en hybridmodell. En LLM kan tolke fleksibelt språk, men et deterministisk kontrollag bør kontrollere at riktig enhet er valgt, begrense hvilke handlinger som er tillatt, be om bekreftelse ved potensielt risikable endringer og utføre den endelige kommandoen gjennom pålitelige API-er. Språkmodellen bør være et grensesnitt mot kontrollsystemet – ikke hele kontrollsystemet alene.

Apples Siri-forsinkelser viser det samme modenhetsproblemet

Apple har heller ikke sluppet unna utfordringen. Selskapets lovede, mer personlige Siri-funksjoner støtte på tekniske problemer og programvarefeil. Oppgraderingen ble utsatt etter at den først var planlagt i forbindelse med iOS 18.4. 1820 Senere ble det rapportert at Apple siktet mot en lansering våren 2026 for funksjoner som skulle bruke personlige data og gi mer presis kontroll over apper. 19

Forsinkelsene har også påvirket Apples smarthjemplaner. Bloomberg har meldt at Apple utsatte en lenge planlagt smarthjemskjerm mens selskapet ventet på den nye Siri, som skal være sentral for produktets grensesnitt. 17 Andre rapporter har knyttet forsinkelsene til hvor krevende det er å støtte de nye AI-funksjonene på eksisterende HomePod-lignende maskinvare. Disse maskinvaredetaljene bygger imidlertid på rapporter og bør ikke behandles som bekreftede produktspesifikasjoner. 2125

Apples langsommere utrulling kan være frustrerende, men den synliggjør kravene produktene må oppfylle før lansering: pålitelig hverdagsbruk, akseptabel responstid, tydelige feilmeldinger og maskinvare som faktisk kan støtte den lovede opplevelsen.

Den større lærdommen: En demonstrasjon er ikke det samme som et ferdig produkt

Generativ AI er god til å produsere språk som høres overbevisende ut. En smarthjemassistent må klare noe strengere: å gi riktig fysisk resultat, hver gang.

Den forskjellen gjelder langt mer enn lys og musikk. En assistent som håndterer kalender, kjøp, meldinger eller sikkerhetsenheter, trenger også forutsigbar oppførsel og trygge løsninger når noe går galt. Uten slike sikkerhetsmekanismer er det kundene som oppdager integrasjonsfeil, tapte rutiner, forsinkelser og nye feilmønstre etter at produktet er kjøpt.

Kappløpet om AI i smarthjemmet handler derfor mindre om hvilken assistent som høres mest menneskelig ut, og mer om hvorvidt selskapene klarer å kombinere sannsynlighetsbasert språk med deterministisk systemutvikling. Før de får til det, er forbrukerne ikke bare brukere av produktene. De fungerer i praksis som en del av selskapenes pålitelighetstesting.