Por que assistentes de casa inteligente ainda falham no básico

A IA generativa tornou os assistentes de casa inteligente mais naturais na conversa, mas não os transformou automaticamente em sistemas confiáveis. A diferença aparece com mais clareza nos pedidos simples — acender uma luz, definir um nível de brilho ou executar uma rotina —, justamente aqueles em que o usuário não quer uma resposta plausível. Ele quer que o dispositivo certo mude de estado imediatamente.

Os problemas aparecem nos comandos mais básicos

As falhas relatadas não se limitam a automações ambiciosas ou pedidos com várias etapas. David Pogue afirmou que a Alexa+ acertou “pouco menos da metade” de 135 solicitações e acrescentou que o assistente teve dificuldades para acender luzes e definir níveis de intensidade. Trata-se de um teste anedótico, não de um benchmark padronizado, mas o resultado chama atenção para um assistente cuja função central é controlar dispositivos.

Usuários do Google Home relataram um problema mais específico: o Gemini consegue iniciar rotinas do Home quando o celular não está conectado ao Android Auto, mas falha ao executar essas mesmas rotinas com o Android Auto ativo. Em alguns casos, usuários disseram ter recebido respostas aleatórias ou genéricas.

Outras avaliações descrevem o Gemini se recusando a apagar luzes inteligentes e afirmando que não conseguia controlar a iluminação nem outros dispositivos físicos. O Android Authority também noticiou uma sequência de atualizações voltadas a melhorar alarmes, temporizadores, controles de iluminação, velocidade das respostas e correções de bugs — incluindo um problema que fazia luzes acenderem ou apagarem sem qualquer comando do usuário.

Esses relatos não estabelecem uma taxa única de falhas para todo o setor. Eles mostram, porém, um padrão recorrente: a capacidade de conversar pode melhorar enquanto a execução das tarefas cotidianas continua inconsistente.

Por que a linguagem natural complica o controle

Os antigos assistentes de voz eram limitados, mas seus caminhos de controle eram relativamente restritos. Uma solicitação reconhecida podia ser associada a uma intenção conhecida e a uma operação previamente validada, como:

setBrightness(device = kitchen, level = 50)

Esse modelo exigia que o usuário aprendesse formas mais específicas de dar comandos. Em troca, oferecia menos interpretações possíveis e uma rota mais previsível entre a fala e a ação no dispositivo.

Um assistente baseado em um modelo de linguagem de grande porte, ou LLM, tem uma tarefa mais ampla. Ele pode precisar:

1. inferir o que o usuário quis dizer;
2. resolver referências como “aqui”, “aqueles” ou “as luzes”;
3. identificar o cômodo, o dispositivo e os recursos corretos;
4. escolher a ferramenta ou API adequada;
5. fornecer parâmetros válidos;
6. considerar o estado atual do dispositivo; e
7. informar com precisão se a ação foi concluída.

Um erro em qualquer uma dessas etapas pode levar ao resultado errado. O assistente pode escolher o dispositivo incorreto, interpretar mal uma referência ao cômodo, tentar usar um recurso incompatível, enviar um parâmetro inválido, trabalhar com informações desatualizadas sobre o estado da casa ou declarar que a tarefa foi concluída sem confirmar a mudança no aparelho.

Pesquisas sobre controle de casas inteligentes por LLMs apontam o não determinismo, a latência e o custo de inferência, além da personalização limitada, como obstáculos à confiabilidade. Os estudos também indicam que esses sistemas funcionam melhor quando recebem pedidos explícitos e estruturados do que quando precisam resolver um contexto amplo por conta própria.

Conversar e executar exigem habilidades diferentes

Os recursos promovidos pela Amazon e pelo Google são genuinamente úteis. A Alexa+ foi projetada para associar uma descrição falada ao dispositivo e ao recurso relevantes, enquanto o Google destaca comandos com várias etapas, exceções e correções feitas no meio da frase.

Essas capacidades são valiosas para tarefas como:

• descrever o ambiente desejado e transformá-lo em uma cena sugerida;
• criar uma rotina sem navegar por menus complexos de um aplicativo;
• explicar o que uma automação faz; e
• converter um pedido ambíguo em um plano estruturado.

Mas interpretar uma solicitação é diferente de executá-la. “Deixe a sala aconchegante para o jantar” pode envolver decisões e interpretações. Já “defina as luzes da cozinha em 50%” tem um resultado esperado e objetivo. O primeiro pedido se beneficia de um modelo flexível; o segundo precisa de um caminho de controle restrito e verificável.

Essa distinção ajuda a explicar por que um assistente pode lidar de maneira impressionante com uma frase complexa e ainda falhar em um comando curto para uma lâmpada. Complexidade na linguagem não é o mesmo que complexidade na execução. Um pedido para controlar vários dispositivos pode funcionar quando o modelo seleciona as ferramentas e os parâmetros corretos, enquanto uma solicitação simples pode falhar se a resolução do dispositivo ou a detecção de recursos der errado.

A latência também afeta a sensação de confiabilidade

A correção é apenas parte do que torna um controle confiável. Um comando de casa inteligente também precisa produzir uma resposta em um tempo razoavelmente previsível. Uma luz que acende depois de uma longa pausa — ou só depois que o usuário repete o pedido — parece pouco confiável, mesmo que o estado final esteja correto.

Uma avaliação da Alexa+ registrou respostas que chegaram a levar 15 segundos, embora ações básicas, como controlar luzes e termostatos, pudessem ser mais rápidas em algumas situações. Coberturas separadas sobre o Gemini para Casa descreveram atualizações concentradas em respostas mais rápidas e mensagens mais curtas para comandos cotidianos, sinal de que a latência continua sendo uma preocupação ativa de engenharia.

Processamento na nuvem, seleção do modelo, descoberta de dispositivos e chamadas de ferramentas podem acrescentar atraso. O resultado é um sistema que pode ser mais capaz em teoria, mas menos previsível no momento em que o usuário precisa dele.

Os primeiros usuários estão virando parte do programa de testes?

A implantação contínua é comum no desenvolvimento de software, e a melhoria gradual pode ser adequada para recursos conversacionais de baixo risco. O controle de uma casa inteligente é diferente porque as falhas afetam dispositivos físicos e rotinas já estabelecidas. Se uma atualização fizer luzes, alarmes ou automações se comportarem de outra maneira, o usuário percebe a mudança dentro de casa — e não em uma interface abstrata de chatbot.

A sequência repetida de reclamações após lançamentos, seguida por correções e atualizações de confiabilidade, não prova que as empresas tenham lançado produtos inacabados de propósito. Ela mostra, porém, que os clientes estão encontrando problemas enquanto os sistemas ainda são ajustados. Relatos de automações ignoradas, rotinas quebradas, respostas inconsistentes e reclamações contínuas fazem o modelo de “lançar, coletar dados e melhorar” parecer especialmente custoso quando aplicado ao controle cotidiano.

Um lançamento mais seguro preservaria um caminho determinístico e confiável para comandos rotineiros, introduzindo o comportamento generativo ao redor dele. Assim, os usuários poderiam ganhar uma conversa mais natural sem perder o contrato básico da automação residencial: quando dão um comando conhecido, o dispositivo pretendido deve assumir o estado pretendido.

A solução mais provável é uma arquitetura híbrida

O caminho mais prático não é remover os LLMs da casa inteligente. É dar a eles um papel mais limitado justamente no ponto em que os erros têm consequências maiores.

Um sistema robusto poderia usar um LLM para compreender a linguagem e planejar a ação, entregando depois o resultado a uma camada de controle com:

• seleção de dispositivos e parâmetros validada por esquema;
• permissões explícitas para ações sensíveis;
• verificação do estado atual antes e depois da execução;
• tentativas adicionais e tratamento claro de erros; e
• confirmação que diferencie uma ação planejada de uma ação realmente concluída.

Uma linha de pesquisa descreve uma abordagem relacionada, na qual o LLM produz artefatos executáveis durante uma fase de compilação, enquanto a orquestração do fluxo de trabalho administra ramificações, seleção de ferramentas, novas tentativas e erros de maneira determinística durante a execução.

Para casas inteligentes, o princípio significa que o modelo pode ajudar a expressar a intenção do usuário, mas não deveria ser a única autoridade a decidir, a cada ocasião, qual ação física será realizada. Quanto mais próximo um comando estiver de uma transação fixa com um dispositivo, mais restrito, testável e previsível deve ser seu caminho de execução.

O ponto principal

Alexa+ e Gemini para Casa ilustram uma lição mais ampla sobre IA generativa: falar melhor não significa automaticamente operar melhor. Relatos de avaliadores, usuários e publicações de tecnologia mostram assistentes capazes de compreender contextos mais ricos e montar pedidos mais ambiciosos, mas que ainda tropeçam em luzes, dimmers, alarmes e rotinas.

O assistente de casa inteligente que resistir ao tempo provavelmente combinará as duas abordagens. A IA generativa pode tornar a configuração e a conversa mais flexíveis; o software determinístico precisa garantir que a ação final seja precisa, rápida e verificável. Enquanto essa fronteira não for bem projetada, um assistente mais conversacional pode parecer mais inteligente e, ao mesmo tempo, executar com menos confiabilidade as tarefas básicas que mais importam dentro de casa.