Perkembangan TEKNOLOGI kecerdasan buatan kembali menghadirkan inovasi menarik dalam interaksi manusia dan mesin. Block, perusahaan teknologi yang dikenal melalui layanan Square dan Cash App, memperkenalkan Dessa pada 23 Oktober 2026 sebagai model AI suara yang mampu mendengarkan sekaligus berbicara dalam satu percakapan. Berbeda dari asisten virtual konvensional yang umumnya menunggu pengguna selesai berbicara, Dessa dirancang untuk menghadirkan komunikasi dua arah yang lebih alami. Inovasi ini membuka peluang baru bagi pengembangan asisten digital, layanan pelanggan, dan berbagai sistem komunikasi berbasis suara, meskipun teknologi tersebut masih berada dalam tahap penelitian dan belum tersedia secara luas.
Dessa Hadir Membawa Pendekatan Baru dalam Kecerdasan Buatan Suara
Kehadiran Dessa menjadi salah satu perkembangan menarik dalam industri kecerdasan buatan, khususnya pada pengolahan audio berbasis kecerdasan buatan. Model ini dirancang oleh tim riset Block dengan strategi pengembangan yang menitikberatkan pada percakapan manusia secara langsung. Alih-alih mengikuti sejumlah sistem AI suara yang menggunakan proses pengubahan audio menjadi teks sebelum menghasilkan jawaban, Dessa dibangun dengan kemampuan untuk memproses percakapan melalui jalur suara secara langsung. Metode pengembangan ini memungkinkan sistem mengenali berbagai informasi dalam suara, termasuk pola percakapan, variasi nada, dan isyarat vokal yang sering kali kehilangan sebagian maknanya ketika komunikasi hanya diproses sebagai teks.
Block menjelaskan bahwa Dessa merupakan model speech-to-speech yang mempelajari pola dari percakapan manusia tanpa memanfaatkan kumpulan teks untuk proses pembelajaran maupun model AI yang telah dilatih sebelumnya. Karakteristik tersebut membuat Dessa menjadi perhatian dalam pengembangan AI karena sistem berusaha memahami bahasa melalui informasi audio secara langsung. Dari sisi pengalaman pengguna, model tidak hanya dikembangkan sebagai penghasil respons suara, tetapi juga menyesuaikan ritme komunikasi secara lebih fleksibel. Kendati hasil demonstrasinya menjanjikan, kemampuan Dessa masih harus dibuktikan dalam berbagai situasi nyata sebelum dapat dianggap andal untuk beragam kebutuhan.
Teknologi Full-Duplex Membuat Dessa Mampu Mendengar Sambil Berbicara
Aspek teknologi yang paling menarik dari Dessa adalah penggunaan sistem komunikasi full-duplex yang mendukung proses mendengarkan dan berbicara secara bersamaan. Pada asisten suara tradisional, interaksi biasanya berlangsung secara bergantian. Pengguna menyampaikan pertanyaan terlebih dahulu, kemudian sistem mengolah permintaan tersebut sebelum menghasilkan jawaban. Berbeda dari mekanisme tersebut, Dessa dapat terus menerima informasi audio ketika sedang menghasilkan suara. Fungsi tersebut membuat sistem berpotensi mengikuti perubahan arah pembicaraan tanpa selalu menunggu satu pihak selesai berbicara.
Sebagai contoh, seseorang mungkin menanyakan suatu informasi, kemudian menyampaikan informasi tambahan ketika AI masih memberikan penjelasan. Dengan teknologi full-duplex, sistem memiliki peluang merespons interupsi tersebut tanpa harus menunggu instruksi baru setelah jawaban selesai. Dessa juga didemonstrasikan dapat menghasilkan isyarat percakapan singkat, seperti ungkapan persetujuan, yang umum ditemukan dalam komunikasi antarmanusia. Sekalipun fungsi tersebut tampak biasa, kemampuan mengatur pergantian dan tumpang tindih suara merupakan persoalan teknis yang kompleks dalam pengembangan AI suara yang nyaman digunakan.
Mengapa Pemrosesan Audio Langsung Penting bagi AI Suara
Komunikasi manusia tidak hanya ditentukan oleh kalimat yang diucapkan, tetapi juga memanfaatkan informasi nonverbal dalam audio yang membantu membangun pemahaman terhadap situasi. Dalam sebuah percakapan, kalimat yang sama dapat memiliki penafsiran berlainan ketika diucapkan dengan penekanan lembut, keras, ataupun penuh keraguan. Menggunakan mekanisme speech-to-speech, Dessa berupaya memanfaatkan petunjuk vokal semacam ini selama proses memahami percakapan. Pendekatan tersebut berpotensi membantu sistem mengenali nuansa pembicaraan, terutama ketika makna pesan tidak sepenuhnya terlihat dalam teks.
Selain memahami masukan pengguna, Dessa juga didemonstrasikan dapat menciptakan suara dengan variasi ekspresi yang lebih beragam. Dalam sejumlah demonstrasi, model menghasilkan ekspresi suara seperti tertawa, menggunakan jeda alami, dan menyesuaikan cara penyampaian respons. Meski demikian, ekspresi yang terdengar menyerupai manusia bukan berarti sistem memiliki kesadaran seperti manusia. AI memproduksi respons melalui proses komputasi, sehingga respons ekspresif yang terdengar perlu dinilai sebagai hasil pemodelan percakapan, bukan bukti adanya kesadaran.
Efisiensi Pelatihan dan Pemrosesan Menjadi Fokus Inovasi Dessa
Keunggulan teknis yang turut mendapat perhatian adalah strategi pelatihan serta kemampuan menjalankan model. Block menjelaskan bahwa pelatihan Dessa menggunakan satu sistem NVIDIA GB200 NVL72, yang merupakan infrastruktur komputasi berkemampuan tinggi. Menurut perusahaan, model ini juga mempelajari bahasa dari jumlah kata yang jauh lebih sedikit dibandingkan model bahasa besar berbasis teks. Meski begitu, perbandingan tersebut tidak secara otomatis menunjukkan efisiensi keseluruhan yang lebih tinggi karena metode pengukuran dan karakteristik tugasnya berbeda.
Untuk kebutuhan menjalankan model, Block menjelaskan bahwa Dessa dapat beroperasi secara lokal menggunakan MacBook Pro dengan chip M4 Max atau kemampuan perangkat keras yang lebih kuat. Kemampuan inferensi tanpa selalu bergantung pada server jarak jauh dapat membuka peluang penerapan baru, terutama dalam memperpendek perjalanan data menuju server eksternal. Selain itu, pemrosesan lokal berpotensi membantu pengelolaan data sensitif. Kendati demikian, manfaat sebenarnya tetap memerlukan pembuktian melalui penerapan nyata, termasuk bagaimana informasi pengguna dikelola.
Peluang Pemanfaatan AI Suara Dessa untuk Berbagai Kebutuhan
Apabila dikembangkan lebih lanjut, pendekatan yang digunakan Dessa membuka kemungkinan pemanfaatan dalam beragam sistem berbasis percakapan. Salah satu bidang yang relevan adalah layanan pelanggan yang memerlukan komunikasi verbal secara langsung. Asisten digital dengan kemampuan full-duplex berpotensi menghadirkan pengalaman pelayanan yang lebih menyerupai dialog alami, terutama saat pelanggan mengubah permintaan di tengah pembicaraan. Bagi perusahaan penyedia layanan, kemampuan tersebut membuka peluang perbaikan pengalaman pelanggan apabila didukung oleh ketepatan informasi serta prosedur penanganan kesalahan.
Di luar kebutuhan operasional bisnis, teknologi percakapan seperti Dessa dapat menginspirasi pengembangan untuk layanan edukasi digital, perangkat pendukung pengguna, dan antarmuka suara. Dalam skenario pembelajaran, siswa mungkin menggunakan asisten suara untuk latihan verbal yang memberikan kesempatan melakukan interupsi. Sementara itu, antarmuka suara yang tidak terlalu bergantung pada giliran bicara dapat membantu mempermudah penggunaan perangkat. Meski memiliki banyak kemungkinan, semua penerapan ini masih bersifat potensi pengembangan, bukan kemampuan komersial yang telah dipastikan.
Tantangan Keamanan dan Masa Depan Pengembangan AI Suara Dessa
Di balik kemampuan yang menarik, muncul pula kebutuhan pengawasan teknologi yang tidak boleh diabaikan. Sistem suara yang mampu menghasilkan intonasi meyakinkan dapat membuat percakapan digital lebih alami, tetapi juga menimbulkan risiko penyalahgunaan. Misalnya, teknologi serupa mungkin dimanfaatkan untuk membangun interaksi yang menipu apabila tidak diatur dengan standar keamanan yang jelas. Oleh sebab tersebut, transparansi mengenai asal respons yang dihasilkan mesin menjadi bagian penting dalam pengembangan teknologi.
Pihak pengembang Dessa telah mengundang partisipasi awal bagi sejumlah peneliti keamanan AI untuk menemukan kelemahan keselamatan sistem. Pendekatan pengujian tersebut penting karena Dessa masih belum menjadi produk umum. Hingga 26 Oktober 2026, Block belum meluncurkan layanan yang dapat digunakan semua orang. Informasi mengenai distribusi model, spesifikasi lengkap, dan ketersediaan komersial juga belum diumumkan secara lengkap. Untuk saat ini, berbagai demonstrasi yang telah diperlihatkan sebaiknya dipandang sebagai gambaran kemampuan awal, terutama untuk menilai performa ketika menghadapi lingkungan suara yang kompleks.
Penutup: Inovasi Dessa dan Arah Masa Depan Teknologi Percakapan
Kehadiran model suara Dessa menunjukkan bahwa perkembangan kecerdasan buatan terus bergerak menuju interaksi yang lebih alami. Dengan dukungan komunikasi full-duplex, Dessa menawarkan arah penelitian menjanjikan bagi masa depan layanan berbasis suara. Meski kemampuannya menarik perhatian, teknologi ini masih membutuhkan pengujian keamanan dan performa sebelum siap diterapkan dalam berbagai layanan. Bagaimana pendapat Anda, apakah AI yang menghasilkan dialog suara yang semakin natural akan membuat aktivitas digital lebih nyaman? Ceritakan pemikiran Anda mengenai masa depan kecerdasan buatan berbasis suara.
