Block Luncurkan Dessa, AI Suara Mirip Manusia dengan Akses Terbatas

Apa yang diumumkan Block tentang Dessa

Block luncurkan Dessa, AI suara mirip manusia untuk percakapan lisan dua arah, dengan akses yang masih terbatas. Menurut Pluang, pengumumannya disampaikan pada 23 Oktober 2026 melalui akun Block dan Jack Dorsey di platform X. Pluang melaporkan Dessa masih berada pada tahap penelitian dan hanya tersedia bagi sejumlah kecil peneliti keamanan AI.

Dessa bukan chatbot teks yang kemudian dibacakan oleh suara sintetis. Menurut laporan Twasl News yang mengutip penjelasan Block, model ini memakai pendekatan speech-to-speech: sistem menerima suara lalu menghasilkan jawaban dalam bentuk suara. Model tersebut disebut dilatih sejak awal menggunakan percakapan manusia, tanpa teks maupun model AI pralatih sebagai bahan pelatihan.

Perbedaan tersebut penting karena percakapan lisan membawa informasi yang tidak selalu tampak dalam transkrip. Tempo bicara, jeda sebelum menjawab, tekanan pada kata tertentu, serta perubahan intonasi dapat memengaruhi makna kalimat. Block mengklaim Dessa dapat mengenali dan menampilkan nuansa seperti sarkasme, frustrasi, serta kesedihan. Klaim ini tetap memerlukan pengujian independen ketika aksesnya lebih luas.

Dalam demonstrasi yang dilaporkan Twasl News, Dessa disebut dapat tertawa ketika mendengar hal lucu, membantu mengingat judul film, serta memberi respons bernuansa empati. Demonstrasi menunjukkan arah kemampuan, tetapi belum membuktikan keandalan sistem pada percakapan panjang, aksen beragam, atau situasi yang membutuhkan keputusan penting.

Cara kerja speech-to-speech dan full-duplex pada Dessa

Pada voice AI berbasis teks, alurnya umumnya terdiri dari tiga tahap: suara pengguna diubah menjadi teks, isi teks diproses, lalu jawaban dibuat menjadi audio. Menurut ChatNews, Block menilai tahap perantara berupa teks dapat mengurangi informasi emosional dalam suara. Dessa diklaim memproses suara secara langsung agar irama, jeda, dan tekanan kata dapat dipertimbangkan saat membentuk respons.

Pendekatan ini tidak berarti Dessa pasti memahami perasaan atau maksud seseorang seperti manusia. Sistem dapat mengenali pola audio yang berkaitan dengan emosi, lalu menghasilkan respons yang terdengar sesuai. Pengenalan pola berbeda dari pemahaman penuh atas pengalaman, situasi pribadi, atau konsekuensi suatu keputusan. Pembaca perlu membedakan percakapan yang terdengar natural dari kemampuan penalaran yang telah terbukti.

Menurut laporan media mengenai penjelasan Block, Dessa mendukung full-duplex, yaitu dapat mendengarkan dan berbicara dalam waktu bersamaan. Dalam percakapan bergiliran, pengguna biasanya menunggu jawaban selesai sebelum berbicara lagi. Full-duplex memberi ruang bagi interupsi, koreksi, atau respons singkat seperti “sebentar” tanpa memutus interaksi secara kaku.

Sebagai ilustrasi (kasus rekaan), seorang pelanggan menelepon untuk menanyakan status pengiriman. Ia menyela jawaban sistem karena nomor pesanan yang disebut keliru. Voice AI full-duplex secara teori dapat menangkap koreksi itu saat masih berbicara, lalu berhenti atau menyesuaikan jawaban. Tim tetap perlu menguji ketepatan waktu berhenti, kemampuan membedakan suara latar, serta perlindungan informasi pesanan.

Pelatihan audio dan pemrosesan lokal yang diklaim Block

Menurut Twasl News, Block mengembangkan Dessa memakai satu sistem komputasi Nvidia GB200 NVL72. Twasl News juga melaporkan pernyataan Block bahwa model tersebut dapat berjalan secara lokal pada perangkat konsumen, termasuk MacBook dengan chip M4 Max atau spesifikasi lebih tinggi. Kedua informasi ini berasal dari laporan media mengenai pernyataan Block, bukan pengujian perangkat secara mandiri.

Pemrosesan lokal berpotensi relevan untuk aplikasi suara karena audio tidak selalu harus dikirim ke layanan jarak jauh. Namun, kemampuan berjalan di perangkat tidak otomatis menyelesaikan persoalan privasi. Organisasi tetap perlu menentukan rekaman yang disimpan, pihak yang memiliki akses, durasi penyimpanan data, serta cara memberi tahu pengguna bahwa mereka berbicara dengan AI.

Misalnya, sebuah tim pendidikan ingin menguji asisten suara untuk latihan membaca. Tim dapat membatasi percobaan pada perangkat internal, memakai naskah tanpa data pribadi, lalu menghapus rekaman setelah evaluasi. Uji awal seperti ini lebih aman daripada langsung memakai sistem untuk percakapan siswa yang mencakup identitas, kondisi keluarga, atau kebutuhan belajar individual.

Menurut Twasl News, Block juga mengklaim Dessa dapat mempelajari bahasa dengan jumlah kata lebih sedikit dibandingkan model berbasis teks. Tanpa rincian metode, tolok ukur, bahasa yang diuji, atau evaluasi independen dalam bahan bersumber, klaim tersebut belum dapat dipakai untuk menyimpulkan bahwa Dessa lebih hemat data atau lebih baik pada bahasa tertentu.

Dampak potensial bagi kreator dan layanan pelanggan

Bagi kreator, AI suara mirip manusia yang memberi jeda dan intonasi lebih alami dapat berguna pada tahap prototipe. Tim podcast, pembuat materi pembelajaran, atau penulis naskah dapat memakainya untuk mendengar ritme dialog sebelum rekaman akhir. Kegunaan nyata tetap bergantung pada akses produk, syarat penggunaan, kualitas pengucapan, serta kontrol atas materi sumber.

Coba pikirkan sebuah tim produksi kursus yang membuat dialog untuk modul pembuka. Mereka dapat meminta sistem membaca naskah, mencatat nama atau istilah yang salah diucapkan, lalu membandingkan versi dengan jeda pendek dan panjang. Hasilnya membantu editor menemukan bagian naskah yang terdengar janggal sebelum rekaman final, bukan menggantikan pengisi suara secara otomatis.

Dalam layanan pelanggan, manfaat paling masuk akal berada pada percakapan berisiko rendah. Sistem dapat menjelaskan jam operasional, memandu pelanggan ke kanal bantuan, atau menjawab status umum yang tidak memerlukan perubahan akun. Full-duplex dapat mengurangi friksi saat pelanggan ingin menyela, mengulang nomor referensi, atau memperjelas pertanyaan.

Batasnya perlu tegas. Pembatalan transaksi, perubahan alamat, reset akses akun, pengungkapan data pribadi, serta keputusan keuangan tidak semestinya diserahkan hanya pada suara yang terdengar meyakinkan. Sistem dapat mengumpulkan kebutuhan awal dan meneruskan konteks ke petugas manusia, tetapi tindakan berdampak harus memiliki verifikasi tambahan serta pihak yang bertanggung jawab.

Risiko ketika suara sintetis terdengar makin natural

Menurut Pluang, kemampuan suara yang lebih natural dapat disalahgunakan untuk penipuan. Risikonya terletak pada kecenderungan orang mempercayai penelepon yang berbicara lancar, responsif, dan tampak memahami emosi mereka.

Suara tidak boleh menjadi satu-satunya bukti identitas. Organisasi sebaiknya tidak meminta pelanggan mengungkap kata sandi, kode sekali pakai, atau data sensitif melalui panggilan suara. Permintaan penting perlu dipindahkan ke kanal dengan verifikasi lebih kuat atau ditangani petugas melalui prosedur yang jelas.

Andaikan sebuah perusahaan memakai voice AI untuk menerima panggilan awal. Sistem dapat menjawab pertanyaan umum dan membuat tiket layanan, tetapi wajib mengalihkan panggilan ketika pengguna meminta perubahan rekening, pembatalan kontrak, atau informasi akun. Tim juga perlu menguji respons terhadap instruksi ambigu, suara latar, aksen, kemarahan pelanggan, serta pertanyaan di luar basis pengetahuan.

Transparansi perlu menjadi bagian dari desain. Pengguna perlu tahu bahwa mereka berbicara dengan AI, memahami kapan percakapan dialihkan ke manusia, serta memiliki jalur untuk meminta bantuan petugas. Percakapan natural merupakan fitur pengalaman pengguna, bukan alasan menyembunyikan keterlibatan sistem otomatis.

Langkah yang bisa dilakukan sebelum memakai AI suara

Dessa belum tersedia bagi publik menurut Pluang, sehingga belum dapat diperlakukan sebagai alat produksi siap pakai. Langkah awalnya adalah menilai proses percakapan di organisasi sendiri. Pilih satu alur berisiko rendah, seperti pertanyaan jam layanan atau panduan lokasi, lalu tulis jawaban yang boleh diberikan sistem dan kondisi yang wajib dialihkan ke manusia.

Berikutnya, siapkan pengujian internal dengan skenario nyata tanpa data sensitif. Masukkan interupsi, pertanyaan tidak relevan, pengucapan nama yang sulit, serta permintaan yang harus ditolak. Catat apakah sistem berhenti saat disela, apakah jawabannya konsisten, dan apakah petugas menerima konteks memadai ketika handoff terjadi.

Tetapkan pula pemilik proses sebelum menguji teknologi suara apa pun. Pihak tersebut bertanggung jawab atas pembaruan materi jawaban, pengawasan akses rekaman, penanganan keluhan, serta keputusan menonaktifkan sistem bila terjadi kesalahan. Setelah pemilik proses tersedia, pilih satu skenario layanan sederhana untuk diuji dan dokumentasikan batas tindakan AI sejak awal.