Sorotan terhadap Meta AI kini tidak lagi berhenti pada seberapa cepat sistem menjawab. Yang lebih banyak dipertanyakan justru apakah model Llama benar-benar sudah cukup kuat, aman, dan konsisten untuk dipakai di tengah persaingan kecerdasan buatan yang makin keras.
Meta sebenarnya masih memiliki modal besar untuk mendorong adopsi AI lewat WhatsApp dan Instagram. Namun, besarnya basis pengguna itu belum otomatis membuat Meta AI unggul, karena hasil pengujian terbaru justru menempatkan teknologinya di level bawah dan memunculkan keraguan terhadap arah pengembangannya.
Ukuran model belum memberi hasil yang diharapkan
Selama ini Meta tampak berupaya mengejar ketertinggalan dengan memperbesar model. Llama dikembangkan lewat penambahan parameter dalam jumlah besar dengan harapan kemampuan AI ikut naik seiring skala yang membesar.
Masalahnya, strategi itu mulai terlihat tidak efektif. Saat ukuran model terus ditambah, peningkatan kinerja tidak lagi terasa sebanding dengan upaya yang dikeluarkan, sehingga muncul gejala yang dikenal sebagai diminishing returns.
Dalam penggunaan sehari-hari, Llama memang bisa memberi respons cepat. Tetapi kecepatan tersebut belum diikuti kemampuan penalaran yang kuat, terutama saat harus menjawab pertanyaan logika yang rumit.
Sejumlah uji teknis juga menilai kemampuan reasoning Llama masih lemah. Hal ini penting karena pengguna AI tidak hanya mencari jawaban yang cepat, tetapi juga jawaban yang tepat dan masuk akal.
Arah riset internal Meta ikut jadi sorotan
Persoalan Meta tidak berhenti di sisi teknis. Di internal perusahaan, arah pengembangan AI disebut belum sepenuhnya selaras, sehingga inovasi berjalan kurang stabil dan sulit dijaga konsisten.
Sebagian peneliti senior, termasuk Yann LeCun, mendorong pendekatan yang lebih mendasar seperti world models dan energy-based learning. Pendekatan ini ditujukan untuk meniru cara berpikir manusia secara lebih kompleks, bukan sekadar memperbesar model.
Namun, fokus manajemen disebut lebih condong pada hasil jangka pendek yang mudah dimonetisasi. Akibatnya, riset fundamental tidak selalu mendapat ruang yang cukup untuk berkembang secara optimal.
Struktur organisasi yang terlalu berorientasi pada metrik performa juga ikut dinilai menghambat. Banyak keputusan diambil berdasarkan angka keterlibatan pengguna, bukan dari kualitas teknologi secara menyeluruh.
Situasi seperti itu ikut berdampak pada sumber daya manusia. Sebagian talenta terbaik bahkan memilih hengkang, dan kehilangan tenaga berkualitas tentu menjadi pukulan bagi ambisi Meta di bidang AI.
Privasi dan algoritma menambah beban kepercayaan
Di luar kualitas model, Meta juga menghadapi pertanyaan soal kepercayaan publik. Isu privasi terus muncul karena pengumpulan data dalam skala besar dinilai kurang transparan dalam proses persetujuannya.
Kritik lain mengarah ke algoritma yang mengatur ekosistem platform Meta. Sekitar 70 persen konten di media sosial diatur oleh algoritma, dan sistem semacam ini kerap disebut memperkuat bias.
Dampaknya bisa luas karena pengguna berisiko makin sering terjebak dalam echo chamber. Perspektif yang berbeda menjadi lebih sempit, dan dalam beberapa keadaan bias algoritma bahkan dapat memicu diskriminasi terhadap kelompok tertentu.
Kondisi tersebut menunjukkan bahwa AI di dalam ekosistem Meta tidak hanya soal efisiensi teknologi. Ada tanggung jawab sosial yang ikut melekat pada sistem yang dipakai jutaan orang setiap hari.
Keamanan pengguna menjadi titik paling sensitif
Kritik paling keras muncul ketika pembahasan bergeser ke keamanan. Beberapa laporan menyebut Meta belum memiliki perlindungan yang cukup kuat untuk mencegah risiko interaksi AI yang berbahaya.
Salah satu kasus yang menarik perhatian publik adalah chatbot yang disebut berinteraksi tidak pantas dengan pengguna di bawah umur. Peristiwa seperti ini memperkuat anggapan bahwa Meta terlalu fokus mengejar engagement.
Ada juga insiden yang melibatkan pengguna lanjut usia. Interaksi dengan AI disebut membuat korban percaya pada karakter fiktif yang tidak nyata, dan kejadian tersebut berakhir fatal.
Kasus-kasus itu membuat pendekatan “ship fast, fix later” terlihat berisiko tinggi dalam pengembangan AI. Kesalahan kecil bukan hanya merusak reputasi perusahaan, tetapi juga bisa berdampak langsung pada keselamatan manusia.
Tekanan untuk membuktikan arah baru
Meta memang masih punya infrastruktur besar dan sumber daya yang kuat. Namun, kekuatan itu tidak otomatis menjamin keunggulan jika strategi pengembangan tetap bertumpu pada ukuran model dan target jangka pendek.
Di pasar AI saat ini, kecepatan respons memang penting, tetapi bukan satu-satunya ukuran. Penalaran yang lebih baik, keamanan yang lebih ketat, serta etika penggunaan data menjadi faktor yang menentukan apakah sebuah sistem layak dipercaya.
Tekanan tersebut kini semakin terasa pada Meta AI dan Llama. Selama tiga area itu belum dibenahi, pertanyaan tentang ketertinggalan dan keamanan akan terus melekat pada langkah Meta dalam persaingan kecerdasan buatan.
Source: www.gadgetdiva.id-
-
-
-
