Saya dulu menganggap “keandalan AI” seperti salah satu dari masalah yang akhirnya akan kita atasi dengan model yang lebih besar.
Seperti, tentu saja, halusinasi itu mengganggu... tetapi berikan satu tahun, berikan lebih banyak komputasi, berikan satu putaran kemenangan benchmark lagi, dan masalahnya akan hilang. Benar?
Ya… tidak.
Apa yang akhirnya membuat saya keluar dari pola pikir itu bukanlah skenario sci-fi yang menakutkan. Itu adalah kegagalan sehari-hari yang membosankan. Jenis di mana jawabannya terlihat bersih, terdengar percaya diri, dan masih cukup salah untuk menyebabkan kerusakan nyata jika ada yang bertindak berdasarkan itu.
Itulah kesenjangan keandalannya.
Inti dari argumen Mira adalah: berhentilah berpura-pura bahwa kesenjangan ini hanyalah ketidaknyamanan kecil. Perlakukanlah seperti infrastruktur.
Karena jika akurasi dasar Anda dalam tugas-tugas yang membutuhkan banyak pengetahuan adalah sekitar ~70% untuk output LLM yang belum diverifikasi, itu bukanlah "cukup bagus." Itu berarti "satu dari tiga kali, Anda akan terlihat bodoh, dituntut, atau kehilangan uang." Dan klaim Mira adalah bahwa ketika Anda menjalankan output melalui lapisan verifikasinya, akurasi tersebut dapat melonjak hingga ~96%, peningkatan sebesar 26 poin.
Itu bukan sekadar peningkatan yang manis. Itulah perbedaan antara "asisten" dan "dapat digunakan dalam alur kerja berisiko tinggi."
Dan alasan mengapa lompatan itu penting bukanlah karena kita menyukai angka. Melainkan karena dunia nyata alergi terhadap ketidakpastian ketika konsekuensinya tinggi.
Dalam bidang kesehatan, jawaban yang salah bukan hanya memalukan, tetapi juga berpotensi menimbulkan tanggung jawab hukum.
Dalam dunia hukum, kutipan yang dibuat-buat bukanlah sekadar "kesalahan". Itu bisa mengakhiri karier.
Dalam bidang keuangan dan kepatuhan, "mungkin benar" adalah cara Anda menjelaskan diri kepada regulator dengan tangkapan layar yang kurang meyakinkan.
Jadi, jika Mira benar-benar dapat menutup kesenjangan itu, bukan dengan membuat modelnya lebih pintar, tetapi dengan membuat hasilnya dapat dibuktikan, itu adalah kategori produk yang berbeda.
Yang saya sukai (dan yang membuat ini terasa kurang seperti pemasaran) adalah kerangka berpikirnya: Mira bukan hanya "memberi skor pada model." Mereka mensertifikasi hasil keluaran.
Itu adalah perbedaan penting yang sering diabaikan orang.
Penilaian didasarkan pada kesan dan nilai rata-rata. “Model ini berkinerja baik secara keseluruhan.”
Sertifikasi adalah bukti. “Hasil spesifik ini telah diperiksa.”
Alur verifikasi Mira, seperti yang dijelaskan, berjalan kurang lebih seperti ini: respons AI diuraikan menjadi fragmen-fragmen, klaim-klaim terpisah, alih-alih memperlakukan jawaban tersebut sebagai satu kesatuan teks. Fragmen-fragmen tersebut dikirim ke node validator independen (yang menjalankan model berbeda), dan jaringan memeriksa setiap klaim. Kemudian, hasilnya diselesaikan melalui konsensus mayoritas super dan menerbitkan sertifikat kriptografi.
Dan sertifikat itulah bagian yang sering diremehkan.
Karena sertifikat itu bukan untuk mempercantik tampilan UI. Sertifikat itu ada agar Anda nantinya dapat mengatakan: output ini lolos verifikasi. Berikut jejak auditnya. Inilah yang dikonfirmasi, yang tidak pasti, dan yang ditandai.
Itulah yang mengubah “teks yang meyakinkan” menjadi “kebenaran yang dapat digunakan.”
Sekarang, pertanyaan yang jelas adalah: cerita yang menarik… apakah ini benar-benar berjalan dalam skala nyata, atau hanya sekadar pilot yang asyik dengan dek yang bagus?
Di sinilah Mira mencoba menunjukkan kredibilitasnya dengan volume suara yang tinggi.
Skala klaim yang terkait dengannya sangat besar:
Total pengguna 4–5 juta
3 miliar token diproses setiap hari
19 juta permintaan mingguan
dan kira-kira pengurangan tingkat halusinasi sekitar ~90% (seperti yang dinyatakan)
Saya tidak akan berpura-pura telah memverifikasi setiap angka secara pribadi. Tetapi cara penyampaian ceritanya penting: mereka tidak memposisikannya seperti eksperimen laboratorium. Mereka memposisikannya seperti infrastruktur yang telah diuji ketahanannya melalui penggunaan nyata.
Dan jujur saja, itu penting, karena lapisan verifikasi tidak mendapatkan pengecualian. Jika terlalu lambat, tidak ada yang menggunakannya. Jika terlalu mahal, orang akan melewatinya. Jika terlalu merepotkan, pengembang akan "sementara" mematikannya... selamanya.
Jadi, ketika sebuah proyek mengklaim memiliki kapasitas produksi skala besar, yang sebenarnya mereka maksudkan adalah: ini dapat berjalan di jalur alur kerja nyata tanpa mengganggu pengalaman pengguna (UX).
Bukti dari konsumen inilah yang membuat cerita dari sisi perusahaan terasa lebih meyakinkan. Contoh yang sering dikutip adalah Klok, di mana sekitar ~500 ribu pengguna memilih aplikasi obrolan tersebut secara khusus karena verifikasi menghasilkan jawaban yang lebih andal.
Itu bukan departemen kepatuhan. Itu adalah pengguna biasa yang mengatakan "Saya lebih suka yang lebih sedikit berbohong."
Dan itu penting karena prinsipnya sama, hanya saja taruhannya berbeda. Konsumen tidak ingin memeriksa kebenaran setiap kalimat. Perusahaan jelas tidak ingin melakukannya. Mereka hanya menghadapi konsekuensi yang berbeda ketika terjadi kesalahan.
Inilah juga mengapa perbandingan "70% vs 96%" berhasil. Ini bukan sekadar metrik. Ini adalah izin.
Pada tingkat akurasi sekitar 70%, Anda dapat menggunakan AI untuk melakukan brainstorming, membuat draf, merangkum, dan melakukan pengecekan suasana.
Dengan tingkat akurasi sekitar 96% dan sertifikasi, Anda dapat mulai menggunakannya dalam alur kerja yang membutuhkan kemampuan untuk dipertanggungjawabkan: sistem di mana kesalahan dapat memicu audit, investigasi, atau tuntutan hukum.
Pelayanan kesehatan adalah contoh paling mudah untuk divisualisasikan. Jika alat AI berkontribusi pada suatu keputusan dan terjadi kesalahan, tidak ada yang menginginkan penjelasan "model mengatakan demikian". Mereka menginginkan dokumentasi. Apa yang diperiksa? Apa yang diverifikasi? Apa yang masih belum pasti? Hasil yang didukung sertifikat memberi Anda sesuatu yang dapat dilampirkan pada investigasi dan dokumentasi malpraktik tanpa perlu penjelasan yang bertele-tele.
Aspek hukum bahkan lebih brutal. Kutipan palsu dan preseden yang dibuat-buat bukanlah "keanehan AI yang lucu." Itu adalah pukulan langsung terhadap kredibilitas. Lapisan verifikasi yang menandai klaim yang tidak pasti dan memisahkan "terverifikasi" dari "tidak terverifikasi" pada dasarnya adalah pengaman terhadap mode kegagalan yang paling memalukan: dengan percaya diri mengutip sesuatu yang tidak ada.
Keuangan dan kepatuhan adalah bidang di mana hal ini hampir tak terhindarkan. Industri-industri tersebut tidak beroperasi berdasarkan rata-rata. Mereka beroperasi berdasarkan jejak audit. Anda bisa memiliki jawaban yang benar dan tetap gagal dalam proses tersebut jika Anda tidak dapat menunjukkan bagaimana Anda mendapatkannya dan pemeriksaan apa yang diterapkan sebelum tindakan diambil. "Dapat dijelaskan, dapat diaudit, dapat dipertahankan" bukanlah slogan di sana; itu adalah persyaratannya.
Jadi, alasan pendekatan Mira terasa berbeda adalah karena Mira tidak mencoba meyakinkan Anda bahwa AI selalu benar. Mira mencoba membuat hasil keluaran AI berperilaku seperti barang yang telah diperiksa: diperiksa, dicatat, dan dapat dipertanggungjawabkan.
Itulah mengapa lapisan verifikasi lebih dari sekadar pembungkus yang mewah. Ini adalah pergeseran dalam apa yang kita anggap "cukup aman untuk diterapkan."
Dan jujur saja: saya masih curiga terhadap apa pun yang mengklaim dapat "menyelesaikan halusinasi." Realitas tidak bekerja seperti itu. Model akan selalu memiliki titik buta. Konsensus masih bisa salah jika semua orang memiliki titik buta yang sama. Verifikasi bukanlah kebenaran ajaib.
Namun, yang dapat dilakukannya adalah mempersulit kesalahan untuk lolos tanpa terdeteksi. Ini dapat mengurangi tingkat halusinasi secara dramatis. Ini dapat memaksa klaim untuk berdiri sendiri. Dan ini dapat menghasilkan jejak audit yang membuat sistem dapat digunakan di lingkungan di mana "kami berharap ini benar" tidak dapat diterima.
Itulah nilai sebenarnya di sini.
Bukan sekadar sensasi. Bukan AI yang lebih pintar. Bukan "masa depan."
Hanya perbaikan struktural yang membosankan: mengubah AI dari output persuasif menjadi output yang tersertifikasi.
Dan jika angka-angka tersebut bahkan secara umum akurat, sekitar 70% hingga 96%, pengurangan halusinasi sekitar 90%, jutaan pengguna, miliaran token yang diproses, maka Mira bukanlah sebuah demo. Ini adalah lapisan keandalan yang berupaya menjadi infrastruktur standar.
Justru itulah cara hal-hal penting biasanya menang.
Diam-diam. Dengan membuat segala hal lainnya menjadi mungkin.