Suara AI Terbaru dari Block, Dessa, Terdengar Sangat Manusiawi dan Picu Kekhawatiran Penipuan

Perusahaan teknologi pembayaran pimpinan Jack Dorsey, Block, baru-baru ini memperkenalkan model kecerdasan buatan suara atau voice AI yang menarik perhatian luas industri teknologi. Dinobatkan sebagai terobosan baru dalam interaksi mesin dan manusia, model yang diberi nama Dessa ini mendemonstrasikan kemampuan vokal yang terdengar sangat mirip manusia asli, lengkap dengan emosi, jeda, hingga tawa natural.

Kendati menuai decak kagum berkat kemampuan percakapannya yang luwes, kemunculan teknologi ini juga memicu gelombang kekhawatiran baru di kalangan pengamat keamanan digital. Tingkat kemiripan suara yang luar biasa tinggi dikhawatirkan dapat disalahgunakan untuk melancarkan aksi penipuan telepon yang semakin sulit dideteksi oleh masyarakat awam.

Mengenal Dessa: Teknologi Voice AI Berbasis Audio Langsung

Berdasarkan informasi resmi yang dirilis oleh Block, Dessa dikembangkan dengan pendekatan yang berbeda dari kebanyakan sistem kecerdasan buatan suara konvensional. Alih-alih menerjemahkan teks menjadi suara atau mengonversi ucapan ke teks terlebih dahulu sebelum merespons, Dessa dilatih secara murni dari rekaman suara manusia.

Pendekatan ini memungkinkan model untuk memproses audio secara langsung, menangkap nuansa emosional, perubahan nada bicara, serta merespons interupsi di tengah percakapan secara real-time. Dalam berbagai demonstrasi yang dibagikan oleh Jack Dorsey melalui akun media sosial X (sebelumnya Twitter), Dessa terdengar tertawa di tengah kalimat atau menunjukkan reaksi terkejut dengan nada yang sangat natural tanpa rekayasa arah respons dari manusia.

Dari sisi infrastruktur komputasi, Block menyatakan bahwa Dessa dilatih dari awal menggunakan sistem tunggal Nvidia GB200 NVL72. Yang menarik bagi para pengembang dan pengguna profesional, model ini dirancang cukup ringkas sehingga mampu berjalan secara lokal di perangkat keras konsumen kelas atas, seperti komputer jinjing MacBook Pro yang ditenagai oleh cip M4 Max atau versi yang lebih baru.

Dilema antara Inovasi dan Risiko Keamanan Siber

Respon publik terhadap pengumuman Dessa terbelah menjadi dua sisi utama. Di satu sisi, para pelaku industri teknologi melihat potensi besar dalam pemanfaatan AI suara yang natural untuk berbagai sektor edukasi, interaksi digital, maupun efisiensi operasional. Tokoh-tokoh industri seperti CZ bahkan sempat melirik potensi penerapan teknologi suara yang ekspresif semacam ini untuk kebutuhan pendidikan anak-anak di masa depan.

Namun, di sisi lain, para pengamat keamanan siber dan penegak standar industri langsung membunyikan alarm peringatan. Kemampuan sebuah sistem AI untuk mereplikasi karakteristik vokal manusia secara sempurna dikhawatirkan membuka celah lebar bagi pelaku kejahatan siber untuk melancarkan modus penipuan berbasis suara, seperti rekayasa sosial atau penipuan telepon (vishing) yang meniru suara kerabat atau pejabat eksekutif perusahaan.

Hingga saat ini, pihak Block sendiri belum mengungkapkan rilis data spesifik mengenai ukuran parameter model, hasil pengujian tolok ukur (benchmarks), maupun jadwal peluncuran komersial secara terbuka kepada publik. Sebagai langkah kehati-hatian, tahap pratinjau riset (research preview) ini untuk sementara waktu hanya disalurkan secara terbatas kepada sekelompok kecil peneliti keamanan kecerdasan buatan guna menguji tingkat risiko dan mitigasinya.

Kesimpulan dan Prospek Lanjutan

Kehadiran Dessa oleh Block menandai babak baru dalam evolusi teknologi suara sintetis yang semakin mendekati batas antara kecerdasan buatan dan realitas manusia. Walaupun menawarkan kenyamanan interaksi yang belum pernah ada sebelumnya, tantangan terkait regulasi keamanan, etika, dan pencegahan penyalahgunaan tetap menjadi PR besar bagi para pengembang teknologi. Pasar global kini menantikan bagaimana Block dan komunitas riset AI dapat menyeimbangkan inovasi canggih ini dengan perlindungan konsumen yang memadai.