LLM Terjebak Pikiran Kolektif? Startup Ini Punya Solusinya

Model bahasa besar (LLM) seperti Claude, ChatGPT, dan Gemini ternyata punya kecenderungan menjawab dengan pola yang sangat mirip satu sama lain—bahkan untuk pertanyaan sesederhana "pilih angka acak." Fenomena ini bukan kebetulan, melainkan gejala sistemik yang disebut *groupthink* di kalangan AI. Sebuah startup kini mencoba mengatasi masalah ini dengan pendekatan baru agar model-model AI bisa menghasilkan respons yang lebih beragam dan tidak terprediksi.

Coba saja eksperimen sederhana: minta chatbot mana pun memilih angka acak antara 1 sampai 10, dan hasilnya hampir pasti 7. Minta lagi, dapat 3 atau 4. Minta sekali lagi, dapat 8 atau 9. Pola ini muncul karena LLM dilatih dari data manusia yang sama, dengan metode yang mirip, sehingga "selera" dan kecenderungan jawabannya pun konvergen. Ini bukan sekadar soal angka—pola serupa terjadi di opini, rekomendasi, hingga cara model memandang suatu masalah.

Masalah ini punya implikasi serius bagi industri AI secara keseluruhan. Jika semua model berpikir dengan cara yang hampir identik, kita kehilangan keberagaman perspektif yang justru menjadi kekuatan berpikir kolektif manusia. Dalam konteks pengambilan keputusan bisnis, riset, atau bahkan moderasi konten, AI yang homogen bisa memperkuat bias dan blind spot yang sama secara massal—alih-alih menjadi koreksi atas kelemahan manusia.

Upaya startup ini menarik untuk diikuti karena menyentuh salah satu keterbatasan fundamental arsitektur LLM saat ini, bukan sekadar persoalan kemampuan atau ukuran model. Pertanyaan besarnya: apakah keberagaman output bisa direkayasa tanpa mengorbankan akurasi dan keandalan? Ini bisa menjadi arah baru yang penting dalam evolusi desain sistem AI ke depan.