Google (20/11) meluncurkan teknologi panggilan telepon berbasis kecerdasan buatan Duplex ke dalam fitur Tasks di aplikasi Gemini. Pengguna kini dapat meminta Gemini menelepon bisnis untuk menyelesaikan tugas-tugas nyata, mulai dari memesan restoran, membuat janji potong rambut, hingga mengecek ketersediaan layanan seperti grooming hewan atau bengkel mobil.

Teknologi ini berakar dari Google Duplex yang pertama kali diperkenalkan pada 2018. Saat itu, Duplex dirancang untuk melakukan percakapan suara alami dengan bisnis lokal melalui telepon. Sejak saat itu, kemampuan Duplex telah digunakan di balik layar berbagai produk Google, termasuk Search dan Maps. Dalam tulisan di blog risetnya, Yossi Matias, Yaniv Leviathan, dan Janet Zhou menjelaskan bahwa peluncuran di Tasks in Gemini menandai evolusi arsitektur selama hampir satu dekade, berpindah dari sistem berbasis domain tertutup menuju tumpukan teknologi unified yang dibangun sepenuhnya di atas model Gemini.

Selama bertahun-tahun, Duplex juga telah membantu memperbarui informasi bisnis secara otomatis, terutama saat pandemi COVID-19 ketika jam operasional berubah cepat. Data dari panggilan telepon Duplex telah ditampilkan lebih dari satu triliun kali di Search dan Maps. Selain itu, teknologi percakapan serupa juga disematkan langsung di perangkat Pixel melalui fitur Call Screen dan Hold for Me, yang membantu pengguna menyaring penelpon tak dikenal dan menunggu antrean layanan pelanggan.

Perubahan terbesar terjadi ketika Google mulai memanfaatkan model fondasi generatif. Pada 2022, Duplex menggunakan LaMDA untuk menangani panggilan langsung, memadukan model generatif yang fleksibel dengan pelacakan status deterministik dan kebijakan ketat agar percakapan tetap terkontrol. Kini, dengan integrasi Gemini, sistem dapat memahami permintaan dalam bahasa bebas, menangani banyak kendala sekaligus, dan menyesuaikan diri ketika pihak bisnis menawarkan alternatif, misalnya menjadwalkan servis mobil di tengah bentrok jadwal kalender.

Secara umum, Duplex adalah sistem yang memungkinkan AI berbicara dengan manusia melalui telepon dengan suara alami. Tantangan utamanya adalah latensi rendah: jeda setengah detik terlalu lama bisa terasa seperti panggilan terputus, sementara berbicara terlalu cepat membuat suara saling tindih. Evolusi dari model neural kustom menuju model fondasi seperti Gemini memungkinkan sistem menangani percakapan yang tidak mengikuti skrip, memahami revisi di tengah kalimat, dan merespons perubahan nada bicara lawan bicara.