Bisakah Meta AI mengingat bahwa rencana Anda berubah?

Anda biasanya naik kereta paling pagi yang tersedia. Untuk perjalanan Sabtu, seorang teman meminta Anda naik kereta pukul 10:40 agar bisa berangkat bersama. Asisten AI mengingat kedua hal itu. Lalu kereta pukul 10:40 dibatalkan. Ketika Anda meminta asisten menyusun ulang rencana, apakah ia masih mendasarkan jadwal pada keberangkatan yang sudah tidak ada? Apakah ia menganggap Anda selalu memilih kereta yang lebih siang? Atau apakah ia mengingat alasan pengecualian dan menanyakan kereta mana yang bisa dikejar teman Anda?

Ini uji memori AI yang lebih menarik daripada meminta asisten mengulang warna favorit. Memori berguna ketika membantu melanjutkan pekerjaan. Rencana yang berlangsung beberapa hari juga mengharuskan asisten membedakan preferensi dari pengecualian, memeriksa keadaan terkini, dan berhenti sebelum keputusan yang masih menjadi tanggung jawab Anda. Pembaruan Meta pada November untuk Muse dan Meta AI memberi kesempatan menguji sejauh mana pekerjaan itu bisa didelegasikan.

Yang mulai diluncurkan Meta pada November

Pada 6 November 2026, Meta mengatakan mulai meluncurkan versi khusus model yang sudah ada di Muse dan Meta AI. Meta melatih versi itu dengan Muse Wonder, seri model riset yang diperkenalkan secara terpisah. Muse adalah agen pribadi Meta untuk tugas yang lebih panjang, sedangkan Meta AI adalah asisten umum. Peluncurannya bertahap, sehingga pengumuman saja belum bisa memastikan akun, wilayah, atau antarmuka mana yang sudah menerima pembaruan.

Meta menjelaskan dua kemampuan untuk bagian rencana yang berubah. Active Memory, yang dijelaskan untuk kedua produk, membantu asisten menentukan konteks mana yang perlu diingat, berapa lama relevansinya, dan kapan informasi baru mengubah maknanya. Di Muse, Meta menjelaskan Active Focus sebagai kemampuan mengejar tujuan pengguna setelah menghadapi hambatan tak terduga. Untuk Meta AI, perusahaan menjelaskan perbaikan percakapan terkait, seperti mengajukan pertanyaan lanjutan dan menyesuaikan ketika Anda mengubah arah. Dalam contoh kereta, memori menentukan informasi apa tentang waktu keberangkatan dan teman yang perlu dibawa. Fokus menentukan cara mengusulkan perjalanan yang masih bisa dijalankan setelah kereta pilihan dibatalkan.

Perbedaan ini penting saat menilai pembaruan pada tugas yang benar-benar berguna. Asisten bisa mengulang batasan baru dengan tepat lalu menyerah saat opsi pertama gagal. Ia juga bisa bersemangat membuat jadwal baru dengan masukan minggu lalu. Hasil yang berguna memenuhi kedua uji. Asisten memakai batasan terbaru dan menyesuaikan langkah berikutnya dengan cara yang bisa diperiksa.

Meta melaporkan bahwa tolok ukur Muse untuk memakai konteks penting dengan benar naik dari 76% ke 90%, atau 14 poin persentase. Perusahaan juga melaporkan kenaikan 67% dalam penyelesaian tugas sehari-hari Muse yang menghadapi kendala tak terduga. Angka kedua merupakan kenaikan relatif. Keduanya berasal dari evaluasi Meta. Perjalanan pribadi, rutinitas belajar, atau serah terima kerja dapat memiliki batasan berbeda yang perlu diuji sendiri.

Meta menyediakan tur panduan Muse di situs produk. Gambar sampul adalah foto historis kampus Facebook di Menlo Park, diambil LPS.1 pada 2014 dan dirilis dengan CC0. Telli.sh mengubah ukuran dan memotong foto asli.

Tiga jenis konteks dalam satu rencana

Ketika seseorang mengatakan perjalanan berlangsung pada Sabtu, kereta berangkat pukul 10:40, dan ia biasanya menyukai keberangkatan awal, semua fakta itu bisa terlihat sama bergunanya saat dicatat. Masa berlakunya berbeda. Memisahkan ketiga perannya memudahkan penilaian terhadap asisten ketika rencana berubah.

Diagram asli Telli.sh untuk perjalanan contoh. Label membantu peninjau memeriksa jawaban dari luar sistem memori Meta.

Menghapus kereta yang dibatalkan dari jadwal berbeda dengan melupakan bahwa kereta itu pernah ada. Jika teman bertanya mengapa rencananya berubah, detail historis itu masih relevan. Jika Anda bertanya tiket mana yang akan dipesan, itu opsi yang sudah usang. Jawaban yang tepat bergantung pada pekerjaan yang sedang dilakukan dengan fakta tersebut. Perilaku yang perlu diamati adalah apakah asisten memilih konteks yang sesuai dengan pertanyaan.

Prinsip yang sama berlaku untuk preferensi. Seseorang yang meminta restoran tenang untuk satu rapat mungkin tidak menginginkan aturan yang sama untuk ulang tahun. Seseorang yang mengatakan preferensi kursinya berubah secara permanen wajar mengharapkan asisten memakai preferensi baru pada perjalanan lain. Menyatakan jangka waktu dengan jelas merupakan cara sederhana meningkatkan kualitas percobaan dan rencana yang dipakai.

Uji singkat untuk akun yang sudah menerima pembaruan

Mulailah dengan rincian rekaan dan mintalah rencana dalam bentuk teks. Menjaga uji pertama sepenuhnya fiktif memungkinkan Anda memeriksa cara asisten menangani perubahan tanpa menyerahkan informasi perjalanan atau membuka akses akun. Catat prompt dan jawaban persis, lalu ulangi uji jika antarmuka berubah. Jika pembaruan belum terlihat pada akun, jawaban masih memperlihatkan perilaku antarmuka saat ini, tetapi belum menunjukkan model yang menghasilkannya.

1. Tetapkan preferensi jangka panjang. Katakan, “Secara umum saya memilih kereta paling pagi yang tersedia. Untuk perjalanan Sabtu yang fiktif, saya bepergian dengan Sam dan kami baru bisa bertemu mulai pukul 10:15.” Minta asisten merangkum preferensi dan batasan perjalanan secara terpisah.
2. Berikan rencana yang nantinya usang. Katakan, “Rencana awal kami adalah kereta 10:40 dan masuk museum pukul 13:00. Anggap perjalanan kereta memakan 75 menit dan dari stasiun ke museum perlu 30 menit.” Minta jadwal tanpa penelusuran web atau pemesanan.
3. Ganti satu detail dan tambahkan hambatan. Katakan, “Kereta 10:40 dibatalkan. Keberangkatan yang tersedia hanya pukul 10:00, 11:00, dan 11:30. Waktu masuk museum tetap 13:00. Gunakan jam fiktif ini dan jelaskan opsi yang cocok.” Kereta 10:00 bertentangan dengan waktu bertemu. Kereta 11:00 membuat Anda tiba di museum pukul 12:45. Kereta 11:30 membuat Anda tiba pukul 13:15.
4. Periksa alasannya. Tanyakan, “Apa yang berubah, apa yang masih berlaku, dan apa yang perlu Anda tanyakan sebelum mengubah pesanan?” Jawaban yang berdasar bisa menjelaskan mengapa pukul 11:00 cocok, menunjukkan sisa 15 menit, dan meminta konfirmasi terpisah sebelum memesan ulang.
5. Uji batas pengecualian. Dalam percakapan yang sama, tanyakan bagaimana merencanakan perjalanan fiktif lain tanpa Sam. Jika antarmuka bisa membawa konteks ke percakapan baru dan Anda ingin mengujinya, ulangi pertanyaan kedua di percakapan baru. Catat hasilnya terpisah karena penggunaan riwayat yang terlihat dan konteks lintas percakapan adalah pengalaman berbeda.

Diagram asli Telli.sh untuk uji dengan masukan rekaan.

Simpan satu penilaian sederhana per langkah. Beri tanda lulus jika asisten memakai fakta yang tersedia dengan tepat dan menjelaskan hasilnya. Beri tanda gagal jika hasil melanggar batasan atau memunculkan lagi opsi yang usang. Beri tanda ambigu jika dasar jawabannya tidak jelas, misalnya konteks yang diingat, asumsi, atau informasi yang kebetulan terlihat. Penilaian berlaku untuk interaksi itu pada tanggal tersebut. Mengulang hasil baik dengan contoh kedua membantu melihat apakah ada pola.

Anda juga bisa membalik uji untuk memeriksa apakah asisten menemukan konflik yang tidak bisa dihindari. Pindahkan waktu masuk museum ke 12:30 dan tanyakan kembali. Kini tak ada keberangkatan yang memenuhi semua batasan. Respons berguna menampilkan konflik dan menanyakan komitmen mana yang bisa dipindah. Jawaban rapi yang diam-diam mengubah jam museum membuat rencana terlihat selesai sambil memindahkan masalah kepada Anda.

Situasi lain yang bisa memanfaatkan fitur serupa

Rutinitas belajar dengan pengecualian sementara. Pelajar biasanya ingin latihan singkat pada hari kerja. Selama satu minggu bepergian, ia meminta dua sesi lebih panjang dan meminta rutinitas awal kembali pada minggu berikutnya. Berikan skenario dengan tanggal dan minta jadwal dua minggu. Manfaatnya adalah mengurangi pengulangan preferensi tetap. Risikonya, instruksi satu minggu bisa terus berlaku sesudah kedaluwarsa. Periksa apakah jadwal kembali pada tanggal yang diminta dan apakah tanggal ujian baru menggantikan tenggat lama dengan benar.

Perencanaan acara sukarelawan dengan batasan yang berubah. Kelompok biasanya menghindari malam hari kerja, tetapi salah satu anggota menawarkan tempat untuk Selasa sebagai pengecualian. Tempat itu kemudian tidak tersedia. Beri daftar fiktif ruangan dan ketersediaannya. Minta rekomendasi dan rincian apa yang masih diperlukan dari penyelenggara. Perilaku berguna mempertahankan kebutuhan kelompok lainnya sambil beradaptasi dengan perubahan tempat. Usulan mudah ditarik dari draf, sedangkan pesan ke semua peserta punya konsekuensi lebih besar dan perlu pemeriksaan tersendiri.

Serah terima kerja berulang. Bayangkan tim kecil menyukai catatan status satu halaman. Proyek saat ini memiliki tenggat pelaporan khusus dan satu dependensi yang baru saja terlambat. Minta asisten membuat serah terima terbaru dari lini masa rekaan, menandai estimasi baru, dan menjaga format satu halaman. Asisten yang berguna mempertahankan format tanpa menutupi jadwal baru. Masalah timbul ketika tenggat usang diulang atau dependensi yang belum pasti disajikan seolah tuntas. Tabel fakta dan tanggal saat ini tetap memberi sesuatu untuk diperiksa.

Peluang di semua contoh ini ialah mengurangi input berulang dan menjaga kesinambungan lintas percakapan. Risikonya, informasi lama makin sulit terlihat karena jawabannya lancar dan akrab. Kesimpulan yang ditarik asisten juga memengaruhi hasil. Asisten bisa memperlakukan pengecualian sementara sebagai preferensi umum meski Anda tidak pernah mengatakan demikian. Jika lingkup penting, sebutkan kapan aturan mulai dan berakhir serta detail lama mana yang digantikan. Periksa apakah jawaban berikutnya menunjukkan efek yang dimaksud.

Titik kendalinya adalah tindakan berikutnya yang membawa konsekuensi

Asisten yang mampu mengatasi kejutan dapat menghemat waktu menyusun alternatif. Makin mampu ia terlihat, makin mudah rekomendasi berubah menjadi tindakan tanpa disadari. Tentukan batas itu sejak awal. Menampilkan jadwal perjalanan baru mudah diperiksa. Membeli tiket, membatalkan tiket lama, atau mengirim rencana kepada teman mengubah keadaan di luar percakapan. Minta konfirmasi tersendiri sebelum tiap tindakan jika produk dan alat yang terhubung mendukungnya.

Perlakukan jadwal sebagai salinan kerja. Simpan pemesanan akhir dan konfirmasi di layanan yang menerbitkannya lalu verifikasi fakta penting di sana. Jika membandingkan dua eksekusi asisten, catat masukan yang tersedia saat itu. Hasil setelah jadwal kereta berubah perlu diperiksa terhadap jadwal baru. Pernyataan peluncuran dan evaluasi Meta menjelaskan sasaran perusahaan. Perilaku yang Anda amati dengan masukan sendiri merupakan bukti untuk keputusan berikutnya.

Potensi awal Active Memory dan Active Focus adalah mengurangi penjelasan ulang pada tugas panjang meski keadaan berubah. Uji yang layak diulang ialah apakah asisten mempertahankan alasan suatu keputusan, membuang bagian yang sudah tidak berlaku, dan menampilkan konflik saat masih ada waktu untuk mengatasinya. Jika itu terjadi secara konsisten pada contoh berisiko rendah, Anda punya dasar untuk menyerahkan penyusunan draf yang lebih luas sambil tetap meninjau tindakan yang benar-benar berdampak.

Sumber

• Pengumuman Meta 6 November tentang model khusus Muse dan Meta AI
• Pengenalan terpisah Meta untuk Muse Wonder
• Panduan dan tur resmi Muse
• Foto sampul oleh LPS.1, CC0

Tentang Telli.sh

Telli.sh mengubah rekaman, catatan, dan dokumen menjadi basis pengetahuan pribadi yang bisa dicari agar Anda dapat menemukan sumber keputusan di kemudian hari. Coba Telli.sh untuk menyimpan catatan kerja bersama konteksnya.