JBNews.id — Model kecerdasan buatan (AI) terkemuka seperti ChatGPT, Google Gemini, dan Qwen terbukti sangat buruk dalam menganalisis pertandingan olahraga profesional. Sebuah studi baru dari University of North Carolina at Chapel Hill dan Northeastern University mengungkapkan bahwa AI gagal dalam penalaran kausal, simulasi, dan analisis kompleks, dengan tingkat akurasi serendah 5 persen.
Studi yang belum melalui proses peer-review ini dirancang untuk menguji kemampuan AI dalam empat bidang sulit: persepsi, penalaran, simulasi, dan agensi. Para peneliti menciptakan tolok ukur baru bernama strategic video intelligence (SVI-bench) yang terdiri dari 35.000 jam rekaman pertandingan basket, sepak bola, dan hoki, serta 15 juta play beranotasi, 15.000 jam analisis profesional, 23.000 laporan pasca-pertandingan, dan 103.000 catatan statistik.
Dalam uji persepsi—kemampuan mengidentifikasi pemain dan aksi pada momen tertentu—AI mencatatkan hasil terbaiknya, namun masih sangat mengecewakan. Model-model tersebut berhasil mengidentifikasi pemain dengan benar hanya sekitar 74 persen. Tingkat akurasi ini dinilai tidak cukup bahkan untuk penyiar Liga Kecil sukarelawan.
Hasil yang jauh lebih buruk terlihat pada penalaran kausal. Ketika diminta menjelaskan mengapa suatu play terjadi, tingkat keberhasilan AI turun drastis ke rata-rata 40 persen. Contoh nyata: saat peneliti menanyakan keanehan pada tembakan tiga angka Cody Martin yang memantul dari papan atas sebelum masuk, ChatGPT hanya menjawab bahwa itu adalah “tembakan tiga pertamanya di pertandingan”.
Uji simulasi—meminta AI memprediksi pergerakan pemain berdasarkan lintasan—juga menunjukkan hasil memprihatinkan. Model terbaik hanya berfungsi seperti melempar koin untuk menebak langkah selanjutnya pemain. Performa semakin menurun ketika model diminta merencanakan pergerakan lebih panjang menuju gawang atau ring.
“AI tidak bisa memberi tahu Anda mengapa sesuatu terjadi, dan tidak bisa memberi tahu apa yang akan terjadi selanjutnya,” ujar Lorenzo Torresani, peneliti ilmu komputer di Northeastern sekaligus rekan penulis studi, dalam siaran pers universitas.
Pada uji agensi—meminta AI melakukan analisis pasca-pertandingan kompleks seperti penyiar manusia—akurasinya jatuh ke angka 5 persen. Torresani menjelaskan bahwa penyiar olahraga yang baik melakukan lebih dari sekadar mendeskripsikan apa yang terlihat di layar. Mereka menjelaskan mengapa suatu play berhasil, mengantisipasi langkah selanjutnya, dan memutuskan momen mana yang penting.
“Studi kami menunjukkan AI sudah cukup baik pada bagian deskriptif, tetapi gagal total pada sisanya,” kata Torresani.
Meskipun temuan ini menjadi kabar baik bagi penyiar olahraga, Torresani menekankan implikasinya jauh lebih luas. Kesenjangan kemampuan yang sama muncul di pekerjaan mana pun yang nilainya tidak terletak pada mendeskripsikan apa yang terlihat, tetapi pada memahami mengapa peristiwa terjadi, mengantisipasi apa yang akan datang, memutuskan apa yang penting, dan merekomendasikan tindakan.
Di tengah kekhawatiran otomatisasi AI yang mengubah pasar kerja, studi ini memberikan perspektif baru. Pekerjaan yang membutuhkan penalaran mendalam dan analisis kontekstual masih jauh dari jangkauan AI. Hal ini relevan dengan perkembangan peluang AI industri yang terus berkembang di Indonesia.
Bagi para profesional dan pengamat industri, hasil studi ini menegaskan bahwa AI masih memiliki keterbatasan fundamental. Meskipun unggul dalam tugas deskriptif dan persepsi dasar, AI belum mampu menggantikan peran manusia dalam analisis kompleks dan pengambilan keputusan strategis. Ini menjadi pertimbangan penting bagi perusahaan yang tengah mengeksplorasi adopsi AI di berbagai sektor.