Disokong Andreessen Horowitz, Vals Berambisi Jadi Standar Emas Uji Performa AI

Krisis Kepercayaan pada Uji Kompetensi Kecerdasan Buatan

Di panggung industri kecerdasan buatan (AI) global, pengujian performa atau benchmarking telah lama menjadi standar emas. Skor tinggi dalam tolok ukur akademis kerap dijadikan peluru utama korporasi untuk mengklaim keunggulan model AI mereka di hadapan publik dan investor. Namun, di balik narasi pemasaran yang berkilau tersebut, tersimpan realitas yang rapuh: sistem pengujian konvensional saat ini dinilai telah usang dan kian mudah diakali.

Banyak sistem evaluasi medis, hukum, hingga kemampuan bernalar yang digunakan saat ini tidak dirancang untuk mengukur lompatan kapabilitas model AI modern. Lebih buruk lagi, kebocoran materi uji terbuka membuat banyak pengembang sengaja melatih model mereka menggunakan soal-soal tes tersebut—sebuah praktik yang secara efektif sama dengan “menyontek” dalam ujian akhir.

Lompatan Vals: Menantang Dominasi Evaluasi Usang

Kondisi anomali ini ditangkap sebagai peluang strategis oleh Vals, sebuah perusahaan rintisan (*startup*) yang didirikan pada tahun 2024. Digawangi oleh Rayan Krishnan, pemuda berusia 25 tahun alumnus Stanford University yang pernah mengasah kemampuannya di Palantir dan Microsoft, Vals hadir membawa misi mendasar: mereformasi total cara dunia mengukur kapabilitas AI.

Langkah Vals terbukti menarik perhatian raksasa modal ventura (*venture capital*). Setelah mengamankan pendanaan awal (*seed round*) dari 8VC dan Bloomberg Beta, Vals baru saja meraup suntikan dana Seri A sebesar US$40 juta (sekitar Rp630 miliar) yang dipimpin oleh kancah kapital risiko kenamaan, Andreessen Horowitz.

“Kami melihat banjir model AI baru yang sangat canggih masuk ke pasar secara masif, tetapi tolok ukur akademis tidak mampu mengejar laju batas terdepan inovasi tersebut,” ujar Krishnan saat menjelaskan latar belakang pendirian Vals. Menurutnya, ketika AI mulai terintegrasi ke dalam lini vital masyarakat, industri membutuhkan jaminan independen bahwa sistem tersebut benar-benar mampu melakukan apa yang diklaim oleh para pembuatnya.

Uji Tugas Dunia Nyata, Bukan Sekadar Tes Teoretis

Pendekatan yang diambil Vals terbilang radikal dibanding metode tradisional. Jika tolok ukur lama cenderung menguji pengetahuan abstrak—seperti apakah sebuah model AI dapat lulus ujian pengacara (bar exam)—Vals berfokus pada eksekusi tugas kompleks di dunia nyata yang spesifik untuk ranah industri seperti hukum, keuangan, hingga pemograman tingkat tinggi.

Guna mencegah manipulasi, Vals merahasiakan seluruh materi dan parameter pengujian mereka secara ketat. Evaluasi difokuskan pada hasil kerja kontekstual: apakah model AI dapat menghasilkan output pekerjaan dengan kualitas yang setara dengan tenaga ahli manusia, serta apa dampak negatif atau risiko yang mungkin timbul jika sistem tersebut dilepas tanpa pengawasan di ekosistem nyata.

Jangkauan evaluasi Vals kini bahkan menembus batas-batas baru yang sensitif, mencakup pengujian perbaikan diri secara rekursif (*recursive self-improvement*), kesehatan mental, keamanan siber, biosekuritas, hingga penerapan Hukum Konflik Bersenjata dan Konvensi Jenewa pada model AI bertema pertahanan.

Model Bisnis Ujian Akademis dan Transparansi Pasar Modal

Secara komersial, perusahaan membayar Vals untuk menguji dan mengevaluasi model AI mereka. Krishnan menganalogikan model bisnis ini seperti siswa yang membayar lembaga independen untuk mengambil ujian standar seperti SAT. Data evaluasi yang objektif ini tak hanya membantu pengembang melakukan perbaikan teknis (*troubleshooting*), tetapi juga menjadi acuan utama bagi korporasi lain sebelum memutuskan untuk mengadopsi atau membeli suatu model AI.

Strategi ini terbukti mendongkrak kinerja keuangan Vals. Pendapatan startup ini melesat hingga delapan kali lipat dibandingkan tahun sebelumnya. Pertumbuhan bisnis yang agresif ini diikuti ekspansi tim dari yang semula delapan orang menjadi 25 personel, dan ditargetkan bertambah hingga 15 tenaga ahli baru dalam waktu dekat. Perusahaan yang bermarkas di San Francisco ini juga baru saja meluncurkan program khusus untuk menyediakan jasa evaluasi AI bagi lembaga-lembaga pemerintah federal.

Di masa depan, seiring dengan semakin banyaknya raksasa AI yang bersiap melantai di bursa saham, Krishnan meyakini bahwa standar evaluasi independen seperti yang dikembangkan Vals akan menjadi fondasi utama keterbukaan informasi publik dan laporan keuangan korporasi.

“Ketika model AI menjadi bagian inti dari perekonomian global, jenis pengujian dan evaluasi independen seperti ini tidak lagi sekadar alat pemasaran, melainkan akan menentukan adopsi pasar serta menjadi bagian krusial dalam dokumen pendaftaran publik dan proyeksi investasi perusahaan AI di masa depan,” pungkas Krishnan.