Google Rilis DialogLab: Framework Open-Source untuk Simulasi Percakapan Grup Manusia dan AI
Google Research memperkenalkan DialogLab, sebuah framework prototyping open-source yang dirancang untuk membuat, mensimulasikan, dan menguji percakapan grup dinamis antara manusia dan kecerdasan buatan. Tool yang dipresentasikan pada konferensi ACM UIST 2025 ini menjawab tantangan yang selama ini membelenggu desainer interaksi: memilih antara rigiditas skrip yang kaku atau ketidakpastian model generatif murni.
Dalam dunia nyata, percakapan jarang terjadi satu lawan satu. Rapat tim, diskusi kelas, hingga obrolan di meja makan melibatkan banyak peserta dengan pergantian giliran bicara yang cair, peran yang berubah-ubah, dan interupsi yang datang tanpa aba-aba. Interaksi satu-lawan-satu dengan large language model (LLM) tidak mampu menangkap kompleksitas komunikasi multi-pihak ini secara utuh.
Akar Masalah Percakapan Multi-Pihak
Percakapan multi-pihak memiliki dua lapisan kompleksitas yang saling terkait erat. Lapisan pertama bersifat sosial — siapa berbicara dengan siapa, apa peran masing-masing peserta, dan bagaimana hubungan antar pihak memengaruhi dinamika bicara. Lapisan kedua bersifat temporal — bagaimana dialog berkembang dari waktu ke waktu, kapan giliran bicara berpindah, dan bagaimana interupsi atau backchanneling terjadi secara natural.
Framework konvensional memaksa desainer untuk berkompromi. Pendekatan skripted memberikan kontrol penuh tapi terasa robotik dan tidak fleksibel. Di sisi lain, pendekatan generatif murni memberikan kebebasan tapi hasilnya sulit diprediksi dan tidak konsisten. Kesenjangan ini menghambat pengembangan aplikasi AI yang benar-benar mampu beroperasi dalam setting grup yang realistis.
DialogLab hadir untuk mengisi celah tersebut dengan mengintegrasikan previsibilitas struktural skrip dan sifat improvisasional percakapan manusia. Hasilnya, kreator mendapatkan kendali atas kerangka percakapan sekaligus memberi ruang bagi AI untuk berimprovisasi secara natural dalam batas yang telah ditentukan.
Dua Dimensi Arsitektur DialogLab
DialogLab memisahkan setup sosial percakapan dari progresi temporalnya secara eksplisit. Pemisahan ini menjadi fondasi arsitektur framework dan memungkinkan kreator mengelola kompleksitas secara modular.
Dimensi pertama adalah dinamika grup yang mencakup pengaturan sosial interaksi. Level teratas disebut “group” — misalnya sebuah acara sosial konferensi atau rapat dewan direksi. Di dalamnya terdapat “parties” atau sub-grup yang memiliki peran berbeda, seperti kelompok presenter dan kelompok audiens. Setiap party terdiri dari “elements” yaitu peserta individual — baik manusia maupun AI — beserta konten bersama seperti slide presentasi atau dokumen kolaboratif.
Dimensi kedua adalah dinamika alur percakapan yang menjelaskan bagaimana dialog berlangsung sepanjang waktu. Alur dipecah menjadi “snippets” yang merepresentasikan fase-fase berbeda dalam percakapan. Setiap snippet memiliki set peserta yang terdefinisi, urutan giliran bicara, dan gaya interaksi spesifik — apakah kolaboratif, argumentatif, atau eksploratif. Kreator juga bisa menetapkan aturan interupsi dan backchanneling untuk membuat dialog terasa lebih organik dan mendekati percakapan manusia sesungguhnya.
Workflow Author-Test-Verify
DialogLab memandu kreator melalui alur kerja tiga tahap yang terstruktur dengan dukungan antarmuka visual. Tahap authoring menggunakan drag-and-drop canvas di mana pengguna menyusun struktur percakapan secara intuitif — menambahkan peserta, menetapkan peran, dan mengonfigurasi alur dialog tanpa menulis kode secara manual.
Tahap testing memungkinkan kreator menjalankan simulasi percakapan secara real-time. AI agent berimprovisasi dalam parameter skrip yang telah ditentukan, menghasilkan dinamika yang natural namun tetap berada dalam kendali desain. Tahap verify menyediakan mekanisme validasi untuk memastikan output percakapan memenuhi standar kualitas yang ditetapkan.
Kekuatan utama pendekatan ini terletak pada fleksibilitas iterasinya. Seorang desainer bisa mengubah komposisi peserta tanpa merusak alur percakapan, atau memodifikasi urutan dialog tanpa mengulang konfigurasi setting sosial. Kecepatan iterasi ini sangat berharga saat mengembangkan prototipe yang memerlukan pengujian berulang.
Evaluasi dengan 14 Domain Expert
Tim peneliti Google mengevaluasi DialogLab bersama 14 end user dan domain expert dari berbagai latar belakang. Hasil evaluasi menunjukkan bahwa framework ini mendukung iterasi cepat dan menghasilkan desain multi-pihak yang realistis serta adaptabel untuk kebutuhan training maupun penelitian.
Skenario pengujian mencakup rentang yang luas — mulai dari sesi tanya jawab yang sangat terstruktur hingga brainstorming kreatif yang mengalir bebas. Fleksibilitas ini dimungkinkan oleh integrasi improvisasi real-time dengan scripting terstruktur, yang menjadi fondasi arsitektur DialogLab. Para evaluator mencatat bahwa tool ini secara signifikan menurunkan hambatan teknis dalam membuat simulasi percakapan multi-pihak yang convincing.
Implikasi untuk Masa Depan Interaksi AI
Kemampuan mensimulasikan percakapan grup membuka pintu bagi sejumlah aplikasi praktis. Di bidang pendidikan, framework ini bisa digunakan merancang tutor AI yang mengelola diskusi kelas multi-siswa secara simultan. Di lingkungan enterprise, simulasi rapat yang melibatkan AI agent membantu menguji workflow kolaborasi sebelum diimplementasikan pada sistem produksi.
Bagi peneliti conversational AI, DialogLab menyediakan environment terkontrol untuk mempelajari dinamika multi-pihak tanpa membangun infrastruktur dari nol. Status open-source-nya — tersedia di GitHub — memungkinkan komunitas global untuk berkontribusi, mengadaptasi, dan memperluas kapabilitas framework sesuai kebutuhan domain masing-masing.
Langkah Google ini mencerminkan pergeseran paradigma dari interaksi satu-lawan-satu menuju ekosistem percakapan yang lebih kaya dan lebih dekat dengan cara manusia berkomunikasi sehari-hari. Seiring meningkatnya kapabilitas LLM, kebutuhan akan tool yang mampu mengorkestrasi kompleksitas percakapan multi-pihak akan terus tumbuh dan menjadi semakin kritis bagi industri AI secara keseluruhan.
