Sejumlah model kecerdasan buatan (AI) tercanggih di dunia mengalami kegagalan dalam memprediksi hasil pertandingan Liga Inggris musim 2023-2024 pada penelitian yang dipublikasikan Selasa (14/4/2026). Laporan bertajuk KellyBench ini mengungkapkan bahwa sistem mutakhir masih kesulitan menghadapi dinamika dunia nyata yang tidak pasti.
Startup asal London, General Reasoning, menguji sistem dari Google, OpenAI, Anthropic, dan xAI melalui simulasi pertandingan virtual yang sangat terperinci. Dilansir dari Detik iNET, seluruh model AI tersebut secara konsisten mencatatkan kerugian finansial saat ditugaskan untuk mengelola risiko dan memaksimalkan keuntungan sepanjang musim.
Hasil pengujian menunjukkan bahwa model Claude Opus 4.6 dari Anthropic mencatatkan performa terbaik meski tetap mengalami rata-rata kerugian sebesar 11 persen. Di sisi lain, model Grok 4.20 milik xAI tercatat mengalami kebangkrutan satu kali dan gagal menyelesaikan dua percobaan lainnya dalam simulasi tersebut.
Google Gemini 3.1 Pro menjadi satu-satunya sistem yang sempat meraih keuntungan sebesar 34 persen dalam satu kali percobaan. Namun, keunggulan tersebut tidak bertahan lama karena model AI ini juga berakhir dengan kebangkrutan finansial pada upaya pengujian berikutnya.
Para peneliti memberikan data historis serta statistik tim yang lengkap kepada setiap sistem untuk membangun strategi tanpa akses internet. Meski AI sangat mahir dalam tugas statis seperti penulisan kode perangkat lunak, kemampuannya menurun drastis ketika menghadapi lingkungan yang terus berubah.
"Model AI akan memberikan hasil yang sangat buruk jika diuji coba pada beberapa tugas dunia nyata," kata Ross Taylor, Bos General Reasoning. Mantan peneliti AI di Meta ini menegaskan bahwa aktivitas dengan cakupan waktu panjang sangat penting untuk diperhatikan di samping kemampuan pemrograman.
Taylor juga berpendapat bahwa tolok ukur pengujian industri saat ini terlalu fokus pada lingkungan statis dan mengabaikan risiko dunia nyata. Eksperimen ini membuktikan adanya jurang pemisah yang lebar antara kecerdasan digital murni dengan penalaran praktis manusia dalam situasi yang dinamis.
