Mengapa Sistem Tanya Jawab Spreadsheet Gagal: Batasan Anotasi Sel dan Arah Baru

Mengapa Sistem Tanya Jawab Spreadsheet Gagal

Spreadsheet menyimpan data dalam bentuk kisi dua dimensi yang tampak terstruktur, namun justru inilah yang membuatnya sulit ditangani oleh sistem tanya jawab berbasis model bahasa besar (LLM). Ketika pengguna mengajukan pertanyaan terhadap spreadsheet melalui sistem retrieval-augmented generation (RAG), keberhasilan jawaban sangat bergantung pada bagaimana sistem memahami struktur kisi tersebut. Sebuah penelitian terbaru di arXiv menguraikan mengapa pendekatan konvensional menghadapi batasan fundamental, serta arah yang mungkin perlu ditempuh.

Masalah Utama: Data Kisi Dua Dimensi Bersifat Tidak Terstruktur

Meskipun spreadsheet tampak terorganisir dengan baris dan kolom, data di dalamnya bersifat tidak terstruktur secara fundamental. Hubungan antar sel bersifat kontinu dan berubah-ubah tergantung konteks pertanyaan. Sebuah sel bisa berfungsi sebagai label, nilai numerik, rumus referensi, atau catatan keterangan — perannya tidak tetap. Keragaman peran sel ini menciptakan tantangan ketika sistem LLM harus membagi spreadsheet menjadi potongan teks (chunk) untuk diproses.

Penelitian oleh Zofia Smoleń menegaskan bahwa spreadsheet adalah data dua dimensi yang tidak terstruktur dengan hubungan kontinu dan potensi peran sel yang tak terbatas. Ini bukan masalah formatting, melainkan masalah semantik: struktur kisi tidak dapat sepenuhnya ditangkap oleh pendekatan yang memperlakukan sel sebagai entitas dengan kategori tetap.

Anotasi Sel: Solusi yang Berhasil — Hingga Batas Tertentu

Salah satu pendekatan yang diusulkan adalah anotasi sel semantik, yaitu pemberian label peran pada setiap sel sebelum spreadsheet dipotong menjadi chunk untuk diproses oleh LLM. Kerangka kerja yang diusulkan dalam penelitian ini membagi spreadsheet menjadi potongan-potongan yang dapat diinterpretasi berdasarkan anotasi peran sel.

Menurut ringkasan makalah, pendekatan ini menunjukkan peningkatan dibandingkan metode sebelumnya dalam menghasilkan jawaban dari spreadsheet. Namun, penelitian tersebut juga mengidentifikasi bahwa pendekatan ini menghadapi "langit-langit keras" (hard ceiling). Keterbatasan ini bukan berasal dari kualitas anotasi yang rendah, melainkan dari sifat klasifikasi itu sendiri.

Batasan Klasifikasi: Mengapa Anotasi Tidak Bisa Sempurna

Model klasifikasi, termasuk yang digunakan untuk anotasi sel, dibatasi oleh sejumlah kelas yang telah ditentukan sebelumnya. Sebuah model hanya dapat mengklasifikasikan sel ke dalam kategori yang sudah ada dalam definisinya. Sementara itu, peran potensial sebuah sel dalam spreadsheet nyaris tak terbatas karena konteks penggunaan spreadsheet sangat beragam.

Artinya, meskipun anotasi dilakukan dengan tingkat akurasi setara manusia, sistem klasifikasi tetap tidak mampu menangkap seluruh nuansa struktural spreadsheet. Ini adalah keterbatasan arsitektural, bukan keterbatasan implementasi. Penelitian tersebut secara eksplisit menyatakan bahwa peningkatan kualitas anotasi saja tidak akan mengatasi masalah ini.

Mendiagnosis Kegagalan Pipeline RAG pada Spreadsheet

Bagi pengembang yang membangun sistem tanya jawab spreadsheet, ada beberapa gejala yang mengindikasikan bahwa pendekatan berbasis anotasi sel telah mencapai batasnya:

Penyebab utama dari gejala-gejala ini adalah bahwa pendekatan diskret — membagi data menjadi kategori tetap — tidak sesuai dengan sifat kontinu dari data spreadsheet. Ini bukan kesalahan implementasi, melainkan ketidaksesuaian paradigma.

Arah Baru: Meratakan Kisi Dua Dimensi Menjadi Teks Satu Dimensi

Penelitian tersebut mengusulkan bahwa solusi jangka panjang bukan terletak pada perbaikan anotasi sel, melainkan pada pengembangan teknik reduksi dimensi yang mampu meratakan data spreadsheet dua dimensi menjadi teks satu dimensi. Potongan teks hasil flattening ini akan lebih mudah diinterpretasi dan menghasilkan jawaban oleh sistem RAG downstream.

Pendekatan ini menggeser paradigma dari "mengklasifikasikan setiap sel" menjadi "mengubah struktur kisi menjadi aliran teks yang koheren." Meskipun konsekuensi kehilangan informasi spasial perlu diwaspadai, pendekatan ini menawarkan jalan keluar dari keterbatasan klasifikasi diskret.

Implikasi untuk Praktisi dan Pengembang

Bagi tim yang sedang membangun atau menyempurnakan sistem tanya jawab spreadsheet, temuan ini membawa dua pesan penting. Pertama, investasi dalam anotasi sel memang memberikan manfaat nyata, tetapi tidak akan menghasilkan sistem yang sempurna. Kedua, pengembangan teknik flattening 2D ke 1D perlu dianggap sebagai arah riset yang menjanjikan, bukan sekadar optimasi minor.

Keterbatasan yang diidentifikasi dalam penelitian ini bersifat fundamental. Artinya, pengembang yang mengandalkan pendekatan anotasi sel semata sebaiknya mulai mengeksplorasi alternatif struktural agar sistem mereka tidak mencapai titik stagnasi.