La voce sta diventando sempre più il comando con cui si affida un lavoro all’intelligenza artificiale. Finché i sistemi si limitavano a rispondere a una domanda, digitare restava il metodo più preciso.

Ora che gli agenti possono intervenire su un file e portare avanti un incarico per diversi minuti, parlare offre un vantaggio diverso. Permette di spiegare rapidamente cosa si vuole ottenere e di correggere il software mentre lavora.

Un cambio di architettura nei modelli vocali

A rendere praticabile questo passaggio è stato un cambiamento nell’architettura dei modelli vocali. I vecchi assistenti dividevano ogni scambio in tre operazioni: trascrivevano la voce, affidavano il testo a un modello linguistico e infine convertivano la risposta in audio.

Il procedimento funzionava per chiedere il meteo o impostare una sveglia, ma introduceva un ritardo percepibile. Nel passaggio al testo lasciava spesso fuori elementi come l’intonazione e il ritmo, e poteva interpretare ripensamenti e autocorrezioni come frammenti separati.

GPT Live, presentato da OpenAI l’8 luglio, elabora la conversazione in tempo reale. Grazie a un’architettura full duplex, il sistema continua ad ascoltare anche mentre risponde, come in una telefonata tra due persone. L’utente può interromperlo o cambiare istruzione.

Un mercato in forte crescita

Secondo Grand View Research, gli agenti vocali valgono già 3,5 miliardi di dollari e entro il 2033 potrebbero arrivare a 35,2 miliardi, con una crescita media annua del 39 per cento.

I dati diffusi da Google, ripresi dal Financial Times, aiutano a capire l’interesse delle big tech. Le conversazioni vocali durano in media cinque volte più di quelle testuali, e l’uso della modalità dal vivo è raddoppiato nell’anno concluso ad aprile. OpenAI afferma che oltre 150 milioni di persone usano ogni settimana la voce o la dettatura in ChatGPT.

Il costo resta un vincolo. Una conversazione impegna il sistema per tutta la durata e la latenza va ridotta. Boson AI sostiene che il suo modello speech to speech possa operare a circa un decimo del costo dei concorrenti, mentre Smallest.ai separa la conversazione dal ragionamento più impegnativo.

Le applicazioni e i limiti

Il coding è uno dei primi ambiti dove la modalità ha trovato utilità concreta, perché parlando è più facile raccontare come si è arrivati a un problema. Fonio.ai, che dichiara oltre due milioni di chiamate al mese per 7.500 imprese, usa gli agenti per assistenza e appuntamenti.

Restano vincoli normativi. Dal 2 agosto 2026 si applica l’articolo 50 dell’AI Act: un agente vocale deve informare la persona che sta interagendo con un sistema di IA, salvo che sia già evidente.

Ci sono anche limiti pratici. Parlare a un computer in un ufficio condiviso disturba i vicini e può rendere udibili informazioni riservate. Per questo l’industria dell’hardware lavora su microfoni direzionali e dispositivi dedicati.

Articolo originale: linkiesta.it