Röst-AI saknar fortfarande sitt stora genombrott
Chefer inom branschen menar att röst-AI ännu inte haft sitt 'ChatGPT-ögonblick' – det vill säga den punkt där tekniken plötsligt klickar för gemene man. Problemet ligger ofta i det så kallade kontextlagret (den del som hjälper AI:n förstå vad användaren egentligen menar), där misstag lätt får hela systemet att krascha. Det är med andra ord en teknologi som fortfarande är i väg att bevisa sig.
Djupdykning
Röst-AI befinner sig ungefär där chattbottar var 2021 – tekniken finns, folk experimenterar, men det saknas fortfarande det där ögonblicket när allt klickar och en bred publik förstår vad det faktiskt kan göra. Problemet som chefer lyfter fram är inte att modellerna är dåliga på att prata, utan att de är dåliga på att *lyssna* – mer specifikt på att fånga det som kallas kontextlagret, alltså all den information som omger vad du säger: din tonfall, var i konversationen du befinner dig, vad du menade förra gången. När den biten missar, brakar hela kedjan ihop, som ett telefonsamtal där motparten hoppade in halvvägs in i meningen. Det folk missar i debatten om röst-AI är att utmaningen inte är teknisk i traditionell mening – det handlar om att mänsklig kommunikation är absurt kontextberoende på ett sätt som text aldrig är, och det är ett fundamentalt annorlunda problem att lösa. ChatGPT-momentet för röst kommer förmodligen inte se ut som en bättre Siri – det kommer se ut som något vi ännu inte har ett bra namn på.