Los asistentes de voz se instalaron en teléfonos, parlantes y automóviles, pero no reemplazaron a la interacción visual como se anticipaba hace una década. La razón tiene que ver con las características del canal, no con la calidad del reconocimiento.
La voz es eficiente para comandos cortos y sin ambigüedad: poner una alarma, encender una luz, iniciar una llamada. Es ineficiente cuando hay que comparar opciones, porque escuchar una lista de diez alternativas es mucho más lento que verla.
Lo que cambió con los modelos generativos
La incorporación de modelos de lenguaje mejoró la comprensión de pedidos formulados de manera natural y la capacidad de sostener una conversación con contexto, dos limitaciones históricas de la generación anterior.
Persisten los problemas de entorno: ruido ambiente, situaciones donde hablar en voz alta no es apropiado y la incomodidad de dictar información sensible.
Los asistentes actuales permiten combinar respuesta hablada con resultado visual en pantalla.