Ekspert wskazuje na cztery wyzwania technologii głosowej:

Wyzwanie 1: Obawy dotyczące bezpieczeństwa

Mówienie, zamiast wprowadzania danych do urządzenia za pomocą ekranu dotykowego, jest o wiele bardziej intuicyjne i zwyczajnie szybsze dla konsumenta. Użytkownikom jednak pozostaje dylemat do rozwiązania. Z jednej strony istnieje pragnienie, by cyfrowy asystent oferował realną pomoc i ulgę w codziennym życiu, ale do tego musi dobrze użytkownika rozumieć. Aby to jednak zapewnić, użytkownik musi ujawnić informacje o sobie, by asystent głosowy mógł ich użyć do uczenia się za pomocą sztucznej inteligencji. Wielu użytkowników jest niechętnych do dzielenia się tymi informacjami ze względu na obawy związane z bezpieczeństwem. Potwierdziło to badanie przeprowadzone w marcu 2019 r. przez OnePoll na zlecenie reichelt elektronik. Nawet wśród tych, którzy korzystają już z asystenta głosowego, znaczna część (50%) obawia się o bezpieczeństwo, a aż 62% badanych jest zaniepokojonych sposobem przechowywania ich danych. Żaden z obecnie dostępnych modeli nie jest w stanie wyeliminować tych obaw.

Wyzwanie 2: Przezwyciężenie uprzedzenia ze względu na płeć

Alexa, Siri, Cortana – wszyscy najbardziej znani i popularni asystenci głosowi mają damski głos i są postrzegane jako kobiety. W swojej roli – wiecznie cierpliwych, poddanych pomocnic, które bez pytania wykonują rozkazy, wzmacniają przestarzały podział ról – jak wykazał to niedawny raport UNESCO. Jako szczególnie ryzykowne podkreśla się to, że asystenci głosowi zachowują się zazwyczaj pobłażliwie, a nawet zalotnie w odpowiedzi na aluzje seksualne lub obelgi. W tym miejscu wychodzi na jaw, że sztuczna inteligencja w żadnym wypadku nie jest neutralna, a pod silnym wpływem danych, na których się ją rozwija. Przez to ludzkie uprzedzenia i dyskryminacja są przekierowywane na cyfrowego pomocnika. Producenci stoją zatem przed ogromnym wyzwaniem zredukowania w swoich systemach istniejącego uprzedzenia ze względu na płeć, by zapewnić jakość i dobre doświadczenie wszystkim użytkownikom.

Wyzwanie 3: Używanie w przestrzeni publicznej

Kolejną trudnością jest używanie interfejsów głosowych w przestrzeni publicznej, jak w pociągach czy restauracjach. W takim przypadku przechodni mogą podsłuchać dyktowane treści, przez co prywatne informacje trafiają nie tylko do adresata, ale do wszystkich obecnych w bezpośrednim otoczeniu. Kolejną kwestią, która odgrywa rolę we wdrażaniu głosowego trybu wprowadzania danych, jest zanieczyszczenie hałasem. Przykładowo, gdyby cały przedział w pociągu rozmawiał ze swoimi asystentami głosowymi zamiast stukania i przesuwania po smartfonach lub tabletach, ogromnie wzrósłby poziom hałasu.

Wyzwanie 4: Rozpoznawanie mowy

W ostatnich latach rozwój systemów mowy polepszył się kilkukrotnie i producenci pracują w pocie czoła, by nieustannie pchać technologię do przodu. Niemniej jednak wskaźnik rozpoznawania słów wciąż nie sięga 100%. Ponadto, pojawiają się trudności kiedy osoba próbująca skomunikować się z asystentem głosowym używa dialektu. To zjawisko potwierdzają konsumenci. 39% badanych przyznaje, że nie są przekonani, że zostali poprawnie zrozumieni przez system.
Technologia głosowa jest przede wszystkim używana w smart domach i samochodach:
Nawet jeśli przewiduje się użycie asystentów językowych jako interfejsu użytkownika, nadal istnieje kilka przeszkód do pokonania, aby użytkownik postrzegał je jako prawdziwy atut. Systemy głosowe są coraz lepsze i zdobywają coraz więcej sfer życia. Sporą przewagą nad pisaniem jest fakt, że ręce są swobodne. Dzięki temu głosowe wprowadzanie danych było do tej pory wykorzystywane przede wszystkim w sektorze smart domów. Kolejnym zdobywanym terytorium jest samochód. Tu korzyści są oczywiste: kierowca może podawać instrukcje jednocześnie trzymając ręce wciąż na kierownicy.