Voice UI: dlaczego głosowe interfejsy wciąż zawodzą użytkowników

Kiedy Alexa i Google Assistant wchodzili na rynek, wróżono śmierć ekranom dotykowym. Minęło 10 lat, a głównym use-case'em smart speakerów pozostaje pytanie o pogodę i nastawianie stopera przy gotowaniu makaronu. Dlaczego adopcja VUI (Voice User Interfaces) tak brutalnie się zatrzymała?

Problem nr 1: Brak widoczności systemu (Discoverability)

Najważniejszą zasadą heurystyk Nielsena jest widoczność statusu systemu. W interfejsie graficznym widzisz przyciski, menu, suwaki. Wiesz, co jest możliwe. W interfejsie głosowym panuje kompletna ciemność. Użytkownik musi zgadywać, jakie komendy system rozumie.

Złota zasada VUI: Nigdy nie zadawaj pytania otwartego w stylu "W czym mogę pomóc?", jeśli Twoja baza intencji obejmuje tylko 5 komend.

Zamiast "W czym mogę pomóc?", system powinien sugerować możliwości: "Mogę zamówić pizzę, sprawdzić rozkład jazdy albo puścić muzykę. Co wybierasz?"

Pamięć krótkotrwała użytkownika

Ludzie słabo zapamiętują listy mówione. Jeżeli system IVR lub asystent wymienia 5 opcji ("Jeden - dział handlowy, Dwa - reklamacje, Trzy - pomoc..."), w momencie gdy pada numer pięć, użytkownik już nie pamięta jedynki. Dlatego VUI musi operować na absolutnie najkrótszych możliwych komunikatach.

Przyszłość z LLM

Nadzieją na uratowanie VUI są zaawansowane modele językowe (jak GPT-4o oparte o natywny głos). Przestajemy budować "drzewa decyzyjne", a zaczynamy trenować systemy do naturalnej konwersacji bez utraty kontekstu. To będzie przełom, na który czekaliśmy od premiery pierwszego asystenta.