הדור החדש של העוזר הקולי מגיב באופן טבעי יותר, מסוגל להקשיב תוך כדי דיבור ומעביר משימות מורכבות למודלים מתקדמים בזמן אמת. בענף מעריכים: צעד נוסף במרוץ מול גוגל ואפל על הממשק הקולי
OpenAI (אופן AI) השיקה דור חדש של עוזר קולי ל-ChatGPT, כך על פי הדיווח, הגרסה החדשה מסוגלת להקשיב ולדבר במקביל, להגיב באופן טבעי יותר מקודמותיה ולהעביר משימות מורכבות למודלים מתקדמים בזמן אמת.
היכולת להקשיב תוך כדי דיבור היא שינוי מהותי בחוויית השימוש. בגרסאות קודמות של ממשקים קוליים, המשתמש נאלץ להמתין שהמערכת תסיים את דבריה לפני שיכול היה לקטוע אותה או להוסיף פרט. המודל החדש, על פי הדיווח, מנהל שיחה דו-כיוונית רציפה, קרובה יותר לאופן שבו בני אדם משוחחים ביניהם: עם הפרעות, תיקונים באמצע משפט ותגובות מיידיות.
רכיב נוסף שצוין בהשקה הוא ניתוב חכם של משימות. כאשר המשתמש מבקש דבר מה שדורש חשיבה מעמיקה, ניתוח נתונים או תכנון מורכב, העוזר הקולי מעביר את הבקשה למודל מתקדם יותר מאחורי הקלעים, בלי שהמשתמש נדרש לעבור ידנית בין מצבים. השיחה נמשכת ברצף, והמערכת מחליטה בעצמה איזה מנוע יטפל בכל שלב.
מהסירי של 2011 ועד שיחה בזמן אמת: כך התפתח התחום
כדי להבין את גודל הצעד, כדאי להיזכר ברקע. עוזרות קוליות ותיקות כמו סירי של אפל, שהושקה ב-2011, ואלקסה של אמזון, פעלו במודל של פקודה ותגובה: המשתמש מדבר, ממתין, ומקבל תשובה קצרה. OpenAI שברה את התבנית במאי 2024, כשהציגה את מודל GPT-4o עם מצב קולי מתקדם שהגיב בהשהיה של פחות משנייה, זיהה נימות רגשיות בקול והפגין יכולת שיחה שוטפת. ההדגמה ההיא עוררה סערה עולמית, בין היתר בשל דמיון קולה של אחת הדוברות לשחקנית סקרלט ג'והנסון, פרשה שהסתיימה בהסרת הקול מהמערכת.
מאז, המרוץ בתחום רק הואץ. גוגל השיקה את Gemini Live, ממשק שיחה קולי משלה, אמזון הציגה גרסה משודרגת של אלקסה מבוססת בינה מלאכותית יוצרת, ואפל משדרגת בהדרגה את סירי. גורמים בענף מעריכים כי הממשק הקולי הוא החזית הבאה בתחרות על המשתמשים: מי שישלוט בשיחה הטבעית עם המכונה, ישלוט גם בהרגלי הצריכה, בחיפוש ובמסחר.
להערכות אלה יש בסיס כלכלי מוצק. ChatGPT מחזיק על פי דיווחים בשוק במאות מיליוני משתמשים שבועיים ברחבי העולם, ו-OpenAI מתומחרת בסבבי הגיוס האחרונים בשווי של מאות מיליארדי דולרים. כל שיפור בחוויית השימוש, ובוודאי כזה שהופך את המוצר לנגיש גם למי שמתקשה בהקלדה, מתורגם ישירות לפוטנציאל הכנסות ולנתח שוק.
עוזר קולי בעברית: ההזדמנות של המשתמש הישראלי
עבור הקורא הישראלי, ובפרט במגזר החרדי, לממשק הקולי יש משמעות מעשית מעבר לחידוש הטכנולוגי. חסם המקלדת הוא אחד המכשולים המרכזיים בשימוש בכלי בינה מלאכותית: ניסוח בקשה מדויקת בכתב דורש זמן, שליטה בשפה ולעיתים ידע טכני. עוזר קולי שמנהל שיחה רגילה פותח את הכלים האלה לציבור רחב הרבה יותר, כולל מבוגרים, בעלי עסקים קטנים שאין להם זמן להתעסק במחשב, ומי שהמחשב אינו חלק משגרת יומם.
המצב הקולי של ChatGPT תומך בעברית כבר בגרסאות הקודמות, אם כי איכות ההבנה והדיבור בעברית נחשבת נמוכה מזו שבאנגלית. ככל שהמודלים החדשים ישפרו את הביצועים בשפות קטנות, בעל חנות בבני ברק יוכל להכתיב הזמנת סחורה תוך כדי סידור מדפים, ואברך שמנהל גמ"ח יוכל לברר בשיחה קצרה כיצד לבנות טבלת מעקב, בלי לפתוח מסך ובלי להקליד מילה. עבור עסקים במגזר, שרבים מהם פועלים בלי מערך מחשוב מסודר, מדובר בקיצור דרך של ממש לעולם הכלים הדיגיטליים.
לאן הולך שוק הבינה המלאכותית הקולית
התחרות סביב הממשק הקולי אינה מתנהלת רק בין ענקיות התוכנה. יצרניות חומרה משקיעות במכשירים ייעודיים מבוססי קול, וחברות רכב משלבות עוזרים קוליים חכמים במערכות המולטימדיה. אנליסטים בתחום מעריכים כי שוק הממשקים הקוליים מבוססי בינה מלאכותית יצמח בקצב דו-ספרתי בשנים הקרובות, בין היתר בזכות שילובם במוקדי שירות לקוחות, ברפואה מרחוק ובחינוך.
לצד ההתלהבות, נותרו סימני שאלה. שיחה קולית רציפה מחייבת העברת הקלטות לשרתי החברה, וסוגיות הפרטיות סביב האזנה מתמדת מעסיקות רגולטורים באירופה ובארצות הברית. שאלה נוספת נוגעת לעלות: הרצת מודלים קוליים בזמן אמת יקרה משמעותית מעיבוד טקסט, ובענף מעריכים כי חלק מהיכולות המתקדמות יישארו מאחורי חומת תשלום.
התמונה הגדולה ברורה: OpenAI ממשיכה להזיז את נקודת הכובד של האינטראקציה עם מחשבים מהמסך והמקלדת אל הדיבור הטבעי. אם ההבטחות מההשקה יתממשו בשטח, השיחה עם המכונה תפסיק להרגיש כמו הפעלת תוכנה ותתחיל להרגיש כמו שיחה עם עוזר אנושי. עבור מאות מיליוני משתמשים בעולם, ועבור ציבור הולך וגדל בישראל, זה עשוי להיות ההבדל בין כלי נחמד לניסויים לבין מכשיר עבודה יומיומי.
