Во 2016 година, извршниот директор на Google, Сундар Пичај, го претстави Google Assistant како дел од иницијативата „AI-прво“, промовирајќи го како алатка која им помага на луѓето да извршуваат различни задачи. Меѓутоа, услугата често не успева, преминувајќи на интернет пребарувања кога не може да ги исполни барањата. Како резултат, корисниците најчесто ги користат гласовните асистенти како Google Assistant, Alexa на Amazon и Siri на Apple за едноставни задачи како поставување на тајмери и репродукција на музика, наместо за сложени задачи за кои првично беа наменети. Со појавата на генеративната вештачка интелигенција, овозможено е развој на AI "агенти" програмирани да извршуваат задачи на корисникот, како што се резервирање на места или купување на производи онлајн. До 2025 година, „агенциската ера“ на Пичај конечно би можела да ги направи гласовните асистенти покорисни, можеби дури овозможувајќи им активно да резервираат состаноци и да управуваат со патните планови. Технолошката индустрија е возбудена од потенцијалот на AI агентите, со повеќе од 470 платформи, од поголемите технолошки компании до помали стартапи, кои се фокусирани на оваа технологија.

Стартапите забележаа значителен прилив на инвестиции, над 8 милијарди долари инвестирани, додека тие се натпреваруваат во развојот на повеќе човечки и реалистични гласовни интеракции. Забележливо е дека големите технолошки играчи како Google, Apple и Amazon водат напредок во овој простор, со Google Gemini моделот, партнерството на Apple со OpenAI и инвестициите на Amazon во Anthropic кои ги подобруваат нивните способности на гласовниот асистент. Иако Кејнджун Кју од Imbue е скептична за значителни подобрувања, таа ги препознава потенцијалните придобивки од интегрирањето на гласовни карактеристики во апликации и подобрување на интеракции со корисниците. Иновациите во гласовната технологија би можеле да ги прошират апликациите на хардверот, со технолошки компании како Google и Facebook кои експериментираат со паметни очила и гласовно контролирани AI алатки. Таквите напредоци ја прават технологијата подостапна, особено бидејќи многумина претпочитаат да зборуваат отколку да пишуваат, како што е забележано меѓу помладите популации. Генерално, овие развојни можности би можеле да го зголемат користењето на гласовните алатки и да го преобликуваат начинот на кој луѓето комуницираат со технологијата, отворајќи неистражен потенцијал на корисничкиот интерфејс.