I 2016 introduserte Googles CEO Sundar Pichai Google Assistant som en del av en "AI-først" agenda, og promoterte den som et verktøy for å hjelpe folk med å gjennomføre ulike oppgaver. Men tjenesten svikter ofte, og faller tilbake på nettsøk når den ikke kan oppfylle forespørslene. Dermed har brukerne stort sett brukt stemmeassistenter som Google Assistant, Amazons Alexa og Apples Siri til enkle oppgaver som å sette tidtakere og spille musikk, i stedet for de komplekse oppgavene det opprinnelig var ment for. Ettersom generativ AI har blitt mer utbredt, har det muliggjort utviklingen av AI "agenter" programmert til å utføre brukeroppgaver som å bestille reservasjoner eller kjøpe varer på nettet. Innen 2025 kan Pichais "agentære" æra kanskje endelig gjøre stemmeassistenter mer nyttige, og potensielt la dem booke møter og administrere reiseplaner aktivt. Teknologibransjen har stor forventning til potensialet til AI-agenter, med mer enn 470 plattformer, fra store teknologiselskaper til mindre startups, som fokuserer på denne teknologien.

Startups har opplevd en betydelig tilstrømming av investeringer, med over 8 milliarder dollar investert, da de konkurrerer om å utvikle mer menneskelignende og realistiske stemmeinteraksjoner. Bemerkelsesverdig nok er store teknologiselskaper som Google, Apple og Amazon ledende innen fremskritt på dette området, med Googles Gemini-modell, Apples partnerskap med OpenAI og Amazons investering i Anthropic som forbedrer deres stemmeassistentkapasiteter. Selv om Kanjun Qiu fra Imbue er skeptisk til betydelige forbedringer, gjenkjenner hun potensielle fordeler ved å integrere stemmefunksjoner i apper og forbedre brukerinteraksjoner. Innovasjoner innen stemmeteknologi kan også utvide bruken av maskinvare, med teknologiselskaper som Google og Facebook som eksperimenterer med smartbriller og stemmestyrte AI-verktøy. Slike fremskritt gjør teknologi mer tilgjengelig, spesielt siden mange mennesker foretrekker å snakke fremfor å skrive, slik det ses blant yngre befolkningsgrupper. Samlet sett kan disse utviklingene øke bruken av stemmeverktøy og omforme hvordan folk interagerer med teknologi ved å utnytte et uutnyttet potensiale for brukergrensesnitt.