W 2016 roku CEO Google, Sundar Pichai, przedstawił Asystenta Google w ramach agendy "AI-first", promując go jako narzędzie do pomagania ludziom w wykonywaniu różnych zadań. Jednak usługa często zawodzi, domyślnie przechodząc do wyszukiwarek internetowych, gdy nie może spełnić poleceń. W rezultacie użytkownicy głównie wykorzystują asystentów głosowych, takich jak Asystent Google, Alexa od Amazona oraz Siri od Apple do prostych zadań, takich jak ustawianie timerów i odtwarzanie muzyki, zamiast do złożonych zadań, które pierwotnie miały realizować. Wraz z rosnącą powszechnością generatywnej AI, umożliwiono rozwój "agentów" AI zaprogramowanych do realizacji zadań użytkownika, takich jak rezerwacja miejsc czy zakupy online. Do 2025 roku "erę agentów" Pichai'a mogą w końcu sprawić, że asystenci głosowi staną się bardziej użyteczni, potencjalnie umożliwiając im aktywne organizowanie spotkań i zarządzanie planami podróży. Branża technologiczna żywo interesuje się potencjałem agentów AI, z ponad 470 platformami, począwszy od dużych firm technologicznych po mniejsze startupy, koncentrującymi się na tej technologii.

Startupy odnotowały znaczący napływ inwestycji, z ponad 8 miliardami dolarów zainwestowanymi, rywalizując w tworzeniu bardziej realistycznych i ludzkich interakcji głosowych. Wyraźnie, wielcy gracze technologiczni, tacy jak Google, Apple i Amazon, przewodzą w tej dziedzinie, a modele Gemini Google, partnerstwo Apple z OpenAI i inwestycje Amazona w Anthropic wzmacniają ich zdolności asystentów głosowych. Chociaż Kanjun Qiu z Imbue jest sceptyczna co do znaczących usprawnień, dostrzega potencjalne korzyści w integrowaniu funkcji głosowych w aplikacjach i poprawie interakcji użytkowników. Innowacje w technologii głosowej mogą również rozszerzyć zastosowania sprzętu, a firmy technologiczne, takie jak Google i Facebook, eksperymentują z inteligentnymi okularami i narzędziami AI sterowanymi głosem. Takie postępy czynią technologię bardziej dostępną, zwłaszcza że wiele osób, w tym młodsze pokolenia, preferuje mówienie nad pisaniem. Ogólnie rzecz biorąc, te innowacje mogą zwiększyć użycie narzędzi głosowych i przekształcić sposób, w jaki ludzie wchodzą w interakcję z technologią, odkrywając nowy potencjał interfejsów użytkownika.