2016 yılında Google CEO'su Sundar Pichai, Google Asistan'ı "AI-öncelikli" bir gündemin parçası olarak tanıttı ve bunu çeşitli görevleri tamamlamaya yardımcı olabilecek bir araç olarak sundu. Ancak, hizmet genellikle yetersiz kalıyor ve talepleri karşılayamadığında web aramalarına yöneliyor. Sonuç olarak, kullanıcılar çoğunlukla Google Asistan, Amazon'un Alexa'sı ve Apple'ın Siri'si gibi sesli asistanları zamanlayıcıları ayarlamak ve müzik çalmak gibi basit işler için kullandılar, başlangıçta amaçladıkları karmaşık görevler için değil. Üreteç yapay zeka (generative AI) daha yaygın hale geldikçe, kullanıcı görevlerini, örneğin rezervasyon yapma veya çevrim içi ürün satın alma gibi işleri yerine getirecek şekilde programlanmış AI "ajanları" geliştirmeyi mümkün kıldı. 2025 yılına gelindiğinde, Pichai'nin "ajan çağı" sesli asistanların daha kullanışlı olmasını sağlayabilir, potansiyel olarak toplantı düzenleme ve seyahat planları yönetme gibi görevleri aktif bir şekilde yapabilmelerine imkân tanıyabilir. Teknoloji sektörü, 470'ten fazla platformun, büyük teknoloji şirketlerinden küçük girişimlere kadar bu teknolojiye odaklandığı AI ajanlarının potansiyeliyle çalkalanıyor.

Girişimler, daha insan benzeri ve gerçekçi sesli etkileşimler geliştirmek üzere rekabet ederken 8 milyar dolardan fazla yatırım aldı. Özellikle, Google, Apple ve Amazon gibi büyük teknoloji oyuncuları bu alanda öncülük yapıyor, Google'un Gemini modeli, Apple'ın OpenAI ile iş birliği ve Amazon'un Anthropic'e yatırımı sesli asistan yeteneklerini artırıyor. Imbue'den Kanjun Qiu, önemli gelişmelere dair şüpheci olsa da, ses özelliklerinin uygulamalara entegrasyonu ve kullanıcı etkileşimlerinin iyileştirilmesi konusunda potansiyel faydalar görüyor. Ses teknolojilerindeki yenilikler, Google ve Facebook gibi teknoloji şirketlerinin akıllı gözlükler ve ses kontrollü AI araçları üzerinde deneyler yaparak donanım uygulamalarını da genişletebilir. Bu tür gelişmeler, özellikle genç nüfuslar arasında konuşmayı yazmaya tercih edenler olduğu için, teknolojiyi daha erişilebilir hale getiriyor. Genel olarak, bu gelişmeler ses araçlarının kullanımını artırabilir ve insanların teknolojiyle etkileşim şeklini dönüştürerek kullanılmamış bir kullanıcı arayüz potansiyelini ortaya çıkarabilir.