Per una delle aziende più osservate nell’intelligenza artificiale, la prossima svolta potrebbe arrivare dall’audio più che dallo schermo. OpenAI, stando a quanto emerso da un’inchiesta di The Information, avrebbe avviato una riorganizzazione interna mirata a velocizzare la ricerca sui modelli vocali e a preparare un prodotto fisico pensato fin dall’inizio per essere gestito parlando, senza mettere un display al centro dell’esperienza.
All’interno del gruppo che ha dato vita a ChatGPT, più aree legate a ingegneria, ricerca e sviluppo prodotto sarebbero state accorpate in un’iniziativa unica dedicata alla voce. L’obiettivo sarebbe ridurre un limite riconosciuto dagli stessi addetti ai lavori: oggi i sistemi vocali risultano spesso meno accurati e più lenti rispetto alle controparti testuali. È un freno che, a cascata, si vede anche nei comportamenti d’uso, perché gran parte delle persone continua a preferire la digitazione, lasciando la modalità voce in una posizione secondaria.
OpenAI accorpa i team per spingere sui modelli vocali
La scelta di unire competenze diverse sotto un’unica strategia segnala che l’audio non viene considerato un dettaglio da rifinire, ma un asse su cui costruire prodotti e funzioni. In questa lettura, la priorità non riguarda soltanto la qualità della trascrizione o la naturalezza della risposta: ciò che conta è accorciare i tempi di interazione e aumentare l’affidabilità, così da rendere l’esperienza vocale competitiva rispetto alla chat.
Il punto, infatti, non è semplicemente “parlare con un assistente”, quanto riuscire a farlo senza percepire attriti: se la risposta arriva in ritardo, se l’interpretazione è incerta, o se il dialogo costringe a ripetere la richiesta, l’utente torna rapidamente al testo. Per questo, la riorganizzazione descritta sarebbe pensata per ridurre dispersioni e accelerare le iterazioni, mettendo ricerca e prodotto nello stesso perimetro operativo.
Un modello audio nel 2026 come collegamento verso un dispositivo
Il percorso delineato guarderebbe già al breve periodo. OpenAI, secondo quanto riferito, avrebbe l’intenzione di presentare un nuovo modello linguistico orientato all’audio nel primo trimestre del 2026. Questa uscita non rappresenterebbe il traguardo finale, ma una tappa intermedia: il lavoro, infatti, sarebbe indirizzato verso un oggetto fisico in cui ascolto e parlato siano l’interfaccia principale.
L’idea di fondo è che non si tratti di aggiungere una “funzione voce” a strumenti esistenti, bensì di definire un ecosistema costruito per funzionare senza schermo, oppure con un display che resta marginale. In un prodotto del genere, l’utente non dovrebbe cercare un’app, sbloccare il telefono o aprire una finestra: basterebbe parlare, ricevere una risposta e proseguire, con una continuità che le interazioni su schermo faticano a replicare quando l’attenzione è già occupata da altre attività.
Formati possibili e confronto con Google Meta e Amazon
All’interno dell’azienda, sempre secondo le indiscrezioni, circolerebbero da tempo ipotesi su diversi formati: smart speaker, wearable, occhiali intelligenti e persino una penna “smart”. La costante, al di là dell’involucro, sarebbe l’audio come canale ritenuto più naturale e meno invasivo rispetto alle interfacce visive. Il primo dispositivo di questa famiglia potrebbe arrivare nel 2027, anche se al momento non emergono indicazioni concrete su design e funzioni.
Questa direzione si inserisce in una competizione già avviata. Google, Meta e Amazon investono da anni su assistenti vocali, altoparlanti domestici e dispositivi indossabili; Meta, in particolare, ha rilanciato sugli occhiali intelligenti, provando a trasformare la voce nel punto di contatto più immediato tra persona e AI.
L’ambizione attribuita a OpenAI sarebbe quella di spingersi oltre, facendo leva su modelli linguistici di nuova generazione per superare i limiti che hanno frenato la prima ondata di assistenti vocali, come Alexa o Google Assistant.
Quei prodotti, pur avendo trovato un pubblico e un’utilità in contesti specifici, non sono diventati un perno della vita digitale quotidiana per la maggioranza. I modelli di grandi dimensioni, invece, puntano a conversazioni più scorrevoli e legate al contesto, riducendo la rigidità dei comandi predefiniti. Insieme a queste possibilità, emergono anche temi delicati: gestione della privacy, rischio di dipendenza tecnologica e utilizzo dei dati vocali, che per definizione risultano personali e difficili da “separare” dall’identità di chi parla.
In questo quadro rientrano anche le posizioni attribuite a Sam Altman, che negli ultimi mesi avrebbe lasciato intendere come il dominio degli schermi non sia destinato a restare invariato per sempre.
Alcune figure del design e dell’imprenditoria tecnologica, tra cui l’ex responsabile del design Apple Jony Ive, ritengono che dispositivi guidati dalla voce possano ridurre gli automatismi compulsivi legati all’uso dei display; resta però il fatto che, allo stato attuale, mancano evidenze solide a sostegno di questa idea.
