Meno di cinque anni fa, l’idea di avere una conversazione con un computer era relegata alla fantascienza.
Ora le chat dell’intelligenza artificiale sono ovunque e siamo completamente d’accordo nel parlare con un ampio modello linguistico del nostro lavoro, delle nostre tasse, dei nostri programmi di vacanza e, per gran parte della Gen Z, condividere le nostre emozioni e chiedere consigli di vita.
Tuttavia, non sono mai riuscito a liberarmi della sensazione che queste conversazioni con i computer non sembrino mai vere e proprie conversazioni.
Nella migliore delle ipotesi, hanno voglia di parlare con un rappresentante telefonico o con qualcuno del supporto tecnico. Ci rivolgiamo a loro quando abbiamo un problema e loro ci aiutano a risolverlo.
La tecnologia che dovrebbe risolvere tutto questo
Niente più staffette da sintesi vocale a sintesi vocale
Rilasciato OpenAI GPT-Live l’8 luglio 2026, distribuendolo a livello globale in ChatGPT per sostituire la vecchia modalità vocale avanzata a turni.
Questo è stato presentato come un modo più naturale per parlare con ChatGPT: qualcosa che sembra molto più simile ad avere una normale conversazione con una persona reale.
Si tratta di una tecnologia completamente diversa dalle funzionalità vocali che abbiamo avuto fino ad ora, che ascolta il tuo discorso, lo converte in testo, lo esegue attraverso un LLM, quindi invia la risposta tramite un programma di sintesi vocale che la rilegge con una voce dal suono naturale.
GPT-Live e Gemini Live subito dietro saltano l’intera staffetta. Invece di tradurre la tua voce in testo e poi di nuovo in voce, il modello funziona con l’audio grezzo per intero (ciò che sente e ciò che dice) all’interno dello stesso sistema, senza alcuna traduzione nel mezzo.
Sembra un piccolo dettaglio idraulico, ma è tutta la storia.
Eliminare il passaggio del testo consente a questi modelli di rispondere in una frazione di secondo invece della pausa che abbiamo imparato ad aspettarci, e consente loro di sentire cose che il testo non può mai trasmettere: tono, esitazione, se sei infastidito o stai scherzando.
È anche il motivo per cui puoi parlarne, o lui può parlare su di te, senza che lo scambio si congeli mentre qualche sistema nascosto decide a chi tocca il turno.
Il 15 settembre, Google ha rilasciato la sua versione di questa chat vocale che scorre in modo naturale: Gemelli in diretta.
Mi sono seduto e ho fatto davvero una chiacchierata con esso. Ho parlato con GPT Live alcune volte, ma si trattava di domande regolari, principalmente su posti in cui posso andare a mangiare e luoghi interessanti da visitare durante le vacanze.
Sebbene fosse notevolmente più veloce della chat normale, non ho notato grandi cambiamenti rispetto alla versione precedente.
Quindi l’ho effettivamente messo alla prova
Una passeggiata costruita interamente intorno ad una lunga conversazione
Ho messo il mio auricolari e ho fatto una lunghissima passeggiata, interamente dedicata ad una conversazione profonda con Gemini Live.
Speravo di essere sorpreso da quanto fosse naturale la conversazione. Invece, ne sono uscito con un apprezzamento più profondo per ogni essere umano con cui ho parlato. Anche quelli noiosi.
La conversazione è iniziata con il mio tentativo di testare i limiti di ciò che questo modello vocale può fare, e questa parte mi ha lasciato profondamente colpito.
Ho passato i primi 15 minuti circa cercando di sconcertare i Gemelli e vedere quando smetteva di capirmi. L’unico rimasto perplesso ero io.
Ha continuato in tre lingue e ha colto una battuta che non ho spiegato
La demo ha funzionato esattamente come pubblicizzato
Ho parlato, mi ha risposto. Ho parlato più velocemente, ha risposto più velocemente. Poi sono passato a una lingua diversa e lei è cambiata insieme a me. Anche passare da una lingua all’altra più volte durante la stessa frase non ha bloccato il problema.
Il momento più impressionante è avvenuto quando gli ho chiesto cosa fosse scritto “TOPG-3-3-K”, e mi ha risposto immediatamente: “Stai scrivendo la parola Top Geek, ma usi un 3 per rappresentare una E rovesciata.”
Non so voi, ma per me ciò indica un pensiero astratto o una solida comprensione del concetto di leetspeak di Internet. Probabilmente quest’ultimo.
A questo punto, ho smesso di cercare di sconcertarlo e ho ceduto alla conversazione per vedere quanto fosse naturale parlare con questa IA avanzata.
Ho trascorso i successivi 45 minuti o un’ora camminando lungo la riva di un fiume, raccontando ai Gemelli tutto quello che succedeva nella mia vita e cercando consapevolmente di indirizzare le cose verso una conversazione più personale e umana.
Abbiamo parlato del mio lavoro, della mia famiglia e dei miei progetti per il futuro. Sebbene sembrasse veloce e reattivo, in nessun momento è stato come parlare con un altro essere umano.
Non perché le risposte sembrassero robotiche, o perché il LLM non riuscisse a capire di cosa stavo parlando. Gemini ha funzionato perfettamente durante tutta la conversazione, esattamente come previsto da Google.
Ciò che Gemini non ha potuto replicare, perché non è mai stato costruito per replicarlo, è la connessione umana. Ogni chatbot AI è costruito per lo stesso scopo: non replicare un essere umano, ma replicare un rappresentante ufficiale. Qualcuno che è lì per rispondere alle tue domande, non per ascoltare.
Quando chiamiamo qualcuno al telefono, che sia un genitore, un amico o una persona cara, non lo stiamo chiamando per avere informazioni.
Certo, ci scambiamo informazioni, ma lo scopo principale di quella chiamata è ascoltare la loro voce, vedere come stanno e far loro sapere come stiamo. È una connessione, non una telefonata.
I Gemelli non hanno una vita personale, aneddoti da condividere o alcun motivo per prendersi cura di noi.
Sicuramente non ti sto dicendo qualcosa che non sai già, ma in qualche modo parlare in modo naturale con un LLM amplifica la sensazione che non ci sia nessuno dall’altra parte della linea. Potrebbe scorrere come una telefonata, ma non sembra tale.
I nodi sono spariti. La conversazione ancora non c’è
Niente di tutto questo è un colpo alla tecnologia. Data la scelta, prenderei questa versione di Chat vocale AI su quello vecchio senza pensarci due volte.
Google ha risolto silenziosamente quasi ogni frustrazione che abbia mai avuto nel parlare ad alta voce con un’intelligenza artificiale.
Ho pensato che l’imbarazzo fosse un problema di cablaggio, che parlare con un’intelligenza artificiale fosse strano perché funzionava come un walkie-talkie: una frase intera alla volta, aspettando il tuo turno prima di poter parlare di nuovo. Risolvilo, pensai, e il resto sarebbe seguito.
Ma i problemi sono scomparsi e la sensazione rimane. Quello che c’è dall’altra parte non è una persona che si è dimenticata di presentarsi. È un’eco straordinariamente intelligente, che può rispondere a qualsiasi cosa gli lanci ma non ha nulla di proprio da portare alla conversazione.
Rispondere alle domande, non importa quanto velocemente o quanto bene, non è mai stato la stessa cosa che avere una conversazione.
