Les grands modèles de langage actuels alimentant les interfaces vocales reposent sur des architectures relativement basiques, et ils sont souvent programmés avec des particularités artificielles—comme des pauses stratégiques et des mots de remplissage ("euh")—conçues pour imiter la conversation humaine naturelle. Cette approche sous-utilise ce que la technologie vocale peut réellement offrir pour les flux de travail basés sur des agents.

Lorsqu'il s'agit d'applications professionnelles sérieuses, un mode vocal simplifié a du sens. Un mode conçu pour l'efficacité plutôt que pour la conversation légère. Quelque chose qui transcende la mimique et se concentre sur une communication précise avec les agents IA permettrait de débloquer de véritables gains de productivité dans la gestion automatisée des tâches et la coordination des systèmes.