Sesli Asistanlarda Güven, Dil ve Keşif Sorunu

Alexa, Siri ve Google Assistant yıllardır aynı üç işi görüyor: hava durumu, zamanlayıcı, müzik. Yetenek listeleri bundan çok daha uzun. Dar olan liste değil, kullanıcının kafasındaki harita. Bu iki şey arasındaki fark, asistanların neden bulundukları yerde saydığını da açıklıyor.

Güven nesnel bilginin bittiği yerde bitiyor

Kullanıcılar asistanlara belirli bir iş sınıfını rahatça veriyor: saat kaç, yarın yağmur var mı, maç kaç kaç bitti, şu şarkıyı çal. Ortak nokta hepsinin tek doğru cevabı olması. Cevap yanlışsa kullanıcı bunu anında fark eder, düzeltmesi de ucuzdur.

Yorum isteyen sorularda tablo değişiyor. "Buralarda iyi bir restoran var mı" sorusunun doğrulanabilir bir cevabı yok, dolayısıyla kullanıcı asistanın cevabını denetleyemiyor. Denetleyemediği yerde de güvenmiyor. Aynı şey çok adımlı işler için de geçerli: e-posta göndermek, sipariş vermek, randevu değiştirmek. Yanlış giderse geri alması pahalı.

Buradaki eşik yeteneğe değil, hatanın maliyetine bakıyor. Peki asistan yanlış anladığında geri alma tek dokunuşla mümkün olsa sınır nereye kayardı? Sesli arayüzlerin en az uğraşılan tarafı tam olarak bu: iptal, geri alma ve onaylama tasarımı.

İki tür kullanıcı dili

Zamanla iki ayrı konuşma biçimi ortaya çıkıyor. Bir grup asistanla insanla konuşur gibi konuşuyor, lütfen ve teşekkür ederim diyor, hatta ondan "o" diye bahsediyor. Diğer grup cümleyi kırpıp anahtar kelimeye indiriyor: "hava, yarın, Ankara".

İkinci grubun uyumunu daha sağlıklı bir sinyal buluyorum. Kısalan komut, kullanıcının sistemin gerçek sınırını öğrendiğini gösterir; kibarlaşan komut ise çoğu zaman sistemi olduğundan yetenekli sandığını. Niyet çözümlemesi cümledeki nezaket kalıplarını zaten atıyor, yani "lütfen" hiçbir şeyi değiştirmiyor, sadece kullanıcıda karşılıklı bir ilişki hissi bırakıyor. O his kırıldığında hayal kırıklığı da orantılı oluyor.

Tasarım tarafında sonuç şu: asistanı insan gibi konuşturmak kısa vadede sempatik, uzun vadede beklenti şişiriyor. Sınırı baştan gösteren bir dil, sonradan özür dileyen bir dilden iyidir.

Kamusal alanda sesli komut

Evde rahatça kullanılan asistan otobüste kullanılmıyor. Sebep teknik değil. İnsan, yanındakilerin duyacağı bir cümleyi kurmaktan çekiniyor; komutun içeriği masum olsa bile sesli konuşmak kendi başına gösteriş ya da tuhaflık olarak algılanıyor.

Bu, sesli arayüzün büyümesinin önündeki en sessiz engel. Kulaklık üzerinden fısıltıyla çalışan, ekranla desteklenen kullanımların yaygınlaşması da bunu doğruluyor: insanlar sesli asistandan vazgeçmiyor, onu görünmez hale getirmenin yolunu arıyor.

Sürekli dinleme meselesi

Yaygın kaygı şöyle kuruluyor: cihaz sürekli dinliyor ve duyduğunu buluta gönderiyor. İlk yarısı doğru, ikinci yarısı değil. Uyandırma kelimesi tanıma cihaz üstünde, küçük ve kapalı bir modelle çalışır; ses akışı buluta ancak o kelime yakalandıktan sonra gider.

Asıl sorun burada başlıyor. Uyandırma kelimesi yanlışlıkla yakalandığında, kullanıcı farkında olmadan birkaç saniyelik konuşma kaydı sunucuya gidiyor. Yani risk "sürekli dinleme" değil, yanlış tetiklenme. İkisi farklı sorunlar ve farklı çözümleri var: birincisi bir iletişim meselesi, ikincisi eşik ayarı ve kayıt yönetimi meselesi.

Kullanıcının algısı yanlış olsa bile kaygısı yersiz değil, çünkü hangisinin olduğunu ayırt edecek bir gösterge çoğu cihazda yok. Kayıt geçmişinin tek dokunuşla açılabilmesi, tetiklenmenin görünür ve sesli bir işaret vermesi, silme işleminin gömülü menülerin dibinde durmaması. Gizlilik algısı üzerine yapılacak iş bunlar. Politika metnini uzatmak değil.

Asıl darboğaz keşif

Metnin baştan beri işaret ettiği çelişki şurada toplanıyor: kullanıcı beklentisi düşük olduğu için yeni özellikleri denemiyor, denemediği için beklentisi düşük kalıyor. Üreticinin bu döngüye verdiği cevap genellikle daha fazla özellik eklemek oluyor. Darboğaz yetenek tarafında değilse, eklenen her özellik aynı görünmezlik havuzuna düşer ve sorunu bir adım büyütür.

Bunu ölçmek de zor değil. Bir kullanıcının bildiği komut sayısıyla cihazın desteklediği komut sayısını yan yana koyun, aradaki oran keşif başarısını doğrudan verir. Bu oran ölçülmediği sürece "kullanıcılar özelliklerimizi sevmedi" ile "kullanıcılar özelliklerimizden haberdar olmadı" birbirine karışır.

Keşfi çözen şey bağlam. Kullanıcı zamanlayıcı kurarken ona bir sonraki adımı önermek, ilk kurulumda uzun bir yetenek listesi okumaktan çok daha fazla iş görüyor. Sesli asistanların önümüzdeki dönemde nereye gideceği, ne kadar akıllandıklarından çok, ne yapabildiklerini anlatmayı öğrenip öğrenemediklerine bağlı.