کسب و کارها باید برای مشتریانی که صحبت می کنند، نه تایپ، آماده شوند

فناوری باید با مردم سازگار شود، نه اینکه مردم را مجبور کند با فناوری سازگار شوند.

برای چندین دهه، ما برای برقراری ارتباط با رایانه‌ها، خواه جستجوی اطلاعات، ارسال پیام، یا انجام کارهای روزمره، به صفحه کلید و صفحه‌نمایش لمسی متکی بوده‌ایم. هوش مصنوعی (AI) شروع به تغییر این پویایی می کند و تعامل با فناوری را از طریق همان زبان طبیعی که با افراد دیگر استفاده می کنیم، ممکن می سازد.

به جای اینکه از ما بخواهد که نحوه عملکرد سیستم ها را بیاموزیم، فناوری می تواند به طور فزاینده ای به آنچه نیاز داریم بفهمد و از طرف ما اقدام کند.

این نشان‌دهنده تغییری اساسی در نحوه تعامل ما با دنیای دیجیتال است و از نیاز به استفاده از فناوری بر اساس شرایط آن به فناوری پاسخگو به شرایط ما حرکت می‌کند.

این یک پیش بینی دور نیست. در ژوئن 2026، در یک ویدیوی یوتیوب، بوریس چرنی، خالق کلود کد در آنتروپیک، توضیح داد که چگونه تقریبا نیمی از کارهای مهندسی او اکنون در تلفن او انجام می شود. او می تواند عوامل هوش مصنوعی را از راه دور مدیریت کند و هنگام راه رفتن در جنگل، خوردن قهوه یا نشستن روی مبل از دستورات صوتی برای هدایت آنها استفاده کند.

کارهایی که زمانی به میز، صفحه و صفحه کلید نیاز داشتند، می‌توانند به طور فزاینده‌ای از هر جایی با یک دستورالعمل گفتاری ساده تکمیل شوند.

این تغییر به کاربران جریان اصلی نیز می رسد. OpenAI گزارش داد که بیش از 150 میلیون نفر هر هفته از ChatGPT از طریق Voice و Dictation استفاده می کنند. راه‌اندازی GPT-Live در جولای 2026، قابلیت‌های صوتی را معرفی کرد که به سیستم اجازه می‌دهد به طور همزمان گوش دهد و پاسخ دهد، وقفه‌ها را مدیریت کند و کار پیچیده را در حین ادامه مکالمه محول کند.

Grok Voice 2.0 xAI نیز بر مکالمات دو طرفه گفتار به گفتار، رونویسی و استفاده از ابزار تأکید داشت. این فناوری اخیرا به خودروهای تسلا اضافه شده است تا مردم بتوانند به صورت هندزفری با هم ارتباط برقرار کنند. مدل‌های گفتار به گفتار یک جهش بزرگ به جلو برای استفاده چندزبانه است که میزان خطای کلمات را به حداقل می‌رساند و دقت را در محیط‌های پر سر و صدا بهبود می‌بخشد.

برای چندین دهه، استفاده از نرم‌افزار یا سخت‌افزار به معنای یادگیری ساختار آن بود: یافتن صفحه مناسب، پیمایش منوها، تکمیل فرم‌ها و کلیک کردن بر روی مراحل. هوش مصنوعی مکالمه اکنون تمام این وظایف را به درخواست شما با استفاده از کلمه گفتاری انجام می دهد.

یک مطالعه در سال 2026 روی بیش از 10000 بزرگسال آمریکایی، که در Scientific Reports منتشر شد، نشان داد که سرعت تایپ متوسط، تنظیم شده برای خطاها، 37.8 کلمه در دقیقه در رایانه و 29.4 در تلفن های هوشمند است. در همین حال، طبق NCVS، حدود 150 WPM معیار استاندارد برای گفتار مکالمه عمومی انگلیسی آمریکایی است.

مزیت سرعت صدا واضح است و صدا همچنین می تواند در محیط هایی که تایپ کردن امکان پذیر نیست استفاده شود. هوش مصنوعی در حال تبدیل شدن به رابط اصلی با فناوری است و کلام گفتاری سریع ترین و ساده ترین راه برای آموزش آن است.

وقتی به نرم افزارهای مدرن نگاه می کنم، از استفاده از هر محصول جدیدی که دارای پروتکل بافت مدل (MCP) نیست، خودداری می کنم. با استفاده از MCP برای اتصال مستقیم به تمام مدل‌های اصلی زبان هوش مصنوعی، افراد می‌توانند به سادگی فهرست کوتاهی از دستورالعمل‌ها را بیان کنند و تنها در چند دقیقه یک تجربه صوتی کاملا کاربردی و زنده برای وب‌سایت‌ها، تماس‌های ورودی و تماس‌های خروجی ایجاد کنند. اما تغییر سریع ترجیحات بسیار فراتر از شرکت های فناوری به تنهایی اهمیت دارد. هر کسب و کاری که به تجربیات دست و پا گیر و قدیمی می چسبد، به سادگی به مشتریان خود دلیلی برای کناره گیری می دهد.

تجربه دیجیتال متفاوتی را تصور کنید. مشتری از یک وب سایت سؤالی می پرسد و بلافاصله پاسخ گفتاری دریافت می کند. همین مکالمه می‌تواند قرار ملاقاتی را تعیین کند، پیوندی را از طریق متن ارسال کند یا پرداخت را تسهیل کند. هنگامی که مشتری آماده خرید است اما به کمک انسانی نیاز دارد، سیستم می تواند آن شخص را به یک نماینده متصل کند. Voice هدف کاربر را یکپارچه انجام می دهد.

این استدلالی نیست که هر صفحه یا صفحه کلید باید ناپدید شود. تایپ برای نوشتن دقیق، ویرایش دقیق، و کارهایی که از کنترل بصری بهره می‌برند، مفید باقی می‌ماند. صدا همچنین می‌تواند در محیط‌های پر سر و صدا از کار بیفتد، دستورالعمل‌ها را اشتباه درک کند، یا وقتی اطلاعات حساس با صدای بلند صحبت می‌شود، نگرانی‌هایی در مورد حفظ حریم خصوصی ایجاد کند. فناوری خوب باید انتخاب هایی را به مردم ارائه دهد و اولویت های مصرف کننده را برآورده کند.

کسب و کارها باید از تلقی صدا به عنوان یک تازگی خودداری کنند. آن‌ها باید آن را در فروش، پشتیبانی و خدمات خود به درخواست مصرف‌کنندگان ادغام کنند. در نهایت، کسب‌وکارهایی که استفاده از فناوری را آسان‌تر می‌کنند، می‌توانند خدمات سریع‌تر، تراکنش‌های رها شده کمتر و تجربیات لذت‌بخش‌تری ایجاد کنند. شرکت‌هایی که نمی‌توانند ریسک از دست دادن سریع مشتریان را با رقبای زیرک‌تر تطبیق دهند.

رهبران کسب و کار باید اکنون با طراحی مجدد کامل سفر مشتری وارد عمل شوند. هوش مصنوعی با قابلیت صوتی را روی وظایف مشتری واقعی آزمایش کنید، میزان تکمیل و رضایت را اندازه بگیرید، و معیارهای پایه را ایجاد کنید. هنگامی که عملکرد هوش مصنوعی از وضعیت موجود فراتر رفت، به سرعت گسترش دهید. در همین حال، رهبران فناوری باید هوش مصنوعی صوتی را به عنوان ستون اصلی استراتژی کلی خود قرار دهند.

صفحه کلید یک شبه ناپدید نمی شود. اما دیگر شایسته تعریف نحوه استفاده مردم از رایانه نیست. عصر بعدی کامپیوترها متعلق به کلام گفتاری است. کسب و کارها می توانند آن آینده را عمدا بسازند یا تماشا کنند که مشتریانشان آن را در جای دیگری پیدا می کنند.

توماس رایان موسس و مدیر عامل Bigly Sales، یک تجارت تماس با هوش مصنوعی، و بنیانگذار Talk Kit، ابزار هوش مصنوعی صوتی برای وب سایت ها است.