Zanim nastała era LLM. Butelka z listem z 2019 roku.
Stoisz na plaży, patrzysz w horyzont. Do butelki wkładasz list z dzisiejszą datą. List do siebie z przyszłości. Zamykasz, rzucasz w morze i zapominasz na lata. Aż pewnego dnia, na innym kontynencie (bo sporo przez te lata zmieniło się w Twoim życiu) butelka dobija do brzegu. Twoja. Otwierasz ją, a echo przeszłości uderza silniej niż możesz się spodziewać.
Ja swoją butelkę z listem wrzuciłem w morze nieświadomie. W czerwcu 2019 roku. Nie miała szklanej formy, lecz artykułu w magazynie Marketing w Praktyce media i szkolenia. Okładka, z perspektywy czasu niemal profetyczna, pytała wprost: „Google, czy mam z tobą rozmawiać?”.
Pamiętacie 2019 rok? Asystenci Głosowi byli wtedy jak egzotyczne, nieporadne zwierzęta w cyfrowym zoo. Alexa na komendę puszczała Despacito, a Asystent Google potrafił ustawić minutnik na jajka na miękko. Fascynujące, ale dla większości - wciąż gadżet. Ciekawostka. Gadżet, który zbiera kurz na kuchennym blacie. (prawda Michal Stanislawek? Czasy Pytania Dnia na Asystencie!). Z Siri śmiali się wszyscy z branży - mówiąc o niej jak o tym najgorszym uczniu z klasy muzycznej ;-)
Wtedy interfejs głosowy był bardziej obiektem kpin niż poważnych analiz. Napisałem tekst o erze smart speakerów. Ale nie o głośnikach jako takich. Pisałem o zmianie, która za nimi stała.
W artykule, między analizą pierwszych wdrożeń i technologii, napisałem zdanie. Wtedy hipoteza. Dzisiaj - dowód w sprawie.
„Z czasem umiejętność bezproblemowej komunikacji z technologią za pomocą głosu będzie tak naturalna, jak dziś korzystanie z klawiatury”.
Sześć lat.
Przeszłość puka do drzwi
Jesteśmy w czerwcu 2025 roku. Kilka tygodni temu oglądałem prezentację Google I/O, na której światło dzienne ujrzał Project Astra - multimodalny agent AI, z którym rozmawia się, patrząc na świat przez obiektyw kamery. Słucham, jak naturalnie i z ludzką wręcz atencją - GPT-4o od OpenAI prowadzi konwersacje.
To już nie dialog na linii człowiek-maszyna, który polega na rzucaniu sztywnych komend. To relacja. Płynna, intuicyjna rozmowa, w której technologia nie jest narzędziem, do którego musimy się dostosować. To ona dostosowuje się do nas. Do naszego głosu, tonu, kontekstu.
Dokładnie tak, jak sześć lat temu opisywałem świat, w którym klawiatura staje się opcjonalna.
Widzieć las, nie tylko drzewa
To nie była magia ani kryształowa kula. To była prosta obserwacja kierunku. Bo wyczuwanie trendów to nie sztuka przepowiadania przyszłości. To sztuka uważnego słuchania i odróżniania szumu od sygnału.
W 2019 roku sygnały były ciche.
Sygnał nr 1: Technologia. Smart speakery nie były celem samym w sobie. Były poligonem doświadczalnym dla NLP (Natural Language Processing) i NLU (Natural Language Understanding). Podobniej jak wcześniej Google Glasses (right - Allen S. Firstenberg?), które zostały uznane za porażkę. Giganci nie inwestowali miliardów w to, byśmy mogli głosowo zamawiać pizzę. Inwestowali w zbieranie danych i trenowanie modeli, które miały nauczyć maszyny naszego najbardziej naturalnego interfejsu - mowy. Maszyna najpierw musiała nauczyć się rozpoznawać pojedyncze słowa, by dzisiaj móc pisać wiersze.
Sygnał nr 2: Człowiek. Widziałem nie tylko technologię, ale i frustrację. Weźmy klawiaturę - tą z kktórej teraz korzystasz. Układ QWERTY nie został zaprojektowany dla Twojej wygody ani szybkości. Wręcz przeciwnie. Powstał w latach 70. XIX wieku, by spowolnić pisanie na mechanicznych maszynach, których ramiona notorycznie się zacinały, gdy ktoś pisał zbyt szybko.
To nie jest żart. Zostaliśmy z interfejsem zaprojektowanym celowo jako nieefektywny, stworzonym z powodu - uwaga!!!! - ułomności maszyny, która od dekad leży na śmietniku.
To samo działo się w 2019 roku w świecie smartfonów i laptopów. Zmęczenie klikaniem, przewijaniem, stukaniem w klawisze było symptomem tej samej choroby: człowiek dostosowuje się do ograniczeń maszyny, a nie odwrotnie. Głos był oczywistą drogą. Najbardziej naturalną, dzięki której nie będziemy musieli już nienaturalnie stukać palcami w plastik (albo drogie szkiełko, jeżeli macie iPhona 16 ;-).
Jaki szept dzisiaj ignorujesz?
Historia artykułu z 2019 roku to nie jest opowieść o tym, że miałem rację. To opowieść o tym, jak ważne jest, by patrzeć dalej niż na koniec kwartału. By szukać w technologii nie tylko odpowiedzi na dzisiejsze problemy, ale też pytań jutro.
Dlatego dzisiaj, kiedy ekscytujemy się SI generującą obrazy i tekst, ja zadaję sobie inne pytanie: jaki jest następny interfejs, medium, rozwiązanie, technologia, która dzisiaj wydaje nam się nieporadna i niepotrzebna? Gdzie jest ten cichy sygnał, który większość z nas traktuje jako szum? I go ignoruje?
Może to interfejsy mózg-komputer (Neuralink)? Może rozszerzona rzeczywistość, która wciąż czeka na swój “moment iPhone’a”? A może coś zupełnie innego, co dopiero kiełkuje w garażu jakiegoś start-upu?
Bo kiedy pędzimy, największą przewagą nie jest umiejętność szybkiego reagowania. Jest nią umiejętność cichego, uważnego słuchania. Swoją drogą - dlatego tak bardzo kocham podcasty i SŁUCHANIE mądrzejszych ode mnie. Starszych, młodszych. Ale mądrzejszych.
A Ty? Jaki cichy szept technologii dzisiaj ignorujesz?
PS. Niestety nie widzę tego artykułu w sieci - jeżeli chcecie przeczytać, dajcie znać w DM!
PS. 2. Tekst ze specjalną dedykacją dla Cathy Pearl, której książę - “Projektowanie Interfejsów Głosowych” wydaliśmy wspólnie z wydawnictwem Helion.pl - poniżej nasze zdjęcie z Cathy podcas Voice Summit w 2019 roku.
Niech #AI będzie z Wami!