Bizalom és felismerés: szinte minden az első benyomáson múlik
Az egyik legmarkánsabb eredmény az lett, hogy amint valaki felismeri, hogy egy MI-hang szól hozzá, hajlamosabb azt elutasítani. A kutatók erős negatív összefüggést találtak aközött, hogy egy hang MI-nek tűnt, és aközött, mennyire kedvelték a hallgatók. Az emberek viszonya a felolvasott hanghoz sokféle tényezőtől függött: a melegségtől, a tisztaságtól, a monotonitástól vagy akár attól is, hogy mennyi ideig hallgatták a mintát. Sőt, a minőségbeli különbségek is óriásiak voltak az egyes modellek között: a legjobbra értékelt rendszer háromszor jobb eredményt ért el, mint a leggyengébb.
Kis szereplők tarolnak a hangpiacon
Meglepően jól teljesítettek a kisebb és specializált MI-fejlesztők – az egyik kínai startup, a MiniMax hangját az Egyesült Királyságban és az Egyesült Államokban is a legélethűbbnek és leginkább megbízhatónak érezték. A nagy techóriások, mint a Microsoft, a Google vagy az Amazon, jelentősen lemaradtak a listán. Elsősorban az látszott, hogy ezek a nagy rendszerek inkább a skálázhatóságra optimalizálnak, azaz nagy tömegeket akarnak jól, de nem tökéletesen kiszolgálni. Ez például időjárás-jelentésnél elég, de ahol a bizalom és az érzelmek hangsúlyosak – például beszédterápiában vagy kommunikációs tréningben –, a gyengébb minőségű MI-hang azonnal megtöri az élményt.
Az MI az új alap, de a minőség a kulcs
A felmérés szerint a nagy techcégek előnye a mennyiség, de a precizitásban elmaradnak a specializált szereplők mögött. Olyan területeken, mint az oktatás, az értékesítés vagy az ügyfélkezelés, a hangnak magabiztosságot, tisztaságot és megbízhatóságot kell sugároznia, hogy a felhasználói bizalom épüljön. Például amikor a kutatócég Észtországba költözött, egy minőségi észt MI-felolvasót készített, miközben a Microsoft rendszere a helyi számokat sem tudta helyesen kiejteni – márpedig egy üzleti híradóban a hibás számok tényleg a megbízhatóság végét jelentik. Mindez jól mutatja, hogy a legnagyobbak is csak akvizíciókkal zárhatják be a minőségi szakadékot, a specializált startupok viszont kifejezetten egy-egy szűk területre tudnak koncentrálni.
Az MI-hangok felismerése országról országra változik
A brit hallgatók például 13%-kal nagyobb arányban ismerték fel, ha egy hang MI által generált, mint az amerikaiak, de összességében az európaiak nyitottabbak erre a technológiára. Ugyanakkor meglepő módon a hallgatók kétharmada nem tudta eldönteni, hogy igazi vagy MI-hangot hall-e, ami jól mutatja a technológia ugrásszerű fejlődését. Sőt, egyre többen gyorsítanak a videókon (1,5x vagy 2x sebességgel), ilyenkor pedig már kevésbé keresik az érzelmeket – csak a tiszta, tényalapú információ számít, amelyben az MI-hangok verhetetlenek.
A profizmus és megbízhatóság többet számít a realizmusnál
A részletes vizsgálatból kiderült, hogy a tiszta és magabiztos hangokat mindig jobban értékelték, mint azokat, amelyek csak egyszerűen „valódinak” tűntek. Az ElevenLabs és a Descript MI-hangjai sokszor profibbak voltak, mint a filléres stúdiókban rögzített valódi narrátorok. Összességében nagy valószínűséggel azok a cégek kerülnek előtérbe, amelyek vagy általános MI-platformként, vagy nagyon speciális, magas minőséget kívánó területen dolgoznak.
Az MI nem pótolni, hanem segíteni akarja az embert
A technológia fejlődése már ott tart, hogy akár egyetlen Instagram-fotóból vagy -videóból is hihető mélyhamisítás (deepfake) készülhet, a hangklónozás csupán másodperceket igényel. A kérdés nem a technológia jó vagy rossz mivolta, hanem az, hogyan alkalmazzák az emberek. Jelenleg az MI-t főként puha készségek oktatására, visszacsatolásra használják – például prezentációs készség vagy beszédkészség fejlesztésére. Az MI-alapú coaching hozzávetőleg 280-szor olcsóbb lehet, mint egy klasszikus felsővezetői tréning: míg az ilyen programok évente általában 2,5–9 millió forintba kerülnek fejenként, addig egy MI-alapú applikáció éves előfizetése az USA-ban csak 32 ezer forint.
A cél nem az, hogy az emberi fejlődést kiváltsa az MI, hanem hogy bárki számára elérhetővé tegye a fejlődési lehetőségeket – stressz, társas nyomás vagy megfizethetetlenség nélkül.
