La nuova frontiera dell'assistente IA non si digita, si parla. Tra il 29 e il 30 luglio 2026 due dei principali laboratori hanno rilanciato quasi in contemporanea sulla voce: xAI ha presentato Grok Voice Think Fast 2.0, che rivendica il primato sulla qualità voce-a-voce, e OpenAI ha portato la conversazione vocale full-duplex sul desktop di ChatGPT. Due mosse diverse che raccontano la stessa scommessa: l'interfaccia del futuro è una conversazione parlata, continua e a bassa latenza.
Grok Voice Think Fast 2.0: i numeri di xAI
Il modello di xAI punta tutto su qualità e velocità. Secondo i dati diffusi, Grok Voice Think Fast 2.0 raggiunge un punteggio dell'82,9% sull'indice di qualità voce-a-voce di Artificial Analysis, davanti al 79,1% di GPT-Realtime-2.1 di OpenAI. Il dato più importante per l'esperienza d'uso è però il tempo di prima risposta audio: 0,70 secondi, la soglia sotto la quale una conversazione comincia a sembrare naturale invece che robotica. xAI dichiara anche una riduzione del 60% dei token di ragionamento e un costo di 0,08 dollari al minuto. Il modello, sostiene l'azienda, è già in produzione sulle linee di assistenza clienti di Starlink: un banco di prova reale su volumi elevati, non una semplice demo.
ChatGPT porta la voce full-duplex sul desktop
OpenAI ha invece scelto di far crescere l'esperienza dove si lavora davvero. La nuova ChatGPT Voice per desktop, basata sul modello GPT-Live, introduce un livello vocale full-duplex: si può parlare e ascoltare insieme, interrompere l'assistente a metà frase, sovrapporsi come in una telefonata vera. Ma la funzione più interessante è la capacità di vedere ciò che c'è sullo schermo: tramite gli Appshots su macOS, l'assistente può fare riferimento alle finestre aperte, e soprattutto può avviare e coordinare agenti dentro ChatGPT Work e Codex attraverso la sola conversazione. Non più solo un chatbot con cui chiacchierare, ma un direttore d'orchestra vocale per il lavoro digitale.
Due strategie diverse per lo stesso obiettivo
Il confronto è illuminante. xAI insegue la qualità pura e la latenza della voce, con un modello ottimizzato per l'assistenza clienti su scala; OpenAI punta sull'integrazione nel flusso di lavoro, trasformando la voce nel telecomando di un ecosistema di agenti. Non è un dettaglio: dice dove ciascuno vede il valore. Per xAI la voce è un prodotto verticale, da vendere alle aziende che gestiscono call center; per OpenAI è la superficie che tiene insieme ChatGPT, Codex e gli strumenti di lavoro.
Non solo Grok e ChatGPT: un mercato affollato
La sfida sulla voce non riguarda solo questi due nomi. Google integra da tempo capacità vocali sempre più naturali in Gemini, mentre ElevenLabs resta il riferimento sulla qualità della sintesi vocale e sul doppiaggio, e società come Perplexity spingono la ricerca conversazionale. La posta in gioco è enorme: chi conquista l'interfaccia vocale conquista un pezzo del modo in cui le persone useranno i computer nei prossimi anni, dai call center aziendali agli assistenti domestici, fino agli occhiali e ai dispositivi indossabili dove la tastiera semplicemente non c'è. Non è un caso che xAI abbia scelto di collaudare Grok Voice proprio sull'assistenza clienti di Starlink: è il terreno dove la voce genera ricavi immediati, sostituendo o affiancando operatori umani su milioni di chiamate.
Cosa aspettarsi per gli utenti italiani
Nel breve, l'utente comune noterà soprattutto due cose: conversazioni più fluide, con l'assistente che non aspetta più che finiamo di parlare, e la possibilità crescente di far fare cose all'IA a voce, non solo di farsele raccontare. Restano i nodi noti: la qualità sulle lingue diverse dall'inglese — l'italiano incluso — è spesso inferiore ai numeri di punta, e l'ascolto continuo dello schermo apre questioni di privacy da non sottovalutare. Ma la direzione è tracciata: dopo la chat testuale, il prossimo terreno di scontro tra i laboratori è la voce. I dati di prestazione provengono dalle comunicazioni di xAI e OpenAI e dal riepilogo di ThursdAI.
