谷歌近日发布Gemini Live全新语音功能更新，试图让用户通过自然语音指令调用聊天、Spark、每日简报等能力，完成信息处理、任务执行等操作。谷歌表示，升级后的Gemini应用能够自动理解用户需求，无需用户判断具体任务应使用哪项功能。
不过，这一设计也暴露出当前AI应用面临的交互挑战。尽管谷歌希望通过语音入口简化操作，但Gemini仍将聊天、Spark和每日简报作为独立功能呈现，分别拥有不同图标和入口，增加了用户理解和选择成本。
其中，每日简报依托Gmail、日历等谷歌生态数据，为用户提供主动式个性化更新，但其信息筛选能力仍存在不足，部分提醒可能并非用户当前所需。相比之下，Spark作为具备任务执行能力的AI代理，更接近未来AI助手的发展方向，但谷歌将其独立品牌化，也让用户需要额外理解不同功能之间的区别。
这一问题并非Gemini独有。当前AI行业普遍存在将内部模型架构、功能模式直接暴露给用户的问题。例如，部分AI产品要求用户区分聊天、协作、代理等不同模式，而消费者更希望通过统一入口提出需求，由AI自动判断并调用合适能力。
业内认为，未来AI助手的发展方向可能是降低交互复杂度，将复杂的模型、代理和工具调用隐藏在后台。苹果围绕Siri的策略，以及部分基于文本交互的AI代理产品，均强调通过熟悉的聊天方式完成任务。随着AI能力不断增强，如何让用户无需学习新的操作逻辑，或将成为下一阶段AI产品竞争的重要方向。
