Il registratore AI nascosto nella tastiera di WeChat

Il prodotto AI più interessante uscito in Cina la settimana scorsa non era un modello. Era un tasto su una tastiera.

Il 27 ottobre il canale ufficiale di WeChat ha annunciato che il Metodo di Input di WeChat, la tastiera con cui già digita un numero molto grande di utenti cinesi, include ora un «registratore vocale AI». Registri. Trascrive in tempo reale. Poi, invece di consegnarti un muro di testo, ti consegna una pagina web strutturata: refusi corretti, riempitivi eliminati, la logica della conversazione riorganizzata, i punti chiave estratti.

E poi la parte che mi ha fatto raddrizzare sulla sedia. Secondo l'annuncio, può abbinare grafici, diagrammi e prototipi interattivi a quello che è stato detto.

Perché la tastiera è la parte interessante

Ogni azienda di produttività del pianeta ha rilasciato un registratore per riunioni. Quasi tutte ti chiedono di installare qualcosa, concedere permessi, scegliere un workspace e ricordarti di premere registra. L'adozione resta a una cifra perché l'attrito cade esattamente nel momento in cui hai meno attenzione da spendere.

La versione di WeChat non ha un problema di adozione da risolvere. La tastiera è già installata, ha già accesso al microfono, ed è già la superficie su cui cento milioni di persone iniziano a scrivere. I punti di ingresso lo riflettono: su mobile la apri dalla barra della tastiera o dall'app del metodo di input. Su desktop c'è una scorciatoia, più la barra dei menu su Mac e la toolbar su Windows.

È un vantaggio distributivo che nessuna startup può comprare, ed è il motivo per cui vale la pena scriverne. La funzione in sé non è nuova. La collocazione sì.

Cosa implica davvero «pagina web strutturata»

La trascrizione è un problema quasi risolto. Trasformare il parlato in qualcosa che leggeresti di tua volontà non lo è.

Chi ha passato una riunione dentro un modello ASR conosce l'output: parole accurate, nessuna forma. Le persone si ripetono, si perdono, dicono «ecco, quindi, comunque» quattordici volte, e seppelliscono la decisione in mezzo a una digressione sul parcheggio. La pulizia è dove sta il valore, ed è dove quasi tutti gli strumenti si arrendono in silenzio e ti consegnano la trascrizione con un riassunto spillato sopra.

I comportamenti annunciati, correggere i refusi, filtrare i riempitivi privi di senso, organizzare logica e punti salienti usando il contesto, descrivono una pipeline che tratta la registrazione come materia prima e non come prodotto finito. L'output è una pagina, il che significa sezioni, gerarchia e probabilmente un titolo che non hai detto ad alta voce.

I metodi di input cinesi hanno qui un vantaggio facile da sottovalutare. L'input pinyin significa che la tastiera fa già girare un modello linguistico su tutto quello che digiti, tutto il giorno, correggendo e predicendo. Applicare quella stessa classe di modello al parlato è un salto più corto di quanto sia per un fornitore di tastiere occidentale, perché lo strato di correzione è già infrastruttura portante, non un accessorio.

L'affermazione sui diagrammi merita esame

Abbinare grafici, illustrazioni e prototipi interattivi a una registrazione è una promessa grande in una frase piccola, e si divide in due capacità molto diverse.

La versione modesta: parli di un processo in tre passi, e lo strumento disegna un diagramma in tre passi perché ha sentito «prima, poi, infine». È selezione di template, è davvero utile ed è ampiamente alla portata.

La versione ambiziosa: descrivi il flusso di un prodotto, e lo strumento produce un prototipo interattivo su cui puoi cliccare. Serve che il modello inferisca stati, transizioni e layout dal parlato non strutturato, e che ci azzecchi abbastanza spesso perché l'utente non lo cancelli subito.

La mia ipotesi, e resta un'ipotesi, è che la versione distribuita sia più vicina alla prima. Non è una critica. Un diagramma generato che è grosso modo giusto è una buona prima bozza; un prototipo generato che è grosso modo giusto è una sessione di debug.

La domanda sulla privacy che in Cina nessuno fa ad alta voce

Una tastiera vede tutto. Password, messaggi della banca, litigate in famiglia, la ricerca che hai digitato e poi cancellato. Aggiungere un registratore a quella superficie significa che il rapporto di fiducia diventa più denso, non più semplice.

L'annuncio non entra nella gestione dei dati, che è normale per un post di prodotto e non è rassicurante per una decisione di prodotto. Le ipotesi ragionevoli sono che la trascrizione giri sul dispositivo o sul cloud di WeChat, che la pagina risultante sia conservata nell'ecosistema WeChat e che la conservazione sia regolata dagli stessi termini di tutto il resto dell'ecosistema.

Per l'utente individuale in Cina lo scambio è familiare e in gran parte accettabile. Per un'azienda, «le nostre note delle riunioni vivono in WeChat» è una conversazione di compliance, non di produttività. La funzione si diffonderà con l'uso personale e verrà bloccata nelle imprese, che è il percorso standard dell'AI consumer in quel mercato.

Come si confronta con un registratore dedicato

Sulla carta vincono le app specializzate: migliore separazione degli interlocutori, sessioni più lunghe, integrazioni con calendari e CRM, export come si deve. In pratica quasi tutte perdono sulla metrica che conta all'inizio di una riunione, cioè se ti sei ricordato di aprirle.

Il compromesso è che hai meno controllo. Un registratore dedicato ti lascia scegliere dove finisce l'audio. Una tastiera no, e l'annuncio non lo dice. Per un promemoria personale è uno scambio accettabile. Per una call con un cliente sotto NDA non è uno scambio che puoi fare unilateralmente.

La divisione realistica è quindi: tastiera per le cose che altrimenti avresti annotato male, app specializzata per le cose che finiscono in un contratto. Esisteranno entrambe, e la tastiera gestirà molto più volume.

La lettura strategica

WeChat ha passato un decennio a essere criticata per non rilasciare funzioni AI abbastanza in fretta. Questa è la mossa opposta: invece di costruire un chatbot, mette modelli piccoli nelle superfici che la gente tocca già cento volte al giorno. Una tastiera. Un messaggio vocale. Un file.

È una strategia più difficile da mostrare in una demo e molto migliore da distribuire. Un chatbot ha bisogno che tu voglia chattare. Un registratore dentro la tastiera c'è quando stavi comunque per scrivere.

Spiega anche il formato dell'output. Una pagina strutturata si condivide dentro WeChat. Una trascrizione è un file che esporti e dimentichi. Rendendo l'artefatto nativo dell'ecosistema, la funzione crea contenuti che circolano nel posto che WeChat già possiede.

Cosa tenere d'occhio

Se la pagina strutturata sopravvive alla modifica. Se puoi correggere una frase e il layout tiene, è uno strumento di scrittura. Se modificare rompe la struttura, è uno screenshot.

Se i diagrammi sono modificabili come oggetti o arrivano come immagini piatte. I primi sono un flusso di lavoro. I secondi sono decorazione.

E se il registratore avrà un'API. Se ce l'ha, i prodotti interessanti non saranno affatto app per prendere note, saranno strumenti che trasformano una conversazione in un deliverable senza che nessuno apra un portatile.

La funzione in sé sarà copiata entro un trimestre. Baidu, iFlytek e Alibaba hanno tutti i pezzi. Quello che non sarà copiato in fretta è la collocazione, perché nessun altro possiede la tastiera su cui digita metà di un paese.

Questa è la lezione da portarsi via da questo rilascio, e non ha niente a che vedere con la qualità del modello. Il miglior canale di distribuzione per una funzione AI è la cosa che i tuoi utenti hanno già tra le mani.