A Google szerdai bejelentésében arról, hogy a Gemini új, élő hangalapú funkciói képesek kezelni különféle feladatokat, helyesen fogalmazott egy alapelvet: „nem kellene találgatni, hogy egy feladat Sparkot, Daily Briefet vagy egy gyors bejövő levelek között keresést igényel-e.” A gyakorlatban azonban a Google mindegyik funkciónak saját márkanevet és külön helyet adott az alkalmazáson belül, ami aláássa ezt az ígéretet.
A Gemini alkalmazásban a felhasználók a chat, a Spark és a Daily Brief között válthatnak — három külön funkció, mindegyiknek saját ikonja és navigációs helye van. Ez a felület felcímkézése zsúfolttá teszi a felhasználói élményt, és azt sugallja, hogy a Gemini még nem találta meg a „killer feature”-t, vagyis azt az egyértelmű, mindenki számára nyilvánvaló szolgáltatást, amelyhez a laikusok azonnal fordulnának.
Mi nem működik jól: Daily Brief és a személyes adatok
A Daily Brief a bemutatás szerint „proaktív, személyre szabott frissítéseket” nyújt a Google alkalmazataiból, például a Gmailből és a Naptárból származó adatok alapján. Ez koncepcionálisan egy hasznos, AI-alapú napirendnek tűnik, de a gyakorlatban nem tudja megbízhatóan megkülönböztetni az igazán sürgős, cselekvést igénylő információt a kevésbé releváns értesítésektől. Előfordul, hogy olyan emlékeztetőket vagy ajánlásokat generál, amelyek csupán a korábbi keresések vagy a csevegés során félbehagyott kutatások folytatását ösztönzik.
Utóbbi viselkedés nemcsak haszontalannak tűnhet, hanem kellemetlenül tolakodónak is: ha valaki korábban például ösztöndíjakról vagy állatmentésről keresett információt, az nem jelenti azt, hogy később szeretné, ha az AI újra felhívná rá a figyelmét.
Spark: hasznos funkció, felesleges márkanevezés
A Spark a Gemini egyik praktikusabb eleme: az a képesség, hogy az AI feladatokat végezzen el a felhasználó helyett. A probléma itt nem a funkcióval, hanem azzal, hogy a Google külön márkaként kezeli — holott a mainstream felhasználónak nem kellene azon gondolkodnia, „a Spark oldalán” van-e éppen az alkalmazásban. A felhasználói elvárás egyszerű: beírni vagy kimondani a kérést, és az AI döntsön arról, hogy szükséges-e egy ügynök (agent) indítása vagy elegendő a rövidebb válasz.
Az ágazat általános tendenciája
A Gemini esetében jelentkező probléma nem egyedi: az AI-ipar sok szereplője hajlamos az alkalmazáson belüli belső architektúrát a felhasználók elé tárni. Például Anthropicnál a Claude használata közben külön lehet „chat”-elni vagy „cowork”-olni vele (és a múlt hétig ezek a módok nem is osztottak memóriát). ChatGPT-nél hasonlóan választani kell „Chat” és „Work” mód között. Ez az „engineering‑központú” tervezés mesterségesen bonyolítja a felhasználói élményt, mert a fogyasztóknak meg kell tanulniuk a márkanevekhez kötött működési módokat, miközben valójában csupán különböző interakciós felületekről van szó.
Az egyszerűség előnyei: Apple és a szöveges asszisztensek
Ez részben megmagyarázza, miért tűnhet kevésbé látványosnak, de használhatónak Apple megközelítése a Siri esetében. Az iPhone- és Apple‑eszközök tulajdonosainak nem kell megváltoztatniuk a megszokott viselkedésüket: Apple a meglévő alkalmazásokat és funkciókat — például a Spotlight Searchöt, a Fotók alkalmazást, a Kamera funkciót és a Siri hangparancsokat — teszi okosabbá, anélkül, hogy új interfészt vagy márkaneveket kellene megtanulni.
Hasonló logikát követnek a tisztán szöveges AI‑szolgáltatások is, ahol a felhasználó egyszerűen üzenetet ír egy chatbotnak (például Poke, Ollie, Lindy, Orchid, Lucas, Folk, Tomo, Instinct és mások), és az asszisztens elvégzi a kért feladatot. A rövid szöveges üzenetküldés jól ismert, egyszerű felhasználói felület, amely nem kényszerít plusz kognitív terhet arra, hogy melyik funkciót vagy terméket kell kiválasztani egy nagyobb alkalmazáson belül.
Következtetés
A Gemini esete rámutat az AI-termékek jelenlegi dilemmájára: a technikai összetevők és csapatok belső felosztását tükröző márkázás rontja a használhatóságot. A mainstream elfogadáshoz valószínűleg egyszerűbb, kevésbé darabolt felhasználói felületekre lesz szükség, amelyek elrejtik az alatta futó architektúrát, és a felhasználónak csak azt a viselkedést kérik, amit eddig is végeztek — szöveges üzenetet küldenek vagy megszokott alkalmazásaikat használják.
