A medida que las llamadas Interfaces mediante voz del usuario (VIU, por sus siglas en inglés) —como Alexa de Amazon, el asistente de Google o los robot sociales al estilo Jibo— se vuelven cada vez más comunes dentro de los hogares, es fundamental comprender cómo las personas perciben e interactúan con estos dispositivos.

A esto se dedicó un equipo de investigadores del Media Lab del MIT, el laboratorio dentro de la Escuela de Arquitectura y Planificación en el Instituto de Tecnología de Massachusetts fundado en 1985, y encontró que es más probable que confíen en los altavoces inteligentes si estos exhiben algunos comportamientos sociales similares a los humanos.

El estudio fue publicado en la revista científica Frontiers in Robotics and AI y surge de un trabajo anterior en el que se exploraba cómo las personas usan estas tecnologías de reconocimiento de voz en el hogar. Al comienzo del estudio, los usuarios se familiarizaron con tres dispositivos antes de llevarse uno a casa durante un mes. Los investigadores notaron que las personas pasaban más tiempo interactuando con Jibo que con los parlantes inteligentes Alexa y Google Home. Se preguntaron por qué la gente interactuaba más con el robot social. Para llegar al fondo de esto, diseñaron tres experimentos que involucraron a 34 familias, compuestas por 92 personas entre 4 y 69 años, interactuando como grupo con diferentes dispositivos. 

En el primer experimento, los participantes interactuaron con un robot Jibo, Amazon Echo y Google Home, sin modificaciones. La mayoría encontró que Jibo era mucho más extrovertido, confiable y comprensivo. Para Anastasia Ostrowski, asistente de investigación en el Media Lab y autora principal del artículo, los usuarios percibieron que Jibo tenía una personalidad más humana y, en consecuencia, era más probable que interactuaran con él.

En el segundo, los investigadores se propusieron comprender cómo la marca afectaba las perspectivas de los participantes. Cambiaron la "palabra de activación" (esa que el usuario dice en voz alta para activar el dispositivo) de Amazon Echo a "¡Hola, Amazon!" en lugar de "¡Hey, Alexa!", pero mantuvieron la misma para Google Home ("¡Hey, Google!") y el robot Jibo ("¡Hey, Jibo!") y proporcionaron a los participantes información sobre cada fabricante. Cuando se tuvo en cuenta la marca, los usuarios consideraron que Google era más confiable que Amazon, a pesar de que los dispositivos eran muy similares en diseño y funcionalidad. "No cambiamos ninguna de las habilidades, cómo funcionan o cómo responden. El solo hecho de que supieran que el dispositivo está fabricado por Amazon marcó una gran diferencia", señaló Ostrowski.

Finalmente, en el tercer experimento, el equipo quería ver cómo el movimiento afectaba las interacciones (por ejemplo, el robot Jibo dirige su mirada al individuo que está hablando y el dispositivo de Amazon hace señal de estar "escuchando" pero nada más). Según pudieron observar, el movimiento repetitivo sin personificación social puede no ser efectivo para hacer interactuar al usuario.

Un análisis más profundo del tercer estudio también reveló que los usuarios interactuaban más entre ellos, mirándose, riéndose juntos o teniendo conversaciones paralelas, cuando el dispositivo con el que interactuaban tenía más habilidades sociales.

"Estos dispositivos son una tecnología nueva que llega a los hogares y todavía están muy poco explorados", sostuvo Ostrowski. "¿Cómo van a dar forma a los vínculos? Queremos diseñar sistemas que puedan promover una relación más floreciente entre las personas".

Los investigadores utilizaron sus conocimientos para exponer varias consideraciones relacionadas con el diseño de los VIU, incluida la importancia de desarrollar personalidades cálidas, extrovertidas y reflexivas; comprender cómo la palabra de activación influye en la aceptación del usuario; y transmitir señales sociales no verbales a través del movimiento.

Con estos resultados en la mano, quieren continuar explorando cómo las familias interactúan con los altavoces inteligentes que tienen diferentes niveles de funcionalidad y explorar qué características son más adecuadas para interacciones específicas.