Perché Alexa+ e Gemini for Home falliscono proprio nelle azioni più banali

Il problema degli assistenti domestici basati sull'intelligenza artificiale non è che non capiscano il linguaggio naturale. È che comprendere una richiesta ed eseguirla in modo affidabile sono due sfide ingegneristiche molto diverse.

Alexa+ e Gemini for Home riescono a sostenere conversazioni più fluide e a creare automazioni complesse usando frasi comuni, senza obbligare l'utente a imparare formule rigide. Eppure recensioni e testimonianze continuano a documentare errori su ciò che uno smart speaker dovrebbe fare senza esitazioni: spegnere una luce, riprodurre una canzone, rispondere correttamente a una domanda sul giorno, preparare il caffè o conservare una routine già impostata. 167

Gli errori sono banali. Ed è proprio questo il problema

Durante un test del Google Home Speaker con Gemini, l'assistente ha ignorato richieste musicali, cambiato argomento nel corso delle conversazioni, indicato il giorno sbagliato e rifiutato di spegnere le luci smart. 1 Non si trattava di dispositivi esotici o di scenari limite: erano le funzioni di base per cui esiste uno speaker intelligente.

Anche Alexa+ ha mostrato risultati altalenanti. Alcuni test descrivono una routine per preparare il caffè che falliva ripetutamente; altri utenti hanno segnalato la scomparsa di routine già esistenti dopo l'aggiornamento. 6734 Anche la selezione musicale può deragliare: in una prova, chiedendo Charli XCX è stato riprodotto un artista diverso, mentre una richiesta meno specifica per una canzone di Lucy Dacus è stata semplicemente ripetuta come frase di ricerca invece di essere eseguita. 36

Il quadro, però, non è completamente negativo. Alexa+ è riuscita anche a creare solo con la voce una routine che combinava un sensore di movimento, le luci del terrazzo, una fascia oraria e una videocamera Ring. 33 Questo risultato è significativo: suggerisce che il limite principale non sia l'assenza di capacità, ma l'incostanza. Un sistema che funziona in modo brillante in un'interazione e fallisce quella successiva su un comando familiare resta comunque difficile da usare con fiducia in casa.

Il contrasto tra conversazione e controllo

I vecchi assistenti vocali seguivano in genere una catena più rigida: riconoscimento vocale, classificazione dell'intento, identificazione del dispositivo e azione predefinita. Una frase come «spegni le luci della cucina» poteva essere associata a un intento noto e inviata attraverso un'interfaccia fissa per il controllo del dispositivo.

Un assistente basato su un modello linguistico di grandi dimensioni, o LLM, opera diversamente. Interpreta il contesto, cerca di capire cosa intenda l'utente e può generare una chiamata a uno strumento o a un'API, cioè a un'interfaccia software che permette di impartire l'azione a un servizio o a un dispositivo. Google descrive Gemini come «non deterministico»: non segue semplicemente uno script fisso, ma utilizza inferenza e ragionamento. 15

Questa flessibilità è utile per le richieste aperte. Permette di descrivere un'automazione con più passaggi senza conoscere la sintassi esatta o di continuare una conversazione senza ripetere ogni dettaglio. Ma diventa un rischio quando il risultato desiderato è binario: la luce deve spegnersi, il timer deve annullarsi, la routine deve partire.

Il modello può selezionare il dispositivo sbagliato, indirizzare la richiesta verso un'integrazione incompatibile, fraintendere il contesto della conversazione oppure impiegare più tempo per decidere cosa fare. Due richieste quasi identiche possono quindi produrre risultati diversi. Secondo alcuni analisti, questa non determinazione è in tensione con l'automazione domestica, dove l'esecuzione prevedibile conta più di una risposta elegante. 3

Affidabilità e rapidità contano più della personalità

La critica ricorrente non è soltanto che gli assistenti commettano errori. È che a volte siano più lenti e meno affidabili dei sistemi che dovrebbero sostituire. Un'analisi del mercato della smart home basata sull'AI indica affidabilità, velocità e valore per l'utente come le principali difficoltà del settore. 12 Altri test hanno raccolto segnalazioni su Alexa+ riguardo a ritardi, risposte errate e comandi persi; Gemini for Home è stato descritto come più lento del precedente Google Assistant e incapace di controllare dispositivi che dovrebbe riconoscere. 56

La latenza è particolarmente dannosa in un'interfaccia vocale. Chi chiede di spegnere una luce vuole in genere un'azione immediata, non una spiegazione conversazionale, un'attesa o l'invito a riprovare. Anche gli aggiornamenti migliorativi mostrano che il problema non è ancora risolto: un aggiornamento di Gemini for Home avrebbe ridotto la latenza dei comandi di circa il 30-40%, segno che la rapidità resta una questione di prodotto ancora aperta. 11

L'architettura più sicura è quindi ibrida. Un LLM può interpretare il linguaggio flessibile dell'utente, ma uno strato deterministico dovrebbe verificare il dispositivo richiesto, limitare le azioni disponibili, chiedere conferma per le modifiche potenzialmente rischiose ed eseguire il comando finale tramite API affidabili. Il modello linguistico dovrebbe essere l'interfaccia del sistema di controllo, non l'unico sistema di controllo.

I ritardi di Siri mostrano lo stesso problema

Apple non è immune da queste difficoltà. Le funzioni promesse per una Siri più personalizzata hanno incontrato problemi ingegneristici e bug software, spingendo l'azienda a rinviare l'aggiornamento inizialmente previsto in concomitanza con iOS 18.4. 1820 In seguito Apple ha puntato a una finestra di rilascio nel 2026 per le funzioni legate ai dati personali e a un controllo più preciso delle app. 19

I ritardi hanno avuto conseguenze anche sul progetto di Apple per la casa intelligente. Secondo Bloomberg, l'azienda ha rinviato un display domestico a lungo pianificato mentre attendeva la nuova Siri, componente centrale dell'interfaccia del prodotto. 17 Altri articoli hanno collegato i rinvii alla difficoltà di supportare le nuove funzioni AI sull'hardware esistente della classe HomePod; questi dettagli, tuttavia, restano informazioni riportate da fonti esterne e non vanno considerati specifiche definitive dei prodotti. 2125

Il lancio più prudente di Apple può essere frustrante, ma mette in evidenza il livello che questi prodotti dovrebbero raggiungere prima di arrivare sul mercato: comportamento affidabile nell'uso quotidiano, tempi di risposta accettabili, messaggi chiari quando qualcosa va storto e hardware capace di sostenere l'esperienza promessa.

La lezione più ampia: una demo non è un prodotto pronto

L'AI generativa è molto efficace nel produrre frasi plausibili. Un assistente per la casa intelligente deve fare qualcosa di più rigoroso: ottenere ripetutamente il risultato fisico corretto.

La distinzione vale ben oltre luci e musica. Un assistente che gestisce calendari, acquisti, messaggi o dispositivi di sicurezza deve offrire un comportamento prevedibile e procedure alternative sicure. Quando queste protezioni mancano, gli utenti scoprono bug nelle integrazioni, routine scomparse, problemi di latenza e modalità di errore solo dopo aver pagato il prodotto.

La competizione nell'AI per la smart home, dunque, non riguarda tanto quale assistente sembri più umano. Riguarda la capacità delle aziende di combinare il linguaggio probabilistico con un'ingegneria dei sistemi deterministica. Finché questo equilibrio non sarà raggiunto, i consumatori non saranno soltanto utenti: rischieranno di diventare, di fatto, il programma di test dell'affidabilità del prodotto.