مساعد افتراضي

كان راديو ريكس أول لعبة تعمل بالصوت، وحصل على براءة اختراع في عام 1916 ^{[ 7 ]} وتم إصداره في عام 1922. ^{[ 8 ]} كانت لعبة خشبية على شكل كلب تخرج من منزلها عند مناداة اسمها.

في عام ١٩٥٢، قدمت مختبرات بيل جهاز "أودري"، وهو جهاز التعرف التلقائي على الأرقام. كان الجهاز يشغل رفًا للمرحلات بارتفاع ستة أقدام، ويستهلك طاقة كبيرة، ويحتوي على عدد كبير من الكابلات، ويعاني من مشاكل الصيانة العديدة المرتبطة بدوائر الصمامات المفرغة المعقدة. كان بإمكانه التعرف على الوحدات الأساسية للكلام، وهي الأصوات اللغوية. كانت قدرته محدودة على التعرف الدقيق على الأرقام التي ينطقها متحدثون محددون. ولذلك، كان من الممكن استخدامه للاتصال الصوتي، ولكن في معظم الحالات، كان الاتصال عبر الأزرار أرخص وأسرع من نطق الأرقام المتتالية. ^{[ ٩ ]}

ومن الأدوات المبكرة الأخرى التي تم تمكينها من إجراء التعرف على الكلام الرقمي آلة حاسبة IBM Shoebox التي تعمل بالصوت، والتي تم تقديمها للجمهور العام خلال معرض سياتل العالمي عام 1962 بعد إطلاقها الأولي في السوق عام 1961. وكان هذا الكمبيوتر المبكر، الذي تم تطويره قبل ما يقرب من 20 عامًا من طرح أول كمبيوتر شخصي من IBM في عام 1981، قادرًا على التعرف على 16 كلمة منطوقة والأرقام من 0 إلى 9.

طُوّر أول برنامج حاسوبي لمعالجة اللغة الطبيعية، أو ما يُعرف ببرنامج المحادثة الآلي "إليزا" ، على يد البروفيسور جوزيف وايزنباوم من معهد ماساتشوستس للتكنولوجيا في ستينيات القرن الماضي. وقد صُمم البرنامج "لإثبات أن التواصل بين الإنسان والآلة سطحي". ^{[ 10 ]} استخدم "إليزا" أسلوب مطابقة الأنماط واستبدالها في الردود المكتوبة مسبقًا لمحاكاة المحادثة، مما أوحى بفهم البرنامج للمحادثة.

وبحسب ما ورد، طلبت سكرتيرة وايزنباوم منه مغادرة الغرفة حتى تتمكن هي وإليزا من إجراء محادثة حقيقية. وقد فوجئ وايزنباوم بذلك، وكتب لاحقًا: "لم أكن أدرك... أن التعرض لفترات قصيرة جدًا لبرنامج حاسوبي بسيط نسبيًا يمكن أن يُحدث تفكيرًا وهميًا قويًا لدى أشخاص عاديين تمامًا." ^{[ 11 ]}

وقد أعطى هذا اسماً لتأثير إليزا ، وهو الميل إلى افتراض أن سلوكيات الكمبيوتر مماثلة للسلوكيات البشرية دون وعي؛ أي التجسيم، وهي ظاهرة موجودة في التفاعلات البشرية مع المساعدين الافتراضيين.

تحققت المرحلة التالية في تطوير تقنية التعرف على الصوت في سبعينيات القرن الماضي في جامعة كارنيجي ميلون بمدينة بيتسبرغ ، بنسلفانيا، بدعم كبير من وزارة الدفاع الأمريكية ووكالة مشاريع البحوث الدفاعية المتقدمة ( داربا) التابعة لها ، حيث مولت الوكالة برنامجًا بحثيًا لفهم الكلام لمدة خمس سنوات، بهدف الوصول إلى حد أدنى من المفردات يبلغ 1000 كلمة. وشاركت في البرنامج شركات ومؤسسات أكاديمية، من بينها شركة آي بي إم وجامعة كارنيجي ميلون ومعهد ستانفورد للأبحاث.

كانت النتيجة برنامج "هاربي"، الذي أتقن حوالي 1000 كلمة، أي ما يعادل مفردات طفل في الثالثة من عمره، وكان قادراً على فهم الجمل. كما استطاع معالجة الكلام الذي يتبع مفردات ونطق وقواعد نحوية مُبرمجة مسبقاً لتحديد تسلسلات الكلمات التي تُشكل معاً معنى، وبالتالي تقليل أخطاء التعرف على الكلام.

في عام ١٩٨٦، طُورت آلة تانغورا، وهي آلة كاتبة تتعرف على الصوت، كنسخة مطورة من آلة شوبوكس. سُميت تيمناً بأسرع كاتبة في العالم آنذاك، وكانت تحتوي على مفردات تضم ٢٠٠٠٠ كلمة، وتعتمد على التنبؤ لتحديد النتيجة الأكثر ترجيحاً بناءً على ما قيل سابقاً. اعتمد نهج شركة آي بي إم على نموذج ماركوف المخفي ، الذي يُضيف إحصاءات إلى تقنيات معالجة الإشارات الرقمية. تُمكّن هذه الطريقة من التنبؤ بالأصوات الأكثر ترجيحاً التي تلي صوتاً معيناً. مع ذلك، كان على كل متحدث تدريب الآلة الكاتبة بشكل فردي للتعرف على صوته، والتوقف بين كل كلمة وأخرى.

في عام 1983، اخترع غاس سيرسي " الخادم في صندوق "، وهو نظام تحكم صوتي إلكتروني للمنزل. ^{[ 12 ]}

في تسعينيات القرن الماضي، أصبحت تقنية التعرف الرقمي على الكلام سمةً أساسيةً في الحواسيب الشخصية، حيث تنافست شركات IBM و Philips و Lernout & Hauspie على جذب العملاء. وبعد ذلك بسنوات، وضع إطلاق أول هاتف ذكي، IBM Simon، في عام 1994، الأساس للمساعدين الافتراضيين الأذكياء كما نعرفهم اليوم.

في عام ١٩٩٧، كان برنامج NaturallySpeaking من شركة Dragon قادرًا على التعرف على الكلام البشري الطبيعي وكتابته نصيًا دون فواصل بين الكلمات، بمعدل ١٠٠ كلمة في الدقيقة. ولا يزال إصدار من برنامج NaturallySpeaking متاحًا للتنزيل، ويُستخدم حتى اليوم، على سبيل المثال، من قِبل العديد من الأطباء في الولايات المتحدة والمملكة المتحدة لتوثيق سجلاتهم الطبية.

في عام 2001، أطلقت شركة كولكويس تطبيق سمارت تشايلد رسميًا على منصات مثل AIM و MSN Messenger . ورغم أن سمارت تشايلد كان يعتمد كليًا على النصوص، إلا أنه كان قادرًا على ممارسة الألعاب، والتحقق من حالة الطقس، والبحث عن المعلومات، والتواصل مع المستخدمين إلى حد ما. ^{[ 13 ]}

كان سيري أول مساعد افتراضي رقمي حديث يُثبّت على هاتف ذكي ، وقد طُرح كميزة في هاتف آيفون 4S في 4 أكتوبر 2011. ^{[ 14 ]} طوّرت شركة آبل سيري بعد استحواذها عام 2010 على شركة سيري ، وهي شركة منبثقة عن معهد SRI الدولي ، وهو معهد بحثي تموّله وكالة مشاريع الأبحاث الدفاعية المتقدمة (DARPA) ووزارة الدفاع الأمريكية . ^{[ 15 ]} كان الهدف منه المساعدة في مهام مثل إرسال الرسائل النصية، وإجراء المكالمات الهاتفية، والتحقق من حالة الطقس، وضبط المنبه. ومع مرور الوقت، تطوّر ليقدّم توصيات للمطاعم، ويبحث في الإنترنت، ويوفّر توجيهات القيادة. ^{[ 16 ]}

في نوفمبر 2014، أعلنت أمازون عن أليكسا بالتزامن مع جهاز إيكو. ^{[ 17 ]} وفي عام 2016، أطلقت سيلزفورس نظام آينشتاين، الذي طُوّر باستخدام مجموعة من التقنيات الأساسية لمنصة سيلزفورس. ^{[ 18 ]} وفي سبتمبر 2024، استُبدل آينشتاين بنظام إيجنتفورس، وهو نظام ذكاء اصطناعي قائم على الوكلاء . ^{[ 19 ]}

في أبريل 2017، أطلقت أمازون خدمة لبناء واجهات محادثة لأي نوع من المساعدين الافتراضيين أو الواجهات.

في العقد الثالث من القرن الحادي والعشرين، اكتسبت أنظمة الذكاء الاصطناعي، مثل ChatGPT، شعبيةً واسعةً لقدرتها على توليد ردود شبيهة بالردود البشرية في المحادثات النصية. في فبراير 2020، كشفت مايكروسوفت عن نموذجها اللغوي Turing Natural Language Generation (T-NLG)، الذي كان آنذاك "أكبر نموذج لغوي نُشر على الإطلاق، إذ بلغ عدد مُعاملاته 17 مليار مُعامل". ^{[ 20 ]} في 30 نوفمبر 2022، أُطلق ChatGPT كنموذج أولي، وسرعان ما حظي باهتمام واسع النطاق بفضل ردوده المُفصّلة وإجاباته الواضحة في مختلف مجالات المعرفة. وقد أدى ظهور ChatGPT وانتشاره بين الجمهور إلى زيادة الاهتمام والمنافسة في هذا المجال. في فبراير 2023، بدأت جوجل بتقديم خدمة تجريبية تُسمى "Bard"، وهي خدمة مُستندة إلى برنامج LaMDA الخاص بها ، لتوليد ردود نصية على الأسئلة المطروحة بناءً على معلومات مُجمّعة من الإنترنت .

بينما تستطيع برامج الدردشة الآلية العامة مثل ChatGPT وغيرها، القائمة على أحدث تقنيات الذكاء الاصطناعي التوليدي ، أداء مهام متنوعة مرتبطة بالمساعدين الافتراضيين، إلا أن هناك أيضاً أشكالاً أكثر تخصصاً من هذه التقنية مصممة لتلبية احتياجات أو مواقف محددة. ^{[ 21 ] [ 4 ]}

التجارة الحوارية هي التجارة الإلكترونية عبر وسائل المراسلة المختلفة، بما في ذلك عبر المساعدين الصوتيين ^{[ 36 ]} ولكن أيضًا الدردشة المباشرة على مواقع التجارة الإلكترونية ، والدردشة المباشرة على تطبيقات المراسلة مثل WeChat وFacebook Messenger و WhatsApp ^{[ 37 ]} وبرامج الدردشة الآلية على تطبيقات المراسلة أو مواقع الويب.

يمكن للمساعد الافتراضي العمل جنبًا إلى جنب مع فريق دعم العملاء في أي شركة لتوفير دعم متواصل على مدار الساعة . فهو يوفر استجابات سريعة، مما يُحسّن تجربة العميل. وقد اعتمدت شركات الخدمات مساعدين صوتيين يعملون بالذكاء الاصطناعي لإدارة تفاعلات العملاء الروتينية، مثل حجز المواعيد وتلقي الطلبات، لا سيما لتغطية ساعات العمل الإضافية. ^{[ 38 ]} غالبًا ما تستخدم هذه التطبيقات تدريبًا متخصصًا في المجال لفهم المصطلحات الفنية ودمجها مع برامج الأعمال الحالية.

تُمكّن أمازون "مهارات" أليكسا و"إجراءات" جوجل، وهي في الأساس تطبيقات تعمل على منصات المساعد.

تنص سياسة خصوصية مساعد جوجل على أنه لا يخزن البيانات الصوتية دون إذن المستخدم، ولكنه قد يخزن نصوص المحادثات لتخصيص تجربة المستخدم. ويمكن تعطيل التخصيص من الإعدادات. إذا رغب المستخدم في أن يخزن مساعد جوجل البيانات الصوتية، فيمكنه الانتقال إلى قسم "النشاط الصوتي" (VAA) وتفعيل هذه الميزة. تُرسل الملفات الصوتية إلى السحابة وتستخدمها جوجل لتحسين أداء مساعد جوجل، ولكن فقط في حال تفعيل ميزة VAA. ^{[ 41 ]}

تنص سياسة خصوصية المساعد الافتراضي من أمازون، أليكسا، على أنها لا تستمع إلى المحادثات إلا عند استخدام كلمة التفعيل (مثل أليكسا، أمازون، إيكو). تبدأ أليكسا بتسجيل المحادثة بعد نطق كلمة التفعيل، وتتوقف عن التسجيل بعد 8 ثوانٍ من الصمت. ثم ترسل المحادثة المسجلة إلى السحابة. ويمكن حذف التسجيل من السحابة من خلال زيارة "خصوصية أليكسا" في تطبيق "أليكسا". ^{[ 42 ]}

تؤكد آبل أنها لا تسجل الصوت لتحسين سيري، بل تستخدم النصوص المكتوبة. ولا تُرسل بيانات النصوص إلا إذا اعتُبرت ضرورية للتحليل. ويمكن للمستخدمين إلغاء الاشتراك في أي وقت إذا لم يرغبوا في أن ترسل سيري النصوص إلى السحابة. ^{[ 43 ]}

كورتانا هي مساعد افتراضي يعمل بالأوامر الصوتية فقط، ويعتمد على مصادقة أحادية. ^{[ 44 ] [ 45 ] [ 46 ]} يصل هذا الجهاز المُفعّل صوتيًا إلى بيانات المستخدم لأداء مهام شائعة مثل التحقق من حالة الطقس أو إجراء المكالمات، مما يثير مخاوف تتعلق بالخصوصية نظرًا لعدم وجود مصادقة ثانوية. ^{[ 47 ] [ 48 ]}

يمكن أن تأتي القيمة المضافة للمساعدين الافتراضيين من بين أمور أخرى مما يلي:

• قد يمثل الاتصال الصوتي أحيانًا أفضل وسيلة للتواصل بين الإنسان والآلة :

1. إنه أمر مريح: فهناك بعض القطاعات التي يكون فيها الصوت هو الطريقة الوحيدة الممكنة للتواصل، وبشكل عام، يسمح بتحرير كلتا اليدين والرؤية للقيام بنشاط آخر بالتوازي، أو يساعد أيضًا الأشخاص ذوي الإعاقة.
2. إنها أسرع: فالصوت أكثر كفاءة من الكتابة على لوحة المفاتيح، إذ يمكننا التحدث بما يصل إلى 200 كلمة في الدقيقة مقابل 60 كلمة فقط عند الكتابة. كما أنها أكثر طبيعية، وبالتالي تتطلب جهدًا أقل (مع العلم أن قراءة النصوص قد تصل إلى 700 كلمة في الدقيقة). ^{[ 49 ]}

• تُوفّر المساعدات الافتراضية الكثير من الوقت من خلال الأتمتة: إذ يُمكنها حجز المواعيد، أو قراءة الأخبار بينما يقوم المستخدم بأمور أخرى. كما يُمكن أيضًا طلب جدولة الاجتماعات من المساعد الافتراضي، مما يُساعد على تنظيم الوقت. وقد أوضح مُصممو مُجدولات الوقت الرقمية الجديدة طموحهم في أن تُساعد هذه التقاويم على تنظيم حياة المستخدم لتمكينه من استخدام وقته بكفاءة أكبر، وذلك من خلال عمليات التعلّم الآلي، والتنظيم الكامل لوقت العمل ووقت الفراغ. فعلى سبيل المثال، عندما يُعرب المستخدم عن رغبته في أخذ استراحة، يقوم المساعد الافتراضي بجدولتها في الوقت الأمثل لهذا الغرض (على سبيل المثال، في وقت من الأسبوع يكون فيه أقل إنتاجية)، مع هدف إضافي طويل الأجل يتمثل في القدرة على جدولة وتنظيم وقت فراغ المستخدم، لضمان كفاءة عمله على النحو الأمثل. ^{[ 50 ]}

• بحسب دراسة حديثة (2019)، فإنّ السببين الرئيسيين لاستخدام المساعدين الافتراضيين هما الفائدة المتوقعة والمتعة المتوقعة. وتُشير النتيجة الأولى لهذه الدراسة إلى أنّ كلاً من الفائدة المتوقعة والمتعة المتوقعة لهما تأثير قوي ومتساوٍ على رغبة المستهلك في استخدام المساعد الافتراضي.
• النتيجة الثانية لهذه الدراسة هي:

1. تؤثر جودة المحتوى المقدم بشكل كبير على الفائدة المتصورة، كما تؤثر بشكل كبير على المتعة المتصورة.
2. للجاذبية البصرية تأثير قوي جداً على المتعة المتصورة.
3. للأتمتة تأثير قوي على الفائدة المتصورة. ^{[ 51 ]}

• تُساهم المساعدات الافتراضية في ظهور فقاعة التصفية : ففي وسائل التواصل الاجتماعي ، تُدرَّب خوارزميات المساعدات الافتراضية على عرض البيانات ذات الصلة وتجاهل غيرها بناءً على أنشطة المستخدم السابقة. والبيانات ذات الصلة هي تلك التي تُثير اهتمام المستخدم أو تُرضيه. ونتيجةً لذلك، ينعزل المستخدم عن البيانات التي تُخالف وجهات نظره، مما يُؤدي فعليًا إلى عزله في فقاعته الفكرية الخاصة، ويُعزز آراءه. ومن المعروف أن هذه الظاهرة تُعزز انتشار الأخبار الكاذبة وغرف الصدى. ^{[ 52 ]}
• يُنتقد المساعدون الافتراضيون أحيانًا لكونهم مُبالغًا في تقديرهم. وعلى وجه الخصوص، يشير أ. كاسيلي إلى أن الذكاء الاصطناعي للمساعدين الافتراضيين ليس ذكيًا ولا اصطناعيًا لسببين:

1. ليست ذكية لأن كل ما تفعله هو مساعدة الإنسان، وتقتصر مهامها على ما يستطيع الإنسان القيام به بسهولة، وفي نطاق محدود للغاية: البحث عن المعلومات والعروض والوثائق وتصنيفها وعرضها. كما أن المساعدين الافتراضيين غير قادرين على اتخاذ القرارات بأنفسهم أو توقع الأحداث.
2. وليست اصطناعية لأنها ستكون مستحيلة بدون تصنيف بشري من خلال العمل الدقيق . ^{[ 53 ]}

• تُثير المساعدات الافتراضية جدلاً حول الأدوار الجندرية نظرًا لاستخدامها في الغالب أصواتًا وشخصيات ذات طابع أنثوي. يرى كلٌ من ج. لينجل وك. كروفورد أن المساعدات الافتراضية تستحضر الصورة النمطية للسكرتيرة، مُجسدةً دورًا داعمًا وكفؤًا ومرؤوسًا. ^{[ 54 ]} يخدم هذا الخيار التصميمي هياكل السلطة الهرمية، مُعكسًا أولويات المصالح. تاريخيًا، مثّلت وظيفة السكرتارية نهاية المطاف للنساء، بينما استغلها الرجال للترقي الوظيفي. ^{[ 55 ]} لذا، يرتبط هذا الجدل بمخاوف أوسع نطاقًا بشأن التقليل من قيمة العمل عندما يرتبط بالعمل النسائي. ^{[ 56 ]}

في عام 2019، انتقد أنطونيو أ. كاسيلي ، عالم الاجتماع الفرنسي ، الذكاء الاصطناعي والمساعدين الافتراضيين على وجه الخصوص بالطريقة التالية:

على المستوى الأول، فإن حقيقة أن المستهلك يقدم بيانات مجانية لتدريب وتحسين المساعد الافتراضي، غالباً دون علمه، أمر مثير للقلق من الناحية الأخلاقية.

لكن على مستوى ثانٍ، قد يكون من المقلق أخلاقياً معرفة كيفية تدريب هذه الذكاءات الاصطناعية باستخدام هذه البيانات.

يتم تدريب هذا الذكاء الاصطناعي عبر الشبكات العصبية ، التي تتطلب كمية هائلة من البيانات المصنفة. ومع ذلك، تحتاج هذه البيانات إلى تصنيفها يدويًا، وهو ما يفسر ازدياد العمل المصغر في العقد الماضي. أي، الاستعانة عن بُعد بأفراد من مختلف أنحاء العالم لأداء مهام بسيطة ومتكررة مقابل بضعة سنتات، مثل الاستماع إلى بيانات صوتية للمساعدين الافتراضيين وتدوين ما قيل. وقد وُجهت انتقادات للعمل المصغر بسبب انعدام الأمان الوظيفي الذي يسببه، وغياب التنظيم التام: إذ بلغ متوسط ​​الأجر 1.38 دولارًا أمريكيًا في الساعة عام 2010، ^{[ 57 ]} ولا يوفر هذا النوع من العمل رعاية صحية أو مزايا تقاعدية أو إجازات مرضية أو حدًا أدنى للأجور . لذا، يُعد المساعدون الافتراضيون ومصمموهم مثيرين للجدل لتسببهم في انعدام الأمان الوظيفي، كما أن أنظمة الذكاء الاصطناعي التي يقترحونها لا تزال تُعتبر بشرية، إذ يستحيل وجودها بدون العمل المصغر لملايين العمال. ^{[ 53 ]}

تُثار مخاوف تتعلق بالخصوصية نظرًا لأن الأوامر الصوتية متاحة لمقدمي خدمات المساعدين الافتراضيين بصيغة غير مشفرة، ما يسمح بمشاركتها مع جهات خارجية ومعالجتها بطريقة غير مصرح بها أو غير متوقعة. ^{[ 58 ]} إضافةً إلى المحتوى اللغوي للكلام المسجل، قد تتضمن طريقة تعبير المستخدم وخصائص صوته ضمنيًا معلومات حول هويته البيومترية، وسمات شخصيته، وشكل جسمه، وحالته الصحية البدنية والنفسية، وجنسه، ونوعه الاجتماعي، وحالته المزاجية وعواطفه، ووضعه الاجتماعي والاقتصادي، وموطنه الجغرافي. ^{[ 59 ]}

تتميز معظم المساعدات الافتراضية، مثل سيري وكورتانا وأليكسا، بأصوات وشخصيات أنثوية افتراضياً، مما يُسلط الضوء على قضايا سياسات العمل في مجال السكرتارية. يُثير تأنيث هذه الأصوات مخاوف بشأن التحيزات الجندرية المتأصلة في عمل المرأة، ويُعزز فكرة تبعية المرأة عند تفاعل المستخدمين معها. وباعتبارها سكرتيرة افتراضية، ترتبط هذه المساعدات بالصور النمطية الجندرية التي تُربط السكرتيرة بصور نمطية عن العمل الخدمي الأنثوي والداعم وغير المُهدد. ^{[ 60 ]}

يلفت الباحثون الانتباه إلى الأصوات المؤنثة للمساعدين الافتراضيين، متناولين قضايا النوع الاجتماعي في التكنولوجيا. وتكتسب هذه القضية أهمية خاصة لأن التقنيات المتحيزة جنسيًا قد تُفاقم من استغلال المرأة كسلعة وتُرسخ الصور النمطية الجندرية، فضلًا عن توسيع الفجوة بين الجنسين. علاوة على ذلك، ثمة قلق من ترسيخ الخطابات المتحيزة جنسيًا، إذ يتجلى التحيز اللاواعي لدى الأطفال والبالغين في غرس مفاهيم نمطية عن المرأة. ^{[ 61 ]}

في الأجيال السابقة من المساعدين الافتراضيين القائمين على الدردشة النصية، كان المساعد يتم تمثيله غالبًا بواسطة صورة رمزية (المعروفة أيضًا باسم الشخصية التفاعلية عبر الإنترنت أو الشخصية الآلية ) - وكان هذا يُعرف باسم الوكيل المجسد .

تُعتبر التجارب الرقمية التي تُتيحها المساعدات الافتراضية من أبرز التطورات التكنولوجية الحديثة وأكثر اتجاهات المستهلكين الواعدة. ويؤكد الخبراء أن التجارب الرقمية ستكتسب مكانةً تُضاهي التجارب الواقعية، إن لم تكن أكثر طلبًا وتقديرًا. ^{[ 66 ]} ويتجلى هذا التوجه في العدد الكبير من المستخدمين الدائمين والنمو الملحوظ في أعداد مستخدمي المساعدات الرقمية الافتراضية حول العالم. ففي منتصف عام 2017، قُدّر عدد المستخدمين الدائمين للمساعدات الرقمية الافتراضية بنحو مليار مستخدم حول العالم. ^{[ 67 ]} إضافةً إلى ذلك، يُلاحظ أن تقنية المساعدات الرقمية الافتراضية لم تعد مقتصرة على تطبيقات الهواتف الذكية، بل باتت حاضرة في العديد من القطاعات الصناعية (بما في ذلك السيارات ، والاتصالات، وتجارة التجزئة ، والرعاية الصحية، والتعليم). ^{[ 68 ]} استجابةً لنفقات البحث والتطوير الكبيرة للشركات في جميع القطاعات، وتزايد استخدام الأجهزة المحمولة، من المتوقع أن ينمو سوق تقنية التعرف على الكلام بمعدل نمو سنوي مركب قدره 34.9% عالميًا خلال الفترة من 2016 إلى 2024، ليتجاوز بذلك حجم السوق العالمي 7.5 مليار دولار أمريكي بحلول عام 2024. ^{[ 68 ]} ووفقًا لدراسة أجرتها شركة أوفوم ، من المتوقع أن يتجاوز عدد الأجهزة المزودة بمساعدات رقمية أصلية عدد سكان العالم بحلول عام 2021، ليصل إلى 7.5 مليار جهاز نشط مزود بتقنية الذكاء الاصطناعي الصوتي. ^{[ 69 ]} ووفقًا لأوفوم، بحلول ذلك الوقت، "سيهيمن مساعد جوجل على سوق الأجهزة المزودة بتقنية الذكاء الاصطناعي الصوتي بحصة سوقية تبلغ 23.3%، يليه بيكسبي من سامسونج (14.5%)، ثم سيري من أبل (13.1%)، ثم أليكسا من أمازون (3.9%)، وأخيرًا كورتانا من مايكروسوفت (2.3%)." ^{[ 69 ]}

بالنظر إلى التوزيع الإقليمي للشركات الرائدة في السوق، من المتوقع أن تهيمن شركات أمريكا الشمالية (مثل Nuance Communications و IBM و eGain ) على هذا القطاع خلال السنوات القادمة، وذلك بفضل التأثير الكبير لنموذج أعمال " إحضار جهازك الخاص " (BYOD) ونماذج أعمال التنقل المؤسسي. علاوة على ذلك، من المتوقع أن يُسهم الطلب المتزايد على المنصات المدعومة بالهواتف الذكية في تعزيز نمو قطاع المساعدين الافتراضيين الأذكياء في أمريكا الشمالية. وعلى الرغم من صغر حجم سوق المساعدين الافتراضيين الأذكياء في منطقة آسيا والمحيط الهادئ مقارنةً بسوق أمريكا الشمالية، إلا أنه من المتوقع أن ينمو هذا القطاع، الذي يتركز معظم لاعبيه الرئيسيين في الهند والصين، بمعدل نمو سنوي قدره 40% (أعلى من المتوسط ​​العالمي) خلال الفترة من 2016 إلى 2024. ^{[ 68 ]}

لا ينبغي النظر إلى المساعدين الافتراضيين على أنهم مجرد أداة للأفراد، بل يمكن أن يكون لهم فائدة اقتصادية حقيقية للمؤسسات. فعلى سبيل المثال، يمكن للمساعد الافتراضي أن يؤدي دور مساعد متاح دائمًا يتمتع بمعرفة موسوعية، وقادر على تنظيم الاجتماعات، ومراجعة المخزونات، والتحقق من المعلومات. وتزداد أهمية المساعدين الافتراضيين عندما يبدأ دمجهم في المؤسسات الصغيرة والمتوسطة بخطوة أولى سهلة من خلال التوسع في استخدام إنترنت الأشياء (IoT) . في الواقع، تنظر هذه المؤسسات في البداية إلى تقنيات إنترنت الأشياء على أنها تقنيات بالغة الأهمية، ولكنها معقدة أو محفوفة بالمخاطر أو مكلفة للغاية بحيث يصعب استخدامها. ^{[ 70 ]}