Il Series A di Nuance Labs finanzia la scommessa che l’AI abbia bisogno di più delle parole

Nuance Labs ha raccolto 50 milioni di dollari per realizzare un modello di AI che osserva, ascolta, parla e modifica la propria espressione durante conversazioni dal vivo. Il Series A di Nuance Labs trasforma questa proposta tecnica in una prova ben più ampia. L’azienda deve dimostrare che il comportamento espressivo rende l’AI più utile, non semplicemente più realistica.

La startup di Seattle non sta proponendo un altro volto animato collegato a un chatbot. Sostiene che un unico modello full-duplex elaborerà parole, voce, sguardo, gesti e tempistiche, producendo al contempo risposte audiovisive. Full duplex significa che entrambe le parti possono comunicare simultaneamente, comprese interruzioni e brevi segnali di ascolto.

Questo approccio mette in discussione i sistemi modulari già impiegati negli agenti vocali e negli avatar digitali. Tali sistemi spesso collegano riconoscimento vocale, modello linguistico, sintesi vocale e animazione facciale. Nuance Labs sostiene che un modello unificato possa preservare segnali conversazionali che si perdono nel passaggio tra questi componenti.

Il finanziamento dà a questa tesi un sostegno significativo. Crea però anche una tabella di marcia impegnativa, perché Nuance Labs prevede di aprire un’anteprima pubblica per la ricerca più avanti nel 2026. OpenAI, Hume AI, Tavus e altri team offrono già parti dell’esperienza che Nuance intende unificare.

Il Series A di Nuance Labs finanzia un unico modello conversazionale unificato

Il cambiamento importante non è solo il finanziamento. Nuance Labs ora dispone delle risorse per portare il proprio modello audiovisivo unificato verso test pubblici.

Lightspeed Venture Partners ha guidato il Series A da 50 milioni di dollari. Accel e South Park Commons sono tornati come investitori, mentre NVIDIA e Define Ventures hanno partecipato al round. Il finanziamento porta il totale raccolto dichiarato dall’azienda a 60 milioni di dollari, dopo un seed round da 10 milioni.

Nuance Labs ha annunciato il round il 14 settembre 2026. Il suo annuncio del Series A afferma che il denaro sosterrà lo sviluppo del modello, le assunzioni nella ricerca e un’anteprima pubblica più avanti quest’anno.

L’azienda contava 27 dipendenti quando è stato riportato il round. Prevede di assumere nelle aree di modellazione, dati, valutazione, inferenza e serving in tempo reale, secondo un dettagliato report sul finanziamento.

Queste categorie di assunzione rivelano dove si concentra la pressione tecnica. Addestrare un modello audiovisivo è solo una parte del problema. Il modello deve anche interpretare un flusso dal vivo, decidere cosa conta, generare una risposta e renderizzarla abbastanza rapidamente per una conversazione.

Anche piccoli ritardi possono cambiare la percezione di uno scambio. Una pausa può indicare riflessione in un contesto e confusione in un altro. Un’interruzione può sembrare partecipata o scortese. Una reazione facciale che arriva dopo la frase corrispondente può apparire scollegata dal suo significato.

Nuance Labs è stata fondata all’inizio del 2025 dagli ex ricercatori Apple Fangchang Ma, Edward Zhang e Karren Yang. Zhang ha conseguito un dottorato in computer grafica presso l’University of Washington. Ma e Zhang hanno lavorato in precedenza sulla tecnologia Digital Persona di Apple, che crea rappresentazioni degli utenti per la comunicazione spaziale.

Questo background aiuta a spiegare il punto di partenza dell’azienda. Nuance Labs considera volto, voce e politica conversazionale come parti dello stesso problema generativo. Non affronta l’animazione facciale come uno strato decorativo applicato dopo che una risposta è stata completata.

L’azienda descrive il proprio sistema come un foundation model per la conversazione e l’espressione umana. Afferma che il modello acquisisce segnali audiovisivi dal vivo e trasmette risposte facciali e vocali in tempo reale. L’obiettivo dichiarato è un partecipante AI che reagisca mentre una persona parla, anziché attendere una trascrizione e poi fornire una risposta conclusa.

Una dimostrazione pubblicata con l’annuncio mostrava un avatar nel ruolo di ascoltatore attivo. La sua espressione e i suoi segnali verbali di ascolto cambiavano durante il discorso dell’utente. La dimostrazione illustra l’esperienza desiderata, ma non costituisce una valutazione indipendente del modello.

Questa distinzione è importante. Una demo controllata può dimostrare che un sistema funziona. Non può dimostrare come il sistema gestisca accenti, scarsa illuminazione, voci sovrapposte, espressioni insolite, ambiguità emotiva o conversazioni prolungate.

L’anteprima pubblica per la ricerca sarà dunque più importante dell’annuncio del finanziamento. Dovrebbe rivelare se l’AI emozionale di Nuance Labs resta reattiva al di fuori di un’interazione preparata. Dovrebbe inoltre fornire le prime prove significative su affidabilità e comfort degli utenti.

Perché l’AI espressiva è diventata un obiettivo competitivo

Le aziende di AI competono per controllare il livello di interazione, dove tempi e segnali sociali possono contare quanto la qualità delle risposte.

La chat testuale ha definito il modello di base dell’AI generativa. Un utente invia un messaggio, attende e riceve una risposta completa. I sistemi vocali hanno cambiato il formato di input e output, ma molti hanno mantenuto la stessa sequenza di fondo.

Un tipico agente vocale modulare converte prima il parlato in testo. Un modello linguistico produce una risposta e un sintetizzatore vocale trasforma quella risposta in audio. Un avatar video può aggiungere un ulteriore componente che associa l’audio al movimento facciale.

Ogni passaggio può eliminare informazioni. Una trascrizione può conservare le parole perdendo esitazione, enfasi, ritmo e parlato sovrapposto. Una voce generata può ricostruire il tono senza sapere esattamente come appariva l’utente mentre parlava. Un avatar può animare la risposta senza partecipare al ragionamento che l’ha prodotta.

Nuance Labs afferma che la sua architettura unificata è progettata per evitare queste perdite. Il modello osserva più canali contemporaneamente e produce più canali insieme. In teoria, ciò permette alla risposta di riflettere non solo ciò che una persona ha detto, ma anche come si è sviluppato lo scambio.

Il momento è favorevole perché gli utenti comprendono già l’AI multimodale in tempo reale. OpenAI ha presentato GPT-4o come un unico modello addestrato su testo, visione e audio. La sua scheda di sistema GPT-4o pubblicata riportava tempi di risposta audio fino a 232 millisecondi, con una media di 320 millisecondi.

Questi dati hanno creato un chiaro punto di riferimento competitivo. Un modello specializzato non può contare sulla novità di parlare con un’AI. Deve offrire un’interazione più convincente o utile rispetto ai sistemi sostenuti da fornitori di modelli molto più grandi.

Hume AI si è concentrata sulla voce espressiva e sulla misurazione delle emozioni. Tavus ha realizzato agenti video in tempo reale che combinano percezione, gestione dei turni di parola, parlato e persone digitali animate. Synthesia e piattaforme correlate hanno reso familiari i presentatori generati nella formazione e nelle comunicazioni aziendali.

Nuance Labs si colloca tra queste categorie. La sua proposta combina la sensibilità espressiva associata ai sistemi vocali consapevoli delle emozioni e la presenza visiva associata alle piattaforme di avatar. Sostiene inoltre che sia un unico modello, anziché una pipeline, a dover governare lo scambio.

Questo rende il Series A di Nuance Labs una scommessa sull’architettura e sull’esperienza di prodotto. Se un modello unificato preserva meglio il contesto, può far sembrare i sistemi modulari assemblati meccanicamente. Se gli utenti notano poche differenze pratiche, i fornitori affermati possono continuare a migliorare i propri singoli componenti.

Le applicazioni previste alzano la posta. Nuance Labs identifica vendite, assistenza clienti, coaching professionale e istruzione come mercati potenziali. Si tratta di contesti in cui attenzione, esitazione e frustrazione possono influenzare la risposta successiva.

Un assistente alle vendite potrebbe notare che un acquirente appare incerto prima di porre un’altra domanda. Un tutor potrebbe rallentare dopo aver rilevato confusione. Un sistema di coaching potrebbe riconoscere che una risposta preparata manca di sicurezza. Un agente del servizio clienti potrebbe evitare un’espressione allegra quando chi chiama descrive un problema grave.

Questi esempi spiegano l’attrattiva dell’AI emozionale di Nuance Labs. Espongono però anche il suo onere della prova. Interpretare un segnale conversazionale non significa automaticamente comprenderne la causa.

Una persona potrebbe evitare il contatto visivo per norme culturali, disabilità, stanchezza, posizione della fotocamera o distrazione. Una voce alzata potrebbe indicare rabbia, difficoltà uditive, rumore ambientale o entusiasmo. Il modello deve evitare di trasformare segnali deboli in giudizi sicuri.

Come funziona Nuance Labs senza la consueta staffetta dell’AI

Nuance Labs scommette che il comportamento conversazionale debba emergere all’interno del modello, anziché essere assemblato dopo la risposta.

Il meccanismo centrale è l’elaborazione audiovisiva simultanea. L’azienda afferma che il suo modello vede e ascolta un utente mentre genera parlato e comportamento facciale nello stesso ciclo in tempo reale.

Questa descrizione differisce da una staffetta convenzionale. In una staffetta, un componente completa il proprio compito prima di trasmettere in avanti un risultato semplificato. Il sistema di trascrizione produce parole, il modello linguistico produce testo e il sistema di animazione produce movimento.

Un modello unificato può invece rappresentare relazioni tra questi segnali. Una pausa e uno sguardo abbassato potrebbero modificare l’interpretazione di una frase. La risposta generata può quindi coordinare parole, tono, tempistiche, sguardo ed espressione.

Ecco come funziona Nuance Labs a livello concettuale. Tuttavia, l’azienda non ha divulgato pubblicamente dettagli tecnici sufficienti per valutare in modo indipendente architettura, corpus di addestramento, risultati dei benchmark o requisiti operativi.

I suoi investitori offrono una versione più specifica della tesi. La precedente tesi di investimento seed di Accel descriveva un modello che acquisisce testo, parlato, espressione facciale e linguaggio del corpo. Affermava inoltre che Nuance comprime i video umani in token ed estende le architetture dei modelli linguistici agli input visivi e audio.

I token sono unità compatte che un modello elabora quando apprende o genera informazioni. Convertire il video in token efficienti può ridurre il carico computazionale della rappresentazione di ogni fotogramma. La parte difficile è mantenere i dettagli che definiscono un’interazione.

Se la compressione è troppo aggressiva, una breve espressione può scomparire. Se conserva troppo, il sistema diventa costoso o lento. La conversazione in tempo reale lascia poco margine per entrambi i fallimenti.

Nuance Labs deve anche decidere quando non rispondere. La conversazione naturale include cenni del capo, brevi segnali di ascolto, interruzioni e silenzio. Un agente che reagisce a ogni movimento visibile sembrerà irrequieto. Uno che attende turni chiaramente definiti può sembrare assente.

Questo rende la gestione dei turni di parola parte dell’intelligenza del modello. Il sistema deve stimare se chi parla ha concluso, si è fermato per enfasi, ha invitato una risposta o ha iniziato un nuovo pensiero. Deve aggiornare continuamente questa stima.

La generazione facciale crea un’altra dipendenza. L’espressione del modello deve allinearsi al contenuto e al tono della sua risposta. Deve inoltre restare visivamente coerente in condizioni della fotocamera variabili e durante sessioni più lunghe.

Una voce comprensiva abbinata a un sorriso immutato può peggiorare un’interazione rispetto al solo audio. Un cenno del capo nel momento sbagliato può implicare accordo con un’affermazione che il sistema dovrebbe mettere in discussione. Un output più espressivo crea più opportunità per errori sociali.

L’approccio a modello unico dell’azienda potrebbe ridurre gli errori di coordinamento perché la stessa rappresentazione appresa influenza ogni output. Tuttavia, l’integrazione non garantisce accuratezza. Un sistema unificato può anche propagare un’interpretazione errata attraverso voce, linguaggio e volto.

I costi di calcolo influenzeranno dove questa tecnologia potrà operare. L’inferenza audiovisiva in tempo reale elabora più informazioni di uno scambio testuale. L’uso commerciale richiederà latenza e capacità prevedibili durante sessioni simultanee.

La partecipazione di NVIDIA è rilevante perché il modello necessita di infrastrutture efficienti per addestramento e serving. Tuttavia, una relazione di investimento non dimostra che il sistema possa soddisfare requisiti aziendali in termini di costi o prestazioni.

L’anteprima pubblica dovrebbe chiarire se gli utenti interagiranno tramite browser, applicazione o API. Dovrebbe inoltre mostrare se gli sviluppatori possono controllare l’avatar, il comportamento conversazionale, le regole di sicurezza e i dati conservati.

Senza questi dettagli, il meccanismo resta una direzione tecnica credibile piuttosto che un vantaggio di prodotto convalidato. Il finanziamento dà a Nuance Labs il tempo di costruire. L’anteprima dovrà mostrare se l’architettura cambia davvero l’esperienza.

Il principale avversario è lo stack AI modulare

Nuance Labs deve dimostrare che un unico modello integrato produce vantaggi sufficientemente grandi da compensare la flessibilità dei componenti specializzati.

Lo stack modulare presenta debolezze evidenti, ma anche vantaggi pratici. Gli sviluppatori possono selezionare un riconoscitore vocale, un modello linguistico, un motore vocale e un fornitore di avatar in base alle proprie esigenze.

Possono sostituire un componente senza riaddestrare l’intero sistema. Possono instradare le attività semplici verso modelli più piccoli e quelle sensibili verso workflow controllati. Possono inoltre ispezionare trascrizioni e output intermedi durante il debugging dei malfunzionamenti.

Un modello unificato può rendere questi confini meno visibili. Questo potrebbe migliorare la continuità conversazionale, ma può complicare la diagnosi. Quando un avatar fornisce una risposta inappropriata, uno sviluppatore deve capire se il problema deriva dalla percezione, dal ragionamento, dalla generazione o dalle policy.

L’approccio modulare beneficia inoltre della rapida concorrenza all’interno di ciascuna categoria. I sistemi vocali continuano a migliorare nella trascrizione e nel rilevamento dei turni di parola. I modelli vocali offrono ritmi più naturali e una maggiore gamma emotiva. Le piattaforme video stanno riducendo i ritardi di rendering ampliando al contempo il controllo sugli avatar.

Nuance Labs deve quindi affrontare bersagli in movimento. Non compete con una generazione immobile di strumenti assemblati. I suoi rivali stanno già riducendo le distanze tra i componenti.

OpenAI offre il confronto generale più chiaro. GPT-4o è stato addestrato end-to-end su testo, immagini e audio, sebbene l’accesso al prodotto e le modalità di output siano variati. La sua system card ha inoltre documentato rischi relativi alla generazione vocale, all’identificazione dei parlanti, all’attribuzione di tratti sensibili e alla dipendenza emotiva.

Hume AI rappresenta un percorso più specializzato. La sua piattaforma combina interazione vocale in tempo reale e misurazione delle espressioni. Sottolinea la prosodia vocale, che comprende ritmo, tono, accento e altre qualità oltre alle parole letterali.

Tavus affronta il lato visivo con agenti video conversazionali. I suoi sistemi coordinano percezione, gestione dei turni, linguaggio e repliche digitali. Questo orientamento al prodotto offre agli sviluppatori un modo per distribuire agenti faccia a faccia senza attendere un nuovo modello fondamentale.

Nuance Labs ha bisogno di un vantaggio misurabile rispetto a ogni approccio. Un rendering facciale migliore, da solo, la porrebbe in competizione con aziende di avatar mature. Una classificazione delle emozioni migliore, da sola, la porrebbe contro fornitori di affective computing. Una migliore interazione vocale, da sola, la lascerebbe a competere con modelli audio già ampiamente distribuiti.

L’affermazione più forte dell’azienda è che queste capacità non dovrebbero essere separate. Il suo modello dovrebbe comprendere l’intero scambio e generare una presenza coordinata.

Gli investitori vedono valore in questa integrazione. Define Ventures ha indicato l’assistenza sanitaria rivolta ai pazienti come un possibile contesto. Un sistema che rileva la confusione e adatta la propria spiegazione potrebbe supportare orientamento, istruzione e comunicazioni di routine.

L’assistenza sanitaria illustra anche perché lo stack modulare resta difficile da sostituire. Le organizzazioni necessitano di controlli degli accessi, registri di audit, comportamento prevedibile e percorsi di escalation chiari. Potrebbero preferire componenti che possono monitorare singolarmente.

Lo stesso vale per il servizio clienti e le vendite. Le aziende chiederanno se gli agenti espressivi migliorino la risoluzione, la soddisfazione, la conversione o i risultati della formazione. Il solo realismo visivo non giustificherà l’adozione.

L’AI emotiva di Nuance Labs deve quindi vincere sui risultati, non sull’aspetto. Un modello unificato è prezioso solo se comprende il contesto conversazionale con maggiore accuratezza, risponde più rapidamente o richiede meno lavoro di ingegneria rispetto alle alternative disponibili.

Il Series A di Nuance Labs dà all’azienda tempo per dimostrare questi miglioramenti. Non risolve il dibattito architetturale. Lo stack modulare resta il principale avversario perché funziona già, migliora rapidamente e consente agli acquirenti di gestire ogni livello separatamente.

L’espressione umana è anche il rischio più grande del modello

Un sistema che sembra socialmente percettivo può conquistare fiducia prima di aver dimostrato accuratezza.

L’emozione non è un’etichetta nitida nascosta in un volto o in una voce. Le persone mascherano i sentimenti, recitano la cortesia, usano il sarcasmo e reagiscono in modo diverso tra culture. Lo stesso comportamento visibile può avere diversi significati.

Questo crea una distinzione fondamentale tra rilevare un segnale e dedurre uno stato mentale. Un modello potrebbe rilevare accuratamente un sorriso, una pausa o un aumento del tono. Non può presumere che un singolo segnale riveli ciò che una persona prova o intende.

La ricerca ha più volte identificato problemi di equità nel riconoscimento automatizzato delle emozioni. Un recente studio sui bias emotivi ha esaminato stereotipi legati a razza, genere e tonalità della pelle nei modelli multimodali. Questi risultati rendono particolarmente sensibili le ampie affermazioni sulla comprensione emotiva.

Nuance Labs non ha pubblicato risultati di benchmark che mostrino le prestazioni tra gruppi demografici, culture, lingue, disabilità, condizioni della videocamera o contesti conversazionali. Non ha inoltre pubblicato informazioni sufficienti sui propri metodi di valutazione.

Questa assenza non prova che il modello abbia prestazioni scarse. Significa che le affermazioni sulla comprensione delle emozioni umane restano affermazioni aziendali finché test più ampi non produrranno prove.

L’anteprima pubblica dovrebbe separare il comportamento osservabile dall’emozione inferita. Potrebbe segnalare che un utente ha fatto una pausa o ha cambiato volume senza dichiarare che la persona sia confusa, arrabbiata o ingannevole. I team di prodotto dovrebbero inoltre poter disabilitare le inferenze sensibili.

Il consenso sarà un’altra prova. Un agente audiovisivo può elaborare più informazioni personali di un chatbot testuale. Volti, voci, ambiente circostante e schemi comportamentali possono rivelare identità e contesto anche quando gli utenti evitano di condividerli esplicitamente.

Le aziende che valutano il sistema avranno bisogno di risposte chiare su archiviazione, conservazione, addestramento del modello, elaborazione biometrica e cancellazione. Gli utenti dovrebbero sapere quando l’analisi si estende oltre le parole che forniscono.

L’output espressivo introduce rischi distinti. Un volto reattivo e una voce calda possono aumentare l’antropomorfismo, che si verifica quando le persone attribuiscono qualità umane al software. Il sistema può sembrare attento anche quando la sua risposta è inaccurata.

OpenAI ha avvertito che interazioni vocali simili a quelle umane possono incoraggiare fiducia mal riposta e dipendenza emotiva. Un volto animato può intensificare questo effetto perché lo sguardo e l’espressione hanno peso sociale.

Il pericolo non si limita alla compagnia. Un agente di vendita persuasivo può usare l’esitazione visibile per adattare il proprio discorso. Un sistema di assistenza clienti può simulare preoccupazione senza avere l’autorità per risolvere il problema. Un agente di coaching può sembrare sicuro mentre interpreta erroneamente le circostanze dell’utente.

Nuance Labs dovrà definire limiti per gli impieghi ad alto rischio. Un’interfaccia espressiva non dovrebbe implicare giudizio clinico, certezza emotiva o responsabilità umana che il sistema non possiede.

Anche la sicurezza è importante. Un modello che genera voci e volti realistici crea preoccupazioni di impersonificazione. I fornitori necessitano di controlli su somiglianza, verifica dell’identità, provenienza dell’output e replica non autorizzata.

La maggiore sfida del sistema non è quindi far sembrare umano un avatar. È garantire che il comportamento umanoide non oscuri l’incertezza del modello.

Nuance Labs può rafforzare la propria posizione pubblicando protocolli di valutazione prima di una distribuzione su larga scala. Una reportistica utile includerebbe latenza in condizioni ordinarie, prestazioni nelle interruzioni, analisi degli errori demografici, comportamento di rifiuto ed esempi di fallimento.

Una demo curata mostra l’esperienza prevista. Valutazioni trasparenti mostrano se ci si può fidare dell’esperienza.

Tre segnali determineranno se la scommessa funzionerà

La fase successiva sarà decisa da prove pubbliche, non da un’altra dimostrazione rifinita di avatar.

Il primo segnale è l’anteprima pubblica di ricerca promessa per la seconda parte del 2026. L’accesso dovrebbe estendersi oltre le dimostrazioni selezionate e consentire conversazioni prolungate e non scriptate.

Gli utenti dovrebbero testare interruzioni, silenzio, rumore di fondo, variazioni di luce, più parlanti e linguaggio emotivamente ambiguo. Dovrebbero inoltre poter osservare come il modello si riprende dopo aver frainteso un segnale.

Un’anteprima con scenari limitati indebolirebbe l’affermazione centrale dell’azienda. Un’anteprima ampia che rimanga reattiva e contestualmente appropriata rafforzerebbe l’argomento del modello unificato.

Il secondo segnale è un framework di valutazione pubblicato. Nuance Labs necessita di metriche coerenti con la propria tesi di prodotto, anziché basarsi soltanto sulla qualità visiva o sui benchmark linguistici.

Queste metriche dovrebbero includere latenza di risposta, accuratezza nella gestione dei turni, sincronizzazione audiovisiva, appropriatezza dell’espressione e recupero da interpretazioni errate. La valutazione dovrebbe coprire accenti, tonalità della pelle, culture, stili di comunicazione ed esigenze di accessibilità differenti.

I ricercatori indipendenti cercheranno inoltre segnali di una gestione dell’incertezza. Un modello affidabile dovrebbe evitare etichette emotive sicure quando i segnali sono ambigui. Dovrebbe consentire agli utenti di correggere la sua interpretazione senza rendere l’interazione scomoda.

Il terzo segnale è la prova di un utilizzo continuativo in un’applicazione definita. Una piccola distribuzione nel tutoraggio, nel coaching, nel supporto clienti o nell’orientamento dei pazienti rivelerebbe più di una demo generica.

Le misure chiave dipenderanno dal contesto. Un sistema di tutoraggio potrebbe monitorare se gli studenti pongono più domande o completano le sessioni. Il servizio clienti potrebbe esaminare la qualità della risoluzione e il comportamento di escalation. Il coaching potrebbe concentrarsi sull’uso ripetuto e sulla rilevanza valutata dagli utenti.

Queste prove devono distinguere il comportamento espressivo dalla novità. Le persone spesso trascorrono più tempo con un’interfaccia sconosciuta durante i test iniziali. Il valore duraturo emerge quando ritornano dopo che l’effetto visivo è diventato familiare.

Le reazioni dei concorrenti forniranno ulteriore contesto. Se i grandi fornitori di modelli esporranno controlli audiovisivi più ricchi, gli sviluppatori potrebbero ottenere capacità simili all’interno delle piattaforme esistenti. Se le aziende di avatar adotteranno modelli di percezione più integrati, il confine che Nuance Labs vuole eliminare si restringerà.

La startup può comunque riuscire in questo contesto. I suoi fondatori portano esperienza rilevante nella ricerca e nei prodotti, e gli investitori le danno accesso a capitale, relazioni nel calcolo e reti aziendali.

Tuttavia, l’azienda necessita di un vantaggio difendibile che vada oltre l’affermare di essere più umana. Questa espressione è difficile da misurare e facile da ripetere per i concorrenti.

Il Series A di Nuance Labs è importante perché finanzia un test diretto su come dovrebbe essere costruita l’AI conversazionale. L’azienda sostiene che parole, voce, tempismo, sguardo ed espressione debbano appartenere a un unico modello. Lo stack modulare sostiene che sistemi specializzati possano offrire lo stesso risultato con un controllo maggiore.

Gli sviluppatori e gli acquirenti aziendali dovrebbero osservare l’anteprima ponendosi una domanda pratica: il modello unificato aiuta le persone a comunicare in modo più efficace, oppure rende principalmente la macchina più convincente?

Questa distinzione determinerà se l'AI espressiva diventerà un'interfaccia durevole o un'altra categoria di demo impressionanti. Quando si aprirà l'anteprima, valutate la sua incertezza con la stessa attenzione riservata alla sua personalità.