Le interfacce vocali sono spesso presentate come una soluzione rivoluzionaria, ma per molte piccole imprese nei paesi a basso e medio reddito, queste tecnologie non mantengono le promesse. Il problema non risiede nell’interfaccia stessa, ma nella mancanza di dati linguistici di qualità che riflettano la realtà delle comunità locali.
Aimee Ansari, Chief Executive di CLEAR Global, sottolinea come la tecnologia vocale sia costruita su un divario digitale che favorisce poche lingue dominanti, escludendo miliardi di persone che parlano altre lingue. Questo divario è evidente nella disparità tra la disponibilità di dati linguistici per le lingue dominanti e quelle meno rappresentate.
La necessità di dati linguistici di qualità
I sistemi di riconoscimento vocale automatico, le tecnologie di sintesi vocale e gli assistenti vocali dipendono da vasti dataset di discorsi registrati. Questi dataset devono includere i suoni, i ritmi e i modelli di una lingua per funzionare correttamente. Tuttavia, quando i dati sono scarsi, non rappresentativi o raccolti in condizioni controllate che non riflettono il modo reale in cui le persone parlano, gli strumenti risultanti performano male.
La mancanza di dati linguistici di qualità non è un problema tecnologico, ma sociale. Storicamente, molte società sono state trascurate e oggi questa trascuratezza si riflette nella tecnologia. Ignorare la necessità di dati linguistici di qualità non fa che ampliare il divario digitale e limitare l’accesso alle opportunità.
La realtà orale delle comunità locali
Oggi si parlano circa 7.000 lingue, di cui due terzi non hanno una forma scritta. In molti paesi a basso e medio reddito, l’inglese, il francese o altre lingue coloniali sono utilizzate come mezzi di insegnamento. Tuttavia, questo non significa che la maggioranza delle persone sia a proprio agio con la lettura e la scrittura in queste lingue.
Ad esempio, in alcune parti del Mozambico, secondo il Ministero dell’Amministrazione di Stato, l’81% delle donne è analfabeta e solo il 20% comprende il portoghese. Per queste comunità, le interfacce basate su testo, spesso costruite in lingue coloniali, sono inutili. La tecnologia vocale multilingue ha il potenziale per superare le barriere linguistiche e di alfabetizzazione, permettendo agli utenti di navigare negli spazi digitali e accedere a informazioni vitali in forma audio.
La tecnologia da sola non basta
Molte organizzazioni credono che le grandi aziende tecnologiche supportino centinaia di lingue. In realtà, la tecnologia vocale di alta qualità è disponibile solo per poche lingue. Gli strumenti e i modelli vocali sono spesso progetti interessanti, ma si deteriorano rapidamente oltre le lingue che le aziende tecnologiche considerano commercialmente vantaggiose.
Anche quando la lingua ‘giusta’ è supportata, la tecnologia spesso fallisce perché:
- Ignora le varianti i modelli per il portoghese sono generalmente orientati verso le varianti europee o brasiliane e falliscono con gli utenti in Angola o Mozambico.
- Manca di diversità i dataset vocali esistenti sono spesso limitati, dominati da voci giovani, maschili e accenti urbani. Questo esclude le donne rurali che potrebbero utilizzare termini o accenti diversi.
- Non può code-switching nel mondo reale, i parlanti mescolano spesso le lingue locali con una lingua franca. La maggior parte dei modelli standard non riesce a riconoscere o riprodurre questo.
Costruire dati per il mondo reale
Per far funzionare la tecnologia vocale per una contadina in Niger o un piccolo imprenditore in Bangladesh, i dati devono riflettere le loro vite. Questo richiede un passaggio da soluzioni pronte all’uso a tecnologie su misura.
È necessario concentrarsi sulla costruzione di dati fondamentali; un repository di dataset parlati e scritti per lingue sottorappresentate. Per essere efficaci, questi dati devono:
- Includere discorsi naturali da membri della comunità di diverse età e generi per minimizzare i bias.
- Variare la qualità audio e includere rumori di fondo per riflettere le condizioni reali piuttosto che ambienti di laboratorio.
- Assicurare il consenso informato, soprattutto nelle zone di conflitto dove i dati vocali potrebbero identificare un parlante individuale.
Soprattutto, le persone che parlano queste lingue dovrebbero essere coinvolte in tutte le fasi dello sviluppo dei dati e della tecnologia. Questo significa sforzi di inclusione che vanno ben oltre la validazione delle decisioni già prese.
Coinvolgere le comunità in ogni fase, dalla definizione dei dati da raccogliere alla decisione su come addestrare e distribuire i modelli, assicura che gli strumenti risultanti siano culturalmente appropriati, praticamente utili e fidati dalle persone che li utilizzeranno.
Senza questa base, anche i progetti meglio intenzionati rischiano di ripetere schemi storici in cui istituzioni esterne hanno definito, categorizzato e controllato le lingue e le identità delle comunità marginalizzate.
Costruire funzionalità vocali di qualità non è un’opzione aggiuntiva che può essere affrettata nelle fasi finali di un progetto tecnologico. Richiede un approccio collettivo in cui organizzazioni, sviluppatori tecnologici e comunità lavorano insieme per creare prodotti coerenti e culturalmente adatti.
Non possiamo aspettare che lo strumento perfetto arrivi dalla Silicon Valley. L’impatto è determinato dall’uso, e l’accesso da solo non è sufficiente. Se vogliamo che le persone prosperino, dobbiamo smettere di costruire su fondamenta difettose e iniziare a investire in tecnologie linguistiche che rendano possibile sentirle.
