OpenAI sta rendendo le risposte di ChatGPT più visive con una nuova Intelligent UI, pensata per affiancare al testo diagrammi, mappe, confronti tra prodotti, calcolatori ed elementi interattivi. L’obiettivo è aiutare gli utenti a svolgere attività per le quali una spiegazione scritta, da sola, può risultare meno efficace. Il cambiamento apre anche una discussione sulle possibilità commerciali dell’interfaccia: immagini e raccomandazioni possono diventare punti di contatto tra consumatori e marchi.
Le dimensioni di questa opportunità vanno però lette alla luce degli utilizzi effettivi. Sam Hughes, direttore della brand experience e dell’innovazione di FutureBrand, osserva che gli utenti impiegano prevalentemente ChatGPT per il testo e che, nei dati della stessa OpenAI, i messaggi multimediali rappresentano meno dell’8% del totale. Nella sua lettura, gli annunci visivi collocati nella generazione di immagini raggiungono quindi una porzione di una porzione del pubblico: uno spazio più ristretto di quanto l’evoluzione dell’interfaccia potrebbe suggerire.
Durante una presentazione alla stampa, il product manager Aarush Selvan ha illustrato la direzione del prodotto attraverso l’esempio di uno studente universitario che chiede come l’ala di un aereo generi portanza. Il chatbot produce una serie di diagrammi per spiegare come il velivolo rimanga in aria. Gli altri esempi comprendono ricette visuali, spiegazioni sulla meccanica delle biciclette, mappe per escursioni e calcolatori per il risparmio personale. Il principio espresso da Selvan è che le risposte più utili non assumono sempre la forma di un testo.
Per Hughes, il confronto tra prodotti è uno degli ambiti in cui le risposte visive possono offrire un vantaggio concreto: vedere gli oggetti rende più semplice valutarli. La sua interpretazione commerciale è tuttavia precisa: questa evoluzione potrebbe diventare soprattutto un nuovo modo di vendere spazi pubblicitari. Il paragone è con Google Ads, dove gli annunci sono stati affiancati ai risultati di ricerca e, nel tempo, la distinzione tra i due è diventata meno evidente. Nei chatbot cambia anche la forma della scelta: la ricerca propone opzioni, mentre l’AI fornisce una raccomandazione.
È su questo passaggio che Hughes concentra il tema della fiducia. Se una risposta contiene un’indicazione commerciale, l’utente deve poter continuare a considerare indipendente il consiglio ricevuto. Hughes richiama le rassicurazioni secondo cui i posizionamenti a pagamento non influenzeranno le risposte, ma collega il valore dell’intero servizio alla credibilità di quella separazione. Un’eventuale perdita di fiducia nell’indipendenza della raccomandazione, sostiene, ridurrebbe il valore dell’esperienza per tutti gli attori coinvolti.
Un’altra distinzione riguarda l’intento d’acquisto. Generare un’immagine può significare creare un meme da condividere in una chat, senza alcun interesse per un prodotto. Hughes contrappone due esempi: una tavola di ispirazione per arredare il soggiorno potrebbe offrire un’occasione a IKEA; trasformare un amico in una banana non implica invece il desiderio di vedere le promozioni di Coles. L’opportunità nasce dall’incontro tra ciò che l’utente sta cercando di fare e un’offerta pertinente.
Hughes pone inoltre una domanda sul possibile modello commerciale: l’esaurimento dei token disponibili potrebbe un giorno tradursi nell’inserimento di prodotti nelle immagini generate? Si tratta di un interrogativo formulato dall’esperto, non di una funzione annunciata. Il punto sollevato riguarda la reazione degli utenti a un’esperienza in cui il contenuto creato su richiesta incorpora anche una presenza commerciale, e il modo in cui OpenAI potrebbe sviluppare le proprie capacità visive.
Per il marketing, Hughes riporta infine l’attenzione sulla costruzione del marchio. L’AI riduce gli attriti nella scoperta dei prodotti e nelle raccomandazioni, restringendo le occasioni per lasciare un ricordo. FutureBrand parla di “meaningful friction”: momenti per i quali le persone scelgono di fermarsi, capaci di rendere un marchio memorabile e di alimentare conversazioni. Hughes lega questo lavoro alla mediazione dei modelli, che apprendono da ciò che le persone scrivono, recensiscono e consigliano: la presenza nelle conversazioni diventa così parte del rapporto tra aziende, consumatori e AI.