音声が本格的な主要なインタラクション方式となる場合、オフィスの音響環境は慎重に設計される必要がある。
著者、出典：老班主、サイバーラストチャンス
最近WSJが報じた記事のタイトルは、「タイピングはささやきに置き換わっており、それはあなたが考えるよりもはるかに厄介だ」というものだ。
TechCrunchがこの話題を追跡した。記者のAnthony Haは短い評論を書き、冒頭でベンチャーキャピタリストの感想を引用し、現在シリコンバレーのスタートアップのオフィスを訪れるのは、高級コールセンターに足を踏み入れたような気分だと述べている。
理由は、オフィスでますます多くの人がコンピュータに向かってつぶやいているからです。
電話ではなく、会議でもなく、同僚と話すわけでもない。一人でデスクに座り、声をひそめて画面に向かって話す。時にはメールを、時にはコードを、時にはSlackのメッセージを口にする。キーボードがたまに音を立てるが、それよりも多いのは、デスクの上に漂うささやき声だ。
この画面が5年前に表示されていたら、某种精神状態の警告と見なされていたかもしれない。しかし2026年のいくつかのシリコンバレーのスタートアップでは、これが次第に一般的になり始めている。
これを推進しているのは、新しいツールの一種です。最も代表的なものはWispr Flowです。
これは従来の音声からテキストへの変換ではありません。過去の音声入力では、話した内容をそのまま文字に起こし、句読点は自分で言い、誤字が画面にあふれ、一文入力するのに修正にかかる時間がタイピングよりも長くなることがよくありました。しかし、Wispr Flowは異なります。AIが会話の文脈を理解し、「えー」「あの」などの语气詞を自動的に削除し、句読点を自動で追加します。さらに、どのアプリで話しているかに応じてフォーマットを調整します。
Gmailで話すと、整形式のメールを生成し、Slackで話すと、短いメッセージを生成します。製品資料には、VS CodeやCursorで音声でコードを入力するようなシナリオも含まれており、キャメルケースとスネークケースを区別できます。
製品資料によると、遅延は約500ミリ秒まで低減されます。公式発表では最高音声速度は約220 WPM（毎分英単語数）ですが、熟練したタイピストの一般的な速度は80〜100 WPM程度です。
重要なのは、これがシステムレベルで動作するということです。Mac、Windows、スマートフォンで利用できます。どのアプリでも、ショートカットキーを一つ押すだけで話すことができます。月額10ドル以上です。
そのため、ますます多くの人が口で物事を書くようになっています。
WSJの取材で、ユーザーの中には、ゲーム用ヘッドセットを購入してAIと話す人がいる。ゲーム用ヘッドセットのマイクは収音距離が短く、そっと声を出しても隣の人には聞こえないからだ。また、プログラム可能なフットペダルを購入し、足で一回踏むだけでWisprを起動できるようにした人もいる。さらに、デスクにイーグルネックマイクを設置し、それを口の数センチ前に曲げて、息声だけで話せるようにした人もいる。
このようなシーンを想像してみてください。オープンオフィスで、数十人がいて、それぞれの前にモニターがあり、頭にはゲーム用ヘッドセットを着け、口元にはイカダマイクを構え、みんながひそひそと囁き合っています。
確かにコールセンターのように見えます。ただ、もう少し静かです。
TechCrunchの記事では、二人の具体的な人物に言及されています。
一人はGustoの共同創業者であるエドワード・キムです。Gustoは米国で企業給与および人事SaaSを手がける企業で、規模は決して小さくありません。キムは、今はやむを得ない場合だけキーボードを打っており、それ以外の時間はすべて音声で対応していると語りました。彼はチームに、将来的なオフィスは「営業部のように聞こえる」ようになるだろうと伝えました。
しかし、キム自身も、オフィスでコンピューターに向かって話し続けるのは「少し恥ずかしい」と認めている。
もう一人はAI起業家のモリー・アンクラウト・ミューラーで、彼女は家で夜中にパソコンに向かって小さな声で働く習慣をつけていたが、そのせいで夫が耐えられなくなった。現在、彼らの深夜の作業スタイルは、二人が別々に座るか、誰かが書斎に行くようになった。
テクノロジー製品が夫婦の夜の過ごし方を変えるほど使いやすいというのは、そうあることではない。
Wisprの創設者であるタナイ・コタリは、こうした尴尬な状況にはあまり気にしていない。彼はインタビューで、これらすべてがやがて当然のものになるだろうと語った。かつては、十数年前、公共の場でスマホを眺める人を見ると、それは不作法だと感じられた。しかし今では、多くの人がそれを不思議に思わない。
コンピューターに話しかけるのも同じで、彼はただ時間がかかるだけだと思っている。
正直に言えば、彼の言うことが正しいかもしれない。しかし、その間の過渡期は非常に混乱するだろう。
一人がオープンオフィスでタイピングしていても、周囲の人は聞こえない。しかし、一人がオープンオフィスでこっそり話すと、たとえ声を最低限に抑えても、隣の人にはぼんやりと囁き声が聞こえる。一二人ならまだしも、十数人が同時に囁き始めると、その音響環境は非常に奇妙になる。
WSJの報道によると、すでに誰かが同僚がコンピューターに話しかける音を遮断するためにノイズキャンセリングヘッドフォンを着用し始めている。
このシーンを想像してみてください。Aはゲーム用ヘッドセットを着け、コンピューターに話しかけています。Bはノイズキャンセリングヘッドセットを着け、Aの声を遮断しています。二人は隣同士のデスクに座っており、お互いの耳は見えませんが、それぞれの頭には用途の異なるヘッドセットが装着されています。
これは、単なる効率ツールを超えた深いテーマに触れているからこそ、話す価値があります。
大衆コンピューティングの主流なインタラクション方式は、これまで数回の大きな波を経験してきた。グラフィカルユーザーインターフェースとマウスは、コマンドラインを一般ユーザーの背後に隠し、コードを理解しない人でもコンピューターを使えるようにした。タッチスクリーンはボタンを置き換え、iPhoneは携帯電話を一枚のガラスに変えた。インタラクション方式の每一次の変化は、「使いやすくなった」以上の意味を持ち、あなたとデバイスとの物理的な関係を変化させ、結果として周囲の人々との空間的関係も変える。
キーボードとスクリーン、そして個々の作業スペースが、静かな画面を向いて座るオフィスの姿勢を強化し、誰もが一つのスクリーンに向かい、手はキーボードに置き、互いに干渉しない。タッチスクリーンにより、人々はソファやベッド、地下鉄の中で作業できるようになり、オフィスの境界が曖昧になった。
音声が真に主流のインタラクション方式となるなら、オフィスの音響環境は慎重に設計されるべきものになるだろう。防音ブース、プライベート音声作業席、音響ゾーニングといった現在ではやや余剰に思える概念が、オフィス空間設計の標準仕様となる可能性がある。今日のオフィスに会議室が必ずあるように。
もちろん、これがすべての人が声で作業を行うことを意味するわけではありません。オフィス空間は音声入力の選択肢を備える必要があります。また、社会的なマナーも変化します。いつコンピューターに話しかけてよいのか？いつキーボード入力に戻るべきか？カフェでノートパソコンにささやくのは失礼なのか？これらの質問には現在のところ答えがありませんが、今後2〜3年で慣習が定着する可能性があります。
公共の場で電話をかけるマナーと同じです。誰かに教わったわけではありませんが、誰もが知っています。
TechCrunchの記者、アントニー・ハは記事の最後に個人的な感情を込めた一文を残した。彼はかつて自分のデスクが一時的に営業部の隣に移されたことで大きな被害を被ったため、エドワード・キムが「将来的なオフィスは営業部のようになる」と述べた際、彼の反応は「Oh no」だった。
科技記者が公式な報道で「Oh no」と書くようなトレンドは、注目すべきだろう。