C’è un momento in cui stai cucinando, hai le mani sporche di farina, e il telefono ti segnala un messaggio. Sai già cosa succede: o aspetti, o lo sfiori con il gomito, o fai la cosa che tutti facciamo e lo sblocchi comunque lasciando impronte dappertutto.
Ecco, quella piccola frustrazione è esattamente il problema che la UX multimodale vuole risolvere.
Non è un concetto nuovo, ma nel 2026 ha smesso di essere roba da laboratorio e sta diventando qualcosa che un designer qualunque deve iniziare a capire. Apple Vision Pro, Rabbit R1, i nuovi sistemi di infotainment automotive: sono tutti prodotti che usano voce, gesti e in alcuni casi il solo sguardo per navigare un’interfaccia. E sono già sul mercato.
La domanda che mi faccio sempre quando arriva un trend del genere è: questo riguarda solo chi lavora su prodotti di frontiera, o cambia qualcosa anche per il resto di noi?
Cosa significa “multimodale” in pratica
Un’interfaccia multimodale è semplicemente un’interfaccia che accetta più tipi di input, voce, tocco, gesto, sguardo, testo, e li gestisce in modo coerente senza costringere l’utente a scegliere quale usare. Non è che ci sia un “modalità voce” e una “modalità touch”: il sistema capisce il contesto e si adatta.
Joe Smiley, che scrive per UX Collective e segue questi temi da anni, ha messo giù una cosa che mi è rimasta in testa: “Voice fails in noisy places. Gestures fail in low light. Screens fail when hands are busy.” Nessuna modalità funziona sempre. Il design multimodale non sceglie una vincitrice, costruisce un sistema che quando una cade, un’altra prende il posto.
Questo è molto più difficile di quanto sembri. Progettare un’interfaccia touch è già complicato. Aggiungere la voce significa pensare a come un comando vocale fallisce, a come si comunica all’utente che non è stato capito, a come si gestisce il silenzio ambientale o il rumore di fondo. Aggiungere i gesti significa capire quali gesti sono intuitivi e quali richiedono apprendimento. Tutto questo deve essere coerente.
Il cambio di mentalità che serve
La cosa che mi colpisce di più di questo trend non è la tecnologia. È che obbliga a progettare per l’intenzione dell’utente, non per il percorso che gli abbiamo tracciato noi.
Per anni il design UX si è basato su mappe del viaggio dell’utente, funnels, step sequenziali. L’utente entra da qui, fa questa cosa, poi quella, arriva là. Con la UX multimodale questo schema si incrina. Un utente che usa la voce mentre guida non segue un funnel. Ha un’intenzione specifica e vuole che il sistema la capisca il prima possibile, indipendentemente da dove si trova nel “percorso” che avevamo pensato.
Per chi lavora su app web o siti tradizionali, questo ha già implicazioni concrete. Quante volte abbiamo progettato ricerche per chi digita, senza pensare a come funzionano per chi detta? La struttura delle informazioni cambia. Le label cambiano. Anche le micro-copy cambiano, perché quello che funziona letto non è detto che funzioni ascoltato.
Da dove partire, senza un budget Apple Vision Pro
Non serve avere un budget Apple Vision Pro per cominciare a pensare in questa direzione. Basta iniziare a fare le domande giuste: il mio utente potrebbe voler usare questo prodotto con le mani occupate? In un contesto rumoroso? Senza guardare lo schermo?
Le risposte cambiano il design molto prima che arrivi un dispositivo wearable. Una navigazione più chiara verbalmente è quasi sempre una navigazione più chiara visivamente. Un’architettura dell’informazione pensata per chi non può leggere tutto in sequenza è spesso più usabile per tutti. L’accessibilità e il design multimodale si sovrappongono più di quanto sembri.
Quello che mi aspetto nei prossimi mesi è che sempre più framework di design inizino a includere linee guida per gli input vocali accanto a quelle per touch e tastiera. Non come appendice, ma come parte del sistema. Siamo ancora agli inizi, il che significa che chi inizia a ragionare in questi termini adesso ha un vantaggio non banale.
Hai già lavorato su progetti dove l’input vocale o gestuale era parte del sistema? Mi piacerebbe sapere com’è andata, soprattutto gli errori, perché quelli insegnano molto più dei successi. Scrivimi.
