Spotifyは、ユーザーが「30分のランニングに合うアップビートな曲」「先週見つけた新しいインディーズアーティストのようなもの」「このトピックを要約したエピソード」など、自然な言葉で欲しいものを尋ね、それをリアルタイムで絞り込めるチャットスタイルのアシスタントを導入しています。ホーム画面と再生中画面の両方で動作し、入力または音声のプロンプトを受け付け、リスニング履歴を活用して提案をパーソナライズします。重要なのは、キューへの追加、保存、フォロー、隣接コンテンツへの切り替えなどのアクションも実行できることです。これは、音声のみのDJやプロンプトベースのプレイリスト作成を超えたもので、音楽、ポッドキャスト、オーディオブックにまたがる会話レイヤーであり、閉じた、よく計測されたカタログに根ざしています。
重要な点は、ドメインに根ざし個人の履歴を活用することで、一般的な大規模言語モデル（LLM）を高精度な推薦インターフェースに変えることです。自由形式の生成ではなく、アシスタントはSpotifyのカタログとユーザーの埋め込みから候補を取得し、対話から得られた意図で再ランキングします。その結果、誤情報が減り、意図の把握が明確になり、すべてのフォローアップが関連性を向上させる緊密なフィードバックループが生まれます。また、欲求から行動（キュー追加、保存、フォロー）への道筋を短縮し、会話の意図を測定可能なプラットフォームイベントに変換して時間とともに定着率を高めます。
プロダクトチームにとって、これは消費者向けAIの新たな設計図です。ラベル付けされたコンテンツグラフの上に位置する検索に基づく会話で、ポリシーとレイテンシ予算により管理され、オフラインのランキング指標とオンラインの因果的効果で評価されます。投資家にとっては、平均セッション時間の拡大、新人アーティストの露出増加、カタログ利用率の向上という楔となり、これらはサブスクリプションの持続性と相関します。クリエイターや権利者にとっては、「このトラックのインスピレーションは何か」「このエピソードの後に何を再生すべきか」といった新たな発見と文脈の道を開き、適切な計測がなされれば透明な帰属とクリエイターからファンへのファネルの可能性もあります。
実行上の課題も残ります。会話の状態とリアルタイムの文脈を長期的なプロフィールと融合させつつ、フィルターバブルを増幅させないこと。安全性、ラベリング、年齢制限がモダリティを超えて信頼できること。検索と再ランキングが数百万件に及ぶ場合でも、知覚閾値以下のレイテンシを維持すること。そして評価では、エンターテインメントの逸脱（「再生を続ける」）と真の発見効果（「新アーティストの保存、カタログの探索」）を分離しなければ、チームがチャットのエンゲージメントに過剰適合し、持続的な価値を見逃す恐れがあります。それでも、製品のシグナルは明確です。LLMが信頼できるカタログに縛られ、行動を起こす力を持つとき、発見は案内された双方向の旅となります。