サンフランシスコ行きの飛行機の中にいる。結局、人生で一番遅いインターネット回線を買うことになった（まあ、ちゃんとした理由があってのことだが）、それまでの数時間はいつも飛行機に乗るときと同じようにネットなしで過ごしていた。

普段はしばらくネットから離れていても気にならない。集中したり、コードを書いたり、こうしてブログ記事を書いたりするいい時間になる。ただ、ネットがないときに一番困るのは、FacebookでもTwitterでもGitHubでもなく、テキストメッセージが使えないことだ。

今やテキストメッセージは僕の生活に欠かせないものになっている。おそらく一番の注意散漫の原因でもある。家族とのやり取りに使うし、違う階にいる家族への連絡にも使う。友人との食事や旅行の計画もメッセージで立てる。水道屋や医者とのやり取りさえメッセージで済ませている。

メッセージがなくなることは明らかにない。だからこそ、もっと良くなる必要がある。僕もメッセージアプリにまつわることをよく考える。以下は、このテーマについて何度も頭に浮かぶ3つの考えだ。

1. アメリカではWhatsAppが使われていない

ヨーロッパで僕らのコミュニケーションのあり方を最も大きく変えているソーシャルネットワークが何か知っているだろうか。WhatsAppだ。完全に標準になっていて、驚くほど多くの人が使っているから、「WhatsAppグループ」が人々のコミュニケーションを変えている。学校のクラスごとにグループがあり、子ども用と親用がそれぞれある。家族のグループ、友人同士のグループもある。娘の幼稚園のグループでは、先生が時々子どもたちが活動している写真を投稿してくれる。

WhatsAppは現代生活の大きな悩みの種でもある。どのグループもひっきりなしに鳴り続ける。ただ、社会に対してやっていることはすごい。本当に、すべての人をつなげているのだ。この魔法が成り立つのは、ここイタリアや他の多くのEU諸国では、WhatsAppが“標準”だからだ。誰もが使っていることが前提になっている。

ほとんどのソーシャルアプリが生まれ、資金を集めているアメリカで、こういうことが起きていないのは、僕にはかなり驚きだ。アメリカにもAndroidとiOSの両方のスマホがあるのに、何がそれを妨げているのだろう。僕の予想では、単なる時間の問題で、向こうでもいずれ統一されたメッセージングのプラットフォームが生まれるはずだ。

なぜ音声認識はもっと使われないのか

リアルなキーボードで素早く文字を打てる人にとって、スマホのソフトウェアキーボードほどイライラするものはない。同じように、ティーンエイジャーを除けば、多くの人がスマホのキーボードで長いテキストメッセージを打つのに苦労している。

一方で、Googleのサーバーに支えられたAndroidの音声認識は、ほとんど間違えなくなったところまで来ている。なのに、なぜ毎日使う人はごくわずかなのだろう。僕の考えでは、音声認識を起動して使うためのUIがひどすぎて、それが普及の最大の障壁になっている。

まず、どうやって起動するのかを探さなければならないが、キーボード上で目立つボタンになっていないことが多い。次に、遅延があって、ビープ音が鳴ってから聞き取りが始まる。どうやって止めるのかもはっきりしない。周りがうるさいときはなおさらだ。全体として、サーバーの遅延に苦しめられているような印象になる。でも、声は声だ。遅延や不明瞭な操作感があると、スマホに話しかけるという最大の利点が台無しになってしまう。本来は「話している間ボタンを押す」だけでいいはずだ。ボタンを押した瞬間に録音が始まり、裏側で非同期にサーバーへ接続する。テキストが返ってきたら順次表示される。ボタンを離せば音声入力は終わり。それだけのシンプルな話だ。最後に、こうして入力された単語はテキストエリア内で少し違う色（例えば別のグレー）で表示して、間違いがあれば単語をタップして候補を選べるようにすればいい。

お願いだからGoogle、なんとかしてくれ。iOSではもっとマシなのかどうかはわからない。もうしばらく使っていないので。

テキストメッセージの自動文字起こし

スマホのキーボードがあれだけ使いにくいので、特にWhatsAppではボイスメッセージを使う人がどんどん増えている。送る側にとっては「押して話す」という操作ができて、音声をテキストに変換する機能にはない手軽さがあるのでとても便利だ。ただ、受け取る側にとっては必ずしも便利ではない。音声を聞き取りにくい環境にいることもあるからだ。

ただ、この点でうまくいきそうな方法が一つある。WhatsApp（でも何でもいい）のサーバー側で、メッセージを自動的にテキストに変換してしまえばいい。そうすれば、ユーザーは音声を再生することも、テキストが十分はっきりしていれば読むだけで済ませることもできる。特定の単語に不確かな部分があれば、何らかの形でハイライトして、聞き直した方がいいことを示せばいい。そうすれば95%のメッセージは、読むだけで内容がすぐにわかるようになるはずだ。

こうすれば、書く側（というか、話す側）にも、受け取る側にも、摩擦のない機能になる。

TLDR: メッセージは至るところにある。もっと良くしよう。