Eingaben von Kommandos oder zusammenhängenden Texten sind nicht erst seit der Einführung von "Siri", "Alexa" und ihren Schwestern ein selbstverständlicher Bestandteil von Bedienkonzepten. Die Anfänge waren zum einen geprägt von unzureichender Leistungsfähigkeit der Spracherkenner, zum anderen von der gleichzeitigen Vorstellung, dass im Auto alles per Sprache bedient werden sollte. Einige grundlegende Studien aus den Anfängen der Sprachbedienung zeigen jedoch, dass es nicht sinnvoll ist, alles per Sprachkommando zu steuern. Auch wenn nicht auszuschließen ist, dass sich mit zunehmender Erkennensleistung der Systeme und verändertem Nutzerverhalten der nächsten Generation der Umfang von Sprachbedienung verändert, gelten aktuell noch eine Reihe von Erkenntnissen aus den frühen Studien. Sprachbedienung eignet sich vor allem für eindimensionale Informationen, die zudem eineindeutig sind und kein Kontextwissen über einen Systemzustand benötigen, beispielsweise die Eingabe einer Telefonnummer oder des Namens eines Teilnehmers, der angerufen werden soll bzw. die Eingabe einer Adresse in das Navigationssystem. Gar nicht geeignet sind Aktionen, die mit einem Fingertip erledigt werden können oder die zeitkritisch sind, wie beispielsweise Blinker setzen oder bremsen.
Weniger geeignet bis ungeeignet sind hingegen kurze Aktionen, die mit einer einfachen Eingabe zu erledigen sind, speziell wenn sie Kontextwissen oder Lernen durch das System erfordern. Beispiel für das Erfordernis von Kontextwissen „Fenster auf“: Wie weit soll das Fenster geöffnet werden? Wenn man in ein Parkhaus fährt und an der Schranke das Ticket ziehen will, würde „auf“ bedeuten, dass das Fenster komplett geöffnet werden soll. Auf der Autobahn bei Tempo 130 km/h und Regen würde ein menschlicher Beifahrer auf das Kommando „Fenster auf“ die Seitenscheibe vermutlich nur einen Spalt öffnen, denn er verfügt über Kontextwissen, das ihm sagt, dass in dieser Situation das komplette Öffnen des Fensters unangebracht ist.
Es ist anzunehmen, dass die Bedeutung von Sprachbedienung noch zunehmen wird, um die motorische und visuelle Ablenkung der Fahrer zu reduzieren. In welchem Umfang das geschieht, hängt von der Qualität der Spracherkenner und künftigen Nutzerbedürfnissen ab.
