La modalità vocale è un'interfaccia conversazionale di riconoscimento vocale in cui un utente parla con un'IA e l'assistente risponde a voce. A differenza della semplice dettatura, di solito è una sessione bidirezionale che può generare trascrizioni memorizzate, cronologia delle chat e metadati come timestamp o identificatori del dispositivo. In alcuni sistemi, l'audio originale viene eliminato dopo la trascrizione, mentre il record testuale viene conservato per una revisione successiva o per migliorare il prodotto.
Nella sicurezza informatica, la modalità vocale è importante perché la conservazione modifica il profilo di rischio. I prompt vocali possono contenere dati aziendali sensibili, credenziali, dettagli personali o caratteristiche vocali biometriche. Se le trascrizioni sono ricercabili o riutilizzate per l'addestramento del modello, possono ampliare l'esposizione oltre il momento dell'acquisizione. I difensori dovrebbero considerare la modalità vocale come una funzione di governance dei dati, non solo come un'interfaccia: verificare le impostazioni di conservazione, separare il consenso per l'addestramento, limitare l'accesso alle trascrizioni e rendere facili da usare i controlli di eliminazione. Gli attaccanti possono abusare dei canali vocali per estorcere segreti o inserire contenuti dannosi, quindi le organizzazioni dovrebbero applicare la stessa cautela che usano per i registri delle chat e altri record sensibili.