Có rất nhiều động lực tồn tại dựa trên nghiên cứu về cuộc hội thoại trực tiếp của con ngƣời trong phát triển giao diện cho agent hội thoại hiện thân. Động lực phổ biến nhất của chúng tôi phát sinh từ thực tế đó là hội thoại là một kỹ năng chính của con ngƣời, hội thoại là một kỹ năng đƣợc học từ rất sớm và từ thực tế đó cơ thể con ngƣời trở thành công cụ biểu cảm rất tốt để hỗ trợ hội thoại. Những bằng chứng đó làm chúng tôi tin rằng agent hội thoại hiện thân có thể phát triển để trở thành phƣơng thức giao tiếp mạnh mẽ của con ngƣời với máy tính. Tuy nhiên, một phần quan trọng của niệm tin này thì sự triển khai của họ phải đƣợc dựa trên nghiên cứu thực tế của hội thoại giữa con ngƣời và con ngƣời, và kiến trúc của nó phải phản ánh đƣợc bản chất thực của hội thoại đó.
Một động lực khác làm cơ sở thiết kế của kiến trúc cho agent hội thoại hiện thân dựa trên những nghiên cứu cuộc hội thoại giữa con ngƣời và con ngƣời trong thực tế, phát sinh từ một cuộc điều tra về các nhu cầu cụ thể mà không phù hợp trong giao diện hiện tại. Ví dụ, cách để làm nào cho hệ thống hội thoại có thể hoạt động tốt khi sự nhận dạng tiếng nói kém chất lƣợng, để hỗ trợ hiệu quả cộng tác giữa con ngƣời
và máy móc và giữa con ngƣời với thiết bị máy móc trung gian. Chúng ta tin rằng những agent hội thoại hiện thân nhƣ vậy sẽ thỏa mãn đầy đủ nhu cầu bởi vì các chức năng này là chính xác cho những cuộc hội thoại. Tuy nhiên, nhƣng chức năng này phải đƣợc mô hình hóa một cách cẩn thận trong giao diện.
Tính trực giác: Hội thoại thực chất là một kỹ năng của con ngƣời đƣợc học hỏi qua nhiều năm phát triển và đƣợc thực hành hàng ngày. Giao diện giao tiếp cung cấp một mô hình trực quan cho tƣơng tác, vì ngƣời dùng không cần thiết để học thêm những kỹ năng mới.
Redundancy và Modality Switching: Các giao diện hội thoại hiện thân hỗ trợ sự phong phú và bổ trợ lẫn nhau giữa chế độ đầu vào. Điều này cho phép ngƣời sử dụng và hệ thống tăng độ tin cậy khi truyền đạt thông tin trong nhiều phƣơng thức, và để tăng tính diễn cảm bằng cách sử dụng mỗi phƣơng thức cho loại biểu cảm.
Bản chất xã hội của tương tác: Cho dù máy tính có giống con ngƣời hay không thì ngƣời ta cũng gán cho chúng những thuộc tính giống với con ngƣời nhƣ sự thân thiện, hay sự cộng tác (cooperativeness) [12]. Một hiện tiếp giao diện có thể tận dụng lợi thế này và tạo ra cảm giác cuốn hút tự nhiên cho ngƣời dùng trong các cuộc hội thoại với máy tính. Nếu giao diện đƣợc thiết kế tốt để trả lời trong hội thoại thì sự tƣơng tác có thể đƣợc cải thiện.