Voz y visión representa la combinación de tecnología de reconocimiento de voz y sistemas de asistencia visual. En este caso, al empleado se le proporciona información visual adicional a través de un dispositivo inteligente para apoyar el diálogo por voz. Al igual que con el enfoque pick by vision, esto puede realizarse mediante gafas inteligentes, o simplemente mediante un smartwatch o un dispositivo de pantalla adjunto al carrito de selección, por ejemplo, una tableta. Dependiendo del rango de artículos y la estructura del almacén, pick by vision aumenta la fiabilidad del proceso muchas veces, porque el usuario siempre tiene una vista completa de toda la información relevante sobre las órdenes de selección a procesar.