Это модальная ошибка по определению. Пользователь выполняет один и тот же жест, но иногда получает один, а иногда — другой результат, потому что не осознаёт состояние интерфейса (активное окно).

Я не знаю, как радикально решить эту проблему. Кажется, в оконном интерфейсе подобная модальность неизбежна: ты смотришь на одно окно, и думаешь, что команда будет отправлена в него, но в системе активно другое, и команду получает оно.

Вероятно, когда Фейс-айди дойдёт до Мака, можно будет использовать информацию о том, куда смотрит человек. Думаю, Эплы уже давно тестируют что-нибудь такое.