投稿者 投稿日: カテゴリー AIニュース
音声AIは「聞きながら話す」全二重モデルでマイルストーンに達したものの、ChatGPTのような転換点にはまだ届いていません。TechCrunchが2026年10月11日に伝えた、PolyAIとOtterの幹部の見立てです。
本記事は、EC支援19年・5,000社超の実績を持ち、AI導入支援は2023年から提供する株式会社オルセル（うるチカラ運営）が解説します。電話やチャットの問い合わせ対応、ライブ配信の接客、会議の議事録など、音声AIはEC事業者の現場にも近づいています。ただ、毎週のように「人間のように話す」と謳うモデルが発表されるなかで、導入側が見るべき基準は何なのでしょうか。
何が語られたか：全二重は到達点、次は速度と文脈
TechCrunchによると、企業向け音声AIプラットフォームPolyAIのCTOであるShawn Wenと、議事録ツールOtterのCMOであるAlex Gayが、HumanXカンファレンスで音声AIの現状を語りました。TechCrunchは、投資家が音声AIスタートアップに数十億ドル規模を投じていると伝えています。
Wenは、聞きながら話せる全二重（フルデュプレックス）モデルの開発が「マイルストーン」に達したと述べました。全二重とは、相手の話を聞きながら同時に話せる方式のことで、相づちや割り込みが自然になります。そのうえで次の課題は、推論を非常に高速にして会話の自然さを出すことだとしています。カスタマーサービスのAIエージェントがロボットのように聞こえてはならない、というのがWenの立場です。
壁1：文字起こしの取りこぼしが後工程を壊す
Wenは、音声認識（ASR）モデルが重要なキーワードを取りこぼしやすく、それが文脈の把握を損なうと指摘しました。TechCrunchのメタ概要も、音声AIは文脈の層で重要な点を落とし、パイプライン全体を壊すことがあると要約しています。
Gayも同じ問題意識を示しました。文字起こしは終点ではなく生産性向上の土台であり、ASRの精度が低いと、その後のアクションがすべて誤りになって信頼を失うという趣旨です。EC事業者に置き換えると、注文番号、商品名、住所、型番といった固有名詞が1か所聞き違っただけで、返金処理や配送手配が誤った方向に進む、ということです。音声AIの比較では、デモの自然さよりも、固有名詞と数字の認識精度を先に確認するべきです。
壁2：AIと話していることを伝えるかどうか
Wenは、企業の通話ではAIと話していることを相手に明示することが重要だと述べています。Gayの側も、ボットを会議に参加させない場合でも、チャットで全員に録音中であることを通知する方法を検討していると話しました。Otterはデジタルツイン、つまり会議で本人の代わりに参加する仕組みも開発中で、その出力音声には人間のような感情表現が必要だと語っています。
人間らしさを高める開発と、AIであることを明示する運用は、両立させる必要があります。日本でも、通話録音の告知や個人情報の取り扱いは顧客の信頼に直結します。問い合わせ窓口に音声AIを入れる場合は、冒頭でAIが応対していること、録音の有無、人間に代われることを案内する設計が、クレームを防ぐ基本になります。
壁3：最初の2〜3ターンで信頼を得られるか
Wenは、利用者は最初の2〜3回のやり取りで自信を持ち始め、問題を解決できると分かれば人間に話す必要がないと感じるようになる、との見方を示しました。裏を返せば、最初の数ターンで聞き返しや的外れな返答が続けば、利用者は人間のオペレーターを求めるということです。
参考までに、PolyAIは自社サイトで、大規模導入では通話の90%が人間を介さず解決し、音声から音声までの応答時間は300ミリ秒未満だと公表しています。Otterも、利用者が週4時間以上を節約したと自社ページで述べています。いずれも各社の発表値であり、第三者による検証は確認できていないため、数字は要確認として扱ってください。
日本のEC事業者はどう評価すべきか
セール期の電話問い合わせ、配送状況の確認、返品受付は、楽天市場、Amazon、Shopifyなどで運営する事業者の多くが人手を取られる領域です。音声AIの導入を検討するなら、最初に自社の問い合わせ上位5項目を洗い出し、それぞれで固有名詞と数字の聞き取りが正確かをテスト通話で確認してください。次に、人間へ引き継ぐ条件を決めます。返金や住所変更など取り消しにくい操作は、最後の確認を人が行う設計が安全です。
導入の効果は、自己解決率、平均通話時間、人への引き継ぎ率、顧客満足度の4つで測れます。たとえば月に3,000件の電話があり、自己解決率が30%なら900件がAIで完結します。ここに1件あたりの対応時間を掛ければ、削減できる工数の目安になります。この試算は一例であり、実際の数字は自社の通話データで確認してください。
今後の展望：自然さの競争から、正確さと説明責任の競争へ
全二重と高速な推論が出そろうと、聞こえ方の差は縮まっていくと考えられます。そのとき差がつくのは、固有名詞の認識精度、社内システムとの連携、AIであることの明示、そして誤りが起きたときの追跡のしやすさでしょう。これは筆者の見立てであり、両社の公式見解ではありません。
まとめ
音声AIは全二重で大きな節目を越えましたが、転換点にはまだ届いていないというのが今回の論点です。EC事業者は、デモの滑らかさではなく、固有名詞の認識精度、AIである旨の明示、人への引き継ぎ条件の3点で評価すると、導入後の失敗を減らせます。
参考文献
- TechCrunch: These execs think voice AI hasn’t reached its ChatGPT moment yet
- PolyAI 公式サイト
- Otter 公式サイト
※うるチカラでは、生成AIの導入支援から運用最適化まで、貴社のEC事業に合わせたカスタマイズ提案を行っています。無料相談（30分）も実施中ですので、お気軽にお問い合わせください。
https://uruchikara.jp/contact/
引用元: TechCrunch
【監修】齋藤竹紘（株式会社オルセル代表 / 19年・5,000社のEC支援実績）
株式会社オルセル代表取締役 / うるチカラ編集長。19年・5,000社以上のEC支援実績を持ち、楽天市場・Amazon・Yahoo!ショッピング・Shopify・Shopee越境ECの実装ノウハウを保有。AI×ECに関する書籍を3冊執筆。「現場で使えるAI実装」を一次情報として発信しています。
この記事を読んだ人は、こんな記事も読んでいます
