定義
エージェントアシストとは、通話中の人間の担当者を支援するソフトウェアです。会話の文字起こし、回答の提案、ナレッジ記事の表示、フォームの入力を行います。顧客と話して判断するのは、引き続き人です。
エージェントアシストの仕組み
通話の音声は、通話が続いている間に音声認識システムへストリーミングされます。発信者と担当者を別々の音声チャンネルに分けておくと、誰が何を言ったかを把握しやすくなります。文字起こしは、発信者の要望を追跡するLLMに渡され、通話の進行に合わせていくつかのことが起こります。担当者の画面には、提案された返答、ナレッジ記事、ポリシーの抜粋が表示されたり、口座番号や用件などの項目が自動入力されたりします。担当者がまだ読み上げていない必須の告知を促したり、感情の変化を警告したりもできます。通話後には要約とディスポジションの下書きを作り、後処理時間を短縮します。保険の事故の連絡では、事故の初期通知（FNOL）に必要な項目を促すこともできます。
提案はあくまで助言です。担当者は読み、編集し、あるいは無視します。人が口にしない限り、顧客には何も伝わりません。
音声エージェントにとって重要な理由
エージェントアシストと音声エージェントは、音声認識、LLM、ナレッジという同じ部品を使いますが、話す主体が違います。エージェントアシストでは、声は人のもので、ソフトウェアはプロンプターです。音声エージェントでは、ソフトウェアが話し、人は最後の砦になります。この選択でリスクが変わります。画面上の誤った提案は、顧客に届く前に担当者が気づけます。音声エージェントの誤った回答は、そのまま顧客に届きます。
もうひとつの違いはタイミングです。提案は、発信者の質問から担当者の返答までの数秒の間に表示される必要があり、間に合わなければ担当者はすでに答えています。通話フローをほとんど変えずに済むため、チームはエージェントアシストから始めることが多くあります。そこで分かったよくある質問と適切な回答をもとに、音声エージェントが対応できる通話を決めます。これらの層の関係はコンタクトセンター自動化ガイドで解説しており、層の間の引き継ぎはヒューマン・イン・ザ・ループの用語で扱っています。
例
通話の例です。発信者が、注文品が破損して届いたと伝えます。文が終わって1、2秒以内に、アシスト画面に注文履歴と返品ポリシーが表示され、写真の提出を求めるよう提案されます。担当者は写真を依頼し、交換品の手配を行い、1行を直したうえで要約の下書きを承認します。