AIコールドコールは、見込み客に電話をかけ、応答した相手と話し、商談につながるかを判断して予約する音声エージェントです。うまく運用すれば、少人数の営業チームでも大規模な架電チーム並みの件数を扱えます。運用を誤ると電話番号の評判を落とし、相手を不快にさせ、米国ではTCPA訴訟につながることもあります。
このページでは、通話中に何をするのか、声の品質が会話の継続を左右する理由、費用、法律上の境界、Cartesiaでの構築方法を説明します。最初に立場を明示します。私たちが作るのは音声モデルとエージェント基盤であり、見込み客リストではありません。このテーマの検索上位記事は、比較記事も含め、多くが営業電話ソフトウェアの販売会社によるものです。参考にしたうえで、自分のリストで試してください。
AIは営業電話で何をするのか
1回の通話は、次の流れで進みます。
- 発信する。 通信事業者と法律が認める速度で、複数の電話番号から発信します。
- 応答を分類する。 留守番電話検出で、人の挨拶と録音された案内を区別します。多くのキャンペーンは留守番電話を切るか、短いメッセージを残して次に進みます。
- 用件を伝える。 誰が、何のために、誰を代表してかけているかを説明します。相手は通常、数秒でこの内容を判断します。
- 見込み度を判断する。 役割、予定、現在の環境を質問し、自社の営業で「商談に値する」とする基準に照らして評価します。
- 断り文句に対応する。 「すでに取引先がある」「メールを送って」「忙しい」といったよくある返答には台本で対応し、それ以外は人に引き継ぎます。
- 予約または記録する。 条件に合う相手には通話中にカレンダー招待を送り、それ以外は文字起こしと結果をCRMに残します。
この名称で販売される製品は2種類に分かれます。混同すると、製品比較の大半が分かりにくくなります。
| 種類 | 通話する人 | ソフトウェアの役割 |
|---|---|---|
| 自律型音声エージェント | 人の担当者はいない | 発信、会話、見込み度の判断、予約 |
| AI支援ダイヤラー | 営業担当者 | 並列発信、台本や断り文句の提示、記録 |
このページで扱うのは前者です。すべての通話に営業担当者が残るなら、必要なのは音声エージェントではなくパワーダイヤラーです。現在はほぼすべての営業ツール会社が提供しています。
通話の品質が成果を左右する理由
相手はロボットだと気づくと、ほぼ同時に電話を切ります。機械だと気づかせる要因は2つあります。
1つ目は遅延です。人間同士はおよそ200ミリ秒で発話を交代します。応答時間の配分については音声エージェントの概要で説明しています。「もしもし？」に1.5秒もかけて返すと、機械だと分かります。音声合成モデルSonicは90ミリ秒未満のモデル遅延で生成中の音声を順次配信するため、音声生成は通常、全体の時間配分の中で最も小さな部分です。VoiceArenaとArtificial Analysisのブラインド試聴でも1位にランクされています。
2つ目は割り込みへの対応です。実際の相手は冒頭の説明にかぶせて話し、文の途中で話題を変え、まだ聞いていない質問に答えます。それでも話し続けるエージェントは、録音を流す自動電話のように聞こえます。ストリーミング音声認識モデルInkのターン検出は、このために設計されています。相手が話し終えたときと割り込んだときを知らせ、エージェントが発話を譲れるようにします。
地味な部分も重要です。営業電話では電話番号、日付、会社名、価格を読み上げます。「+1 415」や「Q3」でつまずくと、すぐ機械だと分かります。Sonicは難しい頭字語、略語、数字を安定して読み上げるように設計されています。これはオーディオブック以上に営業電話で重要です。
購入するか、自分で構築するか
このテーマの検索結果には、販売会社が書いた「おすすめAI営業電話ソフト」の記事が並びます。その背後には、異なる2つの購入方法があります。
- 完成済みのプラットフォームを使う。 Bland、Synthflow、Vapi、Autocallsなどです。見込み客リストをアップロードして台本を書けば、その週からキャンペーンを始められます。電話とモデルをまとめた分単位料金が一般的です。電話基盤を自分で管理したくないなら、この方法が合っています。
- 音声プラットフォーム上で構築する。 通話ロジックがCRM、業界特化型SaaS、顧客が設定するエージェント基盤など、自社製品の一部である場合に向きます。パッケージ製品ではできないデータ、通話ロジック、コンプライアンス手順の管理が必要な場合も同様です。
どちらも内部では音声モデルを使います。GTMエージェント基盤のThoughtlyは、標準でCartesiaの音声を使用しています。AI SDRを開発する11xもCartesiaと提携しています。発信業務は営業以外にも広がっています。SuperDialは医療事務の電話を自動化しています。相手の薬局が電話を依頼していなくても、想定される正当な業務連絡です。
Cartesiaで構築する方法
すぐに始めるならManaged Agents
Managed Agentsは、音声エージェントを構築・デプロイする基盤です。Playgroundでシステムプロンプト、声、予約などのツールを設定し、電話番号を割り当て、発信APIで電話をかけます。1回のリクエストで複数の発信を指定できます。
requests.post(
"https://api.cartesia.ai/agents/calls",
headers={"X-API-Key": CARTESIA_API_KEY, "Cartesia-Version": "2026-08-14"},
json={
"agent_id": "agent_...",
"outbound_calls": [
{
"to_number": "+14155559876",
"from_number_id": "ap_...",
"ringing_timeout_seconds": 30,
"dynamic_variables": {"customer_name": "Jordan"},
}
],
},
)各項目は指定先に発信し、ringing_timeout_seconds（5〜80秒）で応答を待つのをやめます。結果の確認に使うagent_call_idが返ります。dynamic_variablesで会話を個別化すれば、定型文を読む代わりにJordanの名前で挨拶できます。Cartesiaの番号は1秒あたり最大1件の発信に対応し、それより速いリクエストは待ち行列に入ります。
細かく制御するならAPIを組み合わせる
会話の処理を自分で管理したい場合は、個別に組み合わせます。Sonicがエージェントの音声を配信し、Inkが相手の発話を文字起こししてターンを検出します。LLMが返答と呼び出すツールを決め、電話プロバイダーやSIPトランクが音声を運びます。音声エージェントの概要では、この流れと各段階の遅延を説明しています。制御できる範囲が広がる分、運用する部分も増えます。その違い自体が製品の価値になる場合に選んでください。
どちらの方法でも、実際の通話の評価方法に合わせてテストします。小規模なリストで試し、人につながった割合、完了した会話、予約された商談を測定し、自分でも録音の一部を聴いてください。正確な文字起こしは、言葉を正しく記録できたことを示します。相手が電話を切らずに聞いたかどうかまでは分かりません。
省略できない同意のルール
米国では、消費者への電話は電話消費者保護法（TCPA）の対象です。FCCは2024年2月、「人間のように聞こえるAIならよい」という解釈の余地を閉じました。宣言的裁定で、AI生成音声の通話はTCPAの「人工音声」に当たると確認しました。実務上は次の点が重要です。
- 消費者への電話には事前の明示的な同意が必要で、消費者向けテレマーケティングには事前の明示的な書面による同意が必要です。
- 人工音声や録音音声のメッセージは、誰を代表して電話しているかを明示する必要があります。
- テレマーケティングの電話には拒否する手段を用意し、その意思を尊重する必要があります。
- 州司法長官は直接執行でき、消費者は訴訟を起こせます。
有線の事業者向け回線は扱いが異なり、州独自の架電・録音ルールが加わる場合もあります。同意と説明の要件は、多くの営業電話担当者が想定するより広く及びます。このページは法律上の助言ではありません。大量に発信する前に弁護士の確認を受け、適用されるDo Not Call登録簿の義務も確認してください。この基盤で構築するものには、当社の利用許諾ポリシーが適用されます。
同意していない人への電話が前提でしか成り立たない計画なら、それは成長施策ではありません。手間をかけて罰金に近づいているだけです。
次に進むには
- Managed Agentsでエージェントを作り、テスト通話を行ってから発信機能を接続します。
- SonicとInkでモデルを比較し、料金を確認します。
- 同じ構成の着信側については、AI受付ガイドとAIコールセンターの試験導入ガイドを参照してください。