チャットボットは製品です。ウェブサイトの隅に現れて、何に困っているか尋ねてくる小さなウィンドウがそれです。会話AIは技術です。フォームに入力している感覚ではない会話をソフトウェアに可能にする、音声モデルと言語モデルのスタックです。現代のチャットボットの多くが会話AIの上で動くため、両者は同じ意味で使われがちですが、この技術はチャットボット以外のものも動かしています。その最大の例が、電話回線に出る音声エージェントです。
この区別は、何かを購入しようとした瞬間に実務の問題になります。顧客がウェブサイトから文字で問い合わせてくるなら、チャットボットで十分かもしれません。電話をかけてくるなら、どんなチャットボットも役に立ちません。電話に出るのは音声の問題だからです。このガイドでは境界線をきちんと引き、あなたがどちら側にいるのかを判断できるようにします。
チャットボットとは
チャットボットは、Wikipediaの定義にある通り、ユーザーとの会話をシミュレートするソフトウェアプログラムで、通常はウェブサイト、アプリ、メッセージングチャネルのテキストインターフェースを介して動きます。この発想は古く、1966年に相手の文をそのまま返すことでセラピスト役を演じたプログラムELIZAが有名な初期例です。作者の予想以上に多くの人が、本物だと信じたといいます。
チャットボットには3つの世代があり、ひとまとめにすると購入判断を誤るほど性質が異なります。
- ルールベースのチャットボットは台本に従います。「返品ポリシー」と打てばキーワードを拾って定型文を返し、それ以外を打てばメニューに引き戻します。安価で予測可能ですが、設計上かたくなです。
- AIチャットボットは自然言語理解を加えます。キーワード照合ではなく意図を分類するので、「荷物はどこ」と「注文を追跡」が同じ意図に着地します。回答は固定のライブラリから選ぶままですが、正解にたどり着く確率が大きく上がります。
- LLMベースのチャットボットは大規模言語モデルで応答を逐語生成します。想定外の言い回しにも対応でき、ヘルプセンターの内容からその場で回答を作成できます。その代わり、生成された回答が正しいままであるためのガードレールが必要です。
3世代に共通するのは製品のかたちです。チャット型インターフェースで、ほぼ常にテキストであり、2秒の間が気にならない程度に非同期です。
会話AIとは
会話AIは、機械との会話を人間らしいものにする技術の名前です。IBMの定義によれば、自然言語処理と機械学習の組み合わせにより、ソフトウェアがテキストと音声を理解し、人が実際に話すように応答できるようにするものです。
これは単体のものではなく、スタックとして考えると分かりやすいでしょう。
- 理解。 音声認識が音声をテキストに変え、言語理解がテキストを意味に変えます。使われた言葉だけでなく、その人が何を求めているかを捉えます。
- 対話管理。 ターンをまたいで文脈を追い、次に何をするかを決め、注文照会、予定確認、アカウント更新といったツールを呼び出します。
- 生成。 自然言語で応答を組み立て、音声チャネルでは音声合成モデルがそれを声にして読み上げます。
チャットボットはこのスタックをパッケージにする方法のひとつです。音声アシスタント、電話対応の音声エージェント、車載アシスタントは別の方法です。関係を一文で言えばこうなります。チャットボットはアプリケーション、会話AIはケイパビリティであり、同じケイパビリティがチャットボットを含む複数のアプリケーションに姿を現します。
チャットボットと会話AIの比較
| チャットボット | 会話AI | |
|---|---|---|
| 正体 | チャットインターフェースを持つソフトウェア製品 | 自然な会話を支える技術スタック |
| 主なチャネル | ウェブサイトやアプリのテキスト | テキスト、音声、電話、スマートデバイス |
| 応答の仕組み | 台本、意図照合、またはLLM | 理解、対話管理、生成 |
| 割り込みへの対応 | 該当なし。入力すれば答えが返る | 音声では、相手が被せて話すことに対応が必要 |
| レイテンシ予算 | 数秒かかっても許容される | 電話では1秒未満 |
| 例 | ウェブのサポートウィジェット、WhatsAppのFAQボット | 音声エージェント、SiriやAlexa、AI電話サポート |
実務でいちばん効いてくるのはレイテンシ予算の行です。3秒考えるチャットボットは、少し遅いチャットボットで済みます。3秒考える電話エージェントは、気まずい沈黙です。発信者は同じことを繰り返し始めます。
違いが現実になるのは音声の領域
テキストは寛容です。読み手は待ってくれますし、読み返しますし、裏側の仕組みには気づきません。音声は違います。音声エージェントは、電話回線越しに相手の声を聞き、意図を判断し、行動し、相手がまだ聞いている間に応答を話さなければなりません。しかも会話のリズムが保てる速さで。人は会話の中で数百ミリ秒以内に応答し合うため、機械の間はすべて耳に聞こえます。
だからこそ、「うちにはすでにチャットボットがある」では電話チャネルをカバーできません。チャットボットの仕事はウェブサイトで終わります。電話回線には、特定の種類の会話AIが必要です。ノイズの多い音声についていく音声認識、アカウントについて考えられる言語モデル、そして話しかける価値のある相手に聞こえる音声合成を、リアルタイムにストリーミングするものです。これはCartesiaが取り組んでいる問題です。Sonicはモデルレイテンシ90ミリ秒未満で音声を生成し、音声エージェントがリズムよく応答できるようにします。Managed Agentsは、聞く、考える、話すをひとつのデプロイ可能な電話エージェントにまとめます。サポートにチャットと音声のどちらを選ぶか検討しているなら、音声エージェントのガイドで音声側の仕組みを詳しく解説しています。
チャットボットで十分な場合
大きな道具を買う前に、仕事の中身に正直になりましょう。以下のすべてが成り立つなら、チャットボットで十分です。
- 質問が定型化している。 注文状況、返品期限、営業時間、パスワード再設定。決定木や、ヘルプセンターに被せたLLMの薄い層で十分捌けます。
- 誤回答のコストが低い。 間違った答えがリトライで済むなら、台本で構いません。顧客を失う場合は別です。
- 顧客がすでにサイトにいる。 ウェブの訪問者は入力を我慢できますが、電話で待たされている人は我慢できません。
- システムが行動する必要がない。 予約の変更や返金処理ではなく、回答を示すだけでよいなら、フルスタックは要りません。
この状況なら、チャットボット製品を買いましょう（Intercom、Zendeskをはじめ、優れた製品はたくさんあります）。そして浮いた予算を有意義なところに使ってください。間違った製品を売るくらいなら、私たちはそう伝える方を選びます。
会話AIが必要になる場合
会話そのものが製品になると、計算は逆転します。
- 顧客から電話がかかってくる。 緊急で、高額で、感情の絡む問題は、いまも電話に集まります。それに応えるには前述の音声スタックが必要で、ウェブサイトのチャットボットはそこまで届きません。
- システムが行動しなければならない。 アカウントの確認、配送の変更、決済の処理には、FAQの強化版ではなく、対話管理とツール利用が必要です。
- 会話が長く、枝分かれする。 ターンをまたいで文脈を保つ多段階のトラブルシューティングこそが、会話AIと台本を分かつものです。
- チャネルそのものが体験である。 クリニックの予約回線や銀行の不正利用回線は、声の質と応答速度で評価されます。テキストではなく、音声音質とレイテンシの問題です。
こうしたケースを構築するチームは、最終的に音声エージェントのプラットフォームを比較することになります。会話AIの事例ガイドでは、実際に稼働しているシステムを紹介しています。設計が課題なら、会話AIデザインが音声エージェントの形づくり方を解説し、AIコールセンターとはが、この構想を電話回線に適用した場合のコストを示します。