会話型AIとは、やりとりを重ねながら用件を片づけるソフトウェアです。事例の一覧はたいていSiri、Alexa、ウェブサイトのチャットで終わります。どれも本物の事例ですが、自社の電話窓口にエージェントを置くべきか考えている人には、あまり参考になりません。知りたいのは、誰が本番で動かしているのか、何を任せているのか、稼働後に何が変わったのか、のはずです。
ここではその問いに答える12件の導入事例を紹介します。どれもCartesiaの音声モデルで動いています。数字まで示せるのがその事例だからです。各社の詳しいカスタマーストーリーへのリンクも付けました。個々の事例よりも共通するパターンのほうが重要なので、最後に短くまとめています。
12の事例のまとめ
| 企業 | 会話型AIの役割 | 変わったこと |
|---|---|---|
| Lorikeet | 規制業種のサポート電話を解決する | 危機対応の9日間で2万1,000件超、稼働率100% |
| Replicant | Fanaticsなどのコンタクトセンターの電話に応答する | 電話に即応。数週間で自己解決率が向上 |
| Assort Health | 患者の予約を取り、変更する | 予約7%増、待ち時間89%減 |
| SuperDial | 保険会社に電話して給付確認や請求状況を問い合わせる | 請求チームの生産性4倍 |
| Arini | 歯科医院の電話に応答する | 以前の提供元より2倍以上速い応答 |
| EliseAI | 内見の予約と入居者の対応 | 地域ごとの声のテストで内見成約が5.3%向上 |
| Fundamento | 申込の途中で止まったローン申込者に電話する | 離脱者の42%が戻って申込を完了 |
| 2X Solutions | 見込み客の多い企業の営業電話を発信・受信する | 放棄呼が1.25%未満。法定上限3%を大きく下回る |
| Thoughtly | CRMから直接見込み客に電話し、選別する | 通話中のエンドツーエンド遅延が200ms未満 |
| Bolna | インドの諸言語でサポートと営業の電話を担う | 1日50万件超。遅延対応のエンジニアリング時間を約40%削減 |
| Tavus | ライブで会話する動画アバター | エンドツーエンドで1秒未満 |
| Ego | 話しかけられるゲームキャラクター | Valheim のMODで話すNPCと仲間 |
カスタマーサポート
Lorikeet：1日で立ち上げた危機対応ライン。 Lorikeetは、金融、医療、保険、旅行などの規制業種向けにサポートエージェントを提供しています。30万世帯以上のSNAP食料支援が突然GiveCardに移されたとき、電話は一夜にして急増しました。Lorikeetは24時間以内に音声エージェントを稼働させました。最初の9日間で2万1,000件以上、ピーク時には数百件を同時に、英語、スペイン語、中国語で受け、稼働率は100%でした。エージェントは本人確認をし、カードのトラブルを一緒に解決しました。冒頭でAIだと名乗っていたにもかかわらず、多くの人がエージェントにお礼を言い、「良い一日を」と言って電話を切りました。
教訓は、エージェントが賢かったということではありません。仕事の範囲が狭く（カードのトラブル）、必要なデータを参照でき（口座照会）、ストレスを抱えた人が電話を切らずにいられるほど声が落ち着いていた、ということです。
Replicant：コンタクトセンターの大量の中間層。 ReplicantはDoorDash、AAA、Fanaticsなどの企業向けに顧客との会話を自動化しています。Fanaticsでは、人員を増やさずに季節ごとの電話の急増を吸収することがその役割です。切り替え後、電話には即座に応答し、人のチームは判断が必要な電話に時間を使えるようになりました。Replicantは稼働率99.99%を報告しています。それが必要な理由もはっきりしています。悪天候でロードサービスの回線に電話が殺到したとき、負荷で遅くなるエージェントは、エージェントがいないより悪いからです。
まずサポートから始めるなら、コンタクトセンター自動化ガイドでどの電話から任せるかの選び方を説明しています。
医療
Assort Health：専門クリニックの予約対応。 Assortのエージェントは140以上のクリニックで患者からの電話に応答し、これまでに500万件以上のやりとりを処理しています。電子カルテと直接連携して、予約、変更、医院についての質問に答えます。予約は7%増え、運営コストは63%減り、患者の待ち時間は89%短くなりました。難しかったのは、電話の音声で、何千ものエッジケースにわたって、日付、住所、保険プラン、薬の名前を毎回正しく扱うことでした。
SuperDial：患者からは見えない電話。 クリニックの電話時間の多くは、スタッフが保険会社の保留音を聞いている時間です。SuperDialのエージェントがその電話をかけます。保険会社の自動音声をたどり、保留で待ち、保険会社の担当者と給付の確認や請求の催促をします。請求チームの仕事量は4倍になりました。
Arini：歯科医院の受付。 Ariniは歯科医院の電話に24時間応答し、予約を取り、保険や支払いの質問に英語とスペイン語で答えます。共同創業者は率直に言っています。取りこぼした電話1本が、医院にとって5,000ドル以上の損失になりうる、と。遅れが少しでもあれば患者が電話を切る確率が上がります。Ariniが2倍以上速く応答する提供元に切り替えたのはそのためです。
臨床との線引き、HIPAA、パイロットの指標については医療の会話型AIで詳しく扱っています。
住宅
EliseAI：米国の集合住宅の6戸に1戸。 米国の集合住宅の約6戸に1戸がEliseAIを使っています。エージェントは内見の予約、修理依頼の受付、契約更新、入居資格や再認定の手続きの案内まで、月500万件以上の音声通話を担っています。多言語の声によって、手頃な価格の住宅に住む人たちにも、営業時間外に自分の言葉で対応できます。
このリストの中で、会話型AIをどう検証するかを最もよく示しているのがEliseAIです。新しい声はすべて4つの関門を通ります。公開ベンチマーク、人の評価者によるブラインドA/Bテスト、実際の成果で測る本番1%のロールアウト、そして通話サンプルの目視監査です。地域ごとの声（イリノイでは中西部の声、テキサスでは南部の声）を試したところ、内見の成約は5.3%、エンゲージメントは7.8%上がり、電話をかけた人が話す単語数は15.8%増えました。これは見た目以上に大事な数字です。たくさん話してくれる人ほど、エージェントが手がかりにできる情報が増えるからです。
融資と金融サービス
Fundamento：止まったローン申込を救う。 FundamentoはHero FinCorp、IIFL、ICICI Prudentialなどインドの貸し手や保険会社向けに音声エージェントを運用し、月2,000万件以上の発信を行っています。Hero FinCorpでは、オンラインのローン申込の途中で5分以上操作が止まった人にエージェントが電話をかけます。止まる理由の多くは、フォームが英語で、それが母語ではないことです。エージェントはその人の言語で問題を聞き出し、手続きに戻れるよう案内します。こうして離脱した申込者の42%が戻り、申込を完了しました。
銀行には独自のルールがあります。口座情報を出す前の本人確認、カード番号をモデルに渡さないこと、取り立て電話の頻度制限などです。銀行の会話型AIでひとつずつ説明しています。
営業と発信
2X Solutions：コンプライアンスは遅延の問題。 米国ではFCCのテレマーケティング規則（47 CFR 64.1200）により、相手が「もしもし」と言い終えてから2秒以内につながらない発信は放棄呼とみなされ、放棄呼は30日間のキャンペーンで3%までに制限されています。2Xが以前使っていた音声の提供元は話し始めるまでに500〜900msかかり、ほかの処理を足すとその2秒の大部分を使ってしまっていました。切り替え後、放棄呼の割合は月約300万件の発信で1.25%未満に下がりました。
Thoughtly：CRMに声を。 ThoughtlyはSalesforceやHubSpotと連携し、Coldwell BankerやFarmers Insuranceを含む1,000以上のチームのために、見込み客への電話、選別、振り分けを行います。ライブ通話はエンドツーエンドで200ms未満で動き、営業デモ用にブランドの声を20〜30秒の音声からクローンできます。発信では最初の2秒ですべてが決まります。だからこの2つの事例は、実のところ遅延の話です。
発信が主な用途なら、誰かに電話をかける前にAIによるコールドコールを読んでください。AI音声の同意ルールは、多くのチームが思っているより厳格です。
多言語をひとつのエージェントで
Bolna：インド全域の音声エージェント。 Bolnaのプラットフォームは、ヒンディー語、タミル語、テルグ語などインドの諸言語でエージェントを展開する企業のために、1日50万件以上の電話を処理しています。電話をかける人は文の途中でヒンディー語から英語に切り替え、注文番号や英数字を読み上げます。それが電話越しに正しく出なければなりません。言語の品質が上がったことで、Bolnaの顧客は新しい地域に進出でき、遅延や品質の修正に費やしていたエンジニアリング時間は約40%減りました。インドの公用語は22あり、そのうちひとつでしか自然に聞こえないエージェントは、ごく一部の人にしか届きません。
電話の外へ
会話型AIの導入は、電話に出るものばかりではありません。
Tavus：話しかけられる動画アバター。 Tavusは、ライブのビデオ通話で見て、聞いて、応答するAIのレプリカをつくっています。会話がまだライブに感じられるうちにアバターが返事をできるよう、エンドツーエンドで1秒未満に収めるには、100ms未満で話し始める音声生成が欠かせません。
Ego：返事をするゲームキャラクター。 Egoでは、プレイヤーが自然な言葉で3Dのゲーム世界をつくれます。サバイバルゲーム Valheim 向けのMOD「Thrall」では、プレイヤーがAIの仲間に声で指示を出し（木を集めて、戦いに加わって）、仲間は声に出して返事をし、狩りの成功を喜んだり、指示に応えたりします。
小さめの事例も2つあります。Roxは営業担当者が空港を歩きながら担当顧客について質問できる音声モードを提供し、QuoraのPoeでは何百万人ものユーザーがAIの回答を100以上の声と14の言語で聞けます。
うまくいっている事例の共通点
12件を並べて読むと、同じ5つの特徴が見えてきます。
- 仕事はひとつ、その裏に記録システムがある。 予約、カードのサポート、申込のフォローアップ。エージェントは答えを即興でつくらず、正しい答えを参照できます。
- 誰かが測った遅延の予算がある。 2Xには法律で決まった2秒があり、Ariniは取りこぼした電話をドルで数えていました。どちらにとっても速さは仕様表の1行ではなく、事業の数字でした。
- 人へつながる道がはっきりしている。 Lorikeetのエージェントが危機のさなかに機能したのは、エージェントが解決できないとき、電話をかけた人が人にたどり着けたからです。相手に同じ説明を繰り返させずに引き継ぐ方法は、ウォームトランスファーのガイドで説明しています。
- 英語だけでなく、相手の言語で話す。 Fundamento、Bolna、EliseAI、Lorikeetは、相手がいちばん話しやすい言語でエージェントが話したからこそ利用者をつかみました。
- 成果の指標を本番で検証する。 予約、完了した申込、内見の成約。手本はEliseAIの1%ロールアウトです。全員に向けて有効にする前に、実際の電話で確かめましょう。
リストに載っていないものからも分かることがあります。何でもこなそうとする汎用アシスタントはひとつもありません。うまくいくものは狭く始めて、電話の種類をひとつずつ増やしていきます。
自分でつくる
Cartesiaでつくる方法は2つあります。Managed Agentsでは、音声認識、言語モデル、音声生成、電話接続をCartesiaが動かします。あなたは指示を書き、自社のシステムをツールとしてつなぎ、電話番号を取得するだけです。もうひとつはAPIを使う方法です。音声にはSonic、ストリーミングの文字起こしとターン検出にはInkを使い、その間を自分のオーケストレーションでつなぎます。RetellやVapiのようなプラットフォームはこちらの道を選んでいます。各部品の組み合わせ方はAI音声エージェントのガイドで、各社のストーリー全文は導入事例ページで読めます。
何かをつくる前に試したければ、Cartesiaのプレイグラウンドでエージェントを作成し、自分の電話からかけてみてください。