人間レベルの音声エージェント

誰もが設計から外そうとしていたチャネル

およそ10年間、電話はカスタマーエクスペリエンス戦略が静かに廃止しようとしていたチャネルでした。すべてのロードマップは同じ方向を指していました。つまり、ボリュームをチャットに移行し、セルフサービスを推進し、電話をデジタルデフレクションが失敗した証拠として扱うというものです。音声ボットは存在しましたが、誰もがそれが何であるかを認識していました。つまり、人間が引き継ぐまでのメニュー駆動の保留パターンです。顧客はそれらに向かって過度に発音し、口座番号を繰り返し、避けられない転送を待ちました。

その軌道は逆転しました。電話への需要が戻ったからではなく、その根底にあるテクノロジーが変化したからです。音声対音声AIモデルは、音声をテキストに変換して元に戻すことなく、音声を直接処理および生成します。その結果、自然なペースでの会話が可能になります。つまり、割り込み、重なり合う発話、人間の遅延に近い応答時間です。音声はもはや企業が人々を遠ざけるチャネルではありません。AIによって大規模にリソースを供給できるチャネルになりつつあります。

なぜ古いパイプラインは隠せなかったのか

前世代の音声ボットは、音声認識、テキストモデル、音声合成という縫い合わされたパイプラインに基づいて構築されていました。そのチェーンのすべての結合は遅延を追加し、トーンを剥ぎ取りました。顧客は継ぎ目を聞きました。つまり、返答前の無音の拍子、平坦で抑揚のない話し方で、聞かれているのではなく、スクリプトと話していることが明らかになりました。

ネイティブの音声対音声モデルは、そのパイプラインを1つに統合します。モデルは平坦化されたトランスクリプトではなく実際の音声を処理するため、発信者の声の躊躇、不満、または緊急性を認識します。これは、テキストベースのボットが構造的にアクセスできない情報です。2024年10月のOpenAIのリアルタイムAPIのリリースは、低遅延の音声対音声会話AIがテキスト仲介を介さずに音声入力から直接利用可能になった時点を示しました。この単一のアーキテクチャの変更が、顧客が我慢するボットと気づかないボットを隔てるものです。

顧客が実際に聞くのは継ぎ目です。継ぎ目を取り除けば、チャネルはそれ自身の限界を示すのをやめます。

音声を中心に再プラットフォーム化する、音声から離れるのではなく

戦略的な変化は、コンタクトセンターが現在どのように構築されているかに現れています。かつてロードマップが音声のボリュームがチャットやセルフサービスに移行し続けると想定していたのに対し、プロバイダーはAI音声エージェントを電話キューの主要な解決レイヤーとして再プラットフォーム化しています。これは、人間が引き継ぐまで引き延ばすように設計されたデフレクションスクリプトではありません。これは意味のある異なる設計要件です。それは、封じ込めではなく、解決のために構築することを意味します。

それはまた、古い経済学を逆転させます。音声は歴史的にコンタクトあたりのコストが最も高いチャネルであり、まさにそれが上ではなく下に設計された理由です。遅延と自然さが解決されたことで、そのコスト構造は変化します。音声はAIでスケール可能になり、インバウンドサポートとアウトバウンドサービスの両方のユニットエコノミクスを変えます。

価値が実際に移動する場所

これらすべてが人間のエージェントの必要性をなくすわけではありません。彼らの価値がどこにあるかを再配置するだけです。差別化要因は、企業が電話を回避できるかどうかではなくなりました。企業がいつ電話を人間に引き継ぐべきかを正確に知っているかどうかです。エスカレーション設計は、本当に役立つ音声エージェントと、そうでないとわかるまで説得力があるように聞こえるだけの音声エージェントを区別する規律になります。

• 顧客にとって：電話をかけることは、口座番号を3回繰り返すことなく、いつでも最初の試行で理解されることを意味します。
• 企業にとって：長らくコストセンターとして扱われてきたチャネルが、スケーラブルなサービスラインに近いものになります。
• CXと運用にとって：競争優位性は、チャネル回避ではなく、ハンドオフロジックにあります。

どこから始めるか

賢明な入り口は、広範囲ではなく狭いものです。高ボリュームで十分にスクリプト化されたコールフロー（請求照会や予約変更が明白な候補です）の1つでパイロットを実施し、感情的なものや曖昧なものについては、人間エージェントへの明確でテスト済みのハンドオフを行います。これは、通信、銀行および金融サービス、保険、医療、旅行およびホスピタリティにおいて特に重要です。これらの分野ではコールボリュームが高く、エスカレーションを誤った場合のコストは、運用上のものだけでなく評判上のものも大きいです。

パイプラインの崩壊に埋め込まれた教訓は、CX設計にとってより広範なものです。自然さは、機能の上に重ねられた「あればいいもの」ではありませんでした。それは欠けていた機能でした。迅速に解決するが機械的に聞こえる音声エージェントは、電話の相手には依然として回避戦術として読み取られます。人間らしく聞こえ、いつそれがふりであることをやめるべきかを正確に知っているエージェントは、顧客が実際に電話をかけることを選択するものになります。