ニュースの概要
米国のWaboom AIは11月6日、自社のAI受付サービスに新機能を加えたと発表した。電話の発信者の発言内容から、苛立ち、不安、喜び、確信のなさといった気持ちや状況を推定し、それに合わせて応答の調子を変える。たとえば怒っている相手には穏やかに、不安そうな相手には親身に、迷っている相手には普段よりゆっくり話す。声の高さや震えといった音そのものを解析するのではなく、会話の文字起こしと文脈を読む方式である。処理の追加による応答の遅れは約0.1秒とされる。現段階では英語に限った小規模な試験運用で、日本語での提供時期は示されていない。
引用元: Waboom AI、感情に応じて話し方を変えるAI受付の試験運用を開始（Waboom AI）
分析・見解
声ではなく言葉から感情を読む設計の狙い
今回の機能で最も特徴的なのは、音声そのものを分析していない点である。感情認識と聞くと、声の高低や話す速さから気分を当てる技術を思い浮かべる人が多い。しかしWaboom AIは、文字に起こした会話の内容と流れだけで判断している。
この選択には実利がある。声の分析は、話者の年齢、方言、回線の品質、周囲の雑音に結果が左右されやすい。電話は音質が悪く、感情の読み違いが起きやすい媒体である。文字を使えば、既存の音声認識と大規模言語モデルの出力をそのまま流用でき、追加の仕組みが小さくて済む。遅延が約0.1秒にとどまるのも、そのためだと考えられる。
0.1秒の遅れは許容範囲か、人間の会話と比べる
人間同士の会話では、相手の発言が終わってから返事を始めるまでの間が、平均でおよそ0.2秒前後と言われる。AI受付がすでに0.5秒から1秒ほどかけているなら、そこへ0.1秒足しても体感はほとんど変わらない。むしろ問題は、遅さではなく不自然さである。
怒っている人に対して急に声を落として丁寧に話すと、かえって馬鹿にされたと感じる人もいる。トーンを変える技術よりも、変えすぎない調整の方が難しい。この種の機能は、導入初期に笑顔の絵文字を大量に使うチャットボットが嫌われた事例とよく似た落とし穴を抱えている。
文字だけの判断が外れやすい場面
テキスト方式には弱点もある。皮肉、沈黙、ため息、言いよどみは、文字起こしの段階で消えてしまうことが多い。「大丈夫です」という一言が、本当に問題ない意味なのか、諦めなのかは、声を聞かなければ分からない。
また、日本語では感情を直接言葉にしない文化的な傾向が強い。「そうですか、わかりました」が強い不満の表れであることも珍しくない。英語で成立した手法をそのまま日本語に移しても、同じ精度は出にくいだろう。今回が英語限定なのは、技術の都合というより、検証の難しさを正直に反映した判断とも読める。
受付の競争軸は、速さと正確さから気づかいへ移る
AI受付は、ここ数年で聞き取りの正確さと応答の速さがほぼ横並びになった。そうなると、次に差がつくのは、相手の状況に合わせた対応である。電話の向こうの人が急いでいるのか、困っているのか、単に確認したいだけなのか。それを見分けて話し方を変える機能は、今後ほかの事業者も追随するはずである。
ビジネスへの影響
導入を検討する前に決めておくべき評価の物差し
この種の機能は、導入しても効果が見えにくい。通話時間の短縮だけで測ると、親身な応答は長くなるため悪く見える。見るべきは、途中で切られた通話の割合、人間への転送率、通話後の再問い合わせ率である。導入前の数値を1か月分取っておき、感情対応を入れた後と比べるのが現実的である。
特に、苛立ちを検知した通話を人間の担当者へ引き継ぐ条件は、あらかじめ決めておきたい。AIが穏やかに話し続けても、怒りが収まらなければ逆効果になる。
感情推定に伴うプライバシーと説明の責任
感情の推定は、個人の内面に踏み込む処理である。欧州のAI規制では、職場や教育の場での感情認識を原則禁止とする動きがあり、顧客対応でも説明を求められる可能性が高い。日本でも、通話録音の案内と同様に、会話内容を分析して応答を調整している旨を冒頭で伝えるのが無難である。
推定結果を顧客の評価として保存し、次回以降の対応や与信判断に使うことは避けた方がよい。使い道を、その通話の中で応答を整える範囲にとどめれば、説明も簡単になる。
小さく試すなら、予約確認や再配達などの定型窓口から
最初に試すのは、内容が定型で、失敗の影響が小さい窓口が向いている。飲食店の予約変更、配送の日時指定、設備の点検日程調整などである。ここなら、感情の読み違いが起きても被害は小さく、人間への切り替えも簡単に設計できる。一方、解約、苦情、料金トラブルのような窓口は、当面は人が前面に出る方が安全である。