電話の向こうに、もう人はいない
「自動車保険を解約したいのですが」。そう受話器に向かって話すと、応答するのは人間のオペレーターではない。機械の声が用件を受け止め、証券番号を尋ね、契約者の氏名と生年月日を確認し、解約希望日を聞き取っていく。確認項目は十数個ある。それを一つずつ埋めて、最後に「承りました」で電話は終わる。
これは実験ではない。三井住友海上火災保険のコンタクトセンターでは、2023年度にオペレーターが対応した入電が年間110万件あり、そのうち15万件をこの自動音声が処理している。導入した当初、人を介さずに最後まで終われた割合、つまり完結率は3割ほどだった。聞き取り項目の順番を入れ替え、冒頭の注意事項アナウンスを削り、受け取ったデータの不備判定を自動化するツールを自前で作り込んでいくうちに、完結率は6割まで上がった。自動車保険の解約から始めて、いまは火災保険の解約、家財保険の退居失効、団体向け傷害保険の解約へと対象が広がっている。
NTTドコモでも同じことが起きている。「ひかりTV」と「ぷらら」のサポート窓口では、会員証の再発行やルーターの無料貸与、簡単な故障の切り分けといった用件を自動音声が受けている。かかってきた電話の用件を正しく振り分けられる精度は7割から8割。自動音声だけで受付が終わる割合と、SMSでWebへ誘導して顧客が自分で解決する割合を合わせると、サポート全体の2割以上がオペレーターに届く前に片付いている。担当部署はこれを4割まで持っていくつもりだという。もともとチャットボットもFAQページも用意していたのに入電が減らなかった。調べてみると、顧客の半数以上はFAQを見ずにいきなり電話をかけていた。だから電話そのものを自動化するしかなかった、という順番である。
テレビショッピングの現場では、もっと即物的な使われ方をしている。CMが流れた直後の数分間に電話が集中し、回線があふれて取りこぼす。この「あふれ呼」を自動音声が受け、購入者情報と商品の選択を聞き取り、カード決済まで人の手を介さずに完了させる。取りこぼした電話は、そのまま消えた売上である。
そして2026年、みずほ銀行が動いた。1月に、話し言葉で用件を伝えるだけで適切な窓口へ振り分けられる仕組みを導入し、3月からは生成AIが曖昧な問い合わせに対して何度も質問を重ねる機能を載せた。同行が描いているのは、基本的な応対は24時間365日AIが中心となり、人はより複雑な問題解決に集中する体制だという。
これらをまとめて動かしているのが、PKSHA Technologyの「PKSHA VoiceAgent」である。毎月30万件を超える入電を自動音声で受けており、富士キメラ総研が2026年1月に発刊した市場調査では、2024年度実績のボイスボット部門で24.7%のシェアを取って首位に立っている。
ボイスボットとは、要するに何なのか
電話をかけて「ご用件が保険の更新の方は1を、事故のご連絡は2を、その他のお問い合わせは9を押してください」という機械の案内を聞かされた経験は、誰にでもあるはずだ。あれが自動音声応答、いわゆるIVRである。1を押すとまた次のメニューが始まり、3階層目あたりで自分の用件がどれにも当てはまらないことに気づき、結局「その他」を押してオペレーターを待つ。企業側から見れば人件費を抑える仕組みだが、顧客から見れば、用件を言わせてもらえないまま待たされる装置でしかない。
ボイスボットは、このプッシュボタン操作を話し言葉に置き換える。「引っ越すので住所を変えたいんですけど」と言えば、番号を押さずに住所変更の窓口にたどり着く。それだけのことに見えるが、裏側で三つの部品が連動している。人の声を文字に起こす音声認識、その文字から何を求めているかを判断する意図理解、そして応答を人の声に戻す音声合成である。
電話という舞台は、この三つにとってかなり意地が悪い。まず音が悪い。固定電話の音声帯域はスマートフォンの動画より遥かに狭く、その中で「いち」と「しち」、「タナカ」と「タハラ」を聞き分けなければならない。次に、相手の顔も画面も見えないので、聞き取れなかったときに頼れる手がかりが何もない。さらに、人間は機械の説明にかぶせて喋る。相槌を打つ。途中で黙り込む。そして何より、返事が1秒遅れただけで相手は「切れたのかな」と思う。
だからこそ、ここ数年の生成AIの進歩がそのまま効いてくる。米国のベンチャーキャピタルAndreessen Horowitz（a16z）は音声AIに関する投資テーゼの中で、従来型の音声メニューを「Voice 1.0」、大規模言語モデルを組み込んだ対話型を「Voice 2.0」と分類し、短期的な正確さでは1.0が勝るものの、長期的な拡張性と精度では2.0が上回ると整理している。同社は、生成AIによって人間は二度と電話をかける必要がなくなり、電話は価値がある場合にだけかけるものになる、という趣旨の見立てを示している。2026年の展望としても、音声はAIが実際の仕事をこなす最も速い経路になりつつあり、とりわけ規制のある環境でそれが顕著だ、勝つのは人が本当に信頼して頼れるシステムだ、と述べている。
実務でのボイスボットの使われ方は、大きく二つに分かれる。一つは「一次受付」。用件を聞き取って正しい担当につなぐ、いわば交通整理である。もう一つは「完結」。解約、住所変更、注文受付といった手続きそのものを、人を介さず終わらせる。前者は間違えても人につなぎ直せばいいので失敗のコストが低く、後者は企業の基幹システムを書き換えるので難易度も価値も跳ね上がる。国内の大規模案件で勝負が決まるのは、この二つを両方やれるかどうかである。
市場そのものはまだ小さい。だが伸び方が異常
デロイト トーマツ ミック経済研究所の調査によれば、チャットボットとボイスボットを合わせた国内の自動対話システム市場は、2024年度に232億円まで拡大した。前年比21.3%増である。この内訳を見ると、テキスト型が182億円に対して、音声型はまだ49億円しかない。ボイスボットは市場全体の2割ほどの規模にとどまっている。
数字が小さいと侮ってはいけないのは、増え方のほうである。ボイスボット市場は2023年度の時点で37億円、前年比85.0%増という異様な伸びを記録していた。同研究所はこの領域が2029年度に191億円へ、年平均38.0%で拡大すると予測している。自動対話システム市場全体でも2030年度には700億円を突破するという見方だ。つまり、テキスト型が成熟に向かう一方で、音声型はこれから5年で4倍近くになる区間に入っている。
なぜそこまで伸びると見られているのか。理由は技術の側ではなく、人の側にある。コンタクトセンター向けソリューションを手がけるモビルスの調査部門は、オペレーターの平均時給が2025年に1,500円台に入り、2026年には1,600円時代が来ると見ている。市場規模は1兆円を超えて維持されているのに、人件費の上昇率が市場の成長率を上回ってしまい、業務受託の事業モデルそのものが踊り場に入った、という診断である。月刊コールセンタージャパン編集部の『コールセンター白書』は、採用したスタッフのおよそ3割が1年以内に辞めていくと報告してきた。採れない、辞める、時給は上がる。この三重苦が、電話の自動化を「あったら便利」から「やらないと回らない」に変えた。
同じ調査部門は、生成AIを活用しているコンタクトセンターの割合が、実証実験を含めて2024年の約19%から2025年には63%まで跳ね上がったとしている。もう試す段階ではなく、運用の流れに乗せる段階だという整理だ。
ただし、この市場には最初から歪みがある。ミック経済研究所は、ボイスボット市場について高価格帯と低価格帯の二極化が進むと指摘している。少ない席数の窓口を安く自動化する層と、数百席規模のコンタクトセンターを基幹システムごと作り替える層とでは、売っているものがまるで違う。PKSHAが立っているのは、明確に後者である。
PKSHA VoiceAgentとは何か
PKSHA Technologyは、東京大学の松尾研究室を源流に持つアルゴリズム企業で、東証プライムに上場している。同社の音声対話製品の系譜はもともと「BEDORE Voice Conversation」という名前で始まり、グループ再編を経て「PKSHA Voicebot」となり、2025年8月5日に現在の「PKSHA VoiceAgent」へ改称された。同時に姉妹製品のチャットボットも「PKSHA ChatAgent」に変わっている。単なる名称変更ではなく、受け身で答えるボットから、能動的に課題解決を進めるエージェントへ位置づけを移す、という宣言だった。富士キメラ総研は、この自律型AIエージェントへの進化がシェア1位獲得に影響したと見ている。同調査では、チャットボット部門で19.5%、ボイスボット部門で24.7%、FAQナレッジ管理部門で37.0%と、三部門すべてで首位を取っている。
製品としては二つのプランに分かれる。一つは用件を聞き取って最適な窓口へ振り分ける「AI-IVR」。もう一つは定型業務をまるごと自動で終わらせる「自動応答」である。対話の流れはノーコードで組めるようになっていて、これが現場での評価を大きく左右してきた。NTTドコモがこの製品を選んだ決め手も、フローの変更が容易で、変更のたびにコストがかからない点だったという。三井住友海上の担当者も、管理画面が使いやすく分析や検証も容易なので自社で気軽に修正を重ねられた、と述べている。ボイスボットは入れて終わりではなく、聞き取り項目の順番を一つ入れ替えるだけで完結率が動く世界なので、この「自分でいじれる」という性質が効く。
技術面の看板は、日本語に特化した認識補正である。氏名、住所、電話番号、日時といった、電話で頻繁に聞き取る項目に専用の補正をあらかじめ組み込んであり、事前学習なしでも精度が出るようにしてある。実際のユーザーレビューでも、数字や住所の認識率が格段に高く後続の事務のストレスが大幅に減った、という評価が並ぶ。電話の自動化で本当に困るのは「もう一度お願いします」の連鎖であって、氏名と住所を一発で取れるかどうかが体験の善し悪しを決める。
そのうえで、既存の電話設備との接続が手厚い。PBXやCTIとの連携、CRMやデータベースとの連携、本人認証、復唱確認、オペレーターへの転送、SMSやメールの送信、こちらから電話をかけるアウトバウンド、そして2025年9月に加わったカード決済システムとの連携。テレビショッピングのあふれ呼を自動で受けて決済まで終わらせる、という芸当はこの連携があって成り立つ。
2026年に入ってからの動きは、さらに踏み込んでいる。5月には発話内容をより正確に判別する「あいまい検索」を追加し、8月19日には「マルチターンヒアリング」を一般提供に切り替えた。これは、一度の発話で用件が特定できないときに、AIが「いま何割くらい用件を絞り込めているか」を自分で判断し、確度が高ければ短く、低ければ段階的に選択肢を狭めながら質問を重ねる仕組みである。特許を出願中の独自技術で、先に大手金融機関で実装されていた。みずほ銀行が3月から動かしている機能が、これにあたる。
なぜ「大規模案件の本命」と言えるのか
強みは、突き詰めると三つに整理できる。
一つめは、日本語を「聞き取る」ことに対して、まとまった金を払う顧客が実在するという点だ。保険の解約受付で証券番号と氏名と住所を取り違えれば、後続の事務は全部やり直しになる。数十万件の規模でそれをやると、精度の0.5%の差が人件費の差として直接跳ね返る。汎用の音声認識モデルが上手いのは、きれいな音声の書き起こしである。電話回線の悪い音質で、日本人の姓名と町名を、初回で正しく取ることではない。PKSHAがこの十年近く積み上げてきたのは、後者の泥臭い部分だった。
二つめは、電話の設備と事務の流れに深く食い込んでいることである。三井住友海上の事例で完結率が3割から6割に上がった決め手は、実は音声認識の性能ではない。聞き取り項目の分岐を前半に寄せたこと、冒頭アナウンスを削って待ち時間を短くしたこと、そして受け取ったデータの不備判定と振り分けを自動化する専用ツールを作ったことだった。電話を受けるところだけを自動化しても、後ろの事務が人手のままなら現場は楽にならない。大規模案件で問われるのは、この後工程まで含めて設計できるかどうかであり、そこはノーコード画面の綺麗さでは勝てない領域である。
三つめが、おそらく最も見落とされている。PKSHAの製品は、生成AIを「喋らせる」ためではなく、「聞き分ける」ために使っているという点だ。マルチターンヒアリングがやっているのは、顧客の言葉から用件を特定して正しい窓口に渡すことであり、AIが自由に回答文を作って顧客に読み上げるわけではない。これは日本の金融機関にとって決定的な意味を持つ。
金融庁が2026年3月に公表した『AIディスカッションペーパー（第1.1版）』は、国内の金融機関等への実態調査をもとに、コールセンター業務など対顧客サービスに生成AIを導入済みの先も相応に存在するが、ハルシネーション等のリスクを考慮して生成AIのアウトプットを顧客に直接提示することは無く、人の判断を介するユースケースが大半となっている、と記している。同ペーパーは、RAGなどを組み合わせて対策を施した場合でも人の判断が必要との認識を持つ金融機関が多く、抑制的な利用が中心だとも述べている。つまり、いま日本の銀行や保険会社が買えるのは、AIが勝手に喋らない自動化なのである。用件の分類と振り分けはハルシネーションの懸念がほぼなく、それでいて人手削減の効果は大きい。この「安全な急所」を押さえているのが、現時点のPKSHAの立ち位置だ。
そして同社は、電話まわりを三層で囲い込みにかかっている。入口の自動応答が「PKSHA VoiceAgent」、人間のオペレーターが対応している通話の中身を書き起こして要約し応対品質を評価する「PKSHA Speech Insight」、そして2026年8月19日に提供を始めた「PKSHA Voice KIT」である。三つめは少し毛色が違い、国内外の複数の音声AIエンジンを一つのAPIでまとめて扱えるようにする基盤で、要件に応じてエンジンを切り替えてもアプリ側の作り直しが要らず、業界用語の辞書もエンジンをまたいで使い回せる。PKSHAは、自社の音声AIを組み込んだ製品群の累計導入が2,000社を超えた実績をこの基盤の土台にしたと説明している。
数字の裏づけもある。同社のAI SaaS事業は、2026年9月期第3四半期時点でARRが110億円台に乗り、前年同期比37.2%増。既存顧客の利用がどれだけ広がったかを示すNRRは114.7%だった。既に入っている顧客が、翌年にはより多く払っている状態である。
課題は、精度ではなく構造の側にある
ユーザーの声を拾うと、製品そのものの不満は意外に細かい。多言語対応がなく日本語専用であること、外国籍の名前の処理に手間がかかること、機械のアナウンスと顧客の発話が重なると聞き取れないこと、音声データの保存期間が短いこと。そして、本人確認や契約内容の確認といった部分は結局どこかで人の作業が残ること。どれも致命傷ではないが、完全自動化という言葉との距離を正直に示している。
より重いのは、市場の構造そのものだ。国内のボイスボット市場は2024年度でまだ49億円規模であり、そこで24.7%を取っているということは、この製品単体が生む売上は年間で十数億円の水準にしかならない計算になる。シェア1位という見出しの強さと、事業としての絶対額のあいだには、まだ大きな開きがある。市場が4倍になる予測を前提にしても、ボイスボット単体で数百億円の事業を作るのは容易ではない。だからこそPKSHAは、Speech InsightやVoice KITを重ねて「電話まわり全体」に面を広げ、AI SaaS全体のARRで戦おうとしている。
価格が公開されていないことも、そのまま弱点になり得る。この製品は見積もりでしか買えず、導入時には専門チームが伴走する。エンタープライズには適した売り方だが、席数の少ない窓口には届かない。ミック経済研究所が指摘した二極化のうち、低価格帯の裾野が想定より早く広がった場合、シェアの分母そのものが変質する可能性がある。
技術の足元も揺れている。音声認識と音声合成の性能は、基盤モデルの進化によって急速に汎用品になりつつある。OpenAIのリアルタイムAPIやGoogleのGemini Liveが、遅延を人間の会話と変わらない水準まで詰めてきたことで、「日本語が聞き取れる」こと自体の希少性は年々薄まっていく。PKSHA Voice KITが複数エンジンを束ねる基盤として設計されているのは、この変化への備えであると同時に、モデル層で戦わないという自己申告でもある。差別化は、聞き取りの精度から、業務フローと基幹システムへの食い込みへ移っていく。
最後に、投資家が見ている論点が一つある。PKSHA全体の2026年9月期第3四半期累計の売上収益は283億円で前年同期比84.1%増、事業利益は47億円で46.3%増と派手に伸びた。ただしこの伸びの主因は、子会社化したサーキュレーションが寄与した「AI Powered Worker」事業で、同事業だけで売上100億円、前年同期比623.0%増である。一方、VoiceAgentを含むAI SaaS事業の売上は85億円で31.7%増だった。会社全体の成長率と、SaaSの成長率のあいだには倍以上の差がある。M&Aで積み上げた人材・コンサル寄りの売上をどう評価するかによって、この会社に付けるべき倍率は変わる。通期予想は売上収益350億円、事業利益50億円で据え置かれており、期末配当は1株10円と、前期の無配から配当を開始する計画になっている。
黒船は、もう日本に上陸している
2026年に入って、この市場の競争環境は一段階変わった。
3月27日、米Sierraが日本のOPERA TECHを完全子会社化した。SierraはOpenAIの取締役会議長でもあるBret Taylor氏らが立ち上げた企業向けAIエージェント企業で、5月にはTiger GlobalとGVが主導するラウンドで9億5,000万ドル（約1,482億円）を調達し、ポストマネー評価額は150億ドル（約2兆3,400億円）を超えた。2月時点でARRは1億5,000万ドル（約234億円）に達し、Fortune 500企業の4割超を顧客に持つと同社は説明している。買収されたOPERA TECHは、日本の大手企業向けにAIコンタクトセンター事業を手がけてきた会社で、Sierraは発表の中で、日本は世界でも最も要求水準の高いエンタープライズソフトウェア市場の一つであり、企業は長期的なパートナーシップにおいて高い品質・精度・信頼性を重視している、と述べている。買収の財務条件は開示されていない。つまり、PKSHAが押さえている「日本の大企業の電話」に、世界で最も資金を集めているCX系AIエージェント企業が、日本の顧客基盤と実装ノウハウごと乗り込んできたことになる。
8月7日には、セールスフォースが「Agentforce Voice」の日本語版の一般提供を開始した。低遅延の文字起こしと自然な音声合成を備え、顧客データとCRMの業務情報をリアルタイムに使って、応対の最中にCRMのレコードを更新し、ケースを起票し、注文処理や予約変更まで実行する。電話だけでなくWebやモバイルアプリにも同じ音声エージェントを展開できる。注目すべきは日本語化の手段で、同社はSalesforce Venturesの出資先であるKotoba Technologiesの音声基盤モデル「Koto」を採用した。日本語・韓国語・中国語に特化した超低遅延の音声認識と音声合成を持つモデルで、敬語やニュアンスといった日本語の複雑さに対応するために選ばれたと説明されている。接続先にはGenesysのほか、国内のクラウドPBXであるコムデザインの「CT-e1/SaaS」が並び、導入を支える初期パートナーとして国内のSIerやコンサル5社が名を連ねた。電話設備との接続と実装体制という、まさにPKSHAが強みにしてきた部分を、外資が国内パートナー経由で埋めに来ている。
国内勢も動いている。サイバーエージェント傘下のAI Shiftは「AI Messenger Voicebot」をコールセンター向けAIエージェントとして大幅に刷新し、音声認識結果からユーザーの真の意図を汲む意図特定エージェントによって、従来型と比べて不要な会話のラリーを55%削減したとしている。加えてAmazon Connectは生成AIによる応対後の要約を日本語を含む言語に対応させ、NICEやGenesysもコンタクトセンターの応対データからAIエージェントを自動生成する方向へ製品を寄せている。
VCと投資家は、この市場をどう値付けしているか
音声AIへの資金の集まり方は、日本市場の実額とは桁が違う。
ドイツ・ベルリン発のParloaは、2026年1月にGeneral Catalystが主導するシリーズDで3億5,000万ドル（約546億円）を調達し、評価額は30億ドル（約4,680億円）に達した。その8か月前のシリーズCでは評価額10億ドル（約1,560億円）だったので、3倍である。ARRは5,000万ドル（約78億円）超で、AllianzやBooking.com、SAP、Swiss Lifeといった大企業が顧客に並ぶ。音声合成のElevenLabsは2026年2月にSequoia Capital主導で5億ドル（約780億円）を調達し、評価額110億ドル（約1兆7,160億円）。2025年を3億3,000万ドル（約515億円）超のARRで終えており、共同創業者はIPOに向けて会社を作っていると語っている。音声認識基盤のDeepgramも2026年1月に1億3,000万ドル（約203億円）を13億ドル（約2,028億円）の評価額で調達した。
国内VCのOne Capitalは、音声AIスタートアップ94社を調べた分析の中で、この領域を会議・ナレッジ、音声エージェント、ウェアラブル、音声合成、音声認識基盤の5層に整理し、資本とプレイヤーが最も集中しているのは音声エージェント層、すなわちコールセンターの自動化だと指摘している。そのうえで、日本市場については方言や敬語への対応そのものが技術的な参入障壁になり得るという見立てを示している。
この「日本語が障壁になる」という読みは、実際の資金の流れでも裏づけられている。Kotoba Technologiesは2026年6月24日、Kindred Venturesが主導し、Salesforce VenturesとSony Innovation Fundが参加するシードラウンドで1,000万ドル（約15.6億円）を追加調達し、累計調達額は2,300万ドル（約36億円）となった。日本語・韓国語・中国語に最適化したリアルタイム音声モデルを開発する会社で、自社ベンチマークでは同時通訳で2秒を切る遅延を達成したとしている。Salesforce Venturesは投資の理由を説明した文章の中で、既存の解決策は遅すぎるか、不正確すぎるか、日本語・韓国語・中国語の音韻的な複雑さに対する調整が不十分だと述べ、自然言語処理のトップ会議で最優秀論文を獲得した研究者たちが自ら会社を作ったという組み合わせは本当に稀だ、と評価している。
ここに、投資家の視点から見た日本市場の構図が浮かび上がる。音声AIのバリューチェーンのうち、モデル層は世界の資本が数千億円単位で殴り合う場所であり、日本の上場SaaS企業が正面から張り合う領域ではない。だがアプリケーション層、とりわけ規制業種の基幹業務に食い込む部分は、言語と商習慣と稟議プロセスに守られている。PKSHAが「日本語の補正技術」と「PBX・CTI・後続事務への接続」を強調し、モデルそのものは複数エンジンを束ねるVoice KITで外から調達できるようにしたのは、この構図を正確に理解した打ち手である。
同時に、その守りが永続しないことも同じ構図から読める。Salesforceは日本語モデルを自ら育てるのではなく、日本のスタートアップに出資して製品に組み込み、国内SIerを実装パートナーに並べた。Sierraは日本のコンタクトセンター企業を買って、顧客基盤と実装ノウハウごと手に入れた。言語と商習慣という堀は、資本で渡れる。2026年に起きたのは、まさにその橋がかかった年だった。
次に何が、いつ測られるのか
まず10日後に、制度が動く。2026年10月1日、改正労働施策総合推進法によるカスタマーハラスメント対策が全事業主の義務になる。根拠法は2025年6月11日に公布され、厚生労働省の指針が2026年2月26日に策定された。労働者を1人でも雇うすべての事業主が対象で、経過措置はない。方針の明確化と周知、相談体制の整備、事後対応、抑止措置が求められる。電話の一次受付を機械が担い、全通話が自動で書き起こされて記録に残る体制は、この義務にそのまま重なる。PKSHAが製品名を改称した2025年8月の発表で、VoiceAgent側の強化点としてカスタマーハラスメント対策機能を挙げていたのは、この施行日を見据えていたからである。10月以降の四半期で、この義務化がどれだけ商談の背中を押したかが、最初の答え合わせになる。
次に11月12日。PKSHA Technologyが2026年9月期の通期決算を発表する。見るべき数字は売上収益350億円の達成可否ではなく、AI SaaS事業のARRが110億円台からどこまで伸びたか、NRRが114.7%の水準を保ったか、そして2027年9月期のガイダンスでAI SaaSと人材・コンサル寄りの事業のどちらを成長の主軸に置くかである。会社全体が84%成長してもSaaSが31%であれば、投資家が付ける倍率は割れる。12月下旬には定時株主総会が控えている。
年が明けると、シェアの答え合わせが来る。富士キメラ総研は例年1月に市場編を発刊しており、2024年度実績での24.7%が、Sierraとセールスフォースが本格参入した2025年度・2026年度の実績でどう動くかが次の焦点になる。同時に、デロイト トーマツ ミック経済研究所が予測した2029年度191億円という軌道に、ボイスボット市場が実際に乗っているかも見えてくる。
製品の側では、2026年度の後半にかけて「後工程の自動化」が主戦場になる。モビルスの調査部門は、損害保険会社では入電の約3分の2が単なる質問ではなく何らかの手続きや事務処理を伴うと指摘し、通話後の記録作成を人が手直しせずに済ませる仕組みが2026年上期にブレイクすると予測している。PKSHAがSpeech Insightに要約の根拠となる発話を併記する機能やオペレーター個人の強みと改善点を可視化する機能を次々に足しているのは、この予測と同じ方向を向いている。
そしてもう一段先に、規制の扉がある。金融庁のディスカッションペーパーは、現状では生成AIの出力を顧客に直接提示せず人の判断を介す運用が大半だとしつつ、将来的に技術の進展でハルシネーション等の課題が緩和されると考える先も存在し、生成AIの出力を顧客に直接提示するようなユースケースが中長期的に広がる可能性もある、と書いている。この一文が実務の水準に落ちたとき、ボイスボットは「用件を振り分ける機械」から「顧客に回答する機械」へ役割が変わる。市場規模の天井が一気に上がるのはその瞬間であり、そのとき勝つのは、電話回線の向こうで氏名と住所を一発で聞き取れて、なおかつ基幹システムを書き換える権限を任されている側になる。
