音声AIカスタマーサポート活用の現在地——Dessa型モデルが示す変化と日本企業の実務対応

公開日：2026年10月28日文：クリスタルメソッド編集部監修：河合継（代表取締役）

「自然な会話AI」が変えるカスタマーサポート——Dessa型音声AIを日本企業はどう活かすか

Dessaが示した音声AIの新しい段階——カスタマーサポートへの含意

2026年10月23日（米国時間）、決済企業Blockのジャック・ドーシーCEOが、Speech-to-Speech型の全二重音声会話モデル「Dessa」を発表した（GIGAZINE、Yahoo!ニュース報道）。このモデルは学習データにテキストも既存の学習済みモデルも一切使わず、人間の会話音声のみで構築されている。相づち、割り込み、笑い、ため息、皮肉といった非言語表現をリアルタイムで再現し、「AIと話している気がしない」という感覚を生み出す。2026年10月時点で一般公開はなく、AI安全性研究者への限定早期アクセスにとどまる。パラメータ数・対応言語・学習データ量は非公開であり、ドーシーCEOが主張する「LLMより数百分の1の単語量で言語習得」も独立検証はされていない。

この発表が音声AIカスタマーサポート活用に与える示唆は、製品としての即時性よりも技術の方向性にある。Dessaは商用製品ではなく研究モデルだが、音声AIが「不自然さの壁」を越える技術的経路を示した事例として捉えられる。

なぜ今、音声AIカスタマーサポート活用が問い直されるのか

これまでの音声AIは、テキストを媒介にした三段構造——音声認識（STT）→LLMによるテキスト推論→音声合成（TTS）——で動いていた。この構造には本質的な制約がある。テキスト変換の段階で韻律・感情・間が失われ、合成音声は「読み上げ感」を拭えない。応答に数百ミリ秒から数秒の遅延が生じ、話者交代が不自然になる。

Dessaはこの構造を捨て、音声から直接音声を生成するエンドツーエンドの処理を採用した。相手の発言への割り込みや沈黙の埋め方が人間の会話に近づいた結果として、顧客が「機械と話している」という心理的抵抗を低減できる可能性が生まれる。

日本のコールセンター業界は長年、オペレーター不足・応対品質のばらつき・24時間対応コストという三つの構造的課題を抱えてきた。音声AIカスタマーサポート活用への関心が高まっているのはこの背景からであり、Dessaの登場はその技術的前提が変わりつつあることを示す一つの指標として位置づけられる。

従来型（STT→LLM→TTS）とSpeech-to-Speech型の処理フロー比較。従来型はテキスト変換を経るたびに音声の自然さが失われ遅延が生じるのに対し、Speech-to-Speech型は音声を直接処理することで感情・韻律を維持する。

次に読む：接客AIとは？導入メリットと選び方

接客AIとは？店舗・Web接客の自動化と導入メリット・選び方ガイド【2026年版】

音声AIカスタマーサポート活用の具体的な場面と技術選択

2026年10月時点で日本企業が実際に検討・導入できる音声AIカスタマーサポート活用は、大きく三つの場面に分かれる。Dessaのような純粋なSpeech-to-Speech型はまだ一般提供されていないため、現行の商用選択肢はSTT→LLM→TTSの構成が主流である。

コールセンターの一次受付自動化

問い合わせの一次対応——受付番号の確認、よくある質問への回答、担当部署へのルーティング——は定型度が高く、音声AIとの親和性が高い。従来のIVR（自動音声応答）が選択肢の押下を前提としていたのに対し、現世代の音声AIは自然文での質問を受け付けられる。複雑なクレームや感情的な顧客対応は依然として人間オペレーターが担う設計が現実的である。

オペレーターへのリアルタイム支援

顧客との通話内容をリアルタイムで文字起こしし、LLMが関連FAQ・対応マニュアル・過去事例をオペレーターの画面に即時表示する構成は、すでに複数のコンタクトセンター向けSaaSが実装している。この用途では音声AIの「自然さ」より検索・照合精度とレイテンシが重要になる。自然言語処理の基礎理解にはBERTとNLPの解説が処理構造の把握に役立つ。

社内ヘルプデスクの音声インターフェース化

ITサポート・経費申請・福利厚生照会といった社内問い合わせは、対外的なカスタマーサポートと比べてトピックが限定的で、誤答時のリスクも管理しやすい。導入スコープを絞った実証実験（PoC）の出発点として検討しやすく、社内での技術習熟を並行して進める場としても機能する。

日本企業・自治体での活用可能性——場面別の整理

場面	主な課題	音声AIが対応できる範囲	現時点の限界
大規模コールセンター	オペレーター不足、夜間対応コスト	24時間一次受付、定型Q&A、振り分け	複雑なクレーム、感情的な顧客への対応
地方自治体の窓口	問い合わせ集中、担当窓口への誘導	手続き案内、必要書類の説明、部署転送	個人情報確認を伴う手続きの完結、条例解釈
ECサイト・通販	注文確認・配送照会の集中	注文・配送状況の案内（API連携前提）	返品・交換の判断、感情的なクレーム
社内ITヘルプデスク	繰り返し質問による担当者負荷	パスワードリセット案内、FAQ、チケット起票	セキュリティ判断を伴う権限変更等

上表は一般的な業務分類に基づく整理であり、個別システム構成・セキュリティ要件によって対応範囲は変わる。

導入前に直視すべき限界とリスク

音声AIカスタマーサポート活用には、技術的・運用的・法的な留意点がある。稟議前に把握しておくべき論点を整理する。

技術的な限界

現世代の商用音声AIは、曖昧な発話・方言・強いアクセント・背景雑音に対して認識精度が低下しやすい。会話の文脈が長くなると整合性を保つことが難しくなる場合もある。Dessaが示す方向性は有望だが、2026年10月時点でエンタープライズ向けの商用製品として広く利用できる段階にはない。技術の現在地と可能性のギャップを正確に認識することが、過剰な期待とその後の運用失敗を防ぐ。マルチモーダルAIの処理構造についてはマルチモーダルAIの解説が理解の補助になる。

個人情報・コンプライアンスリスク

顧客との音声通話を録音・解析するシステムは、個人情報保護法や通信の秘密に関わる場合がある。クラウドベースの音声AI利用では、音声データがどの国のサーバーで処理されるかを事前に確認し、データ処理委託契約（DPA）を締結することが必須になる。自治体や金融・医療分野では規制上の制約が特に厳しく、調達仕様の段階からコンプライアンス要件を組み込む必要がある。

誤答・ハルシネーションのリスク

LLMベースの音声AIは、事実と異なる情報を自信を持って答える「ハルシネーション」が発生しうる。カスタマーサポートの文脈でこれが起きると、誤った手続き案内や誤情報の提供につながる。回答範囲をRAG（検索拡張生成）や厳密なスクリプトで制限する設計、および人間オペレーターへのエスカレーション経路の確保は、設計段階で組み込む必要がある。

顧客体験の毀損リスク

導入の動機がコスト削減に傾きすぎると、顧客が「人間と話したい」と感じたときにエスカレーションできない設計になりがちである。音声AIは顧客対応の代替ではなく、人間オペレーターの対応価値を高めるための前段として位置づける方が持続可能な設計になる。

次の一手——明日から始められる実務的な検討ステップ

ステップ1：問い合わせログの分析。まず自社の問い合わせ履歴から、定型質問の件数・分類・所要時間を集計する。音声AI自動化の効果が出やすいのは、件数が多く・回答パターンが限定的で・情報照会で完結する問い合わせタイプである。

ステップ2：スコープを1業務に絞ったPoC設計。「全問い合わせをAI化する」ではなく、「注文ステータス照会のみ」「パスワードリセット案内のみ」と範囲を限定したPoCを設計する。スコープを絞ると精度の評価・改善サイクルが回しやすく、失敗コストも限定できる。

ステップ3：ベンダー選定時の確認事項の整理。音声AIベンダーを評価する際には、①音声認識の日本語精度（評価用データセットでの実測値）、②データ保存・処理の所在地とコンプライアンス対応、③ハルシネーション抑制の設計（RAGやスクリプト制限）、④エスカレーション設計の柔軟性、を確認項目として設定する。

ステップ4：Speech-to-Speech型の動向モニタリング。Dessaは現時点でAI安全性研究者への限定アクセスにとどまり、エンタープライズ向け提供の時期・条件は未定である。現時点での投資判断に組み込むことは難しいが、Speech-to-Speech型が商用化される時期に備えて技術動向を把握しておくことが、将来の調達判断を速める。

参考文献

GIGAZINE https://gigazine.net/news/20261026-dessa-conversation-ai
Yahoo!ニュース https://news.yahoo.co.jp/articles/54d03566fd95284c5c1b35f30ee4016ca736e606
ライブドアニュース https://news.livedoor.com/article/detail/32656921/