CRM / SALES

Guavaで電話問い合わせに応答する音声AIエージェントを構築する

Guavaで扱う主な工程。音声認識、応答生成、音声合成

要点

  1. Daytonaは2026年9月に公開されたGuavaの初期音声モデルである。
  2. 音声認識、言語モデル、音声合成を一つのスタックで扱う。
  3. 実電話での聞き取り、応答時間、人への引き継ぎを導入前に検証する。
目次

電話の聞き取りと返答を一つの基盤で扱う

Guavaは、企業の問い合わせ窓口で動く音声AIエージェントを開発するための基盤である。2026年9月に初期公開モデルDaytonaが登場した。電話で届く音声を認識し、会話の内容に応じて返答を生成し、その返答を音声にする流れを一つのスタックで扱う。

音声認識、言語モデル、音声合成には独自のモデルを使う。各工程を別々の外部モデルに依存させる構成とは異なり、会話処理の主要な層を同じ基盤で組み合わせる点が特徴だ。問い合わせ窓口の開発者は、音声の処理だけでなく、何を答えさせるか、どこで会話を終えるかを設計する必要がある。

問い合わせ業務を会話の流れに落とす

例えば、予約変更の問い合わせを受ける窓口なら、利用者の要望を聞き取り、必要な情報を尋ね、次に取る手順を案内する会話を組む。入力は通話音声、処理は聞き取りと返答生成、出力は利用者に届く音声応答である。予約システムの情報取得や更新まで任せる場合には、その接続方法と操作範囲を別途確認する。

導入対象として考えやすいのは、質問の順序や回答条件を整理できる電話業務である。一方、話が途中で変わる場合や、聞き取れない固有名詞が続く場合もある。決まった台詞を再生するだけでは足りず、聞き返し、言い直し、会話の中断を含めて業務の流れを作ることになる。

11月の開発環境情報と実通話での確認

2026年11月3日の発表では、Python、TypeScript、Claude Codeを使った開発が案内された。動作するエージェントを短時間で構築できるとの説明もあるが、試作が動くことと、問い合わせ窓口で任せられることは別の確認工程である。

検証には実際の窓口に近い通話を用意する。背景雑音、早口、話者による発音の違い、相手が話している途中での割り込みを試し、聞き取りと返答の待ち時間を確かめる。顧客情報を扱うなら、会話データの保存範囲と保持期間、電話回線との接続、人の担当者へ切り替える方法も確認する。自動応答を続けてよい条件を業務ごとに決めることが、運用設計の中心になる。

参照先

Next

次に読む

Latest

CRM・営業管理の新着

すべて見る →