ボットは音声テクノロジーを置き換えるか？ AIインタラクションの未来を検証

パパかチップス？ 音声かボット？

ボットがあるのに誰が音声を必要とする？

「Google、おむつをもっと注文して。」

「Alexa、木曜のマンチェスター発ミラノ行きのフライト時間は？」

iPhone 4SでのApple Siriデビュー以来、「スマート」音声テクノロジーを活用する新デバイスの波が押し寄せている。そしてそれを受け入れる人々の数は増え続けている。我々はすでに、「モノ」との音声インタラクションが日常になった地点に達している。事実、音声コマンド一発でできないことはほとんどないようにさえ見える。

さらに考えさせられるのは、我々が今日このテクノロジーを日常的に使っているにもかかわらず、新しいバーチャルアシスタントが我々をどう助けられるか、そのすべての方法を探り始めたばかりだということだ。ボイスボットが何百万もの消費者の生活にさらに完全に統合されたら、生活はどうなるだろう？

Google Duplexを例に取ろう。わずか数ヶ月前、何百万人もの我々が、ボイスボットが実際の人間と「会話」し、女性のヘア予約を取る、非常に「リアル」な会話のデモを見た。私の即時の反応は：これで音声は終わりだ。

その能力がさらに進化し、ビジネスへの電話がAIテクノロジーによって完全に処理されるようになったら、生活はどうなる？ そして次のステップ——あなたの代わりにボットが銀行のボットと話し、口座の問題を解決したり小切手を注文したりしたら？

そう。音声の終わりは来た。

しかし、そうではない。

考えてみてほしい。消費者はもはや、保険見積もりに必要なすべての詳細を、IVR（インタラクティブ音声応答）テクノロジーで骨を折って繰り返し入力する必要はない。代わりにオンラインで行えば、懸念が即座に正確に理解され、応答される。自然言語処理と音声認識を用い、ボットは今や通常の人間の会話を理解し、所定のルールに従って動作できる。

事実、ただ尋ねるだけで済むのは、テキストのページを読み、新しいソフトウェアを習得し、検索、スクロール、タイプ、タップするよりも無限に簡単だ。ある意味、洗練された音声テクノロジーは、我々が望む方法で、望むものをツールに与えさせる。ほとんどの場合、音声の方が単純に便利だ。

Googleは自社テクノロジーが人間の介入なしで複雑な会話を処理できると主張する。Googleは現在エンタープライズクライアントでテストしておらず、通話時にボットがAIであることを名乗ることを約束しているが——このような人間らしいテクノロジーはすでに大規模ビジネスと我々の生活すべてに浸透しつつある。組織が自動化とコスト削減を目指す中、エンタープライズレベルでの普及は不可避だ。

ユーティリティがこうした音声テクノロジーの焦点であり続け、誰もが悪用の可能性に警戒し続ける限り、これはすべて良いことだ。消費者は、家庭でそうなったように、エンタープライズ音声ボットへの耐性を身につけるだろう——特に効果的で、利用可能で、レスポンシブであれば。すべては利便性にかかっている。銀行に電話し、5分待ってエージェントと話せても、まだあなたの問い合わせに対処できないと言われるのは誰も好きではない。音声ボットが価値を提供すれば、消費者は躊躇なく使うだろう。

大きな絵

しかし利便性は片手落ちではいけない。ビジネスと消費者の双方にとって等しく便利でなければならない。そして、このテクノロジーがそのバランスを支える形で成熟するにつれ、考慮すべき多くの根本的な社会的、道徳的、法的インプリケーションがある。音声ボットが倫理的に振る舞うことをどう保証するか？ ボット会話中にイントネーションや感情分析を展開して人々を操作するのをどう防ぐか？ ボットは消費者が提供した情報をどうするか？ クレジットカード番号を記憶するか？ 情報はどこへ行く？ どう保存される？ 誰と何がアクセスできる？ 深刻なプライバシーインプリケーションもある。ヨーロッパでは、例えば音声ボットはGDPR（一般データ保護規則）に準拠しなければならない（昨年施行）。

これら人間らしい音声ボットを動かすには大量のデータが必要で、途方もない責任が伴う。組織はデータがどこから来て、どう融合されているかを知らなければならない。サードパーティデータと混合されているか？ そのデータはどこから来て、自分のAIモデル構築に使えるか、使うべきか？ 最近のFacebookデータ利用スキャンダルが教えてくれたことがあるとすれば、企業は人気の新技術の負のインプリケーションと、それらがどう悪用され得るかを常に考慮してきたわけではないということだ。

ユーザー期待の重み

音声ボットを導入するビジネスは、ユーザー期待の重圧にも備える必要がある。人間として、我々は生物学的に声を認識し、関連するペルソナで何ができるかを本能的に思い出すようにできている。御社の音声ボットがAlexaのように聞こえれば、私はそれがAlexaのように「振る舞う」ことを期待する。ビジネス導入と体験にバリエーションがあれば、すぐに消費者の苛立ちを招く。このブランドとはこれこれの5つのことができても、あの似た声のブランドでは半分しかできない——なぜだ？

音声ボットが間もなくユビキタスになっても、我々が常にそれらと話すことに完全に安心するとは限らない。明確な用途があり、簡単なクエリとシンプルなタスクに信じられないほどの利便性を提供するだろう。しかし、人生の複雑さについて実在の人間と会話をすることには、ボットが決して完璧に、あるいはセンシティブに扱いきれない価値がある。人間の担当者は企業にとって不可欠であり、重要なインタラクションポイントで決定的な差を生む。人間という複雑な本質、湧き上がる真の感情、感じたことを共有する独自の能力——これは満足に合成・自動化できないレベルの音声インタラクションだ。

AIがすでにできることすべて——信じられないほど「リアル」な言葉の癖を真似し、情報を破竹のスピードで処理すること——を含めても、音声ボットはまだ初期段階にあり、我々が望むとき、人間同士の接触は代替不可能だ。

Chris ConnollyはGenesysのプロダクトマーケティングバイスプレジデント。