電話AIの費用を3社で比べる。通話基盤・認識精度・有人切替の分け方

電話の一次対応を AI に任せたい、という相談は多い。人が採れない、時間外の着信を取りこぼしている、同じ問い合わせが繰り返される。動機ははっきりしている。

ところが 3 社から見積もりを取ると、金額が 3 倍以上開くことがある。技術力の差でそうなっているのかというと、たいていは違う。含まれているものが違う。

電話 AI（ボイスボット）の見積もりは、文字起こしや議事録の AI と比べて、費用の層が 1 つ多い。電話網そのものの費用が乗るからである。ここを分けずに 1 本の金額で比べると、比較したことにならない。

なお、分野全体の費用相場は音声AI開発の費用相場にまとめてある。ここではその中の電話自動応答に絞り、見積もりをどう分解して、どう横並びにするかを扱う。

電話 AI の見積もりは 4 つの層に分かれる

まず、1 本の金額を次の 4 つに割ってもらう。これができない見積書は、そもそも中身が固まっていない。

層	何の費用か	費用の形
1. 通話基盤	電話番号、着信の受け口、同時通話の枠	月額 + 従量
2. 音声の入口と出口	音声認識、音声合成	従量（時間または文字）
3. 会話の設計	何を聞き、どう分岐し、どこで終わるか	初期費用（人件費）
4. 有人切替と運用	転送の仕組み、通話ログの確認、改善	初期費用 + 月額

3 社の金額が開く原因は、ほぼ 1 と 4 にある。2 は各社とも外部の API を使うので大差が出にくく、3 は工数として比較的見えやすい。

層 1：通話基盤は「AI の費用」ではない

ここが最初のずれになる。電話番号を維持する月額と、通話ごとにかかる従量の料金は、AI の料金とは別の契約である。 電話会社やクラウド電話サービスとの契約であり、AI の性能を上げても下がらない。

見積書のパターンは 3 つある。

1. 通話基盤を開発会社が契約し、月額に含めて請求する
2. 発注側が自分で契約し、開発会社は接続だけ行う
3. 何も書かれていない

3 番目が実際にはいちばん多い。このとき運用が始まってから「通話料は別途です」となる。金額の大小より、どちらの契約にするかを先に決めるほうが重要である。発注側が契約する形にすると、明細が直接見えるうえ、開発会社を替えるときに番号を持ったまま移れる。

もう 1 つ、見落とされやすいのが同時通話数である。電話は 1 本ずつしかつながらない。10 件の着信が重なる時間帯があるなら、10 本分の枠が要る。この枠は基盤側の費用に効くので、ピーク時に何本重なるかを、発注側が過去の着信記録から出しておく必要がある。ここを伝えずに見積もりを取ると、各社が勝手に違う数字を置く。金額が開いて当然である。

層 4：有人切替は「おまけ」ではなく設計項目である

電話 AI で最も苦情につながるのは、認識精度そのものより、うまくいかなかったときに人につながらないことである。

だから有人切替（エスカレーション）は、あとから足す機能ではなく、最初に決める仕様になる。決めることは 4 つある。

• どういう条件で人に回すか（2 回聞き取れなかったら、特定の用件が出たら、利用者が「担当者」と言ったら）
• 営業時間外に回す先があるか（無いなら、AI が受け切るか、折り返しの予約を取るか）
• 回すときに何を引き継ぐか（用件、それまでのやりとり、発信者番号）
• 回した先が埋まっていたらどうするか

この 4 つが決まっていない見積書は、金額が安く出る。決めていないのだから当然である。そして運用開始後に、いちばん作り直しが発生する箇所でもある。

認識精度は「測り方」を先に決める

見積もりを比べるうえで、もう 1 つそろえなければならないのが精度の条件である。「認識精度 95% を目指します」と書かれていても、何を分母にした 95% かが書かれていなければ、意味を持たない。

測る対象を、単語ではなく用件にする

音声認識の精度は、一般に単語単位の正解率で語られる。しかし電話 AI で発注側が本当に気にしているのは、単語が合っているかではなく、用件を取り違えずに最後まで処理できたかである。

実務で使いやすいのは次の 3 つである。

指標	意味	なぜ要るか
完了率	AI だけで用件が片づいた通話の割合	削減できる工数に直結する
取り違え率	用件を別の用件と判断した割合	これが業務上いちばん危ない
転送率	人に回した通話の割合	高すぎると導入効果が出ない

このうち最も重視すべきは取り違え率である。聞き取れずに人へ回すのは、遅いだけで実害が小さい。間違った用件として処理を進めるほうが、あとの手戻りが大きい。 「わからないときは、わからないと言って人に回す」という振る舞いを、精度の条件として明記しておくとよい。

評価データを、発注側が用意する

そして精度の条件は、評価に使う音声を決めて初めて成立する。同じ AI でも、静かな室内からの通話と、屋外からの通話では結果が変わる。

相見積もりの条件として、次を先に決めておく。

• 実際の通話録音を何件用意するか（用途にもよるが、用件の種類ごとに数十件は要る）
• 誰が正解を付けるか（発注側の担当者が付けるのが原則。業務を知らないと正解が決まらない）
• その録音を各社に同じものを渡すか

同じ録音を各社に渡して同じ指標で出してもらえば、精度は横並びで比較できる。逆に各社が自前のデータで測った数字は、並べても意味がない。この考え方はAIの精度は誰が評価するのかでも扱った。

個人情報を含む通話録音を外部に渡すことになるため、渡す前に、保存期間・学習利用の可否・返却または削除の方法を書面で決めておく。ここは NDA だけでは足りず、データの扱いとして別に取り決める部分である。

検収条件は「合格ライン」と「測り直し」で書く

精度は、納品時点で固定されるものではない。利用者の話し方は季節や案件で変わり、扱う用件も増えていく。

そのため検収条件は、1 回の試験で合否を決める形にしないほうがよい。

• 納品時：合意した評価データで、完了率と取り違え率が合格ラインに入ること
• 運用開始後：同じ指標を毎月測り、下がったときに誰が直すかを保守契約に書くこと

「精度が出なかったら直します」という口約束ではなく、どの数字がどこまで下がったら無償で直す範囲なのかを書いておく。これが無いと、運用中の精度低下は毎回、有償の追加開発として見積もられることになる。

同じ条件で比べるために、案件票に書く 6 項目

ここまでを、相見積もりを出すときに書いておく形にまとめると、次の 6 つになる。

1. 対応する用件の一覧（AI に任せる用件と、任せない用件を分けて書く）
2. 月間の着信件数と、ピーク時の同時着信数（過去の記録から）
3. 通話基盤を発注側と開発会社のどちらが契約するか
4. 有人切替の条件と、営業時間外の扱い
5. 精度の指標（完了率・取り違え率・転送率）と、評価に使う録音の件数・用意する側
6. 通話録音の保存期間・学習利用の可否・削除方法

この 6 つを書いた案件票を同じ内容で複数社に出せば、返ってくる金額は同じ前提の上に乗る。金額の差が、そのまま各社の考え方の差になる。 逆にこの 6 つを書かずに「電話の一次対応を AI でやりたい」とだけ伝えると、各社が違う前提を置くので、金額の差からは何も読み取れない。

条件をそろえた案件票をつくって複数社に送るところまでは、無料の相見積もりで手順として用意してある。上の 6 項目は、そのまま案件票の記入欄に対応している。

PoC で確かめること、確かめられないこと

電話 AI は、PoC を挟む価値が特に高い用途である。ただし PoC で分かることには限りがある。

分かること

• 用意した録音に対する認識の精度
• 用件の分岐が想定どおり動くか
• 1 通話あたりのおおよその原価

分からないこと

• 実際の利用者が、AI 相手にどう話すか（人は機械が相手だと話し方を変える）
• 苦情の出方
• ピーク時に基盤が耐えるか

そのため PoC のあとに、時間外だけ、あるいは特定の用件だけで実通話を流す期間を置くのが現実的である。ここで初めて、取り違え率と転送率の実測値が出る。予算はこの段階まで含めて組んでおく。

まとめ

電話 AI の見積もりが 3 倍開くのは、技術の差というより、通話基盤を含めているかと有人切替を設計しているかの差である。

比較できる見積もりにするために、発注側がやることは 2 つしかない。

• 費用を 4 つの層に割ってもらい、通話基盤の契約主体を決めること
• 精度の指標と評価用の録音を先に決め、同じものを各社に渡すこと

この 2 つを先に決めておけば、あとは各社の金額を並べるだけで判断できる。決めずに金額だけ集めると、いちばん多くを見積書から省いた会社が、いちばん安く見える。