音声AI、普及の壁は推論速度と信頼

企業向け音声AIを手がけるPolyAIのショーン・ウェンCTOと、会議記録サービスOtterのアレックス・ゲイCMOは2026年10月、音声AIはまだ「ChatGPT級の転機」に達していないとの見方を示しました。自然な対話には高速な推論と正確な音声認識が必要で、誤作動を防ぎ利用者の信頼を得ることが普及の条件だと指摘しています。

PolyAIは、相手の話を聞きながら発話できる全二重モデルの開発を一つの到達点と捉えています。次の課題は推論の高速化であり、回答を素早く取得して会話を自然に感じさせる必要があります。

顧客対応では、人間らしい声だけでなく、問題を解決できるという確信を利用者に与えることが重要です。最初の2、3往復で応対を続けてもらい、解決実績を重ねることが、人間への交代を求めない信頼につながるとPolyAIはみています。

Otterは、話者の識別や意図の把握を組織内の知識と結び付けることが、自動化を進める鍵だとしています。同社が開発する会議用デジタルツインには、単なる質疑応答を超え、議論や戦略的対話を支える感情表現が欠かせません。

一方、音声認識が重要語を取りこぼすと、文脈の理解が崩れ、文字起こし後の要約やアクションまで誤る恐れがあります。Otterは、誤った行動が一度でも起きれば信頼を失うため、音声認識精度の継続的な改善が重要だと説明しています。

透明性も導入の前提です。Otterは会議参加者への録音通知を検討し、PolyAIも企業の電話対応で相手がAIだと明示する重要性を指摘しています。