音声AIの「現場定着」が難しい本当の理由 ー テスト環境では動いた、本番では使われなかった
SBIいきいき少額短期保険は2025年6月に1カ月間、生成AIを使った「AIエージェント型ボイスボット」の実証実験（PoC）を行い、ボイスボットだけで受付が完了する完結率が7割を超えた。この結果を受けて同社は2025年8月28日から本番運用を始めている。数字だけ見れば成功事例だが、音声AIの世界で本当に難しいのは、このPoCの数字を本番環境で維持し、現場に使われ続けることのほうだ。多くのプロジェクトはデモや実証では良い結果を出しながら、本番で「使われなくなる」。なぜそうなるのか。私の立場を先に言えば、定着を阻む壁は音声認識モデルの精度そのものよりも、スコープ設計とオペレーターの受容という運用側にある。
1. PoCは光るが本番は暗い ー ギャップは音声AIだけの話ではない
まず全体像を数字で押さえる。MITのProject NANDAが2025年に公表した調査「The GenAI Divide: State of AI in Business 2025」は、企業の生成AIパイロットのうち、損益に測定可能なリターンをもたらしたのは約5%にすぎず、残る95%は停滞していると報告した。この調査は経営層への150件のインタビュー、従業員350名へのサーベイ、公開された300件のAI導入事例の分析にもとづく。注目すべきは、著者らが失敗の主因を「モデルの品質でも規制でもなく、アプローチの差」と結論づけている点だ。
当て馬として内製と購買の比較を置くと、この構図はさらに鮮明になる。同調査によれば、専門ベンダーから購入して協業する形は約67%の確率で成功する一方、社内で内製したものの成功率はその3分の1（およそ33%）にとどまる。つまり技術の到達点が問題なのではなく、誰がどう業務に接続するかで結果が割れている。
もっとも、この95%という数字は生成AI全般のものであり、音声AI（ボイスボット）に限定した統計ではない点は留保しておく。単純に「音声AIの95%が失敗する」と読み替えるのは正確でない。ただ音声チャネルに寄せて見ても、方向は変わらない。Calabrio（2025年に投資会社Thoma Bravo傘下でVerintと統合、現在はVerintブランドで展開）が世界の400名超のコンタクトセンター責任者に聞いた「State of the Contact Center 2025」では、コンタクトセンターの98%がすでに何らかの形でAIを使っていると答えている。導入率がここまで高いのに定着の議論が絶えないという事実そのものが、「入れること」と「使われ続けること」の断絶を示している。日本国内でも、AI音声ボット導入プロジェクトの約6割が期待した効果を得られていないとする集計がある（ただし原典レポート名は本記事では未特定）。
2. なぜ本番で失われるのか ー サーキットと雨の一般道
メカニズムを噛み砕くために、アナロジーを使う。PoC環境は整備されたサーキットに近い。路面はドライで、走るコースもあらかじめ決まっている。本番環境は雨の一般道だ。歩行者が飛び出し、標識は隠れ、路面状況は刻々と変わる。同じ車（同じ音声AI）でも、出せるタイムはまるで違う。
この「路面の差」は、システム要因と現場要因の2軸で整理できる。
システム要因の中心は、発音認識の精度と言い回しの揺れだ。PoCは残高照会、支払日、カード更新のような定型的でパターンの読める用件に絞って設計されることが多い。ところが本番では、方言やなまり、言いよどみ、途中での話題変更、不完全な回答が日常的に混ざる。ブリットル（もろい）な会話フローは、顧客が割り込んだり話を変えたりした瞬間に崩れる。加えて、規模が出ると通話の音声品質そのものが不安定になり、上流の音声が劣化して認識精度を落とす。ある金融機関は12週間のPoCで高い完結率と短い処理時間、良好な顧客満足を記録したが、18カ月後もごく一部の呼量しかさばけておらず、社内では「フェーズワン」と呼ばれるだけの存在になっていたと、Site Selection Groupは報告している。
現場要因の中心は、オペレーターの不信と呼量変動への対応だ。Calabrioの調査では、責任者の32%がオペレーターのAIへの不信を主要な課題に挙げ、自分の使うツールのどれがAIなのかを明確に把握しているオペレーターは35%にとどまる。一方で44%は日々の業務でAIが役に立つと答えており、拒否感というより「よく分からないまま使わされている」状態に近い。現場が仕組みを理解しないまま置かれれば、少しの誤認識でも「やはり使えない」という評価に振れ、実運用から外されていく。
実績を数字で見ると、逆に何が効くのかが見える。SBIいきいき少短の事例では、ボイスボットが丁寧に復唱確認することで、オペレーターによる折り返し（コールバック）が63%削減され、後処理なしで受付が完了する完結率は3倍に向上し、音声確認による修正作業は2分の1に減ったと、モビルスは報告している。定着を分けたのは新しいモデルの登場ではなく、復唱確認という運用設計だった。
3. 脱PoCの型 ー 再現できる4つの設計
事例を横断すると、本番で使われ続ける音声AIには共通の設計パターンが抽出できる。
第一の型は「入口を定型に絞る」。用件特定や一次受付のような、パターンが読める範囲に役割を限定し、複雑な例外は最初から人に回す。SBIの事例が受付の完結に狙いを定めたのはこの型だ。なぜ効くかというと、雨の一般道を全部走らせようとするから崩れるのであって、天気の良い区間だけ任せれば失敗の起点を減らせるからだ。
第二の型は「復唱確認を設計の中核に置く」。認識結果をそのまま流さず、AIに復唱させて顧客に確認させる。SBIではこれがコールバック63%減と修正作業の半減に直結した。認識精度を100%に近づけるより、間違いを対話の中で回収する構造を作るほうが、現実には安く効く。
第三の型は「人への引き継ぎ（handoff）を一等地に置く」。エスカレーションを例外処理ではなく標準機能として設計する。本番の失敗の多くは、フローが崩れたときの逃げ道が用意されていない点にあると、Site Selection Groupは指摘する。詰まったら即座に人へ、という導線が滑らかであれば、AIが苦手な領域に踏み込む必要がなくなる。
第四の型は「オペレーターを監視者でなく共同設計者にする」。どのツールがAIで、何をどこまで任せているのかを現場に開示し、教育とコーチングを継続する。Calabrioが示す「35%しか把握していない」という不透明さを放置しないことが、不信の芽を摘む。
4. 日本のコンタクトセンターにどう効くか
ここからは私の見立てとして書く。日本のコンタクトセンターは、慢性的な人手不足と、電話という「揺らぎの大きいチャネル」を同時に抱えている。だからこそ、精度の高い最新モデルを追うより、上記の4つの型のうち「入口の限定」と「復唱確認」の2つを先に実装するほうが、投資対効果は読みやすいと考える。認識モデルは今後も更新され続けるが、運用設計は一度作れば資産として残る。
自己反証を一つ入れておく。この見立ての弱点は、SBIの70%完結率や63%コールバック減がベンダー発表の値であり、第三者による実測での裏取りが公開されていない点だ。PoCの好数字が本番で同じ水準を保つとは限らないし、業種や顧客層が違えば再現しない可能性は十分にある。だから「型」はあくまで仮説として扱い、自社の呼量構成で検証してから広げるべきだ。
その上で、音声AIの本番定着は次の4条件がそろったときに現実的になると整理する。すなわち、（1）任せる用件が定型に絞られている、（2）復唱確認など誤りを対話内で回収する仕組みがある、（3）人への引き継ぎ導線が標準機能として滑らか、（4）オペレーターがAIの担当範囲を理解し教育が続いている、の4つだ。このどれかが欠けると、雨の一般道でスピンする。
まとめ
第一に、PoCが光っても本番で暗くなるのは音声AIに固有の欠陥ではなく、企業のAI導入全般に共通する「アプローチの断絶」の一部だと、MITの調査は結論づけている。第二に、定着を分けるのはモデル精度よりも、スコープの絞り込みと復唱確認という運用設計であり、SBIの事例はそれを数字で示している。第三に、現場の不信は拒否ではなく理解不足から生まれており、オペレーターを共同設計者に引き上げることが定着の前提条件になると、Calabrioの調査は示唆する。
問いを一つ残したい。私たちは音声AIを「人の代わりに全部やる装置」として測り続けるのか、それとも「人が最後を締める前提で、入口を任せる装置」として測り直すのか。定着率という数字がどちらの物差しで語られているかを、次に事例を読むときは確かめてほしい。
注記: 本記事の事実確認日は2026-07-08。数値のうちSBIいきいき少短の完結率70%超・コールバック63%減・完結率3倍・修正作業半減はモビルスによる発表値であり、第三者による実測での裏取りは公開されていない（reliability: 中）。MITおよびCalabrioの調査値は各社の一次レポート・報道にもとづく（reliability: 中〜高）。国内の「約6割が期待効果を得られていない」はStepAIによる二次まとめで、原典レポート名は本記事では未特定（reliability: 低）。「3. 脱PoCの型」の型抽出および「4. 日本のコンタクトセンターにどう効くか」以降は、事実にもとづく筆者個人の見解であり、特定製品の性能保証ではない。
出典
- モビルス「生成AI活用の新機能『AIエージェント型ボイスボット』を提供開始、SBIいきいき少短に本導入決定」
- モビルス「SBIいきいき少額短期保険株式会社｜生成AIエージェント型のボイスボットで受付完結率70％超を実現」
- Calabrio「State of the Contact Center 2025」（現Verintページ）
- Fortune「MIT report: 95% of generative AI pilots at companies are failing」
- Site Selection Group「Why Most Contact Center AI Pilots Never Reach Production」
- CX Today「The Reality of Voice AI in the Contact Centre: From Pilot to Production」
- StepAI「AI音声ボットの導入失敗事例10選：失敗原因と対策をプロジェクト段階別に解説」
この記事はCC AI LabのAI著者（相馬 迅/相原 ことは）が執筆し、編集部が内容を確認・承認のうえ公開しています。誤りを見つけた場合はお問い合わせフォームからご連絡ください。
