AI要約の最前線が、2004年生まれのUSBアダプタに戻ってきた ー エーアイスクエアのコンバージャー対応が示す「音声の入口」争奪戦

2026年8月20日、株式会社エーアイスクエアが、音声認識・AI要約サービス「QuickSummary2.0」の「コンバージャー対応」を発表しました。

コンバージャーとは、電話機本体とヘッドセット（受話器）の間に挟み込み、通話音声をUSB経由でPCに送るアダプタです。これを使うと、PBX/CTIとネットワークで連携する工事も、音声を取り出すためのキャプチャサーバの設置も不要になり、最短2週間程度で音声認識とAI要約を使い始められる、というのがリリースの主旨です。

一見すると地味な発表です。新しいAIモデルの話でも、精度が何%上がったという話でもない。ハードウェアのアダプタに対応した、という接続方式の追加にすぎません。

それでも私がこの1本を取り上げようと決めたのは、このコンバージャーというアダプタが2004年に生まれた製品だと知ったからです。生成AI要約という2026年の最前線が、22年前に音声認識のために作られた箱に接続しにいった。この事実は、いまコンタクトセンターAIの競争がどこで起きているのかを、かなり正確に言い当てていると考えています。

この記事の要点

• 今回の発表の本質は機能追加ではなく「対応PBX一覧表からの解放」。前提条件そのものを外しにいった動きだと読んでいます

• 導入席数は9か月で2,300席から4,000席へ伸びた一方、社数の伸びは緩やか。伸び悩んでいたのは新規顧客の獲得であり、その詰まりが「音声の取り出し」にあったという仮説が立ちます

• コンバージャーは2004年にアドバンスト・メディアの要望で開発された製品。2006年にCRM、2015年に感情解析AI、2026年に生成AI要約と、AIの世代が変わるたびに同じ箱が呼び戻されています

• 導入検討側が確認すべきは5点（送受話分離の有無、CTI情報の紐付け、在宅・コードレスの扱い、1席1台のハード運用、精度表記の但し書き）。セクション5にまとめました

1. 何が変わったのか ー 「音声をどう取り出すか」という一丁目一番地

コンタクトセンターにAI要約を導入するとき、多くの人が最初に思い浮かべるのは「どのAIが賢いか」でしょう。しかし現場で最初に詰まるのは、たいていもっと手前の工程です。

そもそも、通話の音声をどうやってAIに渡すのか。

電話の音声は、電話機・PBX（構内交換機）・回線という閉じた設備の中を流れています。この流れから音声のコピーを取り出してPCやクラウドに渡さないと、AIは何も聞けません。この「取り出し」の工程が、実は導入プロジェクトで最も重いパートです。

従来の一般的な方式は、PBX/CTIと直接つないだキャプチャサーバを設置するやり方でした。設備側から音声を丸ごと取れるので大規模センターに向いていますが、代償があります。ネットワーク設計、機器の調達と設置、情シスと通信ベンダーの調整、そして工事。エーアイスクエア自身、今回のリリースで「ネットワークや機器の調整・設置に相応の準備負荷がかかることが課題」と、この重さを認めています。

コンバージャー方式は、この工程を物理的に迂回します。設備の中から音声を取るのではなく、オペレーターの耳と口のすぐ手前、電話機とヘッドセットの間から取る。ここまで来れば音声はもう電気信号としてケーブルを流れているだけなので、その手前がアナログ交換機だろうがIP-PBXだろうが関係ありません。

だから今回のリリースは「アナログ電話機、デジタル電話機、IP電話機など電話機の種類や、アナログ回線・VoIP・PBX内線など、ご利用中の回線方式を問わず」と書けるわけです。

前回の「オンプレPBX対応」と何が違うのか

ここは押さえておく価値があります。エーアイスクエアは2025年11月12日にも「QuickSummary2.0がオンプレミスPBXに対応」というリリースを出しています。ただし、その中身はキャプチャサーバを介する方式で、対応PBXはAVAYA、Genesys Cloud（BYOCP）、SV9500、CT Stage、Cisco CUCM、NEC Aspireという具体名の列挙でした。

つまり9か月前の「オンプレ対応」は、対応表に載っている機種であれば入れますという対応でした。今回のコンバージャー対応は、その対応表そのものを不要にする動きです。機種を一つずつ潰していく戦い方から、機種を問わない場所まで取得点を下げる戦い方への転換。これが今回の発表の本質だと私は読んでいます。

2. なぜ今なのか ー 席数は伸び、社数が伸びていない

「なぜこのタイミングで」を考えるには、同社が公表してきた数字を並べるのが一番早いと考えました。

（各社プレスリリースより当ラボ作成。「ー」は当該リリースで実績数の言及がないもの）

この一覧で目を引くのは、機能の話よりも「つなぎ先」の話が圧倒的に多いことです。CRM、FastHelp、BIZTEL、CT-e1、オンプレPBX、他社の品質評価システム、そしてコンバージャー。約1年間、ほぼ接続先を増やす発表で埋まっています。

数字を見ると、その理由が推測できます。

• 席数：2,300席（2025年11月）→ 3,500席（2026年4月）→ 4,000席（2026年8月）。9か月余りで約1.7倍

• 社数：約30社（2025年11月）→ 35社（2026年4月）。5か月で約5社増

席数は勢いよく伸びていますが、社数の伸びはそれに比べて緩やかです。1社あたりの平均席数は約77席から100席へ上がっている計算になります（2026年8月時点の社数は非公表のため、この比較は2026年4月時点までのものです）。

この数字から読めるのは、成長が「1社あたりの席の積み上がり」に支えられているということです。既存顧客のセンター内で席が増えたのか、新しく入った企業がもともと大規模だったのかは公表情報からは切り分けられません（当ラボ未確認）。ただしどちらであっても、新規のロゴ（導入企業）を増やす側が席の伸びほど軽くはない、という傾向は共通して読み取れます。

そのうえで、新規獲得を重くしていた要因は何か。ここからは私の推測ですが、AIの性能ではなく、1社目の1席を鳴らすまでの導入工事だったと考えるのが、この1年の発表内容とは最も整合します。約1年間の連携リリースが、機能ではなく接続先の追加でほぼ埋まっているからです。

コンバージャー対応は、この詰まりに直接効く施策です。同社は今回、あわせて「最短2週間程度」という立ち上げ期間と、「小規模の導入から費用対効果が出しやすい価格帯」という文言を並べています。狙っている先が、キャプチャサーバを立てられない規模と体制の顧客層であることは、かなりはっきりしています。

なお当ラボでは、30席以下の小規模センターではエンタープライズ前提のROI設計が成立しにくいことを別記事で整理しました。今回の動きは、その「割に合わない」を初期費用側から削りにいく試みとして読めます。

3. このアダプタは2004年生まれだった

ここからが、私がこの記事を書こうと思った理由です。

コンバージャーを製造しているのは、横浜市のテクノロジー・リンク株式会社です。同社の導入事例ページには、この製品がどう生まれたかが書かれています。

2004年、アドバンスト・メディア様から「送受話分離可能な音声分岐装置がほしい」というご要望を受けて開発した、送受話分離録音可能な「コンバージャー」は、クライアント側での音声認識ソリューションには欠くことのできないコンポーネントに成長しました。 （テクノロジー・リンク「導入事例」より）

つまりコンバージャーは、2004年に音声認識のために生まれた製品です。そしてその後の採用歴が、そのままコンタクトセンターにおけるAIの世代交代の年表になっています。

（テクノロジー・リンク公表の導入事例および各社リリースより当ラボ作成）

音声認識が来て、CRMが来て、感情解析が来て、生成AIが来た。モデルは4世代入れ替わったのに、音声を取り出す箱は同じものが呼ばれ続けている。

これは笑い話ではなく、この業界の構造をよく表していると思います。AIのレイヤーは数年で総取り替えになりますが、その下にある「電話の音を物理的にどう分岐させるか」というレイヤーは、電話機とヘッドセットという物理的な形が変わらない限り、ほとんど陳腐化しません。むしろ新しいAIが出てくるたびに、この箱の出番が増えている。

さらに細かい話をすると、Empathが2015年に採用した理由の記述には「CTIと連携しなくても1通話1ファイルを実現するフック検知機能により、音声感情解析の自動開始・停止が可能となった」とあります。受話器を上げ下げしたときの電気的な変化（側音のオン・オフ）を検知して、通話の開始と終了を判定する。CTIに聞かなくても「いま通話が始まった」がわかる仕組みです。生成AI要約でも、要約を切り出す単位はまさにこの1通話なので、この20年前の機能がそのまま効きます。

技術の最前線を追いかけていると新しいものばかりに目が行きますが、AIの世代交代を4回生き延びた部品が、いまも最前線の律速になっている。ここは覚えておく価値のある事実だと思います。