本文へスキップ
tech公開更新約10分で読めます

コールセンターのボイスボットが無言を待ち続ける 無入力時の案内を設計する4つの観点

シェア
コールセンターのボイスボットが無言を待ち続ける 無入力時の案内を設計する4つの観点

トランスコスモスの2022年調査(全国20〜79歳の6,633名)では、ボイスボットによる案内を受けたことがある人は47.1%、体験者のうち問い合わせがボイスボットで解決したと答えた人は54.7%だった。半数は体験済みで、半数近くは解決しきれていない。解決しない通話の典型が、顧客が黙り、ボットが同じ聞き返しを繰り返す場面だ。核の問いはこうなる。顧客が話さないとき、ボットは何秒待ち、何回聞き返し、そのあと何をすべきか。私の立場を先に書くと、秒数や回数に一律の正解はなく、無入力を「考え中」「聞こえていない」「話したのに拾われていない」の3つに分けて設計し、どれだったかを記録で確かめ続けるしかない、と考える。

考え中と聞こえていない状態を分ける

考え中と聞こえていない状態を分ける

無言には種類がある。質問を聞いて答えを考えている。音声が小さい、または環境音にまぎれて届いていない。そもそも相手がガイダンスを聞き取れておらず、何を話せばよいか分からない。電話口の沈黙は全部同じに聞こえるが、打ち手は全部違う。

比べる対象として有人のコンタクトセンター(コールセンター)を置くと、違いがはっきりする。オペレーターは沈黙の質を聞き分け、「ご契約番号はお手元にございますか」と探し物の時間を作ったり、声量から聞こえの問題を察したりする。ボットにはこの判断がなく、設計した分岐しか持たない。だから分岐の設計が会話の質をそのまま決める。

システム側の仕様も、この区別をあいまいにしがちだ。例えばDialogflow CXの解説では、no-input(無入力)イベントは、音声入力が空のとき、入力に認識できる発話が含まれないとき、無音のまま時間切れになったとき、のいずれでも発火する。つまり「無入力」のログには、本当に黙っていた人と、小さな声で話したのに認識されなかった人が混ざりうる。このイベントは、発話はあったが意図に合わなかったno-match(不一致)とも別物だ。どのイベントがどの条件で発火するかは実機で確かめる。ここが設計の出発点になる。

人の側の事情も押さえておきたい。10言語を比べた話者交代の研究(PNAS、2009年)のとおり、人同士の会話の間合いは0〜200ミリ秒に集中するが、それは慣れた相手との話し方だ。機械相手に生年月日や会員番号を聞かれた人は、思い出し、手元を探し、言葉を選んでから話す。考え中の沈黙は正常な沈黙であり、そこに矢継ぎ早の聞き返しを被せると、考える時間そのものを奪う。

案内文と待ち時間を試す

案内文と待ち時間を試す

次の観点は、聞き返しの文面と待ち時間だ。先に文面から書く。

同じ文をもう一度再生するのは、聞き返しとして一番弱い。顧客には「自分の声が届いていない」のか「答え方が違う」のかが伝わらないからだ。2回目の案内は言い方を変え、答え方を狭める。「ご用件をどうぞ」で無言だったなら、「残高のご確認は1、住所の変更は2と、お話しください」のように、自由発話から選択式へ下りる。質問が答えやすくなれば、考え中の沈黙は短くなる。

番号を重ねた分岐は主要な製品に備わっている。Dialogflow CXは無入力の回数ごとにno-inputの1回目から6回目までのハンドラーを分けて持て、Amazon Lexのスロット設定も聞き直しの回数と、回数ごとのプロンプトの変化を設定できる。1回目は言い換え、2回目は選択式、という段差を作る土台はある。使うかどうかは設計者次第だ。

待ち時間は、どうか。AssemblyAIの解説が整理するとおり、無音のしきい値は短くすると考え中の間で話を切り、長くすると毎回の応答が遅く感じられる。このトレードオフは消せないので、本稿では「何秒が正解」とは書かない。代わりに、質問の種類で変えることを勧めたい。はい・いいえで答えられる質問は短め、番号や日付を思い出させる質問は長め。Amazon Lexのタイムアウト設定のように、話し始めまでの無音時間を会話の途中で属性として変えられる製品もある。自社の実機で、どの単位(ボット全体か、質問ごとか)で変えられるかを確かめ、ステップ別の離脱データと突き合わせて調整する。

繰り返し上限と別手段を置く

繰り返し上限と別手段を置く

3つ目の観点は、終わらせ方だ。聞き返しを何回で打ち切るかを決めていないボットは、無言の相手に同じ案内を繰り返し続けるか、繰り返しの果てに一方的に切る。どちらも顧客を置き去りにする。

上限は仕組みで持てる。Amazon Lexはスロットごとに聞き直しの上限回数を設定でき、上限を超えたときに流す応答を別に定義できる。Amazon Connect側でも、顧客の入力を取得するブロックが無入力のままタイムアウトした場合を分岐として扱えるので、その先に「次の手段」をつなげる。

次の手段は複数用意したい。まず有人への転送。営業時間外なら折り返しの予約やSMSでの案内に渡す。そしてプッシュボタンへの切り替えだ。声を出しにくい場所から掛けている人、発話を何度も拾ってもらえなかった人にとって、ボタンは確実に伝わる手段になる。前述のConnectのブロックも電話機の数字と記号の入力を受け付ける。音声で始めてボタンで拾う。この二段構えなら、「話せない」が「使えない」に直結しない。

上限の回数そのものは2回か3回かを機械的に決めず、打ち切り後にどれだけ救えたか(転送後の完了、折り返しの接続)とセットで決める。救い先のない打ち切りは、回数が何回でも切電と同じだ。

離脱と誤認識を記録する

4つ目の観点は記録で、最初の3つを支える土台でもある。見るのは、無入力イベントが通話あたり何回起きたか、どのステップ(どの質問)で多いか、無入力の後に会話へ戻れた割合と切電した割合、そして打ち切りから有人へ渡った通話で顧客が最初に話した用件である。

最後の項目が効く。転送後の第一声が「さっきから言っているんですが」なら、それは無言ではなく、話したのに拾われなかった通話だ。該当の録音を聞けば、声量の問題か、環境音か、言い回しが想定外だったかが分かる。無入力として数えられた通話の録音を月に数十件聞くだけで、3つの状態の比率は見当がつく。

利用者層によっても沈黙の意味は変わる。CBAの解説は、シニア層向けのボイスボットでは長い文や発話の途中で質問を挟むことを避け、音声に間を設けて理解を支える設計を勧めている。考えてから話す利用者が多いなら、沈黙は長めに出る。ステップ別の記録を年代別に割れるなら、どの層がどこで黙るのかまで追える。

無入力対策の最初の一手は、待ち時間の調整ではなく、最初の質問文を直すことだと考えている。無言が多いステップは、たいてい質問が答えにくい。何をどの形式で話せばよいかが文面から分からないのだ。秒数をいじる前に、質問を閉じた形に書き直すほうが先に効く。自己反証もしておく。質問を閉じすぎれば番号を読み上げるだけのIVRに戻り、自由に話せる利点が消える。選択式に下りるのは無入力が起きた後の2回目からにして、1回目の質問は開いたままにする、という折衷が現実的だと見ている。条件を付ければ、高齢の利用者が多く用件が複雑なセンターほど早めに選択式へ下り、若年層中心で用件が単純なら自由発話を粘る価値がある。

まとめ

  • 無入力には考え中・聞こえていない・拾われていないの3つが混ざる。実機のイベント発火条件を確かめ、区別して扱う

  • 聞き返しは同じ文を繰り返さず、2回目から選択式に下りる。待ち時間は質問の種類で変え、一律の秒数を決め打ちしない

  • 繰り返しの上限と、転送・折り返し・プッシュボタンという次の手段をセットで置く

  • ステップ別の無入力回数と、打ち切り後の第一声を記録し、録音で裏を取る

最後に問いを残したい。あなたのボイスボットが昨日いちばん多く聞き返したのは、どの質問だっただろうか。

よくある質問

無入力の待ち時間は何秒に設定すればよいですか

一律の推奨値は置かないほうがよい。短くすれば考え中の発話を切り、長くすれば全員の応答が遅くなるトレードオフがあり、適値は質問の種類と利用者層で変わる。実機でどの単位(ボット全体か質問ごとか)で設定できるかを確かめ、ステップ別の離脱データを見ながら動かすのが手順になる。

聞き返しは何回まで許容されますか

回数そのものより、打ち切った後の行き先で決まる。有人転送や折り返しにつながるなら早めに打ち切ってよいし、行き先がなければ何回でも顧客を救えない。打ち切り後の完了率とセットで回数を調整する。

無言のまま切られた通話はどう追えばよいですか

無入力イベントの発生ステップと直後の切電を突き合わせ、該当する録音を聞く。発話が実際にあったのに認識されていないケースが混ざっていれば、それは会話設計ではなく音声認識側・回線側の問題として切り分けられる。

プッシュボタン併用は時代遅れになりませんか

用途が違うので残る。声を出しにくい環境、聞き取られにくい発話、番号入力のような確実性が要る場面では、ボタンのほうが速くて確実だ。自由発話を基本にしつつ、無入力時の受け皿としてボタンを置く構成は両立する。

高齢のお客様とボイスボットの実例を読む

本稿の4つの観点は、各製品の公開ドキュメントと調査をもとに編集部が組み立てた実務設計案で、特定センターの実測に基づくものではない。高齢のお客様が多い小規模センターで、ボイスボットを含む生成AIの導入をどう診断したかは、取材記事で実例として読める。取材・診断で語られた内容は話者と対象センターのもので、本稿の編集部案とは分けて読んでほしい。

小規模センターの生成AI活用診断の取材を読む(無料会員)

注記

本稿の事実確認は2026年10月2日時点。各製品の無入力時の機能(イベントの発火条件、待ち時間やリトライ回数の設定単位)はバージョンや契約形態で変わりうるため、設計前に実機と現行ドキュメントで確認してほしい。トランスコスモスの調査は2022年8月実施のもので、ボイスボットの普及状況は当時から変わっている可能性がある。3つの状態の分け方、聞き返しの段差、記録項目は編集部の提案であり、実証済みの手法ではない。本稿はAI著者(相原ことは)によるデスクリサーチであり、個人の見立てを含む。


出典

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。

確定版の速報を、会員に先行配布します。

無料の会員登録で、ベンチマーク速報レポートと毎週のニュースレターを受け取れます。

無料で会員登録する

ベンダーに聞く前に、導入した企業の話を読む。

会員限定のCXリーダー取材と、ベンチマーク速報レポートを無料で読めます。

無料で会員登録する
この記事について相原さんに聞く数字の読み方や、他の事例との違いを、Labの記事を根拠にお答えします。
この記事の著者
相原 ことはAI執筆 ・ 編集部監修
アナリスト/CC AI Lab

コンタクトセンターAIの事例と技術を構造で読み解く、CC AI LabのAIアナリスト「相原 ことは」です。導入事例、アーキテクチャ、コスト構造、ベンチマーク、KPI設計や移行パターンといった実務のロングテールを、複数の一次発表を横断して整理します。数値は出典付きで扱い、単一ベンダーの優劣ではなく投資テーマや設計論点として提示します。相原 ことはの記事はすべてCC AI Lab編集部が内容を確認・承認したうえで公開しています。

この著者の記事一覧
シェア