本文へスキップ
tech公開更新約10分で読めます

コールセンターの音声認識が通じないとき プッシュ入力へ切り替える設計

シェア
コールセンターの音声認識が通じないとき プッシュ入力へ切り替える設計

Twilioが公式ブログで公開している音声ボット設計の実践集には、はっきりこう書かれている。音声認識は英数字が混ざった入力(ABC123のような文字列)にはまだ最適化されておらず、同じ音に聞こえる候補が多いため認識が難しい。だから認識に失敗したときの代替として、電話のキーで入力するDTMFを用意せよ、と。ボイスボットを入れたのに会員番号の聞き取りで詰まり、怒った顧客がオペレーターに回ってくる。この光景は珍しくない。ではその番号は、そもそも声で聞くべき項目だったのだろうか。

本稿の立場を先に書く。桁数が決まった番号の入力でボイスボットが詰まるなら、音声認識の改善を待つより、その一項目だけプッシュ入力に切り替えるほうが早いと見ている。認識辞書の改善やIVRメニュー全体の作り直しは別の論点であり、本稿は「入力の一項目の入力モードをどう切り替えるか」に絞る。以下の4つの手順は編集部(相原ことは)の実務設計案である。

前提の用語を押さえておく。DTMFとは、電話機のキーを押したときに流れる「ピ、ポ、パ」という音で数字や記号を伝える仕組みで、プッシュホンの時代から使われてきた。IVR(自動音声応答)の説明をまとめたWikipediaの項目にあるとおり、電話の自動応答はもともとこのキー入力と音声認識の2つを入力手段としてきた。ボイスボットが広がって音声だけの設計が増えたが、製品側の部品は今も両対応である。たとえばAmazon Connectの顧客の入力を取得するブロックは、電話キーの入力とボットによる音声対話の両方を受け付ける。その会話エンジン側でも、Lex V2の入力タイムアウト設定は既定で音声とDTMFの両方の入力を受け付け、どちらか一方だけに絞る設定も用意している。使える部品は揃っている。問題は会話設計がそれを使っていないことだ。

音声が苦手な入力項目を選ぶ

音声が苦手な入力項目を選ぶ

最初の手順は、対話フローの中で顧客に何かを「入力」させている箇所を全部書き出し、音声向きとキー向きに仕分けることである。

仕分けの軸は2つある。1つは候補の数で、「はい・いいえ」や数個のメニューから選ぶ発話は音声で問題ない。もう1つは文字列の構造で、桁数が長い番号、英字と数字が混ざる識別子、同音の多い入力は音声認識の弱点に当たる。前述のTwilioの実践集が英数字混在を名指しで挙げているのはこのためだ。会員番号、郵便番号、電話番号の確認、生年月日。この辺りが切替候補の筆頭になる。

一方で、キー入力に向かない情報もある。用件の説明のような自由な発話はキーでは入力できないし、住所のような文字情報も無理だ。だから全面切替ではなく、一項目ごとの仕分けになる。漢字を口頭で説明するより紙に書いて見せたほうが早いのと同じで、情報の種類ごとに合った伝え方がある。

なお、製品側の仕様確認もこの段階で行う。同じDTMFでもブロックごとに扱いが違うことがあり、たとえばAmazon Connectでは、前述の入力取得ブロック単体で受けられるキー入力は1桁(0-9、#、*)で、複数桁の番号は顧客の入力を保存するブロックで受ける構成がAWSの設計ガイダンスで示されている。自社の製品で「何桁まで・どのブロックで・終了キーは何か」を先に確かめておくと、設計の手戻りが減る。

音声と数字キーの選択肢を示す

音声と数字キーの選択肢を示す

2つ目の手順は、案内文である。切替の仕組みを作っても、顧客がキーを押してよいと知らなければ使われない。

案内には2つの型がある。最初から両方を提示する型と、失敗してから提案する型だ。前者は「会員番号を、お話しいただくか、電話機のボタンで押してください」のように、初回の案内で両方の手段を伝える。後者は聞き取りに失敗した回数を数え、2回目の失敗で「聞き取れないようです。電話機のボタンでの入力に切り替えますか」と提案する。桁の長い番号のように失敗が読める項目は前者、普段は音声で足りる項目は後者と使い分けるのが編集部の案である。

ここで決めておくべき細部が、入力の終わりの判定である。Lex V2のタイムアウト設定を例に取ると、キー入力の終了は「#などの終了文字が押される」か「最後のキーから一定時間(既定5秒)が過ぎる」かで判定され、どちらも設定で変えられる。終了文字を使うなら「最後にシャープを押してください」と案内文に入れる。案内と設定が食い違うと、顧客は入力し終えたのに無言の待ち時間を過ごすことになる。

もう1つ、すべての利用者がキーを押せるとは仮定しないことだ。運転中などの手が離せない状況、手指の障害、キー操作に不慣れな高齢の利用者は常に一定数いる。キー入力は音声の置き換えではなく選択肢の追加であり、音声の道と、最終的に人につながる道は残す。

入力途中の切替と修正を試す

入力途中の切替と修正を試す

3つ目の手順は、作った切替を意地悪に試すことである。確認したい動きは3つ。

まず、途中切替。音声で数桁言いかけた後にキーを押し始めたら、どちらの入力が採用されるか。入力モードの混在は製品ごとに挙動が違うため、実機で確かめるしかない。次に、修正。1桁押し間違えた顧客がやり直せるか。「入力をやり直す場合は米印を押してください」のような取り消しの経路がないと、間違えた番号のまま認証に失敗し、結局は人に回る。最後に、無入力。キーも音声も来ないまま時間が過ぎたときに、同じ案内を何度も繰り返さず、2回程度で人への案内に切り替わるか。

試験は電話機の種類を変えて行いたい。スマートフォンは通話画面からキーパッドを呼び出す操作が1段挟まり、耳から離して画面を見る間に案内を聞き逃すことがある。固定電話、スマートフォン、ヘッドセット越しの発信のそれぞれで、案内の長さと待ち時間が成り立つかを通す。回線や機器によってはキー音が正しく伝わらないこともあるため、受かったはずの入力が壊れて届いたときに黙って先へ進まず、復唱で確認する分岐も確かめておく。

完了率と有人到達を確認する

完了率と有人到達を確認する

4つ目の手順は、切替を入れた後の数字の確認である。見る数字は項目単位でよく、その入力項目を最後まで通過できた割合(完了率)、音声とキーのどちらで完了したかの内訳、その項目を起点にオペレーターへ流れた件数の3つを、切替の前後で比べる。

キー入力の利用が想定より少なければ、案内文が聞き流されている可能性がある。完了率が上がっても有人到達が減らないなら、詰まりの本体はその項目ではなかったということだ。入力モードの切替は一項目の改善であり、全体の数字が動かないこともある。それはそれで、次に直す場所が分かったという成果である。

ボイスボットの検討では「どこまで音声で自然に話せるか」に関心が集まりがちだ。だが顧客が求めているのは会話の自然さではなく、用件が済むことである。番号入力のような項目では、最新の音声認識より昔ながらのキー入力のほうが確実に用件を済ませる。新しい技術を入れた後に古い技術へ一部を戻す判断は、後退に見えるかもしれない。完了率で見れば前進でありうる。

ただし、反論も成り立つ。音声認識の精度は上がり続けており、数字の聞き取りに限れば辞書や文法の調整で十分に実用になる、切替の仕組みを作り込む工数こそ無駄だ、という見方だ。認識率の実測が高く、入力項目の失敗が月に数件しかないセンターなら、その判断が正しいだろう。それでも、同じ項目での聞き直しが常態化している、英数字混在の識別子を扱う、利用者に高齢層が多い、のどれかに当てはまるなら、切替の設計を試す価値はあると考える。

まとめ

音声が苦手な入力項目を仕分け、音声とキーの両方を案内し、途中切替・修正・無入力の挙動を実機で試し、項目単位の完了率と有人到達で効果を確かめる。この4つが編集部の設計案である。キー入力は音声の敗北ではなく、項目ごとに合った入力手段を選ぶ設計の一部にすぎず、効果は各センターの呼の構成によって変わる。

あなたのセンターのボイスボットで、顧客が一番多く言い直させられている項目はどれだろうか。

よくある質問

プッシュ入力に切り替えると顧客体験は下がらないか。 下がるとすれば、切替の案内が長い、終了の判定が遅い、押し間違いをやり直せない、といった設計の問題であることが多い。番号を3回言い直させられる体験と、キーで1回押して済む体験のどちらがよいかは、完了率と再入力率で確かめられる。

どの項目から切り替えるべきか。 聞き直しの発生が多い項目のログを見るのが先である。一般には桁の長い番号や英数字混在の識別子が候補になるが、自社の実測に勝る根拠はない。

ガラケーや固定電話でも使えるか。 プッシュ回線の電話機ならキー入力は使える。ただし機器や回線の組み合わせで信号が正しく届かない場合があり、またダイヤル回線の固定電話など、そもそもトーン信号を送れない利用者も残る。音声の道と有人の道を残すのはこのためである。

音声認識の辞書改善とどちらを先にやるべきか。 項目の性質で分けるのが編集部の考えである。商品名や専門用語の聞き取りは辞書側の改善が効くが、英数字混在の識別子は辞書を鍛えても構造的に不利が残る。後者はキー切替を先に試す価値がある。

チャネルの選び方を取材で読むなら

入力手段の切替は、音声・チャット・有人をどう使い分けるかというチャネル設計の一部です。小規模センターでの生成AI活用について、チャネル選択の前提から問い直した取材記事を、無料会員向けに公開しています。本稿の4つの手順は編集部の設計案であり、同記事の取材先の発言ではありません。

小規模センターの生成AI活用事例 チャネル選択を問い直す診断(会員限定)

注記

本稿の事実確認日は2026年10月2日。製品の機能仕様(入力ブロックの桁数の扱い、タイムアウトの既定値など)は確認時点のAmazon Connect管理者ガイド、Amazon Lex V2開発者ガイド、Twilio公式ブログ・ドキュメントに基づく。仕様は更新されることがあるため、設計の際は自社で使う製品の最新の公式文書でDTMF対応(桁数・終了文字・入力モードの併用可否)を確認されたい。本文の4つの手順と案内文の例は編集部の実務設計案であり、特定の製品や手法の推奨、実証された成果ではない。本稿はAI著者(相原ことは)によるデスクリサーチであり、個人の見解を含む。


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