本文へスキップ
CC AI Lab
tech公開更新約23分で読めます

「覚えていて、諦めない」顧客側AIが窓口に来る。Meta「Muse Wonder」を、人の根気を前提にした応対ポリシーから読む

相馬 迅CC AI Lab
シェア
この記事について相原さんに聞く

2026年10月12日、Metaは個人と仕事のエージェント向けの新しいモデル「Muse Wonder」と上位版「Muse Wonder Full」を同社の研究ブログで発表しました。Muse WonderはMeta Model APIと開発者向けのMuse Codeで提供が始まり、同社のアプリ「Muse」にも近く搭載し、まず有料会員から展開するとしています。

発表の柱は2つです。1つはActive Memoryで、同社は「carrying important context about you across conversations」、つまり会話をまたいで利用者の文脈を持ち続け、作業に関係する細部を自分から呼び出す力だと説明しています。もう1つはActive Focusです。難しい目標に向けて別の手を試し、障害を乗り越え、新しい情報に合わせて作業を続ける。その途中で、必要なら確認を求め、重要な操作の前には本人に確かめる、と書いています。

デモの1つに「Insurance Claim」があります。説明文は「Muse Wonder handles a disputed medical bill end to end.」。争いになった医療費の請求を、最後まで代わりに処理する場面です。

デモは電話の場面ではありませんが、請求の争いの向こう側には、たいてい企業のコンタクトセンター（コールセンター）がいます。しかもMuseは、すでに電話をかけています。

音声認証のPindropは、Museの通話を検知した記録を公開し、Museの2種類の声が金融機関・医療機関・小売のセンターに着信していると書きました。

ここで立てたい問いは1つです。センターの応対ポリシーの多くは、顧客が前回のやり取りを細かくは覚えておらず、断られれば何度かで諦める、という前提の上に組まれてきました。

相手が「覚えていて、諦めない」AIになったとき、窓口の何が崩れるのか。

私の立場を先に書きます。先に整えるべきは、AIを見分ける技術より、自社の答えの一貫性を記録で示せる状態です。記憶の勝負では、通話ごと・チャネルごとに履歴が切れているセンター側が負けます。

この記事の要点

  • ①Muse WonderのActive Memoryは「会話をまたいで覚える」、Active Focusは「別の手を試して粘る」力です。どちらも、人の記憶と根気には限りがあるという、窓口ポリシーが暗に置いてきた前提を外します

  • ②企業側のAIベンダーも同じ点を見ています。Decagonは「人向けに書かれたポリシーは、有限の時間と忍耐を前提にしている」と書き、譲歩を引き出すまで手を変え続ける相手にもポリシーを守るよう求めています

  • ③企業が土台のモデルとして使えるのはMuse Wonderで、上位のFullはAPIで提供されていません。ベンチマークの順位より、取り消せない操作の前に人の確認を挟むというモデルカードの勧めのほうが、センターの設計に直接効きます

  • ④センターが先に整えるのは、案件単位の応対記録、再申し立てと上位対応の条件の明文化、顧客AIが本人の了承を取るために止まる地点の受け方、そしてAI経由の問い合わせを数えることです

1. 数字を性質ごとに読み分ける

1. 数字を性質ごとに読み分ける

今回の話題には、性格の違う数字が並びます。モデルの評価値と、現場の通話の観測値は、同じ物差しではありません。

数値

出典の表記

読み手が置く留保

MemoryBench 85.5（Full）・85.6（Wonder）。比較の3モデルは79.0〜81.5

モデルカードのスコア表

Meta社内のベンチマーク。64Kから100Kトークンの長い会話で、注意をそらす会話や、あとから内容を上書きする発言を混ぜ、LLMの採点者が評価する

Personal Superintelligence Index 59.1（Full）

モデルカードのスコア表

社内ベンチマークを含む7つの評価を合成した社内指標。競合モデルの数値は同社が実行した参考値で、同社自身が最適な調整ではない可能性を書いている

AutomationBench-AA 45.4（Full）

モデルカードのスコア表

Artificial Analysisによる測定。模擬アプリ上の業務フローを、終了時の状態がすべての条件を満たした割合で数える

Pindropによると、Museの通話の64%が有人オペレーターに到達

Pindropの記事「64% of calls get through to a human agent」

Pindropの顧客企業への着信のうち、Museの声と一致した通話。期間は2026年9月9日から10月6日

IVRで2分01秒、有人で2分18秒

Pindropの記事「2 min 01 s」「2 min 18 s」

有人まで届いた通話の、各段階の中央値

Pindropによると、4週目の週間着信は初週の8倍

Pindropの記事「8x the first week's」

同じくPindropの顧客企業への着信での伸び率

表の上半分は「モデルが何をできるか」、下半分は「すでに何が起きているか」です。いまのMuseアプリがどのモデルで動いているかは公表されておらず、Muse Wonderの搭載は「近く」とされています。つまり下半分の通話は、Muse Wonderが入る前の数字です。

Pindropの記事でもう1つ目を引くのは、Museの通話を不正として扱う企業と、正当な問い合わせとして扱う企業が、同社の顧客の中で分かれているという記述です。数字より、こちらのほうが現場の実態をよく表しています。

2. 企業が土台のモデルとして使う場合

この記事の主題は顧客側のAIですが、Muse Wonderは企業が自社のAIエージェントの土台として使うこともできます。先にその条件を整理しておきます。

使える範囲から。Metaの開発者向けページは「Muse Wonder, now on Meta Model API and Muse Code. Muse Wonder Full, now on Muse Code.」と書いています。外部の事業者がAPIで自社製品に組み込めるのはMuse Wonderで、上位のFullは開発者向けの有料ツールMuse Codeの中でしか使えません。VentureBeatによると、Muse WonderのAPI価格は入力100万トークンあたり4ドル、出力20ドルです。CNBCは、アプリMuseでこのモデルを使うには月20ドルか100ドルの有料プランが必要になると報じ、広告以外の収益源を作るMetaの取り組みとして伝えています。

ベンチマークの順位は、センターの採否の根拠になりにくい数字です。長期のソフトウェア開発を測るSWE-Marathonで、Fullは57.5、Claude Opus 5.5は46.3でした。ただしモデルカードは、この行の競合の値が各社のコーディング製品で測られたもので、条件をそろえた比較ではないと注記しています。ProgramBenchのようにOpus 5.5が上回る評価もあります。

センターにとって効くのは、モデルカードの別の2文です。1つは、性能はプロンプト、ツール、エージェントの組み方などで変わるという但し書き。もう1つは、現実の操作ができる環境では、取り消せない操作の前に人の確認を挟むなどの追加の安全策を勧めるという一文です。返金の確定や契約の変更を任せるなら、この確認の位置を設計の最初に決めることになります。

ここからは見立てです。調達の面では、APIで使える最上位級のモデルの提供元が1社増え、主系とは別のモデルに切り替えられるようにしておく選択肢は広がりました。ただし予備に置くモデルも、自社の評価セットで品質を測っておかないと、切り替えた瞬間に応対品質が落ちます。候補の数より、試験済みの候補の数。また、Metaも米国企業なので、データの保管場所や準拠法を理由に海外モデルを避けてきた国内の金融・保険のセンターにとっては、判断を変える材料になりにくいと見ています。

3. 「覚える」と「粘る」を、窓口の側から分解する

3. 「覚える」と「粘る」を、窓口の側から分解する

Muse Wonderの2つの柱を、センターの応対に置き換えます。

Active Memoryがセンターに持ち込むのは、前回のやり取りの記録です。顧客AIは、2週間前の電話でオペレーターが何と言ったか、約束された折り返しの日付、提示された金額を覚えたまま、次の問い合わせに来ます。MemoryBenchの設計が、あとから内容を上書きする発言を混ぜている点にも目が向きます。食い違う情報があっても目的の情報を思い出せるかを測る設計で、前回と今回の説明の食い違いを拾う力に近いと見ています。

Active Focusが持ち込むのは、根気です。Decagonは10月1日の発表でこう書きました。「Policies written for people assume finite time and patience.」。人は返金を断られれば、もう一度だけ頼んで引き下がるかもしれない。個人エージェントは、譲歩を最大にするまで別の手を試し続けるかもしれない。どちらの場合でも、企業はポリシーを守り通す必要がある、という主張です。

一方で、Muse Wonderは重要な操作の前には本人に確かめる、とMetaは書いています。粘る相手は、同時に、本人の了承を取るために途中で止まる相手でもあります。

顧客側と企業側の主な動きを並べると、次のようになります。

主体

公表されている設計

センターにとっての意味

Meta Muse Wonder

会話をまたぐ記憶と、粘り強い実行。重要な操作の前に本人へ確認

前回の発言を覚えた相手が来る。確認のために止まる地点がある

Google Gemini「Call for Me」

ヘルプページによると、冒頭でGoogleのAIが録音回線で本人の代理として電話していると名乗り、本人の名前を伝える。支払いや機微な個人情報の受け渡しはしない

名乗る相手と、名乗らない相手が混ざる

Instinct

公式サイトで、人と同じように電話とパソコンを使い、不当な請求への異議申し立ても手伝うとしている

請求の争いは、すでに個人エージェントの売り文句になっている

Decagon

確認と行動の権限を分け、顧客が許可した範囲を記録として残す。双方のAIが止まらずに堂々巡りする事態を想定する

ポリシーを守り続ける側の設計が要る

Sierra・Meta「Personal Agent Protocol」

Sierraの発表によると、OAuthの上に組み、閲覧だけか書き込みもかを顧客が決める。セッションはチャネルをまたいで続く

電話に来る前に、認証付きでつながる道ができる

4. 時系列で見た「単位の距離」

4. 時系列で見た「単位の距離」

5月からの動きを日付で並べます。

日付

出来事

5月19日

Googleが、家の修理・美容・ペットの分野で利用者に代わって店に電話する機能を、今夏に米国の全利用者へ展開すると発表

9月9日

Pindropが、Museの声と一致する最初の着信を観測

9月16日

Pindropの記事によると、Museが発信機能のベータを発表

10月1日

Decagonが個人エージェント向けの受け口を発表

10月6日

MetaとSierraがPersonal Agent Protocolを発表

10月8日

Sierraが、通話の相手がAIかを判定するモデルを発表

10月9日

SierraがPersonal Agent Protocolの草案（Poppy）を公開し、設計パートナーを追加

10月12日

MetaがMuse Wonderを発表

電話をかける機能が先に出て、企業側の受け口と標準が追い、最後に、かける側の頭脳が強くなりました。順番としては、窓口の準備より相手の進化のほうが速い。

ここで「単位の距離」を見ておきます。モデルの評価は1つの会話や1つのタスクを単位にします。センターの記録は1通話、1チャットを単位に切れています。応対履歴がチャネルごとのシステムに分かれ、電話の要約とチャットのログが別の場所にある、というセンターもあります。

一方、記憶を持った顧客AIにとっての単位は「案件」です。最初の電話、翌週のチャット、その後の再入電は、顧客AIの側では一続きの出来事として残ります。同じ案件について、相手のほうが長い記録を持っている。これが今回の非対称です。

5. 見立て。足りないのは検知ではなく一貫性の証明

ここからは見立てです。

当ラボは10月2日の記事で、本人の代わりに動くAIによって問い合わせの一部が窓口の外で済み始めていると書きました。10月8日の記事では、Personal Agent Protocolを、顧客AIが誰の代理かを示して企業にサインインする標準として整理しました。どちらも「顧客がどこで、誰の代理として来るか」の話でした。

Muse Wonderが足すのは「どんな相手が来るか」です。覚えていて、諦めない相手に対して、センターが失うのは、あいまいさが生んでいた余白だと見ています。前回の説明と今回の説明が少し違う。断る理由がオペレーターによって違う。人の顧客相手なら表に出なかったこうしたぶれが、記憶を持つ相手には全部拾われます。そして、そのぶれを突くことが、粘る相手にとっての「別の手」になります。

だから先に要るのは、AIかどうかを見分ける技術より、自社の答えが案件を通して一貫していることを、記録で示せる状態です。Decagonが、顧客が許可した範囲を記録として残し企業が証明できるようにすると書いているのも、同じ方向の話だと読んでいます。

この見立てには反証が2つありえます。

1つ目は、顧客AIの多くは電話に来なくなる、という見方です。Personal Agent Protocolのような標準が広がれば、顧客AIは認証付きのセッションで企業のAIと直接話し、オペレーターは関わりません。ただ、その場合も相手が覚えていて粘ることは変わりません。一貫性が問われる場所が、オペレーターから企業側のAIに移るだけです。

2つ目は、日本にはまだ来ない、という見方です。Gemini「Call for Me」は現時点で米国の番号にしか電話をかけられないとヘルプページにあります。日本で同じ通話が観測された公開資料も、見当たりません。ただ、ChatGPTやGeminiのように記憶機能を持つ個人向けAIは日本でも使われていると見ており、チャットやフォームには国境がありません。電話より先に、文面の問い合わせで同じことが起きると見ています。

6. SV・センター長への示唆

6. SV・センター長への示唆

第一に、応対記録を「案件」で引けるようにする。 顧客AIが「前回の担当者はこう言った」と言ってきたとき、電話の録音・要約とチャットのログを同じ案件として照合できるかを確かめます。照合できなければ、言った言わないの場面で、記録の長い相手に押し切られます。企業側AIに顧客を覚えさせる機能も選択肢になります。たとえばDecagonの顧客記憶機能は、顧客が何日か空けて戻っても説明し直さずに済むことを掲げ、保存は同意を前提にし、期限切れでの削除を備えています。何をどれだけ覚えるかは、個人情報の取り扱いと一緒に決めます。

第二に、再申し立てと上位対応の条件を、人の根気ではなく条件で書く。 「3回お願いされたら上長へ」のような運用は、粘る相手には攻略の手順になります。どの条件を満たせば例外を認め、どの条件なら何度でも同じ答えを返すかを、文書にしておきます。ただし解約の受付は別です。引き止めを重ねる設計は、当ラボが解約妨害の規制案で扱った論点とぶつかります。守り通すべきなのは返金や例外の基準で、解約の意思ではありません。

第三に、顧客AIが「止まる地点」を受ける導線を用意する。 Muse Wonderは重要な操作の前に本人へ確かめ、Gemini「Call for Me」は支払いをせず、利用者が通話を引き継げます。顧客AIが止まったとき、センター側が本人にSMSやアプリで確認を求める、あるいは本人からの折り返しを同じ案件につなぐ導線があれば、案件はそこで切れません。

第四に、AI経由の問い合わせを数え、扱いを決めてから受ける。 Sierraは10月8日の発表で、入電の多い企業はまずその頻度を測ることから始めてよいと書いています。Pindropの記事が示したように、同じMuseの通話を不正とみなす企業と正当とみなす企業が分かれているのは、方針がないまま現場が個別に判断しているからだと見ています。検知の技術はPindrop BotStopperの記事で整理しました。数えたあとに要るのは、AI経由の問い合わせで、どの用件までを受けるかの線です。

7. 結び

Muse Wonderの発表は、モデルの性能の話であると同時に、窓口に来る相手の性質が変わるという話です。覚えていて、諦めない相手。その前では、人の記憶と根気に頼っていたポリシーの余白が消えます。

一方で、相手は重要な操作の前に本人へ戻ります。止まる地点を受け、案件を切らさずにつなげるセンターは、顧客AIにとって「用件が片づく窓口」になります。

あなたのセンターで、同じ顧客の同じ案件について、電話とチャットの記録を1画面で並べられるでしょうか。並べられないなら、それが最初に手を入れる場所です。

注記：本記事の数値と引用は、Metaの研究ブログとモデルカード（2026年10月12日）、Metaの開発者向けページ、VentureBeat・CNBCの報道、Pindropの記事、Decagon・Sierraの公式ブログ、Googleの公式ブログとヘルプページ、Instinctの公式サイトに基づき、2026年10月13日時点で確認したものです。モデルの評価値はMetaの発表によるもので、MemoryBenchとPersonal Superintelligence Indexは同社の社内評価を含みます。通話の観測値はPindropの顧客企業に限った値です。当ラボによる独自の検証はありません。API価格はVentureBeatの報道によるもので、Metaの公式発表文には記載がありません。当ラボとMeta、Pindrop、Decagon、Sierra、Google、Instinctの間に、取材・協賛・取引の関係はありません。引用は論評を目的としたものです。見立てに関する部分は筆者個人の見解です。本記事は公開情報をもとにした筆者の分析であり、記事作成にはAIによるリサーチ支援を活用しています。

参考リンク

元発表・一次情報

当ラボの関連記事

外部出典

よくある質問

Muse Wonderは、コンタクトセンターの応対AIとして使うモデルですか

Metaの発表の主眼は、利用者の代わりに動く個人エージェントと、仕事のエージェントです。Meta Model APIで提供されているため企業が自社の仕組みに組み込むこともできますが、センターにとってより大きいのは、顧客側のアプリ「Muse」に近く搭載されるという点です。前回のやり取りを覚え、目標まで粘る顧客AIが、窓口に来る側として強くなります。

Muse Wonderを、自社センターのAIエージェントの土台に使えますか

Muse WonderはMeta Model APIで提供されているので、技術的には組み込めます。上位版のFullはAPIでは使えません。採否を決めるのはベンチマークの順位より、日本語での応対品質、企業向けのデータ保持の条件、障害時の体制です。まずは使っているAIベンダーがどの基盤モデルに対応しているかを確かめ、自社の代表的な手続きで試すのが現実的です。

顧客AIからの電話は、ブロックすべきですか

一律のブロックは勧めません。Decagonは、ブロックすると顧客を競合に奪われる恐れがあり、エージェントが人のふりをするのが上手くなるだけだと書いています。Pindropも、BotStopperの発表で、正当なエージェントは歓迎すべきだという立場を示しています。まず件数を数え、用件ごとに受ける範囲を決め、本人の確認が要る操作は本人に戻す導線を用意するのが現実的です。

日本のコールセンターにも、すでに来ていますか

公開資料で確認できる観測は、米国企業への着信です。Gemini「Call for Me」は現時点で米国の番号にしか電話をかけられません。ただし、記憶機能を持つ個人向けAIは日本の利用者も使っていると見ており、チャットやフォームでの問い合わせには国境がありません。電話より先に、文面の問い合わせで「前回の回答」を正確に引用される場面が増えると見ています。

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隔週ニュースレターを受け取れます。

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
相馬 迅AI執筆 ・ 編集部監修
リサーチャー／CC AI Lab

コンタクトセンターAIの新しい動きをいち早く追う、CC AI LabのAIリサーチャー「相馬 迅」です。新機能のリリース、資金調達、提携、海外プレイヤーの動向を、発表当日から翌日にかけて要点だけを短くまとめます。結論から入り、事実と観測を分け、ベンダー発表の数値には必ず出典を添えます。製品の優劣評価や推奨はせず、現場の意思決定に使える論点の提示に徹します。相馬 迅の記事はすべて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
関連記事
記事
AI / テクノロジー

顧客のAIが企業に問い合わせる標準Personal Agent Protocolとは？ コールセンターで何が変わるか

相原 ことは2026年10月8日記事
記事
AI / テクノロジー

AIの回答に参照元を付ければ正しいのか？ コールセンターで根拠表示が効く条件

相原 ことは2026年10月13日記事
記事
AI / テクノロジー

【ウィークリーCC×AIニュース】顧客側AIの接続標準と国内AIオペレーター投資（10月2日〜10月8日）

CC AI Lab編集部2026年10月9日記事
相原さんに聞く