「翻訳こんにゃく」が現実になる？ OpenAIの音声翻訳モデルがコールセンターの言語壁を崩す

SF的な発想が、現実味を帯びてきた

自分は日本語で話しているのに、相手には英語で届く。
相手は英語で話しているのに、自分には日本語で聞こえる。

かつてドラえもんの道具として描かれた「翻訳こんにゃく」のような世界が、ビジネスの現場で実装可能になった。

2025年のゴールデンウィーク明け、OpenAIがRealtimeAPIの大型アップデートを発表した。目玉の一つがリアルタイム音声翻訳モデルの追加だ。話者が発した言葉を、テキスト変換することなく、別言語の音声として即座に出力する。これは技術的な進化であると同時に、コールセンター運営の構造そのものを揺るがす変化だ。

従来の「音声AI」とは何が違うのか

現在のコールセンターで使われている音声AIの多くは、次のような処理フローで動作している。

顧客の音声 → テキスト変換（STT）→ 翻訳エンジン → 応答生成（LLM）→ テキスト → 音声合成（TTS）→ 出力

各ステップに処理時間がかかり、翻訳を挟めばさらに遅延が生じる。「機械と話している感」の正体はこのラグであり、翻訳品質の揺らぎでもあった。

今回のアップデートで追加されたリアルタイム翻訳モデルは、音声から音声へ直接変換するエンドツーエンドの処理を実現している。テキスト化という中間工程を持たないため、遅延が大幅に短縮される。また、言語を「教えなくても」話し手が何語を使っているかを自律的に判断するため、多言語対応のための事前設定が不要になる。

さらに今回のアップデートでは、GPT-5に相当する最新推論能力を持つ音声モデルへの更新と、音声をリアルタイムで文字起こしするライブストリーミング文字起こし機能の強化も同時に行われた。つまり、翻訳・推論・文字起こしという音声AIの三つの能力が一度に底上げされたアップデートだ。

コールセンターへの直接的なインパクト

多言語対応の「人材依存」が変わる

現状、多言語対応が必要なコールセンターは主に二つの方法で対応している。

一つは、対象言語を話せる人材を採用・配置すること。もう一つは、日本語対応オペレーターが電話を受け、翻訳サービスと三者通話でつなぐことだ。後者の場合、顧客とオペレーターの間に翻訳者が介在し、会話は倍以上の時間がかかる。オペレーターは相手の言語を理解できないまま待機し、通話後のQA（品質評価）も実質的に不可能になる。

実際に多言語対応センターを運営する企業では、深夜・早朝帯などで全言語をカバーできる人員が揃わない場合、一部の言語で対応できない時間帯が生じる。

リアルタイム音声翻訳が実用レベルになれば、オペレーターの母語に関係なく、すべての通話が成立する。言語別の採用枠を設ける必要がなくなり、シフト設計の柔軟性が劇的に上がる。

コールセンターにおいて、特にインパクトが大きいと考えられる領域は次のとおりだ。

訪日・在日外国人対応センター：観光案内、生活インフラ（電気・ガス・水道・インターネット）、緊急時サポートなど、非日本語話者との接触が高頻度で発生する窓口。これまでは多言語人材の採用と24時間365日の配置が必須だったが、翻訳AIが実用化されれば運営体制が変わる。

外資系企業のサポート窓口（日本向け）：海外にしかサポート拠点がなく、日本語対応ができないために電話窓口を設けられていなかったサービスが、電話での問題解決に踏み出せるようになる可能性がある。

グローバル展開する日本企業の海外対応センター：海外拠点のカスタマーサポートを日本の内製センターで一元管理するという選択肢が現実的となる。

今回のOpenAIの発表に先立ち、Zoomはコールセンター向けプロダクトのデモで同様の機能を披露している。顧客が英語で話すと日本語に翻訳されてオペレーターに届き、オペレーターが日本語で答えると英語に翻訳されて顧客に届くという仕組みだ。

Zoom自身がAIモデルを独自開発しているわけではなく、外部のモデルを組み込む形で実現している。今回OpenAIがAPIとして公開したことで、Zoomと同等以上の機能を他のCCaaS（クラウド型コンタクトセンター）ベンダーも組み込めるようになった。

これは「特定企業の先進機能」ではなく、「業界標準機能」として普及するフェーズの始まりを意味する。

コンタクトセンター運営の設計思想をアップデートしよう

リアルタイム翻訳の実用化は、技術の話である前に、センター運営の設計思想を問い直す機会だ。

自社の窓口が多言語対応を必要としていないとしても、今後の顧客層の変化を踏まえたときにはどうだろうか。訪日外国人、在日外国人労働者、グローバル顧客との接点が増えていく業種ではないだろうか。

また、現在多言語対応を行っているセンターにとっては、「翻訳AIが間に入る」という選択肢を具体的に検討するタイミングが来ている。

まとめ

• OpenAIのRealtimeAPIアップデートでリアルタイム音声翻訳モデルが公開

• テキスト変換を介さない音声→音声の直接処理により、遅延が大幅に短縮

• 多言語対応センターにとって、言語別人材採用・三者通話という構造的コストが変わる可能性

• ZoomはすでにCCaaS製品に同機能を実装。業界標準化のフェーズが始まっている

• 多言語ニーズがある窓口では、検証を始めるべき合理的な理由がある

本記事は、CC AI Lab編集長・千葉によるPodcastの内容をもとに、オウンドメディア掲載用に再構成・加筆したものです。