来客の受付、問い合わせの一次対応、採用の一次面接、内部通報の聞き取り。人が張り付くには量が多く、テキストのチャットボットでは冷たく感じられる場面に、話す AI アバターが使われ始めています。導入を検討する側がまず押さえたいのは、アバターは「話す部分」を担う部品であって、「何を答えるか」を決めるものではない、という分担です。この前提に立って、設計で決めておくことを整理します。
AI アバターの仕組み｜答えは自社のチャットボット、話すのはアバター
話す AI アバターの仕組みは、テキストを受け取り、音声合成と口の動きを生成し、映像として利用者のブラウザへ届ける、というものです。会話の中身、つまり質問にどう答えるかは、自社のチャットボットや FAQ の検索、あるいは決められた台本が担います。
この分担には利点があります。既存のチャットボットや社内の FAQ をそのまま使え、答えの品質は自社で管理できます。アバター側を替えても答えは変わらず、答えを改善してもアバターの設定を触る必要がありません。逆に言えば、「アバターを置けば問い合わせ対応が賢くなる」わけではなく、答えの用意は従来どおり必要です。
無人受付・一次面接は台本型、問い合わせ対応は対話型
用途は大きく 2 つに分かれます。
台本型は、決まった順序で話す用途です。採用の一次面接で設問を順に読み上げる、内部通報の一次受付で聞き取り項目を順に尋ねる、受付で来訪目的を確認する、といった場面です。台本と分岐を用意すれば、答えを生成する仕組みは不要です。発話の開始と終了のイベントを受け取れれば、「話し終えてから次の設問へ進む」流れを作れます。
対話型は、利用者の自由な質問に答える用途です。既存のチャットボットや、社内文書を検索して答える仕組み（RAG）が答えを作り、アバターがそれを話します。答えを作る時間と話し始めるまでの時間が足されるので、体感の速さは両方で決まります。
多くの導入は台本型から始めるのが安全です。答えを生成しないので誤答の心配がなく、効果も測りやすいからです。
応答速度と、待たせないための工夫
話し始めるまでの時間は、利用者が「反応がない」と感じるかどうかを左右します。定型文はあらかじめ音声を用意しておけるので速く、初めて出る文は音声合成の分だけ時間がかかります。対話型ではそこに答えの生成時間が加わります。
待たせないための工夫は 3 つです。
- 相づちを先に出す：「確認します」「少々お待ちください」など短い定型文を先に話させ、その間に答えを用意します
- 答えを短く区切る：長い答えを一度に渡すより、文ごとに渡して順に話させる方が、最初の音が早く出ます
- 話を止められるようにする：利用者が途中で口を挟んだときに発話を中断できると、会話が自然になります
アバターの選び方と多言語対応（英語・中国語など）
アバターは、用意された人物から選ぶか、自社の担当者の写真から作るかのどちらかです。受付や窓口では、自社の担当者を模したアバターより、架空の人物の方が受け入れられやすい場合があります。「誰の顔か」より「用途に合う服装か」で選ぶ方が、違和感が出ません。医療なら白衣、受付なら制服、といった具合です。
多言語は、台本や答えをその言語で渡すだけで済む仕組みなら、アバターを増やす必要はありません。受付で来訪者の言語を選ばせ、その言語の台本を渡す、という作りにします。翻訳の品質は台本側の問題なので、事前に母語話者の確認を通しておきます。
個人情報と発話データの扱い（内部通報・面接で確認すること）
内部通報や採用面接では、話す内容そのものが機微な情報です。導入前に次を確認します。
- 発話したテキストが保存されるか：話させたテキストを事業者側が保存するのか、課金に必要な文字数や秒数だけを記録するのか
- 学習に使われないか：送ったテキストや映像が、事業者のモデルの学習に使われないことが規約に書かれているか
- 監視ツールへの送信：エラー監視のために事業者が集める情報に、本文が含まれないか
- 映像と音声の経路：利用者のブラウザまで暗号化されているか。UDP を通さない社内ネットワークでも接続できるか
「保存しない」「学習に使わない」が明記されていれば、通報や面接のような用途でも説明がつきます。
料金の仕組みと費用の抑え方
料金は接続した時間で決まる方式が多く、利用者が画面を開いている間だけ費用が発生します。受付のように常時表示する用途では、来訪者がいないときにセッションを切る、一定時間操作がなければ終了する、といった作り込みで費用が大きく変わります。月の上限を設定できる仕組みがあれば、想定を超える請求を防げます。
まとめ｜答えの用意と、話す部品の分担で決まる
話す AI アバターの導入は、答えをどう用意するかが 8 割です。台本型から始め、応答の速さを相づちと短い区切りで確保し、機微な用途ではデータの扱いを規約で確認する。この順で進めれば、受付や窓口に無理なく置けます。
シャノンでは、テキストを送るだけで話すアバターの映像をブラウザへ配信する API「avacast」を提供しています。音声合成・口の動き・瞬きは avacast 側で生成し、答えを作る部分は今のチャットボットのまま使えます。発話の本文は保存せず、学習にも使いません。月 30 分までは無料で試せます。受付・窓口・面接への導入をご検討の方は、お問い合わせからご相談ください。
