はじめての会話型AIエージェントの作り方：初心者ガイド

Gartnerの最近の調査によると、会話型AIは急速に、カスタマーサービスにおけるコスト削減と効率向上の最大級の推進要因の一つになりつつあります。

Gartnerは、2029年までに会話型AIが一般的なカスタマーサービスの問題の80％を人の介入なしに自律的に解決し、より多くの企業が音声とチャットの両方で顧客対応を自動化することで、運用コストを30％削減すると予測しています。

社内の業務文書を理解し、その場で推論し、複雑な会話の流れにも対応できるエージェント型ソリューションは、サポート、受付、営業、社内業務などで活用できます。

ただし、技術者ではないチームにとって、エンドツーエンドの会話型エージェントを構築するのは難しく感じられるかもしれません。このガイドがそのハードルを下げます。

技術者でなくても始めるために必要なことをすべて解説します。会話型AIエージェントの概要や仕組み、構築前の準備、そしてコーディングなしで会話型AIエージェントを作るために初心者が実践できる手順を紹介します。

概要

• 会話型AIエージェントは、大規模言語モデル、検索拡張生成を備えたナレッジベース、ツール呼び出し、ガードレールを組み合わせ、ユーザーと現実的で文脈を理解した会話を行います。
• エージェントはチャット、音声、または両方で動作します。音声エージェントは、ユーザーの発話を理解するためのスピーチtoテキスト（STT）と、音声で応答するためのテキスト読み上げ（TTS）を追加します。
• ElevenAgentsのようなプラットフォームがインフラを管理するため、初心者でもコードを書かずに会話型AIエージェントを構築できます。
• よくある失敗を避けるため、構築前にエージェントの目的と対象ユーザーをできるだけ明確に定義しましょう。
• リリース前には、できれば実際のユーザーとともに品質保証を必ず実施してください。

会話型AIエージェントとは？

会話型AIエージェントは、人工知能を使って自然言語によるユーザー入力を理解し、リアルタイムで応答を生成するシステムです。社内ナレッジベースに接続し、自身のコンテキストを超えた情報を取得してユーザーに回答します。

音声ベースの会話型AIでは、専用の音声レイヤーが音声によるやり取りを処理します。STTがユーザーの発話をテキストに変換し、TTSがAIの応答から自然な音声を生成します。

会話型AIシステムは、音声とテキストにまたがる膨大な量のデータで学習します。時間をかけて人間の言語を処理する方法を理解し、その知識を活用して人間と論理的に会話します。

すべての会話型AIエージェントは、音声、チャット、または両方であっても、次の共通するコア技術を使用します。

• 大規模言語モデル（LLM）：一貫性があり、文脈に適した応答を生成します。
• ナレッジベースと検索拡張生成（RAG）：モデルがすでに知っている情報だけに頼らず、独自の社内ナレッジベースに基づいてエージェントの回答を生成します。
• ツール呼び出し：注文状況の確認やカレンダーでの予約など、行動について話すだけでなく、AIシステムが実際にアクションを実行できるようにします。
• ガードレール：モデルと並行して動作し、実行すべきこと・すべきでないこととして設定した範囲内で、エージェントの話題とブランドらしさを維持します。
• デプロイチャネル：電話、Webサイト、モバイルアプリ、メッセージングプラットフォームなど、会話型AIエージェントがユーザーとやり取りするさまざまな方法です。

さらに、音声エージェントは、同じコア技術の上にリアルタイムの音声レイヤーを追加します。

• スピーチtoテキスト：ユーザーの発話を、LLMが処理できるテキストに変換します。
• テキスト読み上げ：TTSエンジンがエージェントの応答を自然な音声に変換し、ユーザーに届けます。
• ターンテイキング：いつ聞き、いつ話し、中断にどう対応するかを含め、ライブ会話でのやり取りを管理するシステムです。

最先端の会話型エージェントは、単一の設定からチャットと音声の両方で動作し、両者のコンテキストを共有できます。その機能は、従来のチャットボットをはるかに上回ります。

従来のチャットボットは、ユーザーが入力した内容を、あらかじめ作成された決定木の最も近い分岐に照合します。そのため、設計されたとおりの入力しか処理できません。会話型AIエージェントは上記のシステムを使い、スクリプト化された経路を超えて推論し、アクションを実行しながらユーザーとリアルタイムで会話します。

会話型AIエージェントは何に使える？

ユーザーのカスタマーサービス上の問題を解決するエージェントから、営業チームの新たな商談機会を見つけるアウトバウンドAI SDRまで、会話型AIエージェントは既存のワークフローに自然に組み込めます。

どの業界であっても、会話型AIの活用方法が見つかるはずです。ここでは、いくつかの分野でAIエージェントがどのように使われているかを簡単に紹介します。

• カスタマーサポート：Webサイト上のAIエージェントは、よくある質問への回答、注文状況の確認、返品対応、難しい問い合わせの有人エージェントへのエスカレーションを行えます。Klarnaは、会話型AIエージェントでカスタマーサポートを大幅に拡張した企業の一つです。
• 営業アプローチ：アウトバウンドAI SDRエージェントは、見込み客を選別し、営業担当者のために商談を設定できます。24時間稼働し、一貫して高品質な通話と会話を提供します。Employment HeroはElevenAgentsを使い、新しいAI採用エージェントについて既存顧客に電話をかけました。応答率33％を達成し、人間のエージェントだけでは不可能な規模でプロダクトの有効化を促進しました。
• 予約管理：企業は、予約を受け付け、音声で顧客のオンボーディングを支援する完全自動化のAI受付エージェントを作成できます。Reception.aiを使えば、初心者でもエンドツーエンドの予約システムを構築できます。
• 教育：AIチューターは学習教材に命を吹き込み、一人ひとりに合わせたサポートで学習者を支援します。Brilliantはプラットフォーム上で会話型AIチューターを導入し、複雑な問題をリアルタイムで生徒と解き進めることで、学習体験に新たなレベルのインタラクティブ性を加えました。
• ヘルスケアサポート：医療提供者は、HIPAA準拠を満たしながら、多言語での患者オンボーディングを支援する会話型AIエージェントをサイトに導入できます。EverlywellはElevenAgentsを使用し、従来のInteractive Voice Response（IVR）と比べて、スペイン語話者の会員のコンバージョン率を3.5倍に改善しました。
• 物流・配送業務：会話型AIエージェントは、アウトバウンドコール、配送確認、ステータス更新、例外処理を担えます。DeliverooはElevenAgentsを使い、非アクティブな配達員の80％以上と再びつながり、Rider Check-Inの有効化に向けてパートナー拠点の86％に連絡しました。
• 社内アシスタント：AIエージェントはHRオンボーディングプロセスに直接組み込まれ、オンボーディング全体の時間を短縮し、研修ワークフローを拡張します。TELUSはElevenAgentsを利用し、90,000件を超える顧客会話のシミュレーションで新規ユーザーをトレーニングすることで、新入社員の研修時間を20％削減しています。

ユースケースの柔軟性を支える要素の一つが、ElevenAgentsのようなプラットフォームで利用できる豊富なインテグレーションです。予約エージェントにはGoogle CalendarやCalendlyを接続し、TwilioやSIPで複雑な電話ワークフローを構築できます。

ElevenAgentsなら、会話型AIエージェントの構築を白紙の状態から始める必要はありません。ElevenAgentsテンプレートライブラリには、導入できる60種類の事前構築済みエージェントがあり、コードを一行も書かずにビジネス向けのAIエージェントを作成できます。

会話型AIエージェントを構築する前に必要なこと

経験がなくてもElevenAgentsですぐに会話型AIエージェントをゼロから構築できますが、明確な計画があれば、より早く実用的なエージェントにたどり着けます。

特に初心者の場合は、始める前に次の項目を整理しましょう。

• 明確なユースケース：なぜこのエージェントが必要ですか？どのような具体的な問題を、どのように解決することを期待していますか？目的に合わせた具体的なユースケースがあれば、できるだけ早く本番運用できるものを構築できます。
• 対象ユーザーの理解：一般的なユーザーはAIエージェントとのやり取りにどのような体験を求めるでしょうか？答えは、ビジネスの種類や業界に大きく左右されます。たとえば、金融アプリのエージェントは、ビーチホテルを予約する旅行者を支援するエージェントよりも、真剣でデータ重視の話し方が適しているかもしれません。
• プラットフォーム：初心者は、すべてのインフラを管理してくれるプラットフォームを選ぶ必要があります。ElevenAgentsなら、インフラコードを管理せずに、会話型AIエージェントの構築、デプロイ、管理を一つのプラットフォームで行えます。リアルタイムオーディオからマルチチャネル展開までをElevenLabsが担うため、技術的なエンジニアリングではなくユーザー体験の設計に集中できます。
• 音声：何を誰のために構築するのかを明確にしたら、次はブランドに合う声を考えましょう。温かく知的な声？プロフェッショナルで率直な声？ElevenLabsボイスライブラリなら、最適な声を見つけられます。
• ナレッジベース：特にカスタマーサポートエージェントを構築する場合は、質問への回答時にエージェントが利用すべき情報を説明する、アップロードまたは参照可能な文書を用意する必要があります。詳細な情報を与えるほど、回答はより充実します。RAGを有効にする方法について詳しく確認し、ナレッジベースでエージェントを強化しましょう。

この5つのカテゴリーで明確な方向性があれば、ノーコードの音声AIエージェントを構築するために必要なものはすべて揃います。

会話型AIエージェントの構築方法：概要

会話型AIエージェントをゼロから構築するのは最初は難しく感じるかもしれませんが、思ったより簡単です。ElevenAgentsでは、コーディングもインフラの保守も一切不要で、初心者でもできるだけ簡単に進められます。

プロセスは4つのシンプルなステップに分かれています。

1. ElevenAgentsでエージェントを作成：ElevenAgentsのセットアップワークフローで、構築したいエージェントを選択します。
2. エージェントを設定：システムプロンプト、最初のメッセージ、デフォルトの音声、言語機能を追加します。
3. ナレッジベースをアップロード：ファイルのアップロード、プラットフォーム上での直接入力、URLの貼り付けで情報を追加します。
4. テストして公開：［Tests］タブでシミュレーションを実行し、問題の修正に役立てます。

すぐに始める準備ができているなら、エージェントを作成して、セルフサービスプラットフォームで今すぐ構築を始められます。

大規模なデプロイや専門家の支援を求めるチームは、営業に問い合わせて、ユースケース、アーキテクチャ、展開戦略の評価についてご相談ください。

以下では、会話型AIエージェントを作成する手順を詳しく紹介します。

ステップ1：エージェントを作成する

Agentsワークスペースにサインインしたら、左側メニューで［Agents］の横にあるプラスアイコンをクリックします。

セットアップフローでは、次のような項目を尋ねられる場合があります。

• 構築するエージェントの種類（空白のエージェント、パーソナルアシスタント、ビジネスエージェント）
• ビジネスの業界
• 接続したいツールとナレッジベース
• 必要なユースケースと主な目標
• エージェント名

さまざまなユースケース向けの既存テンプレートを参照し、いくつかのステップをすぐに省略することもできます。この60種類のテンプレートのいずれかを使えば、カスタマーサポート、教育、受付、営業、アウトリーチ向けの構築プロセスを加速できます。

必要な情報をすべて入力するかテンプレートを選択したら、［Create agent］をクリックするだけです。ElevenAgentsが試験利用できる動作中の下書きを作成します。

ステップ2：エージェントを設定する

エージェントの動作や従業員・顧客とのやり取りは、いくつかの設定によって定義されます。最も重要なのはシステムプロンプトですが、ElevenAgentsには構築中に確認する価値のある設定がほかにも多くあります。

これらの設定は途中でいつでも変更できます。プロセス全体を通じて情報を変更し、変更内容をプレビューできるため、決定が固定されることはありません。

以下の設定はすべてメインダッシュボードから編集でき（左側の［Agent］から確認できます）、コーディングは不要です。

• システムプロンプト：エージェントの個性、口調、目標、ガードレールを定める中核的な指示セットです。ElevenAgentsは、ステップ1で入力した情報に基づいて初期プロンプトを生成します。ブランドに合わせて編集するか、ゼロから書き直しましょう。明確な5部構成（個性、環境、口調、目標、ガードレール）により、プラットフォームの動作設計を説明できます。優れたシステムプロンプトの書き方については、こちらのガイドをご覧ください。
• 最初のメッセージ：会話開始時にエージェントが話す内容です。短く、対応内容を具体的にし、温かみを持たせましょう。
• 音声：ElevenAgentsでは、11,000種類以上の自然な音声のライブラリを利用できます。ビジネスに最適なものを選ぶ前に、完全なサンプル会話の中でいくつか試聴してください。
• 言語：エージェントが使用するデフォルトの言語と追加の言語を選択できます。自動言語検出により、発信者が実際に話す言語へエージェントを切り替えられるため、会話ごとに手動設定する必要はありません。

この段階で、エージェントを動かすLLMコンポーネントも選択できます。ElevenLabsでは選択可能なモデルの内訳に加え、レイテンシーや1分あたりのコストに関する詳細も提供しています。

より複雑なフローでは、［Tools］タブに追加ツールを組み込み、プロシージャを使用します。これは、返金用とアカウント復旧用のプロシージャのように、関連する場合にのみエージェントが読み込むタスク固有の指示です。

また、Agent Workflowsも構築できます。これは、単一の直線的なスクリプトに従うのではなく、ユーザーのニーズに適応して会話を分岐させる視覚的なグラフベースのエディターです。ワークフローはサブエージェントなどのノード間をルーティングし、会話の特定フェーズに応じて異なるシステムプロンプト、LLM、音声に切り替えられます。

ステップ3：ナレッジベースに文書をアップロードする

左側のカラムにある［Knowledge Base］タブを開くと、エージェントに添付されている文書を確認できます。これらの文書は、エージェントが実際に何を話すか、推奨や顧客からの質問への回答にどの情報を使うかを決めます。

［Add document］をクリックし、次のオプションから選択します。

• URLを追加：URLを貼り付け、コンテンツを7日ごとに自動更新するかを設定します。
• ファイルを追加：epub、pdf、docx、txt、html、md形式のファイルを、それぞれ最大21MBまでアップロードできます。
• テキストを作成：テキストをプラットフォームのナレッジベースに直接入力または貼り付けます。

準備段階で、すぐに使えるナレッジベースを用意しているはずです。ほとんどのツールでは、これでユーザーの質問に信頼性高く答えるのに十分な情報が得られます。より大規模な文書セットには、RAGを有効にすると、応答を遅くせずに、エージェントがはるかに大きなナレッジベースから情報を取得できます。

ステップ4：テストして公開する

この段階では、話しかけて完全な会話をシミュレーションできるエージェントが完成しているはずです。ナレッジベースから組み込まれたコンテキストにより、エージェントは顧客のニーズに最適に対応するようパーソナライズされます。

変更内容はすぐにプレビューできるため、毎回エージェントを再デプロイせずに、プロンプトや会話フローを反復改善できます。

本番環境に移行する前に、モデルを可能な限り幅広くテストしてください。実際には、［Tests］タブからさまざまなシミュレーションを実行できます。一般的なユースケース向けに新しいテストを設計し、テストバッチを3回、5回、15回、50回と繰り返し実行できます。

テストは成功または失敗となり、連携された文字起こしで、何が問題だったか（問題があれば）と修正方法を正確に確認できます。すべてのシミュレーションがプレビューで成功し、自分でもテストを行ったら、エージェントを公開するタイミングです。

これで、コードを一行も書かずに、ブランドに合わせた会話型AIエージェントを作成できました。

初心者でもElevenAgentsで会話型AIエージェントを構築できます

高品質なカスタマーサービス体験の構築から、ユーザーが質問できるページ内ツールの埋め込みまで、会話型AIエージェントは効率的でスムーズな対話経路を生み出します。ElevenAgentsなら、初心者でも会話型AIエージェントを大規模に構築・デプロイできます。

リアルタイムのオーディオ処理、ターンテイキング、中断検知、さらにはマルチチャネルデプロイまで、パーソナライズされたElevenAgentがすべてを担います。独自のナレッジベースを接続し、一貫したブランドボイスを構築してから、インフラを管理することなく電話、Webチャット、メッセージングチャネルにデプロイできます。

ElevenAgentsについて詳しく知るか、今すぐ営業に問い合わせて始めましょう。

会話型AIエージェントの構築方法：よくある質問