会話型AIデザイン：より人間らしいユーザー体験を作る方法

以前の会話型AIデザインは、意思決定ツリーを作ることが中心でした。初期のチャットボットやIVRメニューは、あらかじめ決められた分岐に従って動作していました。「1」を押して請求関連、「はい」か「いいえ」と答えるなど、お客様の質問が想定したパスに合うことを願うしかありませんでした。このモデルは、会話があらかじめ作った範囲内で進む場合にしか機能しませんでした。

AIエージェントはこの制約を取り払いました。今ではリアルタイムで会話を理解し、ナレッジベースから情報を引き出したり、ツールを呼び出したり、これまでの発言を覚えておくことができるため、固定されたスクリプトに縛られません。

ただし、この変化によって会話型AIデザインが不要になったわけではありません。むしろ、求められるレベルが上がりました。決まったスクリプトに頼れない分、エージェントのペルソナやワークフロー、意思決定ポイントをしっかり設計し、オープンエンドかつリアルタイムな会話でも通用するようにする必要があります。

このガイドでは、チャットやボイスエージェントにおける会話型AIデザインの意味や、なぜ重要なのか、より自然に感じさせるために最適化すべきポイントを解説します。うまく設計できれば、お客様とつながり、より速く高品質なサービスを提供できるAIエージェントを導入できます。

まとめ

• 会話型AIデザインとは、AIエージェントのコミュニケーションを構成・最適化し、会話を自然に感じさせるための設計です。
• ボイスAIはテキストよりもシビアです。チャットでは気にならない音声や遅延、タイミングの問題も、音声会話ではロボットっぽく感じさせてしまいます。
• ElevenAgentsは、声・ペルソナ・会話の流れをコントロールし、あらゆるチャネルで遅延を最適化できる機能を組み合わせることで、人間らしいAI音声・チャットエージェントを実現します。

会話型AIデザインとは？

会話型AIデザインは、AIエージェントの振る舞いを設定するUXの実践です。ペルソナからガードレール、ワークフロー、ナレッジベースまで、すべてが連携して、会話をプロダクト体験の他の部分と同じくらい洗練されたものにします。

ただし、その設定方法は状況によって異なります。エージェントはチャットや音声、SMSなど複数のチャネルで動作できますが、それぞれに制約があります。特に音声は制約が最も厳しいチャネルです。音声が含まれる場合、エージェントは声の選択やリアルタイムでのペース管理、ターンテイク（会話の順番）を行い、間が空きすぎて通話が切れたように感じさせないようにする必要があります。チャットのように多少遅れたり完璧でなくてもやり取りが途切れない、というわけにはいきません。

チャットエージェント向けに会話型AIデザインを実装する際に考慮すべき点と、音声ならではの追加ポイントを紹介します。

お客様はこれらの要素を意識的に評価しているわけではありません。ただ、何か違和感を覚えると、それだけでエージェント全体への信頼が揺らぎ、導入目的そのものが脅かされてしまいます。

なぜ会話型AIデザインが良いユーザー体験に重要なのか

ターンテイクから遅延、ペルソナまで、上記で紹介したすべての要素が、お客様がブランドをどう感じるかに影響します。その印象は、チームが評価される指標にも直結します。

• 満足度・解決率の向上： エージェントが素早く応答し、不自然に会話を遮らないと、お客様の評価が高くなります。
• 離脱率の低減： お客様が会話から離脱する理由は、待ち時間の長さだけではありません。通話中の不自然な間や、チャットでの堅苦しい返答など、期待と違うやり取りも会話終了のきっかけになります。
• 解決までの時間短縮： 会話の流れやワークフローが明確だと、行き止まりや同じ質問の繰り返し、「担当者におつなぎします」といった場面が減ります。
• 人間エージェントへのエスカレーション減少： エージェントが自然に会話を進め、決められたワークフローに従えば、最初のやり取りで解決できることが増え、お客様が人間対応を求める場面が減ります。

例えば、eDreams ODIGEOは世界最大級のオンライン旅行プラットフォームの一つです。同社はAIエージェントをElevenAgentsで5つの主要言語に導入し、解決スピードの2桁向上と通話転送率の2桁減少を実現しました。これは、低遅延の音声合成や通話開始時の高精度な意図認識が一因です。こうした成果は会話設計だけでなく様々な要素に左右されますが、良い会話型AIデザインが可能にすることを示しています。

ElevenAgentsにおける会話型AIデザインの仕組み

ElevenAgentsでは、ペルソナ・声・ターンテイク・ハンドオフ・遅延など、人間らしさを左右する要素を最適化できます。それぞれの設定・最適化方法を紹介します。

ペルソナと声の選択

ペルソナはお客様の第一印象を決めます。ミスマッチがあると、会話が始まる前から信頼感が損なわれます。例えば、フレンドリーな小売ブランドに堅苦しいペルソナを設定すると、エージェントの発言内容に関係なく違和感を与えてしまいます。まずはシステムプロンプトで、エージェントの役割・性格・ガードレールなどを定義しましょう。

ボイスエージェントの場合、ペルソナは声にも反映される必要があります。金融系の通話でカジュアルすぎる声を使うと、テキストでのペルソナミスマッチと同じ違和感を与えるため、声の選択も重要なポイントです。ここから始めましょう：

• 声の選択： ブランドやターゲット、話題に合った声を選びましょう。アクセント・性別・トーンなどが、相手との信頼構築や会話の雰囲気作りに役立ちます。
• 多言語対応： サポートする各言語ごとに声を選びましょう。すべての言語で同じ声を使うと、どこかで不自然に聞こえ、信頼感が損なわれることがあります。

ElevenAgentsでは、ボイスライブラリからアクセント・キャラクター・用途別に検索できる11,000以上の声を利用できます。ゼロから作る必要はほとんどありません。もし合う声がなければ、短い音声サンプルから既存の声をクローンしたり、テキストプロンプトで一からデザインして、年齢・アクセント・トーン・話す速さなどを指定することもできます。

会話の流れの設定

音声は、会話のリズムが最も厳しく問われるチャネルです。チャットなら間が空いてもただの余白ですが、通話でリズムが崩れるとすぐに無音や切断と感じられてしまいます。このリズムを正しく設定することが、ボイスエージェントを自然な会話の参加者にする最大のポイントであり、ターンテイクモデルの設計から始まります。

ElevenLabsのターンテイクモデルは、話者が本当に話し終えたのか、ただ間を取っているだけなのかを検知できる研究ベースのシステムです。これにより、エージェントが固定の遅延ではなく、適切なタイミングで応答できるようになります。

さらに、会話の流れを最適化するために調整できる主な設定を紹介します：

• ターンタイムアウト: エージェントが無言でどれくらい待ってから応答するかを設定します。お客様が考えている最中に割り込んだり、話し終えた後に待たせすぎたりしないように調整します。
• ソフトタイムアウト: 「少々お待ちください」「確認します」など、処理中の間をつなぐ短いフレーズです。通話が切れたと誤解されないように使います。「1秒お待ちください」など具体的な時間を約束するフレーズは、実際の応答時間が変動するため避けましょう。
• 割り込み: お客様が話し始めたときにエージェントが話すのを止めるかどうかの設定です。自然なやり取りには有効ですが、法的注意や安全指示など、必ず最後まで聞いてほしい内容では無効にしましょう。
• ターンイーガーネス: お客様が話し終えた後、どれくらい素早くエージェントが応答するかの設定です。「イーガー（積極的）」はカスタマーサービスなど迅速な応答が重要な場面に最適です。「ペイシェント（慎重）」は電話番号やメールアドレスなど情報を聞き取る際に有効で、途中で遮らないようにします。「ノーマル」は一般的な会話のデフォルトにおすすめです。

ここでの小さな調整が大きな違いを生みます。タイムアウトを少し変えるだけで、エージェントが丁寧に対応しているか、遮っているかの印象が変わります。

ワークフロー・ハンドオフ設計・スクリプト化

ワークフローは、ElevenAgentsで会話型AIデザインを実践する中心です。どのタイミングで何が起こるか、意思決定ポイントやエスカレーション、ハンドオフなど、エージェント任せにせず明確に定義します。

ワークフローは、他の2つのシステムと連携してエージェントを洗練させます。まず、システムプロンプトでエージェントの基本的な振る舞い（役割・トーン・発言内容など）を、挨拶やハンドオフなど重要な場面ごとに定義します。プロシージャは、本人確認や返品手続きなど、単一で明確なタスクに特化した指示です。お客様の発言によって分岐せず、会話の流れに関係なく最初から最後まで決まった手順を進めます。

エージェント構築を始める最も簡単な方法は、あらかじめ用意されたエージェントテンプレートを使うことです。ワークフローやシステムプロンプトの初期設定が含まれているので、ゼロから作るのではなく微調整から始められます。以下のようなカスタマイズから始めましょう：

• 意思決定マッピング： 各意思決定ポイントでエージェントが何をするかを明確にし、会話の始まりから解決まで全体を設計します。 サブエージェントノードを使えば、特定のフローでシステムプロンプトやモデル、声を変更できます。たとえば、本人確認など慎重な対応が必要な場面だけガードレールを強化できます。
• エスカレーショントリガー： ハンドオフの明確な条件をワークフローに組み込み、エージェントの判断に任せないようにします。例えば、2回試しても解決しない場合や、お客様が上司を求めた場合、取引が重要・高額な場合などにエスカレーションします。
• ハンドオフ時の情報引き継ぎ： システムプロンプトで、転送前にエージェントが集めるべき情報（注文IDやアカウント番号など）やハンドオフの条件を定義します。その後、保存した情報を転送ツールの設定にマッピングすれば、お客様が人間担当者に同じ説明を繰り返す必要がなくなります。
• スクリプト化されたフレーズ： 重要な場面の発言内容は、システムプロンプトで正確に指定しましょう。挨拶・エラーメッセージ・法的注意・エスカレーション時の案内などは、即興に任せず決まった文言を使うのが確実です。「現在その情報にアクセスできません」など、具体的な一文を用意しておくと、トラブル時も安定した対応ができます。

ワークフロー自体はElevenAgents上でビジュアルグラフとして構築され、各意思決定ポイントやエスカレーショントリガーがノードとして表示・編集できます。

運用開始後は、実際の会話データがそのグラフ上に重ねて表示されるので、お客様がどこで詰まったり離脱したりしているかを可視化し、推測せずに改善できます。

遅延とパフォーマンス

遅延は、やり取りが人間らしく感じられるかどうかを左右する最大の要素の一つです。応答が遅いと、他がどんなに良くても「機械と話している」と感じさせてしまいます。

チャットでも音声でも、パイプラインの各工程がそれぞれ遅延を生みます。共通するものもあれば、音声の場合だけ発生するものもあります。

• LLM： モデル選択はコスト・推論品質・速度のトレードオフです。FAQや予約確認などシンプルで頻度の高いやり取りは、軽量で高速なモデルでも十分です。金融アドバイスや複雑なトラブルシューティングなどは、多少遅くても高品質な推論モデルを使う価値があります。
• ナレッジベースとRAG： ナレッジベースの検索は、エージェントが応答する前に往復の処理が発生します。内容を絞ったナレッジベースの方が、広範囲を検索するよりも速く応答できます。
• インテグレーションやツール呼び出し： Salesforceで注文を検索したり、カレンダーの空き状況を確認したりする外部ツール呼び出しも、それぞれ処理の往復が発生します。ツールの説明を明確に書き、必要な場合だけ呼び出すようにしましょう。
• 地理・データホスティング： ElevenAgentsのリージョンをデータの保存場所や、電話対応の場合はテレフォニー事業者（TwilioやSIPなど）のリージョンと合わせましょう。エージェントと通話ゲートウェイのリージョンが離れていると、会話開始前から遅延が発生します。
• スピーチtoテキスト（音声のみ）： Scribeが、お客様の発言をエージェントが理解できるように文字起こしします。ライブ会話にはリアルタイム版（Scribe v2 Realtime）を使いましょう。バッチ版は精度重視で速度は遅めです。
• ターンテイク（音声のみ）： エージェントがいつ応答するかを決める要素で、上記で詳しく説明しました。ターン終了の検知が遅いと、その分パイプライン全体の処理開始も遅れるため、独立した遅延要因として意識しましょう。
• テキスト読み上げと声の選択（音声のみ）： デフォルト音声や合成音声、インスタントボイスクローンは、プロフェッショナルボイスクローンよりも高速に応答します。高い音質が必要な場合のみ、プロフェッショナルボイスクローンを使いましょう。

遅延について詳しく知りたい方は、遅延最適化のベストプラクティスや、遅延の測定・レポート方法をご覧ください。

ElevenAgentsで最初のエージェントをデザインしよう

ここで紹介した要素が、AIエージェントにおける会話型AIデザインの実践例です。すべてElevenAgentsに標準搭載されており、ノーコードコンソールから設定できるので、ただ正解を返すだけでなく、本物の会話ができるエージェントを作れます。

より実践的なサポートが必要なチームには、ElevenLabsのForward Deployed Engineersが直接チームと連携し、要件定義から構築・本番リリース、その後のパフォーマンス微調整までサポートします。

自分で構築する場合も、サポートを受ける場合も、違いを実感する一番早い方法は実際に試すことです。今日からエージェントを作成または営業チームに相談してみてください。

会話型AIデザイン よくある質問