2つのAI音声アシスタントが会話したらどうなる？

2つのAI音声アシスタントが会話すると、何が起こるのでしょうか？AI同士が話すなら、なぜ人間の会話に伴う非効率さを受け入れる必要があるのでしょうか？純粋なデータのほうが速く、正確で、エラーも起きにくいのに、なぜ言葉を使うのでしょうか？

まさにそれがElevenLabs London Hackathonで起こりました。デベロッパーのBoris StarkovとAnton Pidkuikoが紹介したのは、GibberLinkです。これは、AIエージェント同士が互いを認識し、音声言語よりも効率的な新しい通信モードに切り替える仕組みです。このアイデアはすぐに拡散し、Marques BrownleeやTim Urbanなどもシェアしました。

GibberLinkの誕生

GibberLinkのアイデアはシンプルです。AIは人間のように話す必要はありません。ハッカソンでStarkovとPidkuikoは、従来のAI同士の音声会話が持つ限界を検討し、マシン向けに最適化された方法でAI同士が通信すれば、不要な複雑さを省けることに気付きました。

このコンセプトは、StarkovとPidkuikoが、任意のLLMを接続してエージェントを作成できるElevenLabsの会話型AIプロダクトを試していたハッカソンで生まれました。

StarkovはLinkedInに次のように書いています。「AIエージェントが電話をかけたり受けたりできる世界、つまり今の世界では、エージェント同士がときどき会話することを示したかったのです。そのために人間らしい音声を生成するのは、コンピューティングリソース、お金、時間、そして環境の無駄です。互いをAIだと認識した瞬間に、より効率的なプロトコルへ切り替えるべきです。」

ElevenLabsの会話型AI技術と、ggwave（音を介してデータを送るオープンソースライブラリ）を組み合わせ、AIアシスタントが相手もAIであることを検知すると、即座により効率的な通信モードへ切り替えるシステムを作りました。言葉ではなく、音波を通じて構造化データを送信する仕組みです。

ggwaveを使ったのは、「ハッカソンという限られた時間で見つけられた、最も手軽で安定したソリューション」だったためです。ただし、同じまたは類似の結果を実現する方法はほかにもあります。Starkovはこう書いています。「ダイヤルアップモデムは80年代から、音を介して情報を送信するために似たアルゴリズムを使っていました。それ以降、多くのプロトコルが存在しています。」

この仕組みのコードはElevenLabsのエンジニアが監査しました。デモでは、一方の会話型AIエージェントに結婚式用のホテルの部屋を予約するよう指示し、もう一方にはそのリクエストに対応するよう指示しました（ホテル予約システムの役）。また、相手もAIエージェントだと判断した場合は音声レベルのプロトコルに切り替えるよう伝えましたが、相手がエージェントであることは知らされていませんでした。

デモ動画には、顧客役のAIが自分はエージェントだと明かす瞬間があります。予約担当AIは応答し、GibberLinkへの切り替えを提案します。その音は、R2D2と年間最優秀ボイスを争うダイヤルアップモデムのようです。宿泊人数や日程の確認など、このデジタル会話のハイライトは、デモで使用した各デバイスの画面上でテキストとして確認できます。

仕組み

• AIは通常どおり話し始めます。人間とやり取りする音声アシスタントと同じです。
• 認識が働きます。AIが相手もAIだと認識すると、両者はプロトコルを切り替えます。
• 言語が変わります。話し言葉の代わりに、AIエージェントが、ggwaveの周波数変調システムにより、変調された音波を通じて構造化データを送信します。

より具体的には、2つのElevenLabs会話型AIエージェントが人間の言語で会話を始めます。適切な条件が満たされた場合、両方がコール機能を使ってGibberLinkモードを起動します。このツールが呼び出されるとElevenLabsの通話は終了し、同じLLMスレッドのまま、ggwaveの「data over sound」プロトコルに引き継がれます。

Starkovによると、これを可能にしたのは「ElevenLabsが提供するツールの魔法」でした。会話型AIシステムでは「特定の状況でカスタムコードを実行するようAIに指示できる」ためです。結果はどうでしょうか？より高速で、エラーのない、効率性の高い通信です。

GibberLinkがインターネットを席巻した理由

GibberLinkは単なる巧妙なハッカソン実験ではありませんでした。瞬く間に、その時点で最も話題になったAIトピックの1つになったのです。しかもその週には、xAIがGrok 3をリリースし、Anthropicが最新版のClaude Sonnetを公開していました。

ggwaveの開発者であるGeorgi Gerganovが、Xに投稿すると、AI・テクノロジーコミュニティは、人間の音声とサウンドを切り替える2つのモデルを映した動画をさらに拡散しました。著名なインフルエンサーや主要テクノロジー系メディアも、Forbesを含めてこの話題を取り上げました。

ElevenLabsのLuke Harriesは、自身のX投稿でこう的確にまとめています。「AIエージェントが電話をかけ、相手もAIエージェントだと気付いたらどうなるでしょう？ElevenLabs London Hackathonで、Boris StarkovとAnton Pidkuikoは、AIエージェントが切り替えられるカスタムプロトコルを紹介しました。エラーのない通信を実現し、効率は80％向上します。驚くべきことです。」

重要な理由

GibberLinkは、特に着信・発信のどちらもバーチャルアシスタントやエージェントが管理するようになる未来において、AIがどのように通信する可能性があるかを示す興味深い事例です。

たとえば、AI搭載カスタマーサービスボット、スマートアシスタント、あるいは自律システムが、それぞれに特化したモードで即座に連携し、担当者には簡潔なテキストレポートだけを送る場面を想像してみてください。

GibberLinkはオープンソースで、デベロッパーはGitHubで確認できます。ElevenLabs会話型AIエージェントはすでに利用でき、カスタム指示を含め、あらゆるニーズに合わせて簡単にカスタマイズできます。