NTT、話の途中で相槌や割り込みができる音声AI　返答時間を50％以上短縮

NTTは2026年10月26日、相手の発話を聞きながら応答し、相槌や発話待ち、割り込みに対応できる双方向型音声対話AI技術を開発したと発表した。日本語のコールセンター対話を模した実験では、他社サービスと比較して平均応答時間を50％以上短縮し、人間のオペレーターに迫る音声対話や接客ではこの短さが体験の質を決める。">応答速度を記録した。

近年、人手不足や業務負担の増加を背景に、コールセンターや窓口などの顧客応対業務で音声対話AIの活用が期待されている。しかし、実際の現場では単に質問へ回答するだけでなく、ユーザーの発話を適切に待つことや、自然なタイミングでの相槌、発話途中での割り込みへの対応など、会話の流れに合わせた柔軟な応対が求められていた。また、業務ごとの手順に従いながら、外部のシステムを参照・更新して正確に応対することも課題となっていた。

開発された技術は、相手の発話や会話の流れに応じて「話す・聞く・待つ」を切り替えることで、テンポのよい自然な対話を実現する。モデルを再学習することなくタスク指示文を変更するだけで、予約受付や問い合わせ対応など多様な業務フローに対応できる。さらに対話中、AIが必要な外部機能を呼び出し、データベースやCRMの情報を自律的に参照・更新する。技術確立にあたっては、NTTが培ってきた音声強調や音声認識、音声合成の処理技術を活用するとともに、期待される振る舞いを含んだ疑似音声対話データを生成して学習に用いた。

日本語のコールセンター対話を模した400対話による評価実験では、平均応答時間0.43秒を達成し、市中の商用対話AIと比較して50％以上の短縮を確認した。これは日本人オペレーターの平均応答速度である0.31秒に迫る水準だという。発話待ち成功率や割り込み成功率においても他社サービスに匹敵する性能を示した。

NTTは今後、コールセンター業務への適用による顧客体験の向上と業務効率化を目指すほか、自治体や医療機関の窓口、商業施設の受付など幅広い分野への展開を視野に入れる。本研究成果は2026年11月18日から25日に開催される「NTT R&D FORUM 2026」に展示される予定で、実運用に向けた共同実験の計画も進めている。