OpenAIは2026年9月10日、リアルタイム音声対話向けモデル「GPT-Live-1」をAPIで提供すると発表した。特徴は、人間同士の電話に近い双方向の音声コミュニケーションを実現するフルデュプレックス処理、指示追従能力の向上、カスタム音声への対応、さらに電話システムとの連携強化だ。
企業にとって重要なのは、生成AIの利用範囲がテキストチャットからリアルタイムの電話・接客業務へ本格的に拡大している点にある。コールセンター、予約受付、営業支援、社内ヘルプデスクなどでは、従来の音声認識、音声合成、会話エンジンを別々に構築する方式から、統合型の音声AIへ移行しやすくなる。
音声AIでは回答精度だけでなく、遅延、割り込みへの対応、会話の文脈保持、固有名詞の認識、個人情報の管理が実用性を左右す。特に電話業務では、誤認識や誤った案内がそのまま顧客対応事故につながるため、人間へのエスカレーションや会話ログの監査設計が不可欠だ。
今後の競争軸はモデル性能だけではない。通信インフラ、CRM、予約システム、決済、本人確認など既存業務との統合性が重要になる。企業側では、音声AIを単純な人員削減策として見るのではなく、どの問い合わせをAIに任せ、どこから人間が対応するかを業務単位で設計する必要がある。
出典
OpenAI