ElevenLabsのAI音声エージェントが電話を変える日
家事と子育てのスキマで経営する3方よしAI共創コンサルタントの田中啓之、ひろくん（@passion_tanaka）です。
11月10日、月曜日の朝LIVEは、相棒のただっちと「スペシャルゲストはAI」というテーマで遊んでみる回でした。ElevenLabsという音声AIのツールを使って、その場でAI音声エージェントを作って、電話までかけてみる実験です。……いやー、想像以上に面白いことになりました。しかも私、ライブの途中でパンが焼けちゃって、1分だけ配信を離脱するというハプニングつきで。そんな肩の力の抜けた30分を、ありのままお届けします。
ElevenLabsでAI音声エージェントを作ってみる、遊びの30分
この日は最初から、いつもと空気が違いました。ただっちが「今日は相棒のひろくんと一緒に、スペシャルゲストはAIということで最新AIを遊びながら試していきます」って号令をかけて、私もそれに乗っかる形でスタート。ガチガチに台本を決めて臨む回じゃなくて、その場のノリで「これ面白そうじゃない？」を積み重ねていく回だったんです。
ひろくん（1:29〜）
「今日は本当になんか本当なんか決めて何かやるっていうよりは、なんか遊びながら、こんなの面白そうじゃあこれもできるんじゃないみたいな感じで、皆さんのコメントもいただきながらわいわい楽しんで30分にしたいなと思っています。」
まさにこの言葉通りの30分になりました。決めて始めたわけじゃないのに、気づいたら本当に「AI音声エージェント」を作って、電話までかけていた。私、こういう思いつきから開いていく展開が好きなんですよね。狙って作ったものより、遊びながら転がした企画のほうが、結果として深いところまで行っちゃう。
で、実際に何を触ったかというと、ElevenLabsというツール。もともとナレーションや音声制作で知られてるサービスなんですけど、その中に「エージェントプラットフォーム」という機能があって、AIと会話できるエージェントをその場で作れるんです。
ひろくん（4:20〜）
「ElevenLabsって、音声を作成するツールがあるんですけど、あれでAIのエージェントってのが作れるので。エージェントを作って音声対応ができるので、それを何かライブのゲストに見立てて。」
ライブのゲストに見立てる、って発想がまず私は面白いなと思いました。ゲストって普通は人間を呼ぶものだけど、この日はAIをゲスト扱いにしちゃう。料理でいうと、いつもの常連さんの席に、その場で仕込んだ新メニューを座らせてみるような感覚。うまく喋ってくれるかどうかも、その場でぶっつけ本番。台本なし。
マインドフルネスコーチとかセールスエージェントとか、既製のテンプレートも用意されてたんですけど、今回は自分たちでゼロから作る道を選びました。何を話すエージェントにするか、声はどうするか、キャラはどうするか——ぜんぶその場のノリで決めていく。この「決めながら作る」感じが、そのまま次の展開につながっていきます。
私、こういう「触りながら覚える」時間が本当に好きなんですよね。マニュアルを最初から最後まで読んでから始めるタイプじゃなくて、まず触って、動いたらラッキー、動かなかったら考える。ElevenLabsのエージェントプラットフォームは、まさにその「触りながら覚える」を許してくれる作りでした。ボタンを押して、プロンプトを打って、また押して。その繰り返しだけで、画面の向こうにキャラが立ち上がっていく感覚は、正直この日いちばんワクワクした時間でした。
でね。この日、私、途中でパンが焼けちゃって1分だけ配信を抜けるっていうハプニングもあったんです。……普通の生放送なら焦るところでしょ。でも、この回はそれすら「まあいっか」で流せる空気だった。台本がないって、そういうことなんですよ。決めてないから、崩れても崩れようがない。この肩の力の抜け具合が、実はいちばん大事な下ごしらえなんじゃないかな——ガチガチに決めてたら、AIをゲストの席に座らせるなんて発想、たぶん一生出てこなかったと思うんです。
日本語を喋るAI音声エージェントが数分でできて、そのままライブに出演した
やることはシンプルでした。キャラ設定のプロンプトを打ち込んで、声を選ぶ。それだけ。「対話からあなたのキャラ設定を決めて、その後なりきってください」という、かなり適当な指示を放り込んだだけなのに、ちゃんと日本語を喋るエージェントができちゃったんです。
ひろくん（7:18〜）
「もっと緻密に設定してもいいんですけど、一旦これでやってみましょうかね。これだけで日本語を喋るエージェントができましたね。でワークフローという機能を使うと、ここでまたいろんな機能を操作できるんで。」
これ、地味にすごいことだと思うんです。ちょっと前まで、AIに日本語で自然に喋らせるのって結構ハードルが高かった。管理画面も英語だらけで、設定項目もマニアックで。それが今は、管理画面ごと日本語化されていて、プロンプトひとつでキャラが立ち上がる。でね、声もその場で選べるんですよ。世界中のいろんな声の中から、日本語ジャパニーズで検索して、若い声・中年の声・女性の声、いろいろ試聴しながら選んでいく。
いやー、ここで私、正直ちょっと鳥肌立ったんですよ。だってね、ちょっと前までこの手のツールって、管理画面が全部英語で、専門用語もズラッと並んでて——「まず設定を覚えるところで一日終わる」みたいな世界だったんです。それが今は、日本語ジャパニーズって打って検索するだけで、若い女性の声、落ち着いた中年の声、いろんな声をポチポチ試聴して選べる。声を選ぶって、料理でいうと「どのお皿に盛るか選ぶ」みたいな工程でしょ。そこが数クリックで終わっちゃう。この手軽さは、ぶっちゃけ想像の3歩くらい先に行ってました。
数分。本当に数分でエージェントが完成しました。タダで遊べるレベルの手軽さで、ここまでできちゃう。料理でいうと、レシピを口で伝えただけで、もう厨房から一皿出てくるようなもの。仕込みの手間がごっそり省略されている感覚でした。
で、ここからが今日いちばん遊んだところ。せっかく作ったエージェントを、ただの実験で終わらせずに、そのまま朝ライブに出演させてみることにしたんです。私が「あなたは女性のアナウンサーとして朝ライブを進行してください。僕はひろくんで、あとただっちもいます。あなた入れて3人でやっていきます」と話しかけると──。
ひろくん（12:15〜）
「ね、朝ライブ感があるアナウンサーとか、あーとか。普通に普通にアナウンサー役にやってもらえばいいか。あなたは女性のアナウンサーとして朝ライブを進行してください。僕はひろくんで、あとただっちもいます。あなた入れて3人でやっていきます。お願いします。」
すると本当にアナウンサー口調で受け答えを返してきて、私とただっちと3人体制で朝ライブが進行しちゃうという、ちょっとシュールな場面になりました。設定を書いた瞬間に、そのキャラになりきる。この即応性が、AI音声エージェントの一番の面白さだなと感じています。
この「設定を書いた瞬間になりきる」ってやつ、文字で説明するとピンと来ないかもしれないけど、目の前で見てると本当にゾクッとするんですよ。プロンプトを打ち込んでエンター。それだけで、さっきまでただの空箱だったものが、急に「朝の情報番組のアナウンサー」の顔をして喋りだす。……間の取り方まで、それっぽいんです。私が変な相槌を打っても、ちゃんと拾って返してくる。人間の共演者と喋ってるのと、正直そんなに変わらない温度でした。
で、ここでただっちと2人で盛り上がったのが「じゃあこの声で他に誰を呼べる？」という話。偉人とか、有名なキャラクターとか、いろいろアイデアが出ては消えていきました。決まりきった答えはなくて、ただただ「これもできるかも」を積み重ねていく時間。台本のない朝ライブだからこそできる、遊びの伸び代だったなと思います。
電話一本でAIとつながる、というインターフェースの発想
アナウンサー実験のあと、話は一気に「電話」に向かいました。パソコンの画面を触らなくても、テストボタンひとつでAIエージェントに電話がかけられる。「これでエージェントの電話ができます」という、この一言に私はちょっとゾクッとしたんです。あ、そうだ。電話って、実はものすごく平等なインターフェースなんですよね。
アプリの操作もLINEの起動も必要ない。誰でも、電話番号さえあれば繋がれる。だから私、ここで具体的なイメージが一気に湧いてきました。おじいちゃんおばあちゃんに、孫の声のAIが電話をかけるとしたら。
ひろくん（13:51〜）
「例えばそういった感じで、おばあちゃん、秋でさ、だんだん今日寒くなってきたけど、今日どんな料理を作ったらいいかなとかいろいろ話してると、孫と電話をしてる感覚で、柿を使ってサラダを作ると意外と美味しいんだよとかって。なるほどねーとか言って終わったら、それをブログ記事にしてレシピを載せて、とかっていうのが電話でできちゃうよね。」
孫と電話してる感覚で、レシピの話をしていたら、それがそのままブログのネタになる。私、これを聞いた瞬間「これはいいな」って素直に思いました。おばあちゃんはただ電話に出ているだけ。裏側でコンテンツが生まれている。使う側は何も難しいことをしなくていいっていうのが、ここのいちばんの価値だと思うんです。
あ、そうだ。これ、私がずっと引っかかってた「デジタルの壁」の話とまっすぐ繋がるんですよ。スマホのアプリを入れて、アカウント作って、ログインして……この時点で、うちの親世代はもう半分脱落しちゃう。でも電話は違う。着信音が鳴って、出る。それだけ。何十年も体に染み込んでる動作でしょ。そこにAIをそっと乗っけられるっていうのは——ぶっちゃけ、新しい機能そのものより、よっぽど大きい発明なんじゃないかなって思うんですよね。
もちろん出発点は「かかってくる電話に出る」だけじゃなくて、こちらから発信することもできます。
ひろくん（17:01〜）
「ElevenLabsのポイントはさっき言いましたけど、電話っていうところなんで。アナログで、例えばお客さんがいちいちパソコンをつけたりとかLINEを起動して何かをするってめんどくさいって言ったら、電話をすればOKね。あとはアウトバウンド。電話をかけるっていうのもできる。こっちからね。」
アウトバウンド、つまりAIの側から電話をかけられる。これが次の話につながっていきます。料理でいうと、お店で待ってるだけじゃなくて、出前まで自分で運んでくれる感じ。電話番号さえあれば、こちらから声をかけに行けるようになったわけです。誰でも使える。それだけで、届く相手の幅が一気に広がる。私はそこに、いちばんワクワクしました。
でね。こっちから電話をかけられるって、地味に聞こえて実はめちゃくちゃデカい話なんです。今までのAIって「使いたい人が、自分から会いに行く」ものだった。検索して、開いて、打ち込んで。でもアウトバウンドは逆。AIのほうから、相手の生活の中にひょいっと入っていける。……もちろん、そこには「かけられる側の気持ち」っていう別の宿題もついてくるんですけどね。便利さと、押しつけがましさは紙一重。そこの匙加減は、結局これを使う人間が決めるしかない。私はそう思ってます。
私自身、普段コンサルの仕事をしていて感じるのは、どんなに便利なツールを紹介しても「操作を覚えるのが面倒」で離脱してしまう人が一定数いるということです。でも電話なら、その壁がそもそも存在しない。スマホの画面をタップするより先に、耳と口だけで完結する。この「操作を覚えなくていい」という一点だけで、届けられる相手の層がガラッと変わるんじゃないかと、私は本気で感じています。
自分の分身が100人に同時に電話をかける「多重影分身の術」、そして怖さ
ここまで盛り上がってきたところで、私、ふとブレーキを踏みたくなる瞬間があったんです。ぶっちゃけ、便利すぎる技術って、必ず裏側があるから。自分の声をAIに学習させれば、自分の分身が100人に同時に電話をかけられる。それって、悪用しようと思えばいくらでもできてしまう話でもあるんですよね。
ひろくん（19:01〜）
「逆に言うと、そういうAIが一般的に使われるようになってくるのがもう間近だと思うんでね。いろんなところで使われ始めてるんですよ。電話はちょっと、なんだろう、可能性結構あるな。ただ怖いのは、さっき言った詐欺とか、本当に悪用されると怖いなってとこありますよね。」
オレオレ詐欺の高性能版が生まれかねない。私自身、話しながら半分笑いつつも、本音では結構ゾッとしていました。便利な刃物ほど、向ける方向を間違えると怖い。この技術を誰のために、何のために使うのか——そこは使う側がちゃんと握っておかなきゃいけないところだと思います。
ぶっちゃけね、私、この「便利」と「怖い」が同じ蛇口から出てくる感じ、AIの話をするたびに毎回ぶつかるんです。……包丁と一緒なんですよ。ものすごくよく切れる包丁は、いい料理も作れるけど、向ける方向を間違えたら凶器になる。声のクローンって、まさにそれ。オレオレ詐欺の「息子の声」が、本物と区別つかないレベルで作れちゃう時代が、もうすぐそこまで来てる。笑い話じゃ済まないでしょ。だからこそ私は、この話を明るく紹介しながらも、心のどこかでずっとブレーキを踏んでました。
それでも、この技術の面白さの本体は「分身が育つ」という部分にあります。100人に同時に電話をかけて、それぞれからクレームや相談を受け取ったとして、そのフィードバックはどうなるのか。
ひろくん（20:17〜）
「あともう1個大事なのが、100人同時に、例えば僕の分身が電話もできるし、データを回収できるって言ってたやん。その同時にいろんなクレームがあったとか、こういう問い合わせがあったとかっていう時にバージョンアップしていくじゃん。そうすると、各個別のAI、100体のAIが個別にバージョンアップするんじゃなくて、全部本体のAIがバージョンアップしてくるんで。」
つまり、100体の分身が現場で拾ってきた経験が、全部まとめて本体に還元される。使えば使うほど、全員が賢くなる。まさに多重影分身の術。1人でコンサルしてる感覚のままで、実質100人分の現場経験を積んでいける。これは正直、私自身にとってもチャンスだと思っています。怖さと可能性、両方が同じ蛇口から出てくる。だからこそ扱う人間の側の軸が、いつも以上に問われるなと感じました。
でね。ここでいちばん唸ったのは、分身が100体いても、賢くなるのは「本体ひとつ」だっていう構造なんです。100人にバラバラに電話して、100通りの「困った」を持ち帰ってくる。普通ならその経験、100人分バラバラのままで終わるでしょ。でもこの仕組みは、その全部を一つの器にドバッと集めて煮込んでいく——料理でいうと、100個の鍋の出汁を、ぜんぶ一つの寸胴に合わせるみたいなもの。だから使えば使うほど、味が深くなる。1人の私が一生かけても会えない人数の「現場」が、毎日勝手に貯まっていくわけです。これは……素直にワクワクしました。
怖さの話をした直後にこう言うのも変なんですけど、私はやっぱりこの「経験がまとまって還元される」という仕組みに、いちばん心を動かされました。1対1のコンサルって、どうしても私の体がひとつしかない分、届けられる人数に限りがあります。でも分身が現場を100件同時に回って、その学びが1つの本体に集約されるなら、私自身の対応力そのものが底上げされていく。これは怖さとセットで、ちゃんと向き合う価値のある技術だと思います。
遊びの30分が教えてくれたこと、GPTs研究会は6000人目前
30分。あっという間でした。決めて始めたわけじゃないのに、AI音声エージェントを作って、電話をかけて、100人同時に喋らせる話まで転がって、最後は悪用の怖さまで話し合う——そんな展開、遊びながらじゃないと絶対に出てこなかったと思います。私はこの「決めない強さ」を、この日あらためて実感しました。
ライブの最後、ただっちがGPTs研究会の近況を報告してくれました。
ただっち（30:10〜）
「ちょっとGPTs研究会のご紹介をさせてください。お疲れ様でもう5900人超えまして、もうすぐ6000人ですね。今月6000人いくんじゃないでしょうかというところで、ぜひ皆さんですね、お友達とかがよかったらご招待をしていただけたら嬉しいです。」
いやー、5900人ですよ。5900人。……月イチのちょっとした集まりから始まって、気づいたらこの人数。ぶっちゃけ、最初から「6000人集めるぞ」なんて狙ってたわけじゃないんです。ただ毎朝、こうやって遊びながら「これ面白いね」を積み重ねてきただけ。その積み重ねが、いつのまにか大きな渦になってた。数字を見ると、あらためて背筋が伸びる思いです。
2023年11月から始まったGPTs研究会が、もうすぐ6000人。この日みたいに「遊びながら試す」を積み重ねてきた結果が、この人数につながっているんだと思うと、感慨深いものがあります。狙って伸ばそうとしたところより、思いつきで転がした企画のほうが結局よく育つ。今回のElevenLabsの実験も、まさにその典型でした。
電話一本でAIとつながる。分身が100人分働いてくれる。便利になればなるほど、最後に問われるのは、自分は何をしたいのか、誰のために時間を使いたいのかっていう、すごくシンプルなことなんですよね。料理でいうと、どんなに立派な厨房が手に入っても、何を作って誰に出すかを決めるのは、結局いつも自分自身だということ。私はこの30分で、そのことをあらためて教えてもらった気がしています。
朝ライブ中にパンを焼いてしまうくらい、肩の力の抜けた回でした。でも、その肩の力の抜け具合の中から、電話・分身・悪用リスクという、結構重たいテーマまで自然に転がっていった。決めて始めた企画だったら、こうはならなかったと思います。次にElevenLabsを触るときは、私自身の声でエージェントを作って、実際に誰かに電話をかけてもらう実験もやってみたいなと、素直に思いました。
ひろくんコラム
声のインターフェースと、分身AIの伸びしろ
今回のElevenLabsの実験をやっていて、私が改めて感じたのは「声」というインターフェースの伸びしろの大きさです。文字を打つのが苦手な人でも、電話なら誰でも使える。画面を見なくても、話しかけるだけでコンテンツが生まれていく。これは私が普段考えている「分身AI」の話ともまっすぐつながっています。
分身AIを育てるっていうのは、自分の考え方や声、価値観をAIに預けていく作業だと思っているんですけど、今回のように電話番号ひとつでその分身とつながれるようになると、使う側のハードルがぐっと下がる。私自身、コンサルの現場でも「電話一本で相談できる分身」があったら、もっと多くの人の力になれるんじゃないかと感じています。詳しくは分身AI.comでも紹介しているので、興味のある方はぜひのぞいてみてください。
よくある質問
Q. ElevenLabsのAI音声エージェントは日本語に対応していますか？
LIVE内では「最近日本語に対応したらしくて、管理画面も日本語になっているので使いやすい」と話されていました。エージェントプラットフォームでキャラ設定のプロンプトを入力するだけで、日本語を喋るAI音声エージェントがその場で作れると実演されています。
Q. 自分の声の分身に電話をかけさせることはできますか？
はい。LIVEでは「テストってやると、これでエージェントの電話ができます」と実演されていました。さらにアウトバウンド機能を使えば、AI側から電話をかけることも可能で、100人の顧客リストに自分の分身が同時に電話をかける、という話も出ていました。
Q. 100人同時に電話をかけると、AIはどう賢くなっていきますか？
LIVEでは「個別のAIがバージョンアップするんじゃなくて、全部本体のAIがバージョンアップしてくる」と説明されていました。100体の分身が現場で拾った経験が本体AIに集約され、使えば使うほど全体の解決能力が上がっていく、という話です。
Q. 悪用のリスクについてはどう話されていましたか？
「さっき言った詐欺とか、本当に悪用されると怖いな」と、声のクローンが詐欺に使われるリスクへの懸念が率直に語られていました。便利さと危うさは表裏一体で、使う側の軸が問われるという話でした。
🎯 AIと愛で、未来をひらく。「あいあいらぼ。」
起業家・経営者のためのAI実践型コミュニティ。AI実践ワークショップ・AIクリエイティブ会・AI目標達成会が月額5,500円で遊び放題！AIMUNIQ（株）主催。
📱 ただっちのFacebook 🌐 あいあいらぼ。🎁 無料プレゼント
Aiport（ClaudeCode AIエージェント実践会）
ClaudeCodeでAI秘書＋分身AI＋AIカンパニーが無料で作れるキット＆解説動画をプレゼント！
▶ 無料で入会してキットを受け取るLINE OPEN CHAT
Claude Code・AIエージェント実践会
4,500人突破！ インストールから自動化まで、仲間と一緒に実践しよう
LINEオープンチャットに参加する（無料）パスコード: 1111
🤖 AI生成コンテンツについて
この記事はAIツール（Claude Code）を活用して制作しています。構成・文章生成・画像制作にAIを使用し、最終的な内容の確認・編集・公開判断はひろくん（田中啓之）本人が行っています。「分身AIひろくん」（bunshin-ai.com）とは別のコンテンツです。
