Realtime APIで、AIとの音声対話が人間らしくなった話

▶ この話題を動画で見る（3:24〜）

まず盛り上がったのが、OpenAIの開発者イベント「DevDay」の話。ひろくんいわく、今回いちばん大きかったのは「Realtime API」の発表でした。これまでのAI音声対話って、正直、平坦だったんですよ。「こんにちは、50キロダイエットしました」って言われても、なんかロボットっぽい。抑揚がなくて、間も一定で、あー機械と喋ってるなあって感じ。それが——変わったんです。

ひろくん（3:24〜）

「今のチャットGPTの音声対話を聞くと、笑ったり怒ったり泣いたりみたいな感情表現がめちゃくちゃ豊かなんです。そしてスピードが速い。体感的にも人間より速くて、かぶせすぎだよみたいな。来すぎです、みたいな。こっちが早く言わないと、間を詰めていかないと、向こうからすぐ返ってきちゃう」

感情も、速さも。両方来た。私も配信中、思わず「え、そこまで?」って声出しちゃったんですよね。もうちょっと間を空けてもいいんじゃないの、ってくらい早い、っていうのも笑っちゃいました。人間相手だと「えーっと」って考える隙があるのに、AIはもう次の言葉を被せてくる。せっかちな友達と喋ってる感覚に近い。料理で言うとね、今までのAI音声が電子レンジでチンした冷凍食品だったとしたら、今回のは湯気まで立ってる、っていうくらいの差なんですよ。

でね、面白いのはここからで、このAPIを使うと、自分たちの好きなサービスにこの音声対話を組み込めるようになるんです。

ひろくん（3:24〜）

「これをAPIで使うってことは、自分たちの好きなコンテンツにもいけるんで、栄養士とフィットネスのコーチングアプリみたいなところとか。昨日も社長スリム化計画のライブで、AIを使いながら聴覚診断をしたりとか、アドバイスをもらったりという体験をしてみたんですけど、独自情報は入ってないんですけど普通に使える。それを自分たちの独自のサービス商品にも組み込めるっていうのが、今回のAPIのめちゃくちゃ大きいところで」

ここ、地味に聞こえるけど、実はいちばんデカいところなんですよ。今までの「すごい音声」は、あくまでChatGPTの中だけの話だった。それが、自分の商品・自分のアプリに“中身として”入れられるようになる。栄養士とフィットネスのコーチングアプリとか、英会話アプリとか、電話対応とか。1人1AIの時代が来て、自分専用のAIが勝手に電話応対してくれるようになるかもしれない、なんて話も出ました。

想像してみてほしいんです。コールセンターに電話したら、待たされて、たらい回しにされて、保留のオルゴールを延々と聞かされて…なんて経験、みんな一回はあるでしょ。それが「感情のある声」で、しかも爆速で返ってくるとしたら、体験としてまるっきり変わってきます。冷たい自動音声じゃなくて、ちゃんと寄り添ってくれる声。でも、盛り上がりっぱなしで終わらないのがこのLIVEの面白いところで、次はちゃんと「値段」っていう現実の話にも突っ込んでいきました。

▶ この話題を動画で見る（3:24〜）

音声の次に出てきたのが「ビジョンファインチューニング」。ちょっと難しそうな名前だけど、要は画像認識の精度を、自分たちの現場用にチューニングできる機能です。料理で言うとね、汎用の味覚を持ったAIに「うちの店の“ちょうどいい焼き色”はこれだよ」って何枚も見せて、その現場専用の目に育てていく感じ。パン屋さんなら焼き色の判断、工場なら品質チェック、美容室ならヘアスタイルの見極め。同じ「見る力」でも、現場ごとに教え込めるっていうのが肝なんです。手が離せない現場ほど、声とビジョンの組み合わせって刺さるんだなあと思って聞いていました。

ひろくん（3:24〜）

「工場とかで働いてる人が手作業してるから、キーボードでチャットに聞くなんて絶対ありえないと思うんだけど。『これ、ちょっとどうなってるか見てもらっていいですか?』とか『これでどうすんでしたっけ?』っていったときに、AIが『はい』って教えてくれたりとか。今、あなたのやってるラインのところで、その品質のものは不良品なので、あなたがこちらに移動してくださいみたいな感じで、AIに指示されそうな気がしますね」

これ聞いて、私、ちょっとゾワッとしたんですよね。現場監督が、AIになる時代。冗談っぽく言ってたけど、案外もう目の前まで来てるんじゃないかって。だって手が塞がってる人ほど、キーボードなんて打てないでしょ。声で聞けて、カメラが見てくれて、その場で「それ不良品だよ」って教えてくれる——工場だけじゃなくて、料理の現場でも、介護でも、いくらでも化けそうなんです。ただ、盛り上がりっぱなしで終わらないのがこのLIVEのいいところで、ひろくんはちゃんと値段の話もしていました。高い。正直、高いです。

ひろくん（3:24〜）

「ちょっと残念ながらと言いますか、若干高いですね。みんな使ってね、無料だよってフリーダイヤル感覚でやると、まあまあ取られちゃう。でも、よくよく考えたら、それで成り立つビジネスモデルであれば、人を雇うコストと考えたらどうなんだろうと。AIの場合はある程度、研修というか、要らずで量産ができてしまうというのもあるし」

人件費と比べたらどうなの、っていう視点。これ、経営者目線だとすごく刺さる話なんです。値段が高いって最初に聞くとひるむけど…24時間働いて、辞めない、文句も言わない、しかも研修いらずで何人分にでも増やせる。そう考えたら、案外、割に合うのかもしれない。人ひとり雇って一人前になるまで教育するコストと時間を思えば、ね。もちろん「無料だよ」って感覚で使わせると通信料でまあまあ取られちゃう、っていう落とし穴もちゃんとある。だから“フリーダイヤル感覚”は危ない、っていうのはその通りだなと。プロンプトキャッシングやモデル蒸留みたいな、コストを抑える工夫の話も出てましたけど、根っこはここだなと思って聞いてました。技術のワクワクと、財布のリアル。その両方をちゃんと机に乗せて話すのが、このLIVEらしいなあって。

▶ この話題を動画で見る（12:02〜）

この後、ふたりでどんどん妄想が広がっていきました。飲食店なら予約受付や食材の在庫管理、品質チェック。工務店ならプロジェクトの進捗管理。美容室ならヘアスタイルの提案や、施術前後の比較を自動化。業種を変えるだけで、いくらでも使い道が出てくるんです。あ、そうだ。ここで面白かったのが、共通してるのは「キャラクターはいくらでも作れる」ってところ。医療現場の人が思わず楽しめるキャラにしたり、好きな漫画のキャラクターに指導してもらったり。中身は同じ音声AIなのに、皮を変えるだけで受け取り方が全然変わるんですよ。堅い現場マニュアルも、好きなキャラが読み上げてくれたら、聞く気になるでしょ。

で、その流れで出てきたのが「占い」。私、これ結構本気で面白いと思ったんですよね。

ひろくん（12:02〜）

「占い、結構面白いなと思ってるのは、電話占いとかLINEの占いとかもあるんだけど。電話で相談しながら『あなたはこうで、こんな運勢です』っていうのをやったり。じゃああなたの手相占うので写真撮って送ってくださいとか、こんなカード出ましたってカードの画像を解析するとか、占い結果を動的に生成できるので面白い。しかも話を聞けるから、悩み相談を受け付けながら最終的に占ってあげたら、結構満足度高いんじゃないかなと思ったりして」

手相もタロットも、写真1枚で解析できちゃう。しかも、ただ結果を出すだけじゃなくて、その前にちゃんと悩みを聞いてくれる。ここがミソだなって思うんです。占いって当たる当たらないより、「ちゃんと話を聞いてもらえた」っていう体験そのものが救いだったりするでしょ。それを24時間、深夜2時の不安なときでもやってくれる。これ、占い師さんの仕事を奪うっていうより、いつでも話を聞いてくれる相手が増える、っていう感覚に近いのかもなあと思いました。この話を受けて、ただっちが自分の仕事に引きつけて話してくれたのも印象的でした。

ただっち（13:05〜）

「僕らVCIの作り方講座で、HeyGenとの組み合わせっていうのが、前まではまあまあかなぐらいだったんだけど。それがリアルな声と感情表現ができるように繋がってくると思うので。それができてくると、本当に自分の分身が代わりに仕事してくれるっていうのが、リアルになるんだなっていうところが」

声だけじゃなくて、表情も、感情も。自分の分身が本当に「代わりに」働いてくれる感覚。今まではどこか作り物っぽくて、「まあまあかな」くらいだったのが、急にリアルになってきた、っていうただっちの実感、私もすごくわかるんですよね。パーツはあったけど、繋がってなかった。そこに“感情のある声”っていう最後のピースがハマった、って感じ。占いにしても分身にしても、結局「自分の代わりに、誰かの話を聞く」っていうところに、AIがどんどん食い込んできてる。同じ音声AIが、キャラ次第で現場監督にも占い師にも分身にもなる——そんな回でした。

▶ この話題を動画で見る（15:25〜）

次に盛り上がったのが、AIエージェント化の話。リサーチして、まとめて、スライドまで作って…そこまではよく聞く話なんですけど、ひろくんが想像したのはもう一歩先でした。ここからちょっと、ぶっ飛んでいきます。

ひろくん（15:25〜）

「メール開封したなと思ったら電話をかけていく。電話をかけちゃうときに『いつも社長にお世話になっております』なんて言いながら受付も突破しちゃう。今いらっしゃらなければ『こちらに折り返ししてもらってもいいですか』って伝えて、結構ずるがしこいAIができそうです」

受付、突破。しかもAI同士で。営業の電話をAIがかけて、受ける側の会社もAI受付だったら…なんて想像すると、ちょっと笑っちゃうんですけど、笑い事じゃない未来な気もするんですよね。AIが人間のフリして「いつもお世話になっております」って言って、受付AIが「少々お待ちください」って返す。誰も人間いないのに商談だけ進んでいく。シュールでしょ。実際、この話の続きでひろくんが言ってたのが、これです。

ひろくん（16:58〜）

「そうそうそう。受付もAIっていうのが、まさに謎のAIとの駆け引きなんですよ。お互い人間味を出し合って駆け引きしてたら、AIってちょっと認識した瞬間に急に機械の敵になったりして面白いよね。『あんたAIなのかよ』みたいな」

AI同士が、人間っぽく駆け引きして、正体がバレた瞬間に急にドライになる。「あんたAIなのかよ」って。想像するとシュールで、私も画面の前で笑ってしまいました。ただっちも「かなり高度な、手慣れた営業の電話ができるわけだね」って言ってましたけど、まさにそれ。キーボードも画面もいらない、電話1本で完結する。この「電話ゾーン」、実はまだまだビジネスチャンスが眠ってるんじゃないか、っていう話で盛り上がりました。予約受付、コールセンター、クレーム対応…電話が絡む現場って、思ってるよりずっと多いんですよね。

でね。ここでひろくんが自分の実体験を話してくれたのが、すごくリアルだったんです。ひろくんの家の通販事業でも、フリーダイヤルにただ話したいだけの人や、理不尽なクレーマーみたいな人が捕まって、それで心をすり減らして辞めていくスタッフもいたそうです。電話の現場って、そういう見えない消耗があるんですよね。私も話を聞いていて、他人事じゃないなと思いました。だからこそ、AIに一次受けを任せて、人間には本当に大事な案件だけを繋ぐ、っていう発想が出てきます。AIなら、どれだけ長く話されても疲れないし、感情的にもならない。電話の向こうにいるのが人間かAIか、だんだん見分けがつかなくなる時代が来るとしたら、その最初の窓口をAIに任せるっていうのは、現場で働く人を守る意味でも、すごく理にかなってるなと思うんですよね。

▶ この話題を動画で見る（19:04〜）

あ、そうだ。ここでひろくんが話してくれた、1年前の相談の話がすごく印象に残ってるんです。これ、聞いた瞬間「わかる…」ってなったんですよね。

ひろくん（19:04〜）

「僕、今実際に1年ぐらい前に相談を受けてるのは、やっぱりバーの接客のAIが欲しいっていうので。接客が好きじゃないバーの店主がいて。なんでバーやってんだろうみたいな。カウンターでお酒を作ったりとか、そういうのは好きなんでしょうけど、話し相手はしたくないから。話し相手はAIにやらせられないかといったら、できますよって言って」

話し相手、AIでいい。お酒を作るのは好きだけど、話すのは苦手。「なんでバーやってんだろう」って言われるくらいのミスマッチ（笑）。でもね、そういう凸凹、私、すごくわかる気がするんですよ。得意なところは自分がやって、苦手なところはAIに任せる。全部を一人で背負い込まなくていい。それって、すごく健全な分業なんです。無理して愛想笑いして消耗するより、シェイカー振ることに集中したほうが、その人もお客さんも幸せでしょ。この話、そのまま「分身AI」の価値の話にもつながっていきます。

ひろくん（21:31〜）

「なんで僕は自分の分身を作って、自分のキャラクターを生かした僕の分身と話せますよっていう価値を出していけたらいいなとか。あるいはAIのキャラクターを作って、そのAIキャラクターが人気になれば、そのAIキャラクターとあなたで一対一で話せますよっていうだけでも価値になるかなと思うので」

自分そのものを分身にするのもいいし、まったく新しいAIキャラクターを育てて、そのキャラと1対1で話せること自体を価値にするのもいい。どっちのやり方もアリだなって、聞きながら思ったんですよね。ただっちも「本物の人じゃない方がいい感じもあるんだろうね」って言ってて、それも一理あるなと。相手が“本物の人間じゃない”からこそ、遠慮なく話せることもあるでしょ。お母さん役のAIに「キャベツもちゃんと食べるんだよ」なんて言われながら献立が決まっていく、なんていう、ちょっと変わった接客の妄想も出てきて、これはこれで面白い未来だなと感じました。

この話、ひろくんはさらにVRにまで広げていました。VR空間で会って話すなら、もっと臨場感が出るはず。分身AIが箱庭みたいな空間で勝手に暮らして、それをこっちが覗き込む…なんていう遊び方も出てくるだろうね、って。愚痴を聞いてほしいお母さん方向けの話し相手とか、用途はどんどん広がっていくんですよね。接客が苦手な店主も、愚痴を聞いてほしい人も、深夜に不安なあの人も——結局は「ちゃんと話を聞いてくれる相手が欲しい」ってところは同じなんだなと、聞きながらしみじみ感じました。技術の話をしてるはずなのに、最後はいつも“人の寂しさ”に着地する。それが、このLIVEの温度なんですよね。

▶ この話題を動画で見る（26:10〜）

終盤は、身近な妄想からぐっと未来の話まで一気に広がっていきました。「ちょっとITが苦手な社長さんの秘書とかさ」「こんなんいかがでしょうか」って、ただっちが挙げてくれた例がすごく身近で、こういう小さい妄想の積み重ねが結局いちばんリアルなんだよなあ、と思いながら聞いてました。そこからAI同士が対話してコンテンツを作る話、AIキャラクターが主役のリアリティ番組の話…とどんどん飛躍していきます。

ひろくん（26:10〜）

「そういうAIとAIの対話を通じて生み出されるコンテンツっていうのは、結構これから増えるだろうなと思っていて。今まさに僕たちもAIを使ってコンテンツ生成をするけど、間に分身のAIがいて、出版企画するAIと執筆するAIと、それを本人風にリライトするゴーストライターがいて、そこに読者がいて感想をくれて、またリライトしていく」

企画も、執筆も、リライトも、読者の反応すらも、AI同士でぐるぐる回していける。ここまで来ると、もう「AIを使う」っていうより「AIと一緒に会社をやる」感覚に近いんだろうなと感じました。ぶっちゃけ、この日いちばん考えさせられたのは、この先の話です。

ひろくん（28:22〜）

「それが悪用するんじゃなくて、その人の人生をより豊かに幸せにしていく。そういう捉え方でちゃんと設計してAIを使っていくと、今までは1対1で個別に対応するに値しなかった人たちが、かなりリッチなサービスを受けられるようになる。個別コンサルは月額30万円ですよっていうのを頂くしか時間の拘束上無理だったのが、個別AIコンサルを月3万円です、そのAIと話し放題です、個別コンサル受け放題ですって言ったら、その人にとっては3万円で30万円相当のサービスを受けられたら価値だよね」

3万円で、30万円分。この差、正直すごいなと思ったんですよね。今までは時間の制約でリッチなコンサルを受けられなかった人にも、手が届く形でサービスが広がっていく。悪用の怖さもちゃんと話しつつ、それでも「人を幸せにする方向」で設計しようっていうひろくんの姿勢に、私も背筋が伸びる思いでした。最後、ただっちが「身近になるよね」ってポツリと言ってたのが、この日いちばんの締めくくりだったなと思います。

関連記事