AI音声エージェントがウォームトランスファー（事前取次）を完成させる方法：AIと人間のエージェントの間のギャップを埋める
AI音声エージェントは今や、サポート対応、予約設定、リード選別、大量の着信対応など、実際の顧客との会話の大部分を処理できるようになりました。しかし本番環境での導入では、一貫した破綻点が明らかになります。それは、AIが会話を人間のエージェントに引き継がなければならない瞬間です。
この移行は歴史的に、自動通話システムが失敗してきた場面です。コンテキストが消え、顧客は同じことを繰り返し、人間のエージェントはすでに何が起きたのかを知らないまま会話に加わります。
問題はAIが会話を続けられないことではありません。問題は、ほとんどのシステムがそうした会話を適切に転送できるように設計されていなかったことです。
最新のAI音声エージェント、とりわけRetell AI は、会話のコンテキストを保持するウォームトランスファーを可能にすることでこれを解決し、自動化と人間のエージェントが2つの切り離されたシステムではなく、同じ会話の一部として機能できるようにします。
長年にわたり、会話型AIシステムは顧客対応を自動化すると約束してきました。そして多くの場合、少なくとも会話の最初の部分では実際にそうしています。難しさが始まるのは、システムが解決できる範囲の限界に達したときです。
実際の通話環境では、エスカレーションは頻繁に発生します。顧客が自動ワークフローの範囲外のことを求める。技術的な問題に人間の判断が必要になる。発信者がいら立ち、人と話したいと要求する。
その瞬間が訪れると、ほとんどの会話型AIシステムは対応をスムーズに移行させるのに苦労します。その理由は、いくつかの構造的な問題で説明できます。
多くの音声自動化システムは、エスカレーションを単純なルーティングイベントとして扱います。AIがリクエストを解決できないと判断すると、通話は別のキューや部門に転送されます。
会話中に収集された情報、つまり発信者の意図、アカウントの詳細、これまでの応答は、その過程でしばしば失われます。顧客の視点からすると、会話は最初からやり直しになります。
人間のエージェントが通話に応じるとき、通常は「本日はどのようなご用件でしょうか？」といった標準的なあいさつから始めます。しかし顧客はすでに数分かけて状況をAIに説明しています。
その結果、自動通話システムではおなじみのフラストレーションが生じます。顧客はすでに話したことをすべて繰り返さなければならないのです。
音声でのやり取りは連続的で、時間に敏感です。エスカレーションがその流れを中断すると、移行が唐突に感じられます。エージェントがメッセージ履歴をすばやく読めるチャットインターフェースとは異なり、電話では状況を即座に理解する必要があります。
コンテキストがなければ、人間のエージェントは会話をゼロから再構築しなければなりません。
この問題が根強く残るもう1つの理由は、多くの会話型AIプラットフォームがチャットボット技術から発展したことです。チャット環境では、メッセージ履歴が見えるためエスカレーションが容易です。エージェントは応答する前にトランスクリプトを確認できます。
音声でのやり取りにはそのような余裕がありません。人間のエージェントが通話に加わるころには、会話はすでに終わっており、システムがそのコンテキストを保持していない限り、それは失われています。
音声AIシステムがどのように進化しているかを理解するには、コールドトランスファーとウォームトランスファーの違いを検討するのが役立ちます。この2つのアプローチは、エスカレーションの扱い方が根本的に異なることを示しています。
コールドトランスファーとは、システムがコンテキスト情報を一切付与せずに通話を別のエージェントや部門に転送することです。
技術的には、プロセスはシンプルです。
コールドトランスファーは実装が容易なため、従来型IVRシステムや初期の会話型AIの導入でよく見られます。しかし、大きな摩擦をもたらします。
顧客は問題を繰り返さなければなりません。エージェントはAIがすでに収集した情報を再度集めるのに時間を費やさなければなりません。やり取り全体が事実上リセットされます。1日に数千件の通話を処理する組織にとって、この非効率はすぐに積み重なります。
ウォームトランスファーは根本的に異なるアプローチを取ります。単に通話をルーティングするのではなく、AIは接続が行われる前に、受け取るエージェントに関連するコンテキストを準備します。
そのコンテキストには通常、以下が含まれます。
これは、発信者を別のエージェントに接続する前に紹介する、経験豊富な受付担当者の振る舞いを反映しています。正しく実装されれば、ウォームトランスファーは会話をやり直すのではなく、シームレスに続けることを可能にします。人間のエージェントは、即座に状況を把握した状態でやり取りに加わります。
これはまさに、Retell AI が実現するために設計された種類の移行です。
エスカレーションは、チャットベースのインターフェースよりも音声システムにおいて本質的に難しいものです。これらの課題は、信頼できる人間とAIの引き継ぎメカニズムを設計することが、なぜ音声自動化において歴史的に最も難しいエンジニアリング上の問題の1つであってきたのかを説明しています。
チャットシステムでは、エージェントは応答する前に会話履歴を確認できます。音声でのやり取りにはその間がありません。人間のエージェントが通話に加わるとき、状況を即座に理解しなければなりません。あらゆる混乱が発信者に気づかれてしまいます。
口調、間、ためらいは感情的なシグナルを伝えます。エスカレーションが顧客に同じことを繰り返させると、それに伴ってフラストレーションもしばしばエスカレートします。うまく実行されなかった転送は、本来なら対応可能なやり取りをネガティブな体験に変えてしまいます。
AIシステムはいつ会話をエスカレーションすべきかを認識しなければなりません。エスカレーションが早すぎると、自動化の価値が下がります。エスカレーションが遅すぎると、やり取りがフラストレーションを生みます。したがって音声AIエージェントは、エスカレーションのトリガーを正確に検出しなければなりません。
人間の発話には、割り込み、確認、意図の変化が含まれます。音声AIシステムは、やり取りの内部的な理解を維持しながら、これらの会話のダイナミクスを追跡しなければなりません。
エスカレーションが発生したとき、その会話状態全体を保持しなければなりません。それがなければ、人間のエージェントは何も見えないままやり取りに加わることになります。
最新の音声AIプラットフォームの登場により、引き継ぎの問題を解決する新しいアプローチが生まれました。ウォームトランスファーは単一の機能ではありません。それは、ライブ会話中に連携して機能するいくつかのシステム能力の協調の結果です。
ほとんどの最新の実装は、同様の実行フローに従います。
AIエージェントは、エスカレーションが必要であることを示すシグナルがないか、会話を継続的に監視します。
これらのシグナルには以下が含まれる場合があります。
システムがトリガーを検出すると、エスカレーションプロセスを準備します。
通話を転送する前に、システムは会話の構造化された状態を取得します。
これには以下のような情報が含まれます。
この状態を保持することは、意味のある引き継ぎを可能にするために不可欠です。
生のトランスクリプトを人間のエージェントに渡す代わりに、高度な音声AIシステムは状況を説明する簡潔な要約を生成します。
たとえば、次のようなものです。
「発信者は予約の再スケジュールを試みています。要求された時間帯に空きが見つかりませんでした。人間のスケジューラーにエスカレーションします。」
これにより、エージェントは話す前にコンテキストをすばやく理解できます。
コンテキストパッケージが準備されると、システムは以下のような要因に基づいて通話をルーティングします。
このルーティングは、会話を中断することなくリアルタイムで行われなければなりません。
人間のエージェントが通話を受け取ると、システムは会話の要約と関連する詳細を提供します。
「ご用件は何でしょうか？」から始める代わりに、エージェントは会話を自然に続けることができます。
「予約の再スケジュールを試みておられたものの、システムで空きが見つからなかったようですね。私がお手伝いいたします。」
発信者の視点からすると、会話は決してやり直しになっていません。単に適切な人物へと続いただけです。このアーキテクチャは、音声自動化における信頼できる人間とAIの協働の基盤です。
Retell AI は、実際の通話自動化に関する根本的な前提のもとに設計されました。それは、音声エージェントがすべての会話を単独で処理するわけではない、というものです。システムは、やり取りを壊すことなく人間のエージェントを引き入れられなければなりません。
エスカレーションを単純な通話転送として扱う代わりに、Retell AI はウォームトランスファーを音声エージェントのアーキテクチャに直接組み込み、自動化と人間のオペレーターが同じ会話ワークフロー内で作業できるようにします。
この設計の中心にあるのが、Retell の永続的な会話状態レイヤーであり、通話が行われている間、やり取りの構造と進行を継続的に追跡します。システムは会話全体を通じてコンテキストの把握を維持し、以下が含まれます。
人間のエージェントが通話に加わる必要があるとき、Retell はこの完全な会話コンテキストを、状況を説明するAI生成の要約とともに転送します。
受け取るエージェントがやり取りを即座に理解するため、会話はやり直すのではなく自然に続きます。本番の通話環境において、このアーキテクチャによってRetell AI の音声エージェントは、エスカレーションを失敗点から、自動化と人間の専門知識のシームレスな協働へと変えることができます。
このアーキテクチャが機能するのは、Retell AI が電話に適応させたチャットボットシステムではなく、音声ネイティブのインフラレイヤーとして設計されているからです。会話状態、テレフォニーのルーティング、エスカレーションロジックは同じランタイム環境内で動作し、会話の制御が移っても コンテキストが持続することを可能にします。本番の通話フローに音声エージェントを導入するエンジニアリングチームにとって、そのアーキテクチャ上の整合性こそが、信頼できる人間とAIの引き継ぎを大規模に実現可能にするものです。
音声自動化を評価するチームは、ウォームトランスファーが単純な機能であると想定しがちです。実際には、信頼できる人間とAIの引き継ぎは、ライブ通話中にいくつかのインフラレイヤーが連携して動作する場合にのみ機能します。
本番環境では、エスカレーションは3つのシステムコンポーネントが協調して機能することに依存します。
音声エージェントは、通話が行われている間、やり取りの構造化された把握を維持しなければなりません。これには、発信者の意図、ワークフローの段階、すでに収集された情報、システムが試みたアクションの追跡が含まれます。永続的な状態がなければ、エスカレーションは何も見えない転送になってしまいます。
人間のエージェントは、ライブ通話中に完全なトランスクリプトを確認することはできません。システムは会話を、発信者が何を必要とし、なぜエスカレーションが発生したのかを説明する構造化されたコンテキストパッケージに変換しなければなりません。このステップが、エージェントが準備された状態でやり取りに加わるか、混乱した状態で加わるかを決定します。
エスカレーションは、通話をエージェントに割り当てる役割を担うルーティングレイヤーとも統合されなければなりません。システムは、通話と関連するコンテキストの両方が、適切なエージェントまたは部門に同時に届くようにしなければなりません。
Retell AI は、これらのレイヤーを単一の音声エージェントランタイム内に統合します。会話状態、エスカレーションロジック、テレフォニーのルーティングが通話中に協調して動作し、話者が変わってもコンテキストが持続することを可能にします。
実際の通話環境に音声自動化を導入するエンジニアリングチームにとって、このアーキテクチャ上の整合性こそが、信頼できるウォームトランスファーを大規模に可能にするものです。
音声AIエージェントはますます高性能になっていますが、実際の通話環境では常に、自動化だけでは十分でない瞬間が訪れます。成功するシステムは、エスカレーションを避けるものではなく、それを巧みに管理するものです。
会話のコンテキストが人間のエージェントへの移行を乗り越えて保持されると、やり取りは自然に続きます。そうでなければ、体験全体がリセットされます。
Retell AI は、この瞬間を念頭に置いて構築されました。会話状態を保持し、明確な引き継ぎコンテキストを生成し、エスカレーションをテレフォニーのルーティングと協調させることで、Retell はAIエージェントと人間のチームが同じコールフロー内で機能できるようにします。
本番の音声自動化を検討しているチームは、人間とAIの協働を大規模にシームレスにするために設計されたRetell AI の音声エージェントプラットフォームで、これが実際にどのように機能するかを確認できます。
ウォームトランスファーとは、AIエージェントが通話を接続する前に、会話のコンテキストを人間のエージェントに渡す通話エスカレーションのことです。このコンテキストには通常、発信者の意図、すでに収集された情報、AIがリクエストを完了できなかった理由が含まれます。その目的は、人間のエージェントが発信者に情報の繰り返しを求めることなく、やり取りを続けられるようにすることです。
多くの会話型AIプラットフォームは、もともとリアルタイムの音声でのやり取りではなくチャット環境向けに構築されていました。その結果、しばしばエスカレーションを単純な通話転送として扱います。通話が人間のエージェントに届くと、会話中に収集されたコンテキストが失われ、発信者に情報の繰り返しを強い、やり取りをやり直させることになります。
Retell AI は通話全体を通じて永続的な会話状態を維持します。エスカレーションが発生すると、プラットフォームは通話とやり取りの構造化されたコンテキストの両方を、受け取るエージェントに転送します。これには、発信者のリクエスト、すでに収集された情報、そしてなぜ人間の支援が必要なのかを説明する要約が含まれます。
エスカレーションは、発信者のリクエストがサポート対象のワークフローの範囲外に移ったとき、繰り返し誤解が生じたとき、またはやり取りに人間の判断が必要なときに行われるべきです。うまく設計されたシステムは、これらのシグナルを早期に検出し、会話が悪化する前に移行が行われるようにします。
ウォームトランスファーのアーキテクチャは、着信が日常的なタスクから複雑な問題へと頻繁に移る業界において特に価値があります。一般的な例としては、カスタマーサポート業務、医療の予約設定、予約サービス、インバウンドの営業選別などが挙げられます。
音声AIプラットフォームを評価する際、チームは会話の品質だけでなく、インフラ能力に焦点を当てるべきです。重要な要素には、会話状態管理、エスカレーションの信頼性、テレフォニー統合、そして人間のエージェントが通話に加わる際にプラットフォームがどのようにコンテキストを保持するかが含まれます。
AI搭載の音声エージェントに切り替えることで、あなたのビジネスがどれだけ節約できるかをご確認ください。
Total Human Agent Cost
AI Agent Cost
Estimated Savings
Retell クリニックオフィスのデモ電話番号
Start building smarter conversations today.
.avif)
