ライブで本番対応の電話エージェントをゼロから立ち上げ、そこからスケールしていくための運用担当者向けプレイブック。

要点まとめ

• 難しいのは技術ではありません。スコープの設定です。成功するチームは、1つの厄介な業務（時間外の受付、予約確認、リード選別）を選び、当日中に稼働させ、翌日には次の業務を追加します。
• 「本物」と「ロボット」を分けるのはレイテンシです。Retell AI は独自のターンテイキングでエンドツーエンド約600msで動作し、通話相手がAIと話していることに気づかなくなるほど高速です。
• 30分のルートは現実的です。アカウント作成 → テンプレートを選ぶ → プロンプトを書く → 関数を接続する → シミュレートする → 電話番号を接続する。本番で機能する具体的なプロンプトと選択肢とともに、すべてのステップを解説します。
• 数字はすでに出ています。Pine Park HealthはスケジューリングのNPSを38%向上させました。SWTCHはサポートコストを半減させました。Medical Data Systemsはすべてのインバウンドコールを処理し、30%の通話転送率で月間約$280,000を回収しています。（導入事例）
• 1から10へ進むのも独自のプレイブックです。最初のエージェントが稼働すれば、レバレッジが複利で効いてきます。シミュレーションテスト、ガードレール、A/Bプロンプトバージョン、一括発信（バッチコール）、多言語展開、ブランドコールIDなど。その全体像をマッピングします。

AI音声エージェントを30分以内で構築する方法

3年前、実際の電話番号で動作するAI音声エージェントを導入するのは、半年がかりのエンジニアリングプロジェクトでした。2人の開発者、Twilio連携、音声認識と音声合成の自作パイプライン、自分でファインチューニングしたLLM、そしてそのすべてがレイテンシで崩壊しないようにする忍耐力が必要でした。ほとんどのチームは諦めました。諦めなかったチームも、結局スクリプトを読むことはできても、実際に会話を続けられないものしか作れませんでした。

そのような世界は終わりました。ボトルネックはエンジニアリングからプロダクトへと移りました。今日、問われるのは「これを作れるか？」ではありません。「何を言わせたいか？」です。新入社員のために明確な業務内容を書き、ダッシュボードをクリックして操作できるなら、昼食前に音声エージェントを稼働させられます。

これがそのプレイブックです。最後まで読み終える頃には、実際の電話番号に応答し、役立つ業務を行い、通話ごとに学習するライブのAIエージェントが手に入っています。ここではRetell AI を例に使います。構築体験が本当に30分に収まるからですが、その原則はあらゆる最新プラットフォームに応用できます。

ダッシュボードに触れる前の、5分間の準備

この部分を飛ばすと、エージェントはありきたりな響きになります。5分かければ、あなたらしい響きになります。まずは業務から始めましょう。1文で、具体的であればあるほど良いです。「カスタマーサービスを担当する」は広すぎて役に立ちません。「午後6時以降のインバウンドコールに応答し、氏名とコールバック番号を取得し、緊急でない予約をCal.comカレンダーに取る」なら、エージェントが実際にできることです。適切に構築された狭いエージェントは、いい加減に構築された広いエージェントに毎回勝ちます。

次に、初日の新入社員に伝えることを書き出しましょう。誰が電話をかけてくるのか、何を求めているのか、90パーセントの場面でどんな回答をするのか、いつ人間に引き継ぐのか、そしてエージェントにどんなトーンを取ってほしいのか。これがプロンプトになります。ついでに、FAQページのURLやサービスメニューのPDFを探しておきましょう。それがナレッジベースになります。そして、エージェントが対応を諦めたときに通話をどこへ回すか（携帯電話、内線、キュー）を決めておきましょう。稼働当日の午後11時に考えるようなことではありません。以上が準備です。この4つが揃えば、準備完了です。

30分の構築

ステップ1：アカウント作成とエージェントタイプの選択（3分）

dashboard.retellai.comにアクセスしてアカウントを作成します。新規アカウントには$10分の無料クレジットが付与されます。標準的な構成で約90分の会話に十分です。クレジットカード不要。年間契約不要。（料金の詳細）

ログインすると、エージェントタイプの選択を求められます。3種類あり、この選択は思っている以上に重要です。

• Single Prompt Agent。会話全体が1つのシステムプロンプト内で完結します。最適な用途：受付、リード選別、カスタマーサポートのトリアージなど、自由度が高く判断を要するケース。最速で構築でき、最も柔軟です。トレードオフは、厳格なビジネスロジックが漏れる可能性があることです。
• Multi-Prompt Agent。会話の状態に基づいて相互に引き継ぐ、連結されたプロンプトのセット。最適な用途：明確な形（挨拶 → 選別 → 予約 → 確認）を持ちつつ、各ステップ内で自然な会話の柔軟性も必要とするワークフロー。
• Conversation Flow Agent。ノードのドラッグ＆ドロップ式グラフ。分岐ロジック、関数呼び出し、通話転送を、すべてのステップで完全に制御できます。最適な用途：1つの誤った応答が許されない、規制のあるワークフロー（債権回収、保険、医療受付）。

最初のエージェントへの当社の推奨：Single Prompt。後でいつでもConversation Flowに移行できますし、フロー設計に2週間かけるよりも、2日間のライブ通話のほうが実際の会話パターンについて多くを学べます。

ステップ2：プロンプトを書く（5分）

プロンプトがエージェントそのものです。考えすぎる必要はありませんが、手を抜いてもいけません。常に優れたエージェントを生み出すテンプレートを紹介します。コピーして、括弧を埋めて、稼働させましょう。

# IdentityYou are [Maya], a [warm, calm, professional] [phone receptionist]for [Northside Family Dentistry], a [family-owned dental practice inAustin, TX with 4 dentists serving roughly 8,000 patients].# Style- Speak naturally. Contractions are good. Filler words like "sure"  and "got it" are good. Long lectures are bad.- Keep responses to 1-2 sentences unless asked for more.- Mirror the caller's pace. If they're rushed, be efficient.  If they're chatty, be warm.- Never say "as an AI" or "I'm an AI assistant." If asked directly  whether you're a person, say: "I'm Maya, the virtual front-desk  assistant for Northside. Happy to help — or I can connect you  to a teammate if you'd prefer."# What you can do1. Answer common questions (hours, location, accepted insurance,   new-patient process) — see knowledge base.2. Book or reschedule a routine cleaning appointment using the   book_appointment function.3. Take a callback request and notify the team via the   send_callback function.# What you DO NOT do- Give clinical advice. For pain, swelling, bleeding, trauma, or  anything that sounds urgent, transfer to the on-call line  immediately using transfer_to_oncall.- Quote prices for procedures other than cleanings ($150 for  uninsured). For anything else, offer a callback.- Promise insurance coverage. If asked, say we'll verify and  call back.# Conversation rules- Open with: "Thanks for calling Northside Family Dentistry,  this is Maya — how can I help?"- Always confirm spelled-out names and phone numbers back to  the caller.- End calls with: "Anything else I can help with today?" then a  warm goodbye.- If the caller is upset, acknowledge before solving:  "I hear you, and I'm sorry about that — let me see what I can do."

これが機能する理由についていくつか補足します。

アイデンティティが最初に来ます。モデルは通話の間ずっと、自分が誰なのかを推論し続けます。明示的に伝えましょう。アイデンティティに質感があるほど（「家族経営、患者8,000人、オースティン」）、より自然にその声を身につけます。

スタイルルールは短く。「自然に話す。短縮形を使う。応答は短く。」5行が50行に勝ります。モデルは、長い指示よりも直接的でシンプルなスタイル指示のほうがはるかによく従います。

できることを列挙します。これはエージェントができることであり、ステップ5で接続する関数を参照しています。

できないことはもっと強く列挙します。エージェントがやらないことも同じくらい重要です。初期のエージェントが暴走する最大の理由は、有益さが危険となる領域（臨床・法律・金融アドバイス）で役立とうとすることです。

会話の足場は明示的に。開始の一言、確認の振る舞い、締めの一言。これらがないと、エージェントは通話ごとに開始のセリフを即興で作ってしまいます。これらがあれば、ブランドの一貫性が保たれます。

ステップ3：音声とLLMを選ぶ（3分）

Retellは、分単位で価格設定されたLLMとTTSプロバイダーのメニューを提供します。最初のエージェントでは、最適化したくなる誘惑は無視しましょう。

• LLM：GPT 4.1（推奨）。$0.045/分。2026年のほとんどの音声エージェントにとって、品質・速度・コストの最良のバランス。より高い推論力が必要ならClaude 4.6 Sonnet（$0.08/分）、超低コストの大量シナリオならGPT 5 nano（$0.003/分）、高速な多言語対応ならGemini 3.0 Flash（$0.027/分）に切り替えられます。
• 音声：Retell Platform VoicesまたはCartesia。$0.015/分。高速で自然、低レイテンシ。ElevenLabsは最高忠実度のオプション（$0.040/分）で、ブランドが音声重視（高級コンシェルジュ、プレミアムなホスピタリティ）であれば価値があります。ほとんどの運用担当者にとって、デフォルトの音声はブラインドテストで人間と区別がつきません。

知覚品質を実際に左右するのは、音声の珍しさではなくレイテンシです。Retellのスタックはエンドツーエンド約600msの応答時間で動作し、通話相手が話してから応答されるまでの「遅れ」を感じ取る閾値を超えています。独立したベンチマークはこの指標で繰り返しRetellを先頭に位置づけており、Retellのエージェントが人間のように感じられ、遅いエージェントがセリフを読むチャットボットのように感じられる最大の理由となっています。

音声を選びましょう。5秒のサンプルを聞いてみましょう。顔をしかめずに済むなら、次へ進みましょう。

ステップ4：ナレッジベースを接続する（4分）

プロンプトはエージェントがどのように話すかを扱います。ナレッジベースはエージェントが何を知っているかを扱います。

エージェント設定で、Knowledge Base → Createをクリックします。3つの投入方法があります。

1. URL。FAQページ、サービスページ、「会社概要」を投入します。Retellがクロール、チャンク化、埋め込みを行い、同期を保ちます。ページが変更されると自動的に再取り込みします。（ナレッジベース機能）
2. PDFやドキュメント。価格表、サービスメニュー、社内ポリシー文書向け。ドラッグ＆ドロップします。
3. プレーンテキスト。誰かの頭の中にある雑然とした運用知識（エスカレーションルール、祝日の営業時間、「あのキャンペーンはもう話題にしない」といった事実）向け。

Retellは各ターンでストリーミングRAG（検索拡張生成）を使用します。つまり、エージェントはあらゆる質問を予測しなくても、会話の最中にリアルタイムで適切なスニペットを検索します。火曜の午後に新しいFAQ項目を追加すれば、次の通話でエージェントはそれを知っています。

プロのヒント：エージェントが同じ5つの質問を1日に100回受けるなら、その5つの回答はKBだけでなくプロンプトに直接入れましょう。プロンプトの内容は常により高速で、常に利用可能で、検索のラウンドトリップがありません。KBはロングテール向けに使いましょう。

ステップ5：関数呼び出しを追加する（5分）

ここが、ほとんどの「音声AI」デモが静かに崩れるところです。話すのは簡単です。実行するのがコツです。実際に予約を取れない受付は、高価な留守番電話に過ぎません。

Retellには、エージェントの80%が必要とするもの向けのプリセット関数があります。

• Book Appointments（Cal.com、Google Calendar、ネイティブスケジューラー）
• Transfer Call（ウォームまたはコールド、番号またはSIP宛先へ）
• End Call
• Send SMS
• Custom Function — 任意のHTTPS webhookを、LLMが会話から抽出する構造化引数とともに発火させます

今回の歯科の例では、3つが必要です。

1. book_appointment — Cal.com連携。2クリックで接続します。patient_name、phone、preferred_timeを渡します。（予約機能）
2. send_callback — ZapierまたはMakeのwebhookを指すカスタム関数で、リクエストをチームのSlackとCRMに届けます。（Make連携）
3. transfer_to_oncall — Retellの通話転送で、オンコール担当の歯科医の携帯を指します。（通話転送機能）

プロンプトでは、これらを名前で参照します（ステップ2ですでに行いました）。モデルは会話と、あなたが提供する関数の説明に基づいて、いつ呼び出すかを推論します。条件分岐ロジックを書く必要はありません。状態機械を維持する必要もありません。モデルが判断し、プラットフォームが実行します。

より深いポイント：関数は、音声AIをFAQボットから運用システムへと変えます。エージェントが通話転送なしにエンドツーエンドで処理する通話は、担当者の時間を消費せず、キューで待たされず、4分目で放棄されなかった通話です。そこにROIの計算が成り立ちます。

ステップ6：プレイグラウンドでテストする（5分）

シミュレーターで少なくとも20回エージェントと話すまでは、電話番号を接続しないでください。

ダッシュボードでTest → Web Callを押します。これで、ノートPCのマイクを使ってリアルタイムで、通話相手とまったく同じようにエージェントと話しています。次を試してみましょう。

• 順調なパス。（「こんにちは、来週火曜の午後にクリーニングを予約したいです。」）
• 不機嫌なパス。（「なぜこんなに高いの？」）
• 話題外のパス。（「うちの犬の歯を治療してくれますか？」）
• ひっかけのパス。（「あなたは本物の人間ですか？」）
• エスカレーションのパス。（「歯を折ったみたいで、血が出ています。」）
• 沈黙テスト。10秒間何も言わない。
• 割り込みテスト。エージェントを文の途中で遮る。

より厳密にするには、Simulation Testingを使いましょう。Retellは、あなたが定義したプロンプトで、数十の合成された通話相手を並列にエージェントに通し、その出力をあなたの基準に照らして採点します。（テストの概要）完成したエージェントで初めて実行したとき、11分で6つのバグを浮き彫りにしました。価値があります。

探すべきは3つ、トーンの一貫性、関数呼び出しの正確さ、そして優雅な失敗です。エージェントがプレッシャー下でもキャラクターを保ち、適切な瞬間に適切な関数を呼び出し、事態が妙になったら人間に引き継げるなら、準備完了です。

ステップ7：電話番号を接続して稼働させる（5分）

2つのパスがあります。

• 高速なパス。ダッシュボードで直接、月$2でRetellの電話番号を購入します。市外局番を選び、エージェントに割り当てれば、稼働します。インバウンドコールは5秒以内にエージェントに届きます。
• 「既存の番号を使う」パス。RetellはSIPトランキングを介してあらゆる電話プロバイダーに接続します。Twilio、Telnyx、Vonage、Avaya、Genesys、Five9、Amazon Connectなど何でも。既存の番号をRetellのSIPエンドポイントに向ければ、上流のインフラを一切変更せずにエージェントが応答します。（Twilio連携、Vonage連携）

携帯からテスト通話をかけてみましょう。聞いて、微笑んでください。同僚に番号を送って、壊せるか試してもらいましょう。

以上が構築です。エージェントが稼働しました。

「稼働」が実際にどう見えるか

その証拠は、すでにこれを実行した運用担当者にあります。高齢者向け住宅コミュニティにサービスを提供するプライマリケアグループのPine Park Healthは、電話のかけ違いに溺れ、医療従事者の枠が埋まらないのを見ていました。彼らはRetell上に音声エージェントを構築し、スケジューリング、確認、リスケジューリングを処理させました。スケジューリングのNPSは38パーセント向上し、臨床スタッフは1日の半分を電話に費やすのをやめました。

EV充電会社のSWTCHには、お金では簡単に解決できない問題がありました。ドライバーが壊れた充電器で立ち往生しているとき、「24時間以内に折り返します」は答えになりません。彼らは、数秒で応答し、緊急のトラブルシューティングを24時間体制でドライバーに案内するRetellエージェントのLucasをデプロイしました。サポートコストは50パーセント以上下がり、SaaSのマージンもそれに伴い動きました。

Medical Data Systemsは、音声AIが何を処理できるかについての議論を締めくくる事例です。債権回収は規制が厳しく、トーンに敏感で、会話が誤った方向に進むと容赦がありません。彼らはインバウンドコールにRetellエージェントを配置し、今ではわずか30パーセントの通話転送率で入電量の100パーセントを処理し、ビジネスの根幹である患者の信頼を犠牲にすることなく、月間約$280,000を回収しています。

3社に共通する糸は、ほとんどの音声AI記事が誤解している点です。どの社も初日にコールセンターを置き換えようとはしませんでした。それぞれが1つの厄介な業務を選び、焦点を絞ったエージェントを稼働させ、実際の通話を聞き、反復しました。彼らは最初の1か月で6桁の問題を解決し、そこから構築を続けました。

1つのエージェントから10へ

最初のエージェントが稼働すると、すぐにエージェント2から10を立ち上げたくなります。でも、こらえてください。まずは72時間、実際にかかってくる通話をただ聞くことに費やしましょう。見つかるパターン、予測しなかった質問、モデルを混乱させる言い回し、通話相手が躊躇する瞬間は、その期間に出せるどんな機能よりも価値があります。

聞き終えれば、レバレッジは急速に複利で効きます。シミュレーションテストをリリースプロセスに組み込み、プロンプトの変更が本番に届く前にストレステストされるようにしましょう。ガードレールとPIIのマスキングをオンにしましょう。合わせて1分あたり約1セントのコストで、エンタープライズ級の安全性を一晩で手に入れられます。Retellのバージョン管理とA/Bテストを使って、プロンプトAとプロンプトBの間でトラフィックを分割し、勘ではなく予約コンバージョンや通話転送率に勝者を選ばせましょう。AI Quality Assuranceをオンにしましょう。これは、費用をかけずにQAマネージャーに通話の100パーセントを聞かせるのに最も近いものです。

次にアウトバウンドへ移りましょう。インバウンドエージェントが安定したら、一括発信（バッチコール）がまったく異なるカテゴリーのレバレッジを解き放ちます。予約リマインダー、リードの再選別、休眠顧客の再活性化、NPS調査などです。ブランドコールIDを追加すれば、受信者の電話に名前とロゴが表示され、応答率が大幅に上がります。通話の12パーセントがスペイン語なら、言語設定とTTS音声を切り替えるだけで、その12パーセントのカスタマーエクスペリエンスを午後のうちにアップグレードできます。

次にエージェント2番目を構築しますが、別の業務をさせましょう。最初のエージェントが時間外の受付なら、2番目はアウトバウンドの予約確認担当です。最初がインバウンドのリードを選別するなら、2番目は古いリードに折り返しをかけます。異なる業務、異なる指標、明確に帰属できる異なるROI。最大の成果を上げているチームは、魔法のようなプロンプトを持つチームではありません。1日に5件の通話をレビューし、毎週何かを引き締めているチームです。

最初のエージェントを台無しにするミス

初期のエージェントを沈める罠を、よく見かける順に紹介します。初日にコールセンター全体を構築しようとすること。多いほど良いに違いないと4,000語のプロンプトを書くこと（違います）。「5回試して動いた」で十分だと感じてシミュレーションテストを飛ばすこと（十分ではありません）。人間への引き継ぎ設計を忘れ、優雅な脱出口を負債に変えてしまうこと。品質より前にコストを最適化すること。これは、エージェントが自信満々に返金ポリシーを誤って伝え、チャージバックを被るまでは魅力的です。そしておそらく最も多いミスは、エージェントを、放っておけば毎週良くなるシステムではなく、一度きりのデプロイとして扱うことです。

次に来るもの

30分の構築は、天井ではなく床です。天井は、あなたのビジネスにおける電話ベースのすべての会話を、最速の人間よりも速く応答し、24時間体制で稼働し、1分あたり$0.50ではなく約$0.11のコストで、四半期ごとに離職するのではなく毎週改善するシステムで運用することです。

その天井は、ほとんどの運用担当者が思うよりも近いところにあります。音声AIを2027年の問題として扱う企業は、2027年に目を覚ましたとき、競合が新しい担当者を1人も雇わずに半年分のインバウンドコールを処理し、節約した人件費予算を使ってマージンで自社を安値攻勢していることに気づくでしょう。

今日、最初のエージェントを構築しましょう。今週、20件の通話を聞きましょう。来週、2番目を構築しましょう。ここからのペースは、あなた次第です。

dashboard.retellai.comで無料でアカウントを作成するか、デモを予約すると、あなた特有の通話量とユースケースに合わせた展開をマッピングします。構築する前に聞いてみたいなら、当社のライブデモ回線に電話して、Retellエージェント自身と話してみてください。