会話型エージェントとは、テキストまたは音声による自然言語で人と対話し、質問に答えたりタスクを完了したりするソフトウェアプログラムです。チャットボット、バーチャルアシスタント、AI音声エージェントは、いずれも会話型エージェントです。
この用語は研究分野で生まれました。学術誌『Sensors』に掲載された2021年のレビューは、会話型エージェントを「書き言葉または話し言葉の自然言語を介してユーザーと対話するエージェント」と定義しています。さらに、一部のエージェントは「特定のアクションを実行できる」と付け加えています。エージェントとは、人が話しかける相手そのものです。会話型AIはその土台となるテクノロジーで、音声AIはそのうち音声を処理する部分を指します。
会話型エージェントは、会話のターンごとに同じループを繰り返します。
『Sensors』のレビューは、このループのうちテキスト部分を3つのコンポーネントで説明しています。自然言語理解、「どのように応答するかを決定する」対話マネージャー、そして自然言語生成です。同レビューによると、音声エージェントではループの両端にステップが加わります。最初に「音波をテキストに変換する」処理、最後にテキストの返答を音声に戻す処理です。

会話型エージェントは、使用するチャネルと発話内容の決め方という2つの点で分かれます。
| 種類 | チャネル | 発話内容の決め方 | 主な用途 |
|---|---|---|---|
| ルールベースのチャットボット | テキスト | スクリプト化されたルールと定型の返答 | よくある質問への定型回答 |
| LLMチャットエージェント | テキスト(Webチャット、SMS、アプリ内) | プロンプトに従う大規模言語モデル(ツールとナレッジベースを併用) | サポートへの問い合わせ、注文状況の確認 |
| 音声アシスタント | 個人デバイス上の音声 | 音声認識と自然言語処理 | 個人的な依頼(AppleのSiriなど) |
| AI音声エージェント | 電話での音声 | 音声認識、言語モデル、音声合成(ターンテイキングを含む) | ビジネス電話の受信・発信 |
研究者は、会話型エージェントを目的別にも分類しています。『Sensors』のレビューは、質問応答エージェント、タスク指向型対話エージェント、チャットボットという分類を引用しています。また、休暇の計画や予約など、目標を達成するために作られたエージェントを「目標指向型会話エージェント」と呼んでいます。
厳密には異なります。チャットボットは会話型エージェントの一種です。『Sensors』のレビューは、この2つの用語が「同じ意味で使われることがある」と指摘し、両者を区別しようとした例を挙げています。ある定義では、会話型エージェントは「ユーザーが自然言語で述べた内容を解釈して応答する、あらゆる種類のソフトウェアプログラム」です。チャットボットはその中でも、会話をシミュレートするために作られた種類とされています。別の定義では、チャットボットはテキストベースのインターフェースを持つ会話型エージェントとされています。
ベンダーは、機能の違いで線引きすることが多くあります。Slackのガイドは、会話型エージェントを「高度に進化したチャットボットであり、定義済みのルールに従うシンプルなチャットボットから一段階進んだもの」と説明しています。両者の違いについて詳しくは、チャットボットの項目とチャットボットと会話型AIの違いをご覧ください。
Google Cloudがこの用語を製品名として使っているためです。同社のConversational Agentsコンソールは、Dialogflow上でエージェントを構築するためのツールです。Googleのドキュメントには、このコンソールは「非推奨となったDialogflow CXコンソールとVertex AI Agent Builderコンソールの両方の機能を含む」と記載されています。そのため、この用語の検索結果には、同製品と、本項目で扱う一般的な意味の両方が表示されます。
音声エージェントは、より厳しい条件のもとで同じループを実行します。発信者が話し終えたかどうかを見極め、割り込みや背景ノイズに対処し、長い間を空けずに返答する必要があります。タイミングについてはターンテイキングの項目で解説しています。1件の通話を最初から最後まで追った説明は、AI音声エージェントが通話中にどのように動作するかをご覧ください。
Retell AIでは、両方の種類のエージェントを構築できます。ドキュメントでは通話向けの音声エージェントとテキスト向けのチャットエージェントについて説明しており、チャットエージェントは「音声エージェントと同じプロンプトタイプ、関数、ナレッジベースを使用する」としています。通話では、Retellのオーケストレーションレイヤーがターンテイキングと割り込みを処理します。関数呼び出し(Function calling)はエージェントを外部システムと連携させ、予約を取ったり空き状況を確認したりできるようにします。また、通話転送ツールを使えば、通話中の電話を人間の担当者に引き継げます。詳しい定義はAI音声エージェントの項目をご覧ください。
会話型AIは、音声認識、言語モデル、対話管理といったテクノロジーを指します。会話型エージェントは、そのテクノロジーを使って構築されたソフトウェアです。請求に関する電話への対応など、特定の業務を担います。
Webサイト上のサポート用チャットボット、Siriのような音声アシスタント、企業の電話回線に応答するAI音声エージェントは、いずれも会話型エージェントです。
いいえ、必要ありません。ルールベースのエージェントは、スクリプトと定型の回答をもとに返答します。言語モデルを使うと、スクリプトにない質問にも対応でき、複数のステップからなるタスクも計画できるようになります。
はい。音声で動作する会話型エージェントで、主に電話で使われます。テキストエージェントと同じループに、音声認識、音声合成、ターンテイキングが加わります。
Retell AIは、コンタクトセンター向けのAI音声エージェントプラットフォームです。実際の通話でのパイロット導入については、Retellチームにご相談ください。
How Retell handles audits, data retention and access control.
Table of contents