本文へ移動

公開 · 更新

AI・DX マーケティング 経営者向け

音声AI営業の現在地――Starlinkの「成約率20%」を自社のテレアポに読み替えてはいけない理由

電話の受話器を境に、かかってくる通話と発信する通話が分かれているイメージ

SpaceXの衛星通信サービスStarlinkでは、営業とサポートの電話窓口をxAIの音声AIが担当しています。xAIの公表値では、営業問い合わせの20%が通話中にそのまま契約に至り、サポート問い合わせの70%が人間を介さず解決しています。こうした数字を見ると「うちもテレアポをAIに任せれば」と考えたくなりますが、この20%はかかってきた電話の数字です。分母がまったく違います。この記事では、公表されている実運用データ、音声エージェントの能力を測るベンチマーク、日本の法規制と受け手の反応を突き合わせて、2026年9月時点で音声AIに任せてよい電話と、まだ任せてはいけない電話を切り分けます。

2. 「成約率20%」の分母を確かめる

ここからが本題です。この20%という数字は、Starlinkの番号にかけてきた人のうち何割が契約したか、を表しています。xAIの説明も「sales inquiries（営業問い合わせ）」であり、リストに向かって発信した架電の結果ではありません。

電話をかけてきた人は、すでに商品名を知っていて、価格や提供エリアを確かめたいという用件を持っています。営業の言葉で言えば、認知と関心の段階を自力で通過した見込み客です。しかも通話中に本人確認・住所確認・在庫確認・決済までを1本で終えられる商材である点も大きい。衛星インターネットは、機器を買って契約すれば使い始められる、比較検討が比較的短い商品です。

一方、日本の中小企業が「AIに任せたい」と考える営業電話の多くは逆側にあります。相手はこちらの社名を知らず、いま解決したい用件を持っていません。最初の数秒で「誰だ、何の用だ、切っていいか」を判断されます。この2つは、同じ「音声AIによる営業通話」という言葉でくくられていても、難易度も、成功の定義も、失敗したときに失うものも違います。

比較の材料として、自社サイトでは2026年6月にコールセンターAI自動化の5段階を整理しました。そこでの区分に照らすと、Starlinkが到達しているのは最終段階に近い「受電から基幹処理まで人が介在しない」水準です。ただし到達しているのは受電側であって、発信側ではありません。ここを混同したまま予算を組むと、投資判断を誤ります。

出典：xAI「Grok Voice Think Fast 1.0」（2026年4月23日）

3. 能力の現在地――音声はテキストの約8割

では、音声エージェントそのものの実力はどこまで来ているのでしょうか。ここで参照できるのが、AIエージェント企業Sierraが公開したベンチマーク「τ-voice」です。カスタマーサービスの278シナリオについて、会話が終わったあとのデータベースの最終状態が正しいかで採点します。同時に話し始める割り込みや相づちを含む全二重（フルデュプレックス）の会話であること、雑音・多様なアクセント・電話回線の音声圧縮・フレーム落ちといった現実の音響条件を加えることが特徴で、同じ課題をテキストで解いた場合と直接比べられるよう設計されています。

Sierraが2026年5月1日に公開した集計では、約8か月で次のように伸びています。

モデル 時期 τ-voice（pass@1）
gpt-realtime-1.0（音声） 2025年8月 30%
grok-voice-think-fast-1.0（音声） 2026年4月 67%
テキストの推論モデル（参考上限） 2026年時点 約85%
テキストの非推論モデル（GPT-4.1） 参考 54%

Sierraは、音声エージェントが同じ課題でテキストモデルの能力をどれだけ保てているかを「約79%」としています。研究を始めた当初は45%程度でした。実際、査読前論文としてτ-voiceが投稿された2026年3月時点では、音声エージェントのスコアは静かな環境で31〜51%、雑音と多様なアクセントの下では26〜38%まで落ち、テキスト能力の保持率は30〜45%と報告されていました。わずか数か月でここまで動いた領域です。

ただし、経営判断に効くのは伸び率ではなく到達点のほうです。最先端でも67%。つまり3回に1回は、課題を最後までやり切れていないということです。しかもこの数値はすでにサポート業務に最適化されたモデルのもので、一般的な音声エージェントはこれより下にいます。

Sierraが挙げる失敗のパターンも実務に直結します。（1）音響条件が悪いときの本人確認の失敗、（2）文字起こしの誤りが会話のターンをまたいで積み上がること、（3）聞き違いに起因する規定違反、（4）割り込まれたときに処理を途中で放棄すること。雑音、アクセント、自由なターンの取り合いは、それぞれ単独でも性能を落とし、重なるとさらに悪化します。営業電話は静かな会議室からかかってくるとはかぎりません。工場、店舗、屋外、運転中――日本の中小企業の商談相手がいる場所は、だいたいベンチマークが想定する「悪条件」側です。

出典：Sierra「τ-voice: benchmarking real-time voice agents on real-world tasks」（2026年5月1日） / Ray et al.「τ-Voice: Benchmarking Full-Duplex Voice Agents on Real-World Domains」arXiv:2603.13686（2026年3月14日投稿）

4. 日本で架電する側に課されるもの

技術が使えることと、使ってよいことは別の話です。日本で消費者に営業電話をかける場合、特定商取引法の電話勧誘販売の規制がかかります。消費者庁の解説によれば、勧誘に先立って事業者の名称、勧誘を行う者の氏名、商品の種類、勧誘が目的であることを告げる義務があります。契約を断った相手への再勧誘は禁止されています。契約時には商品の種類・価格・支払方法・引渡時期・クーリング・オフに関する事項などを記載した書面の交付が必要で、消費者は法定書面を受け取った日から数えて8日以内であれば無条件で撤回・解除できます。不実告知や事実の不告知、威迫も禁止されています。

これらの義務は、電話をかけるのが人間かAIかで変わりません。むしろAIで架電量を増やすほど、義務違反が量産されるリスクが上がります。「名乗らせるのを忘れた」「断られたリストに再架電した」が1件の事故ではなく数千件の事故になるのが自動化の怖いところです。業務停止命令や役員への業務禁止命令は実際に出ています。

米国では規制の輪郭がもう少し明確です。FCCは2024年2月、AIが生成した音声を用いた通話をTCPA（電話消費者保護法）上の「人工的な音声」に当たると整理しました。さらに2024年9月10日には「AI生成通話」の定義と、同意取得時および通話冒頭でのAI利用の開示を求める規則案（NPRM）が公示されています。本稿執筆時点でこの規則案が最終規則として確定したかは確認できていませんが、規制の方向が「AIであることを名乗らせる」側にあることは読み取れます。

そして、法律より先に効いているのが受け手の感情です。ITmediaは2026年8月19日の記事で、流暢な日本語で話すAI営業電話に対し「害悪すぎる」「バカ迷惑」といった反応が広がっていると報じました。迷惑電話対策企業トビラシステムズのデータベースにもAI営業電話の記録が現れており、通信各社の着信拒否サービスやスマートフォンの通話スクリーニング機能による自衛が広がっています。受け手側のブロックが先に整備されつつあるのが、日本のアウトバウンドにおける現在地です。安く大量にかけられるようになった結果、電話という接点そのものの価値が削られていく、という順序が起きています。

出典：消費者庁「特定商取引法ガイド：電話勧誘販売」 / Federal Register「Implications of Artificial Intelligence Technologies on Protecting Consumers From Unwanted Robocalls and Robotexts」（2024年9月10日公示） / ITmedia NEWS「『害悪すぎる』『バカ迷惑』──嫌われまくる“AI営業電話”、今すぐ取れる自衛策は」（2026年8月19日、9月3日更新）

5. 任せてよい電話と、まだ任せてはいけない電話

ここからは筆者の考察です。ここまでの材料を整理すると、音声AIが強いのは「相手に用件があり、こちらに答えがあり、その場で処理まで終わる通話」だと言えます。この条件で切ると、着手すべき順番が見えてきます。

  • 最初に着手する：取りこぼしている受電 — 営業時間外の問い合わせ、施工中・接客中で出られない電話、予約や見積依頼。相手に用件があるので、Starlinkの条件に最も近い。失敗しても「折り返します」で回収できる。
  • 次に着手する：既存顧客への発信 — 定期点検の日程調整、契約更新の案内、納期連絡、督促前のリマインド。相手はこちらを知っており、勧誘ではないため特商法の電話勧誘販売には原則あたらない（個別の判断は要確認）。断られる前提の通話ではないので、感情的な摩擦も小さい。
  • 最後にする：新規リストへのテレアポ — 成功率が最も低く、法務リスクと評判リスクが最も高い。着手するなら、名乗り・目的告知・オプトアウト・拒否リストの反映を仕組みで担保してから。

もう一点、見る指標を変える必要があります。ベンダーの提案書は「架電数」「接続率」「アポ獲得数」で語られがちですが、67%という到達点を前提にするなら、追うべきは失敗側の数字です。

  • 自己完結率 — 人間に引き継がずに終わった割合。低ければ人件費は減っていない
  • 誤情報率 — 価格・納期・在庫を誤って伝えた通話の割合。通話録音の抜き取り監査で測る
  • 途中切断率と苦情件数 — 受け手が我慢できなかった通話。ブランドの毀損はここに現れる
  • 引き継ぎ後の成約率 — AIが渡した案件を人間が受けたときに決まる率。ここが低ければ、AIは「商談ではない会話」を量産している

Gartnerは2025年6月、エージェント型AIのプロジェクトの40%超が2027年末までに中止されると予測しました。理由として挙げられたのは、費用の膨張、事業価値の不明確さ、リスク統制の不足です。音声AI営業は、この3つがすべて当てはまりやすい領域だと考えています。1分0.08ドルという単価は魅力的ですが、その安さは「かける回数を増やす」ためではなく、「取りこぼしをゼロにする」ために使うほうが、いまの能力水準には合っています。

導入を検討するなら、まず自社の電話を1週間分数えてみることをおすすめします。かかってきて出られなかった件数と、こちらからかけて話せなかった件数。どちらが多いかで、着手すべき側は自ずと決まります。関連する検討材料として、AI電話自動応答の仕組みや自動架電の導入手順も参考にしてください。開業・設備投資の収支を試算する場合はシミュレーターが使えます。

出典：Gartner「Gartner Predicts Over 40% of Agentic AI Projects Will Be Canceled by End of 2027」（2025年6月25日）

まとめ

Starlinkの窓口では、音声AIが営業問い合わせの20%を通話中に成約させ、サポートの70%を自己完結させています。ただしこれはかかってきた電話の数字であり、新規リストへの架電の成績ではありません。ベンチマークτ-voiceでは最先端モデルでもpass@1は67%で、テキストモデルの能力の約79%にとどまります。3回に1回はやり切れない水準であり、雑音・アクセント・割り込みはいずれも性能を落とします。

日本では特定商取引法の氏名等の明示義務と再勧誘の禁止が人間の架電と同じくかかり、受け手側では着信拒否と通話スクリーニングによる自衛が先行しています。したがって2026年9月時点の妥当な順番は、取りこぼしている受電 → 既存顧客への連絡 → 新規テレアポ。単価の安さは架電量を増やすためではなく、取りこぼしを減らすために使うほうが、いまの能力水準に見合っています。

参考資料

あわせて読みたい

コラム ·

刃物を渡されたロボットは、危険な指示にどれだけ「ノー」と言えるか──最新ベンチマークが示した現実

独立評価団体Robocurveが2026年9月に公開したベンチマーク「RoboHarm」によれば、OpenAIのGPT-6 Astraは危険な指示100回中97回でロボットアームを動かし60回完遂、安全上の拒否はわずか2回でした。AnthropicのClaude Fable 5.1は刺傷タスクは全拒否した一方、他4タスクは一度も拒否せず34回完遂。生データまで遡って検証し、ロボット・AIエージェント導入時に経営者が確認すべき安全性のポイントを整理します。

コラム ·

Jevが普及するとAIエージェントは不要になるのか――「しゃべらないAI」が置き換える層と、置き換えない層

ChatGPT共同開発者のDiogo Almeida氏が率いるTypeSafe AIが2026年9月15日に発表した「Jev」は、文章をいっさい生成せず、型の決まった判断だけを返すモデルです。LLMとは何が違い、Amazon Bedrock AgentCoreとは何の層が違うのか。AIエージェントの定義から積み上げて、Jevが置き換える呼び出しと置き換えられない仕事を切り分けます。

コラム ·

「求人に応募する」が消える日――候補者と企業、双方に専属AIを置く『Jack & Jill』が4,000万ドルを調達

候補者側のAI「Jack」と企業側のAI「Jill」が対話し、条件が合えば通常の応募を省いて採用担当者へ直接紹介するーー英国発の採用サービス『Jack & Jill』がAir Street Capital主導のシリーズAで4,000万ドルを調達しました。累計面談数と売上成長率の数字を分解しながら、履歴書ではなく対話から採用情報を集める仕組みが、採用サービスの競争軸をどう変えるかを考えます。