測定された成果
プロジェクト概要
| ソリューション | Twilio上に自動音声応答フローを構築し、着信の100%に応答するとともに、録音と通話履歴を保存することで、どの通話も記録が漏れない状態にしました。 |
|---|---|
| 技術スタック | Twilio Voice & SIP · Google Dialogflow · PostgreSQL · Google Cloud |
| 主な成果 | 自動化率: 100% · 失敗した通話件数: 0 · 平均処理時間―セッション1: 10.0sec |
プロジェクトの背景
24時間対応のホットラインでは、時間外にかかってきた電話に誰も出られなければ、その通話は記録も残らず失われます。当番スタッフは、共通の判断基準がないまま、数秒で緊急度を判断しなければなりません。VAONは、これらの課題に対応するPoC「TelAI」を構築しました。AIが電話に応答し、発信者と会話しながら、通話中に緊急度を自動で分類し、リアルタイムダッシュボードに反映します。デモデータでは、自動化率100%、失敗した通話0件、通話処理時間の平均は2回の計測セッションでそれぞれ10.0秒と33.0秒でした。都合の良い数値だけを選ばず、両方の結果をそのまま記載しています。Twilio Dev Phoneを使った実際のテスト通話では、通話が進行中の状態でダッシュボードに即座に表示されることを確認しました。なお、本文で扱う動物病院ホットラインは説明のための想定シナリオであり、実在のお客様ではありま通話中にその場で緊急度を分類し、色やアイコンでタグ付けして緊急ログパネルにリアルタイムで表示することで、担当者が推測に頼らずに済むようにしました。せん。
課題
時間外に応答できなかった通話は記録が残らず、完全に失われる
時間外に対応できる担当者がいない従来のホットラインでは、着信そのものを取りこぼします。録音も発信者番号も残らず、後から折り返しや緊急度の確認を行う手段がありません。
当番スタッフは通話ごとに数秒で緊急度を判断する必要があり、シフト間で共通の基準がない
通話が来るたびに、当番の担当者は緊急かどうかを感覚的に判断せざるを得ません。判断基準は担当者やシフトによって異なり、対応の一貫性を欠く結果につながります。
通話件数、失敗件数、処理時間といった運用指標が存在しない
指標がなければ、ホットラインが正常に機能しているかどうかを把握できません。1日あたりの通話件数、失敗率、平均処理時間がいずれも不明なままで、改善の手がかりがありません。
緊急案件は、誰かがログを開くか録音を聞き直した時点で初めて発見される
誰も能動的に確認しなければ、緊急の通話が何時間も気づかれずに残る可能性があります。発見が遅れれば対応も遅れ、最も対応速度が重要な場面でそれが起こります。
VAONのソリューション
Twilio上に自動音声応答フローを構築し、着信の100%に応答するとともに、録音と通話履歴を保存することで、どの通話も記録が漏れない状態にしました。
通話中にその場で緊急度を分類し、色やアイコンでタグ付けして緊急ログパネルにリアルタイムで表示することで、担当者が推測に頼らずに済むようにしました。
日次の運用統計を算出し、本日の通話件数、失敗件数、平均処理時間、自動化率という4枚のダッシュボードカードとして表示しました。
Server-Sent Eventsを用いて通話状態をUIに送信し、通話が進行中になった瞬間にログパネルが更新されるようにしました。ページの再読み込みは不要です。
本PoCの会話・分類エンジンには、GPTモデルとの比較を待つのではなくDialogflowを選定しました。本PoCの目的は、着信から分類、リアルタイムダッシュボード表示までの一連の流れが機能することを証明する点にあり、モデル性能のベンチマークではありません。Dialogflowは安定したフローと予測可能なレイテンシーを提供し、計測に十分な水準です。GPTとの比較は別途、後続のステップとして実施する予定であり、本PoCの対象範囲外です。
提供価値
デモデータにおける自動化率100%
「自動化率」の統計カードは、その日に記録された3件の通話と同じセッションで100%を示しました。このセッションのすべての通話が、人手の介入なしにAIのみで完結しています。
2回の計測セッションいずれも失敗した通話0件
「失敗した通話」カードは、記録された2回のセッションいずれも0件でした。現時点で確認できているデモデータの範囲では、取りこぼしや誤処理となった通話はありません。
通話あたりの平均処理時間10.0秒と33.0秒
「平均処理時間」カードは、2回の異なる計測セッションでそれぞれ10.0秒と33.0秒という結果を記録しました。実際のばらつきをそのまま反映するため、良い方の数値だけでなく両方を記載しています。
実際の通話でリアルタイム更新を検証
画面を分割したキャプチャでは、Twilio Dev Phone経由の通話が進行中の様子と、発信者番号・開始時刻・緊急度タグが即座に反映されるダッシュボードの通話状態パネルを並べて確認できます。
成果と測定方法
| 指標 | 導入前 | 導入後 | 変化 | 測定方法 |
|---|---|---|---|---|
| 自動化率 | — | 100% | — | デモダッシュボードの「自動化率」統計カードから直接取得。その日に記録された3件の通話と同じセッションで、人手の介入は一切なし。 |
| 失敗した通話件数 | — | 0 | — | 「失敗した通話」カードは、記録された2回のセッションいずれも0件を示した。取りこぼしや誤処理となった通話はなし。 |
| 平均処理時間―セッション1 | — | 10.0sec | — | デモダッシュボードの「平均処理時間」カード。その日に1件の通話が記録されたセッション。 |
| 平均処理時間―セッション2 | — | 33.0sec | — | デモダッシュボードの「平均処理時間」カード。その日に3件の通話が記録されたセッション。 |
現時点での制約
-
1
多言語対応にはデモ上の証拠がまだない。設計上は、AIがデフォルトで日本語で応答を開始し、発信者の最初の応答から言語を自動検知して日本語・英語・ベトナム語に対応し、未対応言語の場合は日本語にフォールバックする仕様ですが、実際に言語が切り替わったことを示す通話記録はまだありません。これは設計上の仕様であり、計測済みの結果ではありません。
-
2
DialogflowとGPTモデルの比較はまだ実施していません。社内の計画メモに記載されているのみで実行はしておらず、どちらのモデルが優れているかについての結論はまだありません。
-
3
自動化率100%は、1日あたり3件という小規模なデモサンプルに基づく数値であり、実際の本番トラフィックで検証されたSLAではありません。
-
4
本 PoC の対象範囲は仮想のホットライン想定であり、本番環境への実導入ではありません。ピーク時の通話量、同時接続、実環境特有の雑音を含む音声への対応については、まだデータがありません。
テクノロジースタック
