2026年版 AI音声エージェントのおすすめ：電話対応、営業、予約に使える14のプラットフォーム

エンジニアリングチームがカスタムの電話エージェントをゼロから構築するならVapiとRetell AI、完全マネージドでの導入を望むエンタープライズのコンタクトセンターならPolyAIとParloa、すでにチャットエージェントを運用していて同じ頭脳で電話にも応答させたいチームならSierra、アウトバウンドでの見込み客の選別と予約を行う営業・売上チームならRegalとThoughtlyがそれぞれ有力です。本ガイドでは、AI音声エージェント14のプラットフォームを、エンドツーエンドの応答レイテンシで順位付けしています。通話相手が役に立つ相手と話していると感じるか、それとも電話を切ってしまうかを決めるのは、この1つの数字だからです。料金はすべて、2026年8月に各ベンダー自身の料金ページで確認しました。

音声エージェントは音声ジェネレーターとは別の製品であり、この2つを混同することが、間違ったツールを買う最も手っ取り早い原因です。テキスト読み上げ（TTS）のプラットフォームは、台本を音声に変換します。音声エージェントは、ライブの通話を聞き取り、次に何を話すかを判断し、会話の途中でツールを呼び出して、注文の照会、カレンダーの確認、人への転送を行えます。ナレーションや音声クローンが本当に必要なら、まったく別の製品クラスであるAI音声ジェネレーターのおすすめのガイドをご覧ください。この記事は、より広いAIエージェントプラットフォームの購入ガイドの一部です。音声エージェントを購入せずに自社で構築したいチームには、AIエージェントとはとAI音声通話エージェントのブループリントが構築面を解説しています。

2026年8月更新：変更点

• 2023年に「電話に出るAI営業担当」という売り文句を広めたAir.aiは、姿を消しました。FTCは2025年8月に同社を提訴し、2026年3月に1,800万ドルの判決で和解しました。この和解により、運営者はビジネス機会の販売を禁じられています。音声サービスは停止し、air.aiのドメインは現在、無関係の企業が保有しています。このリストからは外しました。
• Aircallは、自社のネイティブ音声エージェントを強化するため、2026年5月にVogentを買収しました。ただし、本稿執筆時点で、Vogentの開発者向けプラットフォームは単体製品として引き続き新規登録を受け付けています。
• ElevenLabsは今年、Conversational AIの料金をおよそ半額に引き下げ、プランによって1分あたり8〜10セントになりました。あわせて、クレジット制に加えて従量課金の請求も追加しました。
• Synthflowの現行の料金ページには、一部のサードパーティの追跡サイトがいまだに掲載しているセルフサーブの月額プランが表示されなくなりました。2026年8月時点ではEnterpriseのみで、契約は年額およそ$30,000からです。
• 低レイテンシの音声モデルの供給元として知られるCartesiaは、音声エージェントの開発プラットフォームLineを投入しました。VapiやRetellのテキスト読み上げを支えるだけの立場から、両社とより直接的に競合する立場になっています。

重要なポイント

• 会話型AIは、2026年にコンタクトセンターのエージェントの人件費を800億ドル削減すると予測されていますが、Gartner自身の調査では、今年完全に自動化されるエージェントとのやり取りは10件に1件程度にとどまるとも指摘されています。
• Grand View Researchによると、世界のAI音声エージェント市場は2026年に35億1,000万ドルと推定され、2033年には352億4,000万ドルに達する見込みで、年平均成長率は39%です。
• Gartnerが321人のリーダーを対象に行った調査によると、カスタマーサービスのリーダーの91%が、2026年にAIを導入するよう経営陣から圧力を受けていると回答しています。
• 人間は会話のターンをおよそ200ミリ秒で受け渡します。応答が800msを超えると遅れを感じ始め、1,500msを超えると通話が壊れているように感じます。この基準は、ほとんどの音声エージェントのプラットフォームにとって、デモだけでなく本番環境でも依然として追いかけている目標です（Telnyxの2026年レイテンシベンチマークより）。
• Call Force Globalによると、2026年の米国オンショアのコールセンターのエージェントにかかる、諸経費を含む総コストは1時間あたり約$26（1分あたり約$0.43）です。オフショアは1時間あたり$6〜$14、ニアショアは$12〜$18で、これがあらゆる音声エージェントの分単価が実際に競う基準になります。
• FCCは2024年2月に、AIが生成した音声はTCPAにおける「人工音声」に当たると確認しました。そのため、AI音声によるアウトバウンドの発信には、録音済みのロボコールと同じ事前の明示的な同意が必要です。

比較早見表

レイテンシとバージイン：通話が人間らしく感じられるかを実際に決める数字

料金ページにある機能一覧よりも重要なことが2つあります。通話相手がエージェントの話し始めを待つ時間と、相手が話をかぶせたときに何が起きるかです。

しかし、生の速度だけがすべてではありません。人間は会話のターンを、意識せずにおよそ200ミリ秒で受け渡します。音声エージェントの応答が800msを超えると通話相手は気づき始め、1,500msを超えると、未来的というより壊れているように感じられます。これは、ベンダーの主張とTested MediaおよびCekuraによる第三者テストを比較したTelnyxの2026年のベンチマークによるものです。ベンダーの広告と、固定したスタックでの実測値との差は300〜900ミリ秒に及ぶことが多く、それは自然な間と、通話相手が同じことを言い直す事態との違いになります。

バージイン、つまり通話相手がエージェントの発話の途中で割り込み、エージェントが実際に止まって聞く機能は、人間らしさを左右するもう半分です。VogentとCartesiaはどちらも、生の応答速度だけでなく、ターンテイキングと割り込みへの対応を売りの中心に据えています。通話相手に話をかぶせる速いエージェントは、きれいに発言権を譲る少し遅いエージェントより劣るからです。これらのプラットフォームを試験導入する際は、マーケティングページのレイテンシの数字を信用する前に、無音の間ではなく実際の割り込みでバージインをテストしてください。

---

1. Vapi：カスタム音声エージェント向けの、開発者を第一に考えたインフラ

Vapiは、音声エージェントはドラッグ＆ドロップのキャンバスではなくコードの中にあるべきだと考えています。これはインフラです。STT、LLM、TTSのプロバイダーを自分で選び（またはVapiの既定を使い）、ツールを組み込めば、リアルタイムのオーケストレーション、電話回線、通話の状態管理はVapiが担います。この柔軟性こそが、競合各社が自社の基準にする参照プラットフォームになった理由です。

トレードオフは、Vapiの見出しにある$0.05/分というプラットフォーム手数料が、実際に支払う金額ではないことです。STT、LLM、TTSはプロバイダーの原価で上乗せ請求され、実際のモデルを選んだ後はほとんどのチームが1分あたり$0.07〜$0.25に収まり、高品質な音声や大きなコンテキストウィンドウを使うと$0.30を超えます。プラットフォーム手数料だけでなく、スタック全体の費用を見込んでください。

料金： Buildプランは従量課金で、プラットフォーム手数料$0.05/分にプロバイダー費用が原価で加算されます（実際の総額は$0.07-0.25/分が一般的）。Scale（Enterprise）は固定のプラットフォーム手数料と、コミット型のボリューム料金で、個別見積りです。HIPAAアドオンは$2,000/月、ゼロデータ保持アドオンは$1,000/月です。vapi.ai/pricingを参照してください。

最適な用途： 音声スタックを完全に制御したく、STT、LLM、TTSを自分で組み合わせることに抵抗のないエンジニアリングチーム

---

2. Retell AI：Vapiに最も近いライバル、信頼性に重点を置いた設計

Retell AIは、カスタムエージェント向けの開発者第一のインフラというVapiと同じ土俵で競っていますが、本番での信頼性とサポートの対応速度により力を入れています。基本の音声エンジンの料金には、音声認識とRetell独自のインフラが含まれます。その上でLLMとTTSのプロバイダーを選び、それぞれ別に課金され、パススルーの行に埋もれることなく、コンソールで明細として表示されます。

Retellが一部のチームにとって優位になるのは、電話回線の選択肢の幅です。番号を直接購入する、既存のキャリアから持ち込む、Twilio、Telnyx、VonageのSIPトランクを接続する、のいずれも可能で、米国、英国、カナダ、オーストラリアのローカル番号を利用できます。第三者によるレイテンシのテストでは、Vapiとほぼ同等で、わずかに上回ることもあります。

料金： 従量課金は$0.07/分（音声インフラとSTT）から、高性能なLLMとナレッジベース（+$0.005/分）やPII削除（+$0.01/分）などのアドオンを加えると約$0.31/分まで。Enterpriseは約$8,000から。retellai.com/pricingを参照してください。

最適な用途： 一括料金より、内訳が明細化されて予測しやすいコンポーネント料金を好み、本番の電話エージェントを出荷するプロダクトチーム

---

3. Bland AI：余計なものを上乗せしない、分単価の定額制

Blandの売りは、ただ1つの数字です。VapiやRetellがスタックの組み立てと価格の計算をユーザーに任せるのに対し、Blandは、LLM、音声認識、テキスト読み上げを、トークン課金やプロバイダーごとのパススルーなしで1つの分単価にまとめています。そのため、請求書は営業の見積りどおりになります。

このシンプルさは、無料のStartプランを超えると、従量課金型の競合より分単価が高くなる代償を伴いますが、財務チームが好む予測可能性が得られます。プラットフォーム手数料と定額の単価です。また、Blandは、署名済みのBAAを伴うHIPAA対応を、個別のエンタープライズ交渉の先に置かず、明示している数少ないプラットフォームの1つです。

料金： Startは$0/月＋$0.14/分、Buildは$299/月＋$0.12/分、Scaleは$499/月＋$0.11/分、Enterpriseは個別見積り。通話の転送はプランに応じて$0.03-0.05/分が別途課金されます。bland.ai/pricingを参照してください。

最適な用途： 月末にモデルプロバイダーからの想定外の請求がなく、予測できる1つの単価を求めるチーム

---

4. ElevenLabs Agents：TTSの最大手による、音声品質と70以上の言語

ElevenLabsは、市場で最も自然な部類のテキスト読み上げで名を上げました。これはAI音声ジェネレーターのおすすめのガイドで取り上げています。ElevenAgentsはその上に載る会話レイヤーで、ツールを呼び出すリアルタイムの音声・チャットエージェントを、同じアカウントから電話、Web、WhatsApp、SMSにまたがって展開できます。

すでにElevenLabsを使っているチームにとっての売りは明快です。音声品質のために新しいベンダーを増やす必要がなく、Twilio、Genesys、Zendesk、Salesforceへのネイティブコネクターも付いてきます。落とし穴は、現在LLMの費用をElevenLabsが請求せずに負担していることです。同社はこれがずっと続くわけではないと述べているため、それが変わると、現在の分単価は上がる可能性が高いでしょう。

料金： 通話はCreatorとProプランで$0.10/分から（2026年の値下げで約50%下がりました）、年払いのBusinessプランで$0.08/分、Enterpriseではさらに低くなります。最初の15分は無料です。elevenlabs.io/agentsを参照してください。

最適な用途： すでに音声品質のためにElevenLabsを使っていて、2社目のベンダーなしで最も広い言語対応を求めるチーム

次の4つのプラットフォームは、セルフサーブの柔軟性と引き換えに、マネージド型でエンタープライズ主導の導入を提供します。それが自社の進む道であれば、音声にとどまらずカテゴリ全体を扱うエンタープライズ向けAIエージェントプラットフォームのおすすめをご覧ください。

---

5. PolyAI：完全マネージドの、エンタープライズ向けコンタクトセンター音声AI

PolyAIは、セルフサーブのコンソールではなく、成果をエンタープライズに販売しています。無料プランも公開の料金表もありません。導入は営業主導のプロセスで進み、会話設計、継続的なモデルのチューニング、24時間365日のサポートは、契約の一部としてPolyAI自身のチームが担当します。自分で設定するソフトウェアというより、マネージドサービスに近い形です。

これは、社内にプロンプトエンジニアを置かずに、数百の拠点で音声エージェントを稼働させたい銀行、ホテルグループ、小売業にとって適したモデルであり、Marriott、Caesars Entertainment、Foot Lockerが利用している理由でもあります。数百ドルでアイデアを今週中に試したい場合には、不向きなモデルです。

料金： 非公開で、営業主導のエンタープライズ契約です。サードパーティの推定（報告ベースで、ベンダーによる確認はなし）では、最低額は年$150,000前後で、中規模の導入は月$10,000-$20,000とされています。PolyAIは2025年12月に、評価額7億5,000万ドルで8,600万ドルのシリーズDを調達しました。PolyAIの資金調達の発表を参照してください。

最適な用途： 自社で構築するのではなく、マネージドでの導入を望む、銀行、ホスピタリティ、小売のエンタープライズのコンタクトセンター

---

6. Parloa：大量処理のコンタクトセンター向けの成果報酬型料金

Parloaの料金体系は、このリストで最も珍しいものです。シート単位でも分単位でもなく、正常に解決できた会話ごとに課金します。通話が人にエスカレーションされた場合は、その分のAI解決料金は発生しません。そのため、ベンダーのインセンティブが、通話相手を回線につなぎ止めておくことではなく、実際に問題を解決することと一致します。

このモデルは、本当に大規模な場合にのみ成り立ちます。Parloaは、月3万件の注文を扱うEコマースブランドではなく、年間およそ200万件の通話を処理する組織向けに作られていると明言しています。また、「私たちと一緒に構築する」という取り組み方のため、導入と連携を含めると、年間$300,000以上の予算を見込む必要があります。

料金： 成果報酬型で、シートや分ではなく、解決した会話ごとに課金されます。公開はされていません。Parloa自身の資料での予算の目安は、プラットフォームのライセンスと導入で年間$300,000以上です。Parloaの料金ガイドを参照してください。

最適な用途： 年間数百万件の通話を扱い、分ではなく解決に対して支払いたい大企業

---

7. Sierra (Voice)：チャットと電話をまたぐ1つのエージェント

Salesforceの元共同CEOであるBret Taylorが共同創業したSierraは、Sonos、Casper、SiriusXMなどのブランド向けに、チャットを第一にした「エージェントOS」の導入で評価を築き、2026年初めに同じエージェントを電話にも広げました。売りは統合です。お客様がテキストを送っても、Webサイトでチャットしても、電話をかけても、1つのエージェントが、1組のポリシーと連携で応答します。

Sierraの音声エージェントは、既存のIVRを置き換えるのではなく、その前段または後段に組み込まれ、人へのエスカレーションはAIが生成した要約を使って処理されます。また、音声はSierraのチャット製品より新しいため、デモの際には、チャットの指標だけでなく、電話での導入事例となる顧客を尋ねてください。

料金： 非公開で、成果報酬型の営業主導のエンタープライズ契約です。報告されている推定額は年間$150,000-$350,000以上です。Sierraは2026年5月に、評価額158億ドルで9億5,000万ドルのシリーズEを調達しました。TechCrunchの記事を参照してください。

最適な用途： すでにSierra、または同様のエージェントOSをチャットで運用していて、同じエージェントに電話にも応答させたいエンタープライズ

---

8. Regal：アウトバウンド営業とリテンションの発信を大規模に

Regalは、完全自律型の音声エージェントを追加する前は、人間の営業・リテンションチーム向けのAI支援ダイヤラーとして成長しました。その出自は設計にも表れています。電話が今も売上を生む保険、医療、金融サービスで、構造化されたアウトバウンドキャンペーン、予約のリマインダー、解約顧客の呼び戻しの発信に向けて作られています。

Regalは料金を公開しておらず、自社の料金ページには実際の下限が明記されています。契約の見積りに応じる前提として、25シート以上、月10万分以上の通話が必要です。アイデアを試す小規模なチームは対象外になりますが、すでに人間のエージェントでその規模をこなしていて、AIを混ぜたいコールセンターにとっては、妥当な水準です。

料金： 非公開で、従量課金型の個別契約です。明示されている最低条件は、およそ25シートと月10万分の通話です。regal.ai/pricingを参照してください。

最適な用途： 実際の通話量で、構造化されたアウトバウンドキャンペーンを運用する営業、督促、リテンションのチーム

---

9. Synthflow：エンタープライズの壁の向こう側に移ったノーコードビルダー

Synthflowは、代理店と中小企業向けのノーコード音声エージェントビルダーとして始まり、ドラッグ＆ドロップのフローエディター上で、ElevenLabsの音声にGPT-4oの推論を重ねていました。これは、ノーコードAIエージェントビルダーのおすすめがより広く取り上げているカテゴリと同じです。この位置づけは、月額のセルフサーブプランを引用するサードパーティのレビューを通じて、今もWeb上の各所に見られます。

しかし、Synthflow自身のサイトには、もう表示されていません。2026年8月時点で、synthflow.ai/pricingには、年$30,000からの単一のEnterpriseプランのみが掲載されており、通話量、同時通話数、電話回線の設定、連携に応じて見積られ、セルフサーブの登録は見当たりません。他所でより安い月額プランを見かけた場合は、予算を組む前にSynthflowに直接確認してください。当社が現行のページを確認したところ、そのようなプランはありませんでした。

料金： 2026年8月時点でEnterprise専用で、契約は年額$30,000からです。最終的な価格は、通話量と連携に応じて見積られます。synthflow.ai/pricingを参照してください。

最適な用途： STT、LLM、TTSを自分で組み立てずに、完全マネージドの音声AIの構築を望むエンタープライズ

---

10. Thoughtly：不動産、保険、教育向けの分数無制限プラン

Thoughtlyは、検討に時間のかかる、見込み客主導の業界に特化しています。不動産仲介、保険会社、住宅ローンの貸し手、教育機関の入学受付チームなど、着信を逃すことがそのまま販売機会の損失になる業界です。このエージェントは、音声で見込み客を選別し、SMS、メール、WhatsAppでフォローアップし、打ち合わせを予約して、人手を介さずにCRMに書き戻します。自分で構築したい場合は、AIリード選別エージェントのブループリントが同じワークフローを解説しています。

料金も目を引きます。Flexプランは、分単位で課金するのではなく、同時10通話までという上限付きで、音声の分数が無制限の月額$500の定額です。物件の公開時期に通話が集中する仲介会社なら、この定額は分単価の競合より得になりえます。同時に100件の会話が必要なコールセンターでは、同時通話数の上限のため、個別見積りのScaleへのアップグレードが必要になります。

料金： Flexは$500/月（分数無制限、同時10通話まで）、ScaleとEnterpriseは個別見積りで、Enterpriseには月100万分以上、または規制対象の業種であることが必要です。thoughtly.com/pricingを参照してください。

最適な用途： 月額の定額で無制限の発信を望む、不動産、保険、住宅ローン、教育のチーム

---

11. Phonely：セルフサーブで最も安く始められる選択肢

Phonelyは、このリストの中で、営業との通話なしに小規模な事業者がその日のうちに登録して使い始められる、数少ないプラットフォームの1つです。無料プランには、月100分、実際の電話番号、同時通話数の無制限が含まれ、月$50のStarterプランは、コンタクトセンターではなく、自社の電話に自分で出る事業者向けの価格です。

トレードオフは超過料金に表れます。プランに含まれる分数を超えると、Phonelyは1分あたり$0.25〜$0.35を課金します。これは、このリストの他のセルフサーブの$0.05-0.10/分を大きく上回るため、通話量が急増する、あるいは多い回線よりも、予測可能で中程度の通話量に最も向いています。Enterpriseの顧客は、1分あたり約5セントまで交渉できます。

料金： 無料（月100分、番号1つ）、Starterは月$50（年払いなら月$33、250分、超過は$0.25-0.35/分）、Proは月$150（年払いなら月$100、750分、超過は$0.30/分）、Enterpriseはおよそ$0.05/分からで個別見積りです。phonely.ai/pricingを参照してください。

最適な用途： 営業サイクルなしで、無料で始められ、自社の電話に応答するエージェントを求める小規模事業者と個人事業主

---

12. Cartesia Line：このカテゴリで最速の音声モデルの上に構築

Cartesiaは最初の数年間、他のプラットフォームが時にライセンスを受ける低レイテンシの音声モデルを供給するインフラ事業者でしたが、その後、音声エージェントを直接構築するためのコードファーストのプラットフォームLineを投入しました。売りは、最速の基盤モデルを作る会社が、最高のエージェントプラットフォームも作るべきだという考え方です。

Lineのエージェントは、既定でCartesia独自のテキスト読み上げモデルSonic 3.5と音声認識モデルInk 2を使います。どちらも同社が90ms未満の生成を実現すると述べているステートスペースモデルのアーキテクチャで作られており、競合の多くがサードパーティからライセンスを受けているTransformerベースのモデルより高速です。Voximplantは2026年2月にLineエージェントのネイティブ対応を追加し、Cartesia製のエージェントが実際に通話を受けられる範囲を広げました。

料金： 無料、Proは$5/月、Startupは$49/月、Scaleは$299/月、Enterpriseは個別見積りです。Lineの通話は$0.06/分で、Cartesiaが提供する番号での電話回線は別に$0.014/分です。cartesia.ai/pricingを参照してください。

最適な用途： 利用可能な最低レイテンシの音声モデルの上に構築したく、新しいエージェントプラットフォームでも抵抗のない開発者

---

13. Deepgram Voice Agent API：自分のLLMを持ち込み、時間単位で支払う

DeepgramのVoice Agent APIは、ビルダーのUIを完全に省いています。音声認識、LLMのオーケストレーション、テキスト読み上げを1つのリアルタイムWebSocket APIにまとめ、接続時間で課金します。他社のキャンバスを設定するのではなく、自分でエージェントのロジックを書きたいチーム向けです。

売りは、インフラ層でのコストと柔軟性です。自分のLLMやTTSモデルを持ち込むと、公開されている単価はさらに下がります。Deepgramは、同等の利用量でElevenLabsのConversational AIより約4分の1安く、OpenAIのRealtime APIより4分の3安いと位置づけています。他社製のエージェントビルダーを学ぶより、オーケストレーションのコードを書くほうを好むエンジニアがいるチームに適した層です。

料金： 従量課金は$0.056-0.075/分（Standard）、Growthプラン（年払いの前払い）は$0.051/分から、LLMとTTSを持ち込む構成はさらに安く、Advancedは$0.122-0.163/分です。新規アカウントには$200の無料クレジットが付きます。deepgram.com/pricingを参照してください。

最適な用途： 最安のリアルタイム音声インフラを求め、その上に自社のエージェントのロジックを構築するエンジニアリングチーム

---

14. Vogent：自己改善型のエージェント、現在はAircallの傘下

Vogentの差別化要因は、競合の多くが後回しにするテストのループです。新しいバージョンのエージェントを過去のすべての通話に対して自動で実行し、異なる対応になっていた箇所を示し、実際の通話相手と話す前にプロンプトを修正します。IVRのナビゲーション、スケジューリング、注文処理のために作られた専用モデルと組み合わせることで、公開したまま変化しないエージェントではなく、時間とともに改善するエージェントを求めるチーム向けに作られています。

ビジネス電話プラットフォームのAircallは、自社のネイティブ音声エージェントを強化するため、2026年5月にVogentを買収しました。本稿執筆時点で、Vogentの単体の開発者向けプラットフォームは、引き続き新規登録を受け付けています。それを土台に複数年の構築に踏み切る前に、製品のロードマップと継続性について直接確認してください。

料金： セルフサーブは$0.09/分からで、エンタープライズの顧客には約$0.05/分まで下がります。高品質な音声は別料金で、Enterpriseは個別見積りです。Vogent自身の比較ページを参照してください。

最適な用途： 進化するにつれて、実際の過去の通話に照らして自動的に自らを再テストするエージェントを求めるチーム

---

電話回線：Twilioを持ち込むか、付属の番号を使うか

上のすべてのプラットフォームは、通話が実際にどうエージェントに届くかという同じ配管の問題を、それぞれ違う方法で解決しています。開発者第一のプラットフォームの多くは、プラットフォーム内で購入する付属の番号と、Twilio、Telnyx、または素のSIPトランクを通じて自分のキャリアを持ち込む構成の両方に対応しています。すでに既存のキャリアのアカウントに紐づく番号、通話分数、コンプライアンスの履歴がある場合に重要です。

すでにTwilioを使っているチームなら、フルSIPトランクに対応したプラットフォーム（Vapi、Retell AI、Thoughtly）を選ぶと、番号と通話履歴を1か所にまとめられます。ゼロから始める場合は、付属の番号を使えば数分で発信できるようになり、Bland、Phonely、Cartesia独自の番号が、より早い道です。

実際の分単価の計算：AI音声エージェントと人間のエージェントの比較

あらゆる音声エージェントのベンダーの分単価は、実は1つの数字と競っています。人間が同じ仕事をするのにかかるコストです。2026年の米国オンショアのコールセンターのエージェントは、諸経費を含めて1時間あたり約$26、1分あたり約$0.43です。これに対し、オフショアは1時間あたり$6〜$14（$0.10-0.23/分）、ニアショアは$12〜$18（$0.20-0.30/分）で、Call Force Globalの2026年のコストデータによるものです。

数字の上では、ほとんどのセルフサーブのプラットフォームは、導入の手間に見合う通話量があれば、オフショアの人件費をも下回ります。これがあらゆるベンダーの提案が最初に示す比較です。台本で最初から最後まで処理できる、範囲を絞った仕事、つまり見込み客の選別、予約の確認、FAQへの回答には妥当な比較です。判断や緊張の緩和が必要な仕事に対しては、あまり誠実な比較とは言えません。だからこそ、Gartnerの2026年の800億ドルの人件費削減予測には、今年完全に自動化されるエージェントとのやり取りは10件に1件程度にとどまるという注記が添えられています。エージェントの価格は、人員予算の総額ではなく、特定の通話の種類に対して見積もってください。

コンプライアンスと同意：通話が録音されるとき何が変わるか

AI音声エージェントは、単なる安い通話ではありません。発信する、あるいは聞き取った内容を録音する時点で、特定の法的義務を引き継ぎます。

アウトバウンドの同意。 FCCは2024年2月に、AIが生成した、またはクローンされた音声はTCPAにおける「人工音声」に当たると確認しました。そのため、音声エージェントからのアウトバウンドの通話には、録音済みのロボコールと同じ事前の明示的な同意に加えて、明確な発信者の特定と、機能するオプトアウトが必要です。既存の取引関係は、手動の通話では免除されうる場合でも、AI音声の通話を免除しません。罰則は1通話あたり$500〜$1,500で、合計額の上限はありません。

通話の録音とPCI。 通話相手が、通話を録音しているエージェントにカード番号を読み上げた時点で、その録音はPCI DSSの対象になり、認証後に音声のCVVを保存することは明白な違反です。規制の厳しい業界向けに作られたプラットフォーム（Bland、Phonely、Synthflow、Thoughtly、Sierra）は、カード情報を文字起こしに残さないよう、一時停止と再開が可能な録音、または別の安全な取得フローを提供しています。既定で対応済みと思い込まず、明示的に確認してください。

HIPAA。 通話が保護対象の医療情報に触れる場合は、ベンダーのセキュリティのページだけでなく、署名済みのBusiness Associate Agreementが必要です。Bland AIはBAAによるHIPAA対応を明示しています。Vapi、Thoughtly、Phonelyは最上位のエンタープライズプランに限定しており、PolyAI、Parloa、Sierraは契約ごとに範囲を決めます。

これらはいずれも任意ではなく、1つのベンダーに固有のものでもありません。試験導入が実際のお客様との通話に近づく前に、同意のワークフロー、録音の管理、BAAの提供可否を、後からではなく事前に書面で確認してください。

選び方：意思決定フレームワーク

最も重要な運用上の制約から始めましょう。構築の自由度、コンタクトセンターのサポート、アウトバウンドの構造、料金の予測しやすさ、音声のレイテンシのいずれかです。

次のステップ

ベンダーを選ぶ前に、進む道を決めましょう。自分でエージェントを構築する（Vapi、Retell AI、Cartesia Line、Deepgram）か、マネージド型を購入する（PolyAI、Parloa、Synthflow、Sierra）かです。そのうえで、デモの台本ではなく本物の試験導入を行い、発話の途中での実際の割り込みや、ぼそぼそ話す通話相手を含めて、ベンダーのレイテンシのページを信用せず、自分で応答時間を計測してください。実際のお客様との通話がシステムに触れる前に、同意のワークフローとBAAの提供可否を書面で確認してください。

プラットフォームを探すより、エージェントのワークフローを自分で設計したい場合は、AI音声通話エージェントのブループリントとAIエージェントの作り方のガイドが構築の道筋を解説しています。また、AIエージェントプラットフォームの選び方のフレームワークは、チャットと同様に音声にも当てはまります。電話に近いサポートのワークフローについては、AIサポートトリアージエージェントのブループリントをご覧ください。さらに、AIエージェント製品全体については、AIエージェントプラットフォームのおすすめのガイドから始めてください。