Will Bodewes、Phonely共同創業者兼CEO — インタビューシリーズ

Will Bodewesは、企業の電話応対を支援し、顧客との会話の成果向上を目指す音声AI企業Phonelyの共同創業者兼CEOです。同社を立ち上げる前は、University of Melbourneで博士課程に進み、自然なコミュニケーションを行いながら指示に従うシステムなど、応用人工知能を研究していました。それ以前には音響技術のスタートアップを創業し、NCAAのクロスカントリースキーやウルトラ耐久サイクリングの大会にも出場しています。Phonelyでは、研究で培った知見を音声エージェントの実用化に伴う課題に生かし、会話の信頼性、応答遅延、各種システムとの連携に加え、予約、販売、カスタマーサービスの業務フローを継続的に最適化しています。

Phonelyは、企業が電話での会話を自動化し、予約を受け付け、見込み客を選別し、電話を適切な窓口に取り次ぎ、顧客とのやり取りを既存のソフトウェアと連携できるAI音声エージェントプラットフォームです。カスタマイズ可能な会話フローに、通話履歴、分析機能、A/Bテストを組み合わせたツールにより、チームはパフォーマンスを測定し、時間をかけて成果を高められます。同社は小規模事業者から大企業まで幅広い組織にサービスを提供しており、1万社を超える企業を支援し、1日あたり12万件を超える通話に対応しているとしています。またPhonelyは、Almaをはじめとする独自の対話モデルも開発しており、自動応答の通話をより迅速で信頼性の高いものにし、実際のビジネス上の会話に適したものにすることを目指しています。

AIの博士課程に在籍し、University of Melbourneで研究を進めるなかで、指示に従いながら自然に会話できるシステムの開発に早くから取り組み、Phonelyの構想を始めました。音声AIが単独の企業を成り立たせる段階に達したと確信したのはなぜですか。また、市場において、他の人たちが見落としていたどのような可能性に気づいていたのでしょうか。

当時、音声AIで単独の企業を成り立たせられるという確証はありませんでした。音声AIに取り組む企業はいくつかあり、ユーザー数は約5人か10人でしたが、IVRシステムではない音声AIを実用化できた企業はありませんでした。ですから、Phonelyを立ち上げたのは賭けでした。当時は何もかもがチャット中心で、音声は新しい媒体でした。まだ解決されていない問題だったので、「なぜこの課題に取り組まないのか。解決を試みてみてはどうか」と考えたのです。

博士課程での研究は、「ロボットのように指示に従い、人間のように話す」AIを作ることを目指して始まりました。この研究が商用音声AIプラットフォームの基盤になり得ると気づくきっかけとなった技術的なブレークスルーは何でしたか。

この研究は、何が起きているのかを支える基礎技術を理解するうえで、価値があり重要でした。おかげで、今後の展開を先読みし、開発の流れに何が控えているのかを把握できました。モデルの正体や仕組みについて技術的に理解していたからこそ、賭けに出ることができたのです。具体的には、会社を立ち上げて影響をもたらしたいと考えていました。そして、自分が知っていること、今後起こると見通せることに最も近い分野がこの領域でした。そこに加わりたいと思ったのです。

これまで、企業が体系的に最適化できずにきた電話応対を、漏斗にたとえてきました。電話での会話を最適化するとは、具体的にどのようなことですか。また、AIは時間の経過とともに、成約率や問題解決率、顧客体験をどのように改善できるのでしょうか。

たとえば、配管工の予約を取る場面を考えてみましょう。電話に出た担当者は、あなたの情報を聞き取り、予約を入れるよう訓練されています。しかし、質問の仕方によっては、その事業者が提供しているとあなたが知らなかったサービスについて教えることもできます。つまり、配管の問題で予約を入れたところ、実は流し台の修理も必要だったと気づくかもしれません。十分に訓練された音声AIエージェントも同じように対応し、顧客への追加提案を通じて事業者の売上増加を支援します。新人の受付担当者が訓練を受けていない商品を提案し、注文にもう1つの項目を加えることで、顧客の満足度を高め、事業者にとってよりよい成果を生み出すこともできます。単純なChatGPTの音声機能には、そうした対応はできません。そのために構築され、訓練された製品が必要です。

さらに、人間は電話を取り損ねたり、応答できなかったり、留守番電話に回したりすることがあります。これはアメリカの小規模事業者にとって大きな痛手です。電話に応答する人員がいないうえ、応対品質に一貫性がなく、最適化する手段もありません。AIなら、通話が事業者の望む結果につながらなかった場合、得られたデータを使って改善できます。AIは処理が速いため会話を変更できますが、人間ではそれほど迅速には対応できません。

今は誰もが、コスト削減の手段としてAIに注目しています。しかし私たちは、AIを成長の手段として捉えるべきだと考えています。企業はAIを導入することで実際に成長し、以前より高い成果を上げられるようになります。

音声AIには、テキストベースのAIであれば避けられることも多い課題への対応が求められます。応答遅延、会話への割り込み、アクセント、背景雑音、感情の手掛かり、予測できない会話などです。こうした問題のうち、企業規模で安定して解決するのが最も難しかったのはどれですか。

最も大きな課題は応答遅延です。今では解決しましたが、初期には2つの理由から非常に大きな悩みの種でした。

まず、信頼性に欠けるスタートアップの基盤の上にサービスを構築していました。OpenAIへのAPIリクエストのかなりの割合が失敗し、応答が返ってこないことがありました。電話中にこれが起きるのは、相手に電話を切られるのと同じです。そのため、失敗したリクエストを再試行する仕組みを構築する必要がありました。

2つ目の課題は処理能力でした。OpenAIにリクエストを送ると、ほかの何百、何千ものリクエストの後ろに並ぶことになり、自分のリクエストが列のどのあたりにあるのかも分かりませんでした。応答が返るまで30秒かかることもありました。この問題を回避するため、世界各地にあるOpenAIのエンドポイントを調べ、どの国が夜間で需要が低いかに応じて、利用するエンドポイントを切り替えました。その時点で最も需要の低いエンドポイントを見つけるためだけに、こうしたインフラをすべて構築しなければなりませんでした。非常に興味深い技術的課題でした。今では、Almaを含め、自社でモデルをトレーニングしているため、計算リソースと需要を自分たちで管理でき、こうした問題を心配する必要はありません。

Phonelyは現在、数千社の企業で1日あたり12万件を超える通話に対応しています。プラットフォームの初期バージョンを構築していた頃には想像できなかったことで、この規模の音声エージェントを運用して得た教訓は何ですか？

常時100％稼働していることが非常に重要です。私たちが取り組んできたエンジニアリング上の最難関課題の一つは、信頼性と速度の両立です。AI業界は驚くほど速く変化しており、私たちもAI企業としては速いペースで動いています。Y Combinatorには「速く動き、壊して学べ」という言葉があります。しかし、顧客が1日に12万件の電話をかけている状況では、何かを壊すわけにはいきません。そのため、今後も市場で存在感を保ち、製品を改善し続けるのに必要な速度でリリースしながら、新機能を開発して市場を先行し、企業顧客の満足と安定稼働を維持する方法を模索することが、私たちのプロセスの大きな部分を占めていました。会社の立ち上げにあたって直面した最大の課題の一つは、おそらく信頼性でした。

生成AIシステムは予測できない振る舞いをすることがあります。一方、顧客対応の電話エージェントは、決済、予約、医療に関する質問、その他、重大な結果を伴うやり取りを担当する場合があります。幻覚を起こしたり、許可された範囲を逸脱したりすることなく、柔軟で自然な会話ができる音声エージェントを、どのように設計していますか？

この問題は、約2年前に苦労して解決しました。今では業界全体にかなり広く採用されています。LLMの最大の課題はコンテキストだと分かりました。何ページにもわたる指示など、プロンプトに情報を詰め込みすぎると、問題が起きる可能性が高まります。

そこで、8つのエージェントが連携し、エージェント間で処理を引き継ぐオーケストレーションシステムを設計しました。各エージェントは、その処理に特化したコンテキストを持ちます。電話で人が台本に沿って話を進めるのと似ています。情報を得たら次の段階に進む、といった具合です。これにより、コードのレベルで各ステップを切り分けられます。返金の前に相手の氏名、メールアドレス、電話番号、生年月日を集める必要がある場合、次に進む前にそれらの情報をコードのレベルで確実に収集できます。LLMだけに頼っていては、それを保証できません。このエージェント・オーケストレーション層を構築することで、信頼性を100％にできます。すべてのステップを記録してから次のエージェントに処理を引き継ぐためです。引き継ぎ先のエージェントはコンテキストを保持しながらも、固有の指示だけに従うよう隔離されています。

報道によると、Phonelyを導入したある顧客は、わずか3カ月で新たに1,000万ドルの純増収益を上げました。AIがこれほど測定可能な事業効果を生み出せた要因は何ですか？また、現在、音声AIが最も大きな投資収益率をもたらしているのはどのような領域だと考えていますか？

それを実現できたのは、顧客の指標を把握していたからです。着信への対応で、顧客は売上を伸ばすことを目指し、電話をかけてきた人の見込み度を判定していたため、成果を追跡できました。日によって異なりますが、その顧客のコールセンターの成約率は約35～42％でした。顧客からその情報を得た後、既存の対応フローをもとにエージェントを最適化しました。開始時点での成約率は約20％でした。その後数カ月にわたって反復的に調整と改善を重ね、大半のケースでコールセンターを上回るまでになりました。問題点を突き止め、毎回一貫して完璧な対応を実現したことで、成約率は上がり続けました。コールセンターを上回る成果を出すことができたのです。

音声エージェントの能力が高まるなか、企業は、完全に自動化できる会話と人間が引き続き関与すべき状況との境界を、どこに引くべきでしょうか？

企業は、繰り返し実行でき、十分に明確に定義されたプロセスであれば、どのようなものでも自動化できるようにすべきです。

ただし、自動化が難しい領域もいくつかあります。一つは、APIのないシステムとの連携です。連携が必要なのに、そのソフトウェアにAPIがない場合を考えてみてください。回避は困難ですが、ブラウザー上で自動化できる場合もあります。もう一つは、エージェントから人間へ、さらにエージェントへと、何度も引き継ぎが発生するケースです。3つ目は、コンテキストの欠落です。たとえば、レストランに財布を置き忘れたとします。AIにはあなたが財布を持っているかどうか分からず、財布がレストランにあるかどうかを確認しに行くこともできないため、こうした問題を解決することはできません。

人間の対応が常に必要な状況もあります。また、複数のシステムにまたがる複雑な作業も同様です。そうした業務にはエージェントを使わないでください。

Phonelyは最近、1万社を超える企業に利用されるまでに成長し、シリーズAで1,600万ドルを調達しました。会社の次の段階はどのようなものになるのでしょうか。また、次世代の音声AIプラットフォームを差別化する技術的な能力は何だとお考えですか。

次の段階では、チームを拡大し、引き続きチームに投資していきます。このアイデアに全力で取り組んでいます。多くの企業が音声AIに参入しており、さまざまな領域でそれなりの成果を上げるでしょう。しかし、私たちが構築しているのは、単なる音声エージェントではありません。最適化プラットフォームを構築し、そのチャネルとして音声を活用しています。見込み顧客の獲得や、電話を収益につなげることを重視する企業に向けて、私たちは、顧客が望む成果を実現できるようAIエージェントを最適化することに注力しています。Phonelyは、エージェントの性能向上を目指す人々を支援する最適化企業だと考えてください。

これまでの学術研究では、AIやスマートメーター技術を活用し、発展途上国におけるエネルギーへのアクセスやクリーンな調理手段の普及を促進する方法も研究されてきました。Phonely以外の分野に目を向けたとき、エネルギーへのアクセスのような、現実世界の大きな課題にAIをどのように応用できるとお考えですか。また、最終的にはそうした分野に再び取り組みたいとお考えでしょうか。

AIによって実現できる有益なことは数多くありますが、現に存在する問題の多くは人間が引き起こしたものです。そのため、人間の側にも変化が必要です。すべての問題をテクノロジーで解決できるわけではありません。しかし、テクノロジーの進歩と人間の変化が同時に進むようにすることが、世界にとってプラスになるのです。

素晴らしいインタビューをありがとうございました。さらに詳しく知りたい方は、Phonelyをご覧ください。