満足度92%｜ヤマダの音声AI接客に3万人

公開日:

SHARE

伊東雄歩
監修者 伊東 雄歩

株式会社ウォーカー CEO。東北大学卒。MENSA会員、JDLA認定講師、健全AI教育協会理事。生成AI×教育・学習科学を専門とし、2億円超のシステム開発プロジェクトを統括。

taolis.net X note Voicy YouTube
  • ヤマダデンキの音声AI接客エージェントを、2週間で約3万人が利用した
  • アンケート回答の92%が「よかった」と答え、OpenAIが公式事例として公開した
  • 開発したのはANAホールディングス発のスタートアップ「avatarin（アバターイン）」
  • 音声をそのまま理解する「GPT-Realtime」を使い、最短1.12秒で返事を返す
  • 学習させたのは、ヤマダデンキのベテラン店員の「接客話法」だった

夜11時に洗濯機が動かなくなったこと、ありませんか。家電量販店はもう閉まっています。ネットで型番を並べて見比べても、結局どれが自分の家に合うのかわからない。そんな夜に、店員さんと同じように相談に乗ってくれるAIが登場しました。しかも2週間で3万人が使い、92%が「よかった」と答えています。

2週間で3万人が使った音声AI接客

OpenAIが2026年7月末、日本企業の導入事例を公式サイトで公開しました。

主役はavatarin（アバターイン）株式会社とヤマダホールディングスです。ヤマダデンキのオンラインストアで、AIが音声で接客する実験を行いました。

結果は数字がはっきりしています。約2週間の公開キャンペーンで、およそ3万人が利用しました。

そしてアンケート回答の92%が肯定的だったと報告されています。10人のうち9人以上が「使ってよかった」と感じた計算です。

作ったのはANA発のスタートアップ

avatarinは、ANAホールディングスから生まれたスタートアップです。2020年4月に設立されました。

もともとは「newme（ニューミー）」という遠隔操作ロボットで知られる会社です。離れた場所のロボットを自分の分身のように動かし、その場にいるような体験を届けてきました。

資金調達も進んでいます。2024年7月のシリーズBで約37億円を集め、累計の調達額は約77億円に達しています。

そのavatarinが、接客・販売プラットフォーム「a-commerce」を土台に開発したのが今回のAIエージェントです。

「くらしまるごとAIエージェント」という名前

両社が開発開始を発表したのは2026年2月25日でした。

正式名称は「くらしまるごとAIエージェント」といいます。ヤマダHDが掲げる「くらしまるごと」戦略から取られた名前です。

体験できたのは、2026年3月3日10時から3月16日12時まで。ヤマダウェブコムの専用ページで公開されました。ちょうど2週間の期間です。

同じ3月3日から6日には、展示会「リテールテックJAPAN 2026」のソフトバンク出展ブースでもデモが披露されています。

なぜ「GPT-Realtime」を選んだのか

今回のカギは、OpenAIのGPT-Realtimeという技術です。名前のとおり、リアルタイムで音声をやりとりするためのAIモデル（AIの頭脳部分）です。

従来の音声AIは「3人リレー」だった

これまでの音声AIは、3つの部品をつなげて作るのが普通でした。

まず音声認識が声を文字に変えます。次にLLM（人間みたいに文章を書けるAI）が答えを考えます。最後に音声合成が文字を声に戻します。

問題は、バトンを渡すたびに時間がかかることです。そして声にこもっていた「迷い」や「困り具合」は、文字になった瞬間に消えてしまいます。

お客さんが「うーん、まあ、どっちでもいいんですけど…」と言ったとき、本当に伝えたいのは文字ではなく、その言いよどみのほうです。

音声のまま考えるから速くて自然

GPT-Realtimeは、この3人リレーをやめました。音声・テキスト・画像を1つの会話の中でまとめて扱えるのが最大の強みです。

速さも数字で出ています。最新のGPT-Realtime-2では、最初の音声が返ってくるまで最短1.12秒とされています。人と人が会話するときの間合いに近い速さです。

さらに128Kという大きなコンテキストウィンドウ（AIが一度に覚えていられる会話量）を持ちます。1〜2時間の長い相談でも、話の流れを見失いにくくなりました。

avatarin側も「キーワードを待つのではなく、文脈を聞く」設計にしたと説明しています。「安いやつ」という一言の裏にある予算感や家族構成まで拾いにいく発想です。

RAGで「でたらめ」を防ぐ

ただし、AIが自信満々に嘘をつく問題は残ります。存在しない型番や、間違った価格を答えたら大事故です。

そこで採用されたのがRAG（検索した本物の情報を見ながら答えさせる仕組み）でした。

AIは自分の記憶だけで答えません。実際の商品データベースを参照し、そこに書いてある内容を根拠に回答します。会話のテンポはGPT-Realtimeが、内容の正確さはRAGが担当する分担です。

ベテラン店員の話し方をAIに移植した

技術以上に面白いのが、何を学習させたかです。

両社が学ばせたのは、商品カタログだけではありません。ヤマダデンキのスタッフの「接客話法」そのものでした。

だから体験が「チャット」ではなく「接客」に近くなる、と両社は説明しています。優秀な店員さんの頭の中にしかなかったノウハウを、24時間働く形に置き換えたわけです。

ちなみにavatarinは、いきなり本番に挑んだわけではありません。以前からOpenAIのAPIを、音声認識や問い合わせ分析、従業員研修に使ってきました。今回はその経験を初めて「お客さんの前」に出した大型案件だったのです。

実際、どんな場面で役に立つのか

具体的な使いどころを3つ想像してみてください。

ひとつめ。共働き夫婦の家で、日曜の夜に冷蔵庫が異音を立て始めました。翌朝から2人とも出張です。店に行く時間はありません。スマホに向かって「明日中に届いて、うちのキッチンに入るサイズのを教えて」と話しかければ、寸法と納期の条件で候補を絞ってもらえます。

ふたつめ。訪日した観光客が炊飯器を買いに来ました。日本語のスペック表は読めませんし、電圧も心配です。多言語対応の音声AIなら、母国語で「自分の国で使えるのはどれ？」と聞けます。閉店後のホテルからでも相談できます。

みっつめ。離れて暮らす親のエアコンが壊れました。型番の写真は送られてきましたが、何畳用なのか判断がつきません。画像も理解できるAIなら、その写真を見せながら「同じ広さに合う後継機は？」と相談できます。

どれも「営業時間内に店へ行く」という前提が崩れている場面です。そこが音声AI接客の主戦場になります。

他の音声AIと何が違う？料金で比べる

リアルタイム音声AIは、いま各社が激しく競っている分野です。主要な選択肢を並べてみます。

  • OpenAI gpt-realtime：音声入力100万トークンあたり32ドル、出力は64ドル。文脈理解と推論の強さが売り
  • Google Gemini Live：最安のGemini 3.1 Flash Live Previewで音声1分あたり0.005ドル（約0.8円）。とにかく安い
  • Deepgram Voice Agent：1分0.075ドル（約12円）の定額系。自前のLLMを持ち込めば0.059ドルまで下がる
  • ElevenAgents：1分0.080ドル（約12.4円）。声の自然さに定評があり、LLM料金は別

※日本円は1ドル155円で換算した目安です。

単純な価格ならGemini Liveが圧倒的に有利です。それでもavatarinがGPT-Realtimeを選んだ理由は、音声・テキスト・画像を1つの会話で扱える点と、複雑な相談への推論の強さにありました。

家電選びは「予算」「設置場所」「家族の人数」「今使っている機種」が絡み合います。単純な問い合わせ応答とは難易度が違うわけです。

従来のチャットボットとの差

従来型のチャットボットは、あらかじめ決めた質問パターンに答えるのが基本でした。想定外の言い方をされると「わかりません」で止まります。

電話の自動音声（IVR）も同じです。「1番を押してください」と番号を選ばせる方式では、迷っている人を助けられません。

今回のエージェントは、そもそも迷っている人を前提に設計されている点が違います。好みが途中で変わっても、会話の流れとして受け止められます。

日本市場にとって何を意味するか

この事例が日本で重い理由は2つあります。人手不足とインバウンド対応です。

小売やコールセンターの現場は、人が集まりません。夜間や早朝はなおさらです。24時間・多言語で動くAIは、そこを埋める現実的な手になります。

日本企業の動きも加速しています。コールセンター分野では2025年時点で6割超の企業がAIを導入済みとされ、実験段階から本番運用へ移りました。

アフラック生命保険は2025年6月にOpenAIと提携し、AIアバターによる音声対応システムを開発しています。約1,600人のコールセンター担当を2031年までに半減する計画と報じられました。

ベルシステム24ホールディングスも、AIが有人オペレーターのように応対する「Hybrid Operation Loop」を2026年から開始すると発表しています。

ヤマダHDは「AI倫理方針」も用意した

見逃せないのが、ヤマダホールディングスが2026年6月ごろにAI倫理方針を策定していることです。

人間中心、安全性、公平性、プライバシー保護、知的財産権の尊重、透明性、教育、ガバナンス。これらの原則を文章にしました。

中核にあるのは「人間が主役となるAI活用」という考え方です。AIの提案を無条件に受け入れず、最終的な意思決定と責任は人間が負うと明記しています。

接客AIは、お客さんの購買判断に直接影響します。ルールを先に決めてから広げる姿勢は、他社にとっても参考になります。

導入前に知っておきたい3つの注意点

成功事例として語られていますが、うのみにできない部分もあります。

1つめはコストです。音声AIはトークン従量課金が基本で、会話が長引くほど費用がふくらみます。相談時間が長い商材ほど、1件あたりの単価管理が重要になります。

2つめは正確さの担保です。RAGを組んでも、参照する商品データが古ければ古い答えが返ります。在庫や価格の更新体制まで含めて設計する必要があります。

3つめは数字の読み方です。「92%が肯定的」はアンケートに答えた人の割合です。答えなかった人や、途中で離脱した人の評価は含まれていません。

とはいえ、2週間で3万人という利用規模は、デモ止まりではない実運用の証拠と言えます。

よくある質問（FAQ）

Q1. 今すぐ誰でも使えますか？

今回報告されたのは、2026年3月3日から16日までの期間限定の体験プロモーションでの成果です。常時公開のサービスとして誰でも使える状態とは発表されていません。今後は顧客データ基盤と連携し、個別に最適な提案を行う方向を目指すとされています。

Q2. GPT-Realtimeは普通のChatGPTと何が違うのですか？

ChatGPTが文字のやりとりを中心とするのに対し、GPT-Realtimeは音声をそのまま扱うAPI（開発者が自社サービスに組み込むための接続口）です。文字起こしを挟まないため反応が速く、声の調子や言いよどみも手がかりにできます。

Q3. 店員の仕事はなくなりますか？

今回のエージェントは、営業時間外や多言語対応という「人が対応しきれない時間帯」を埋める役割が中心です。一方でアフラックのように人員半減を明言する企業もあり、業種によって影響の大きさは分かれます。ヤマダHDは最終判断を人間が担う方針を掲げています。

Q4. 自社で同じような仕組みを作れますか？

技術的な部品はAPIとして公開されており、小さく始めること自体は可能です。ただし今回の成果を支えたのは、ベテラン店員の接客話法という自社独自の資産でした。モデルより先に、自社にどんなノウハウが眠っているかを棚卸しするほうが近道です。

Q5. 音声AIの費用はどれくらいかかりますか？

gpt-realtimeは音声入力100万トークンあたり32ドル、出力64ドルが目安です。分単位で課金するDeepgram Voice Agent（1分0.075ドル）やElevenAgents（1分0.080ドル）のような選択肢もあり、想定する通話時間から逆算して選ぶのが現実的です。

まとめ

  • ヤマダデンキ×avatarinの音声AI接客を、2週間で約3万人が利用し92%が肯定的に評価した
  • OpenAIが2026年7月末に公式事例として公開した、数少ない日本企業の実運用例
  • 採用技術はGPT-Realtime。音声・テキスト・画像を1つの会話で扱い、最短1.12秒で応答する
  • 学習させたのはヤマダデンキのベテラン店員の接客話法。RAGで回答の正確さを担保している
  • Gemini Liveなど安価な選択肢もあるが、複雑な相談への推論力でGPT-Realtimeが選ばれた
  • ヤマダHDはAI倫理方針を先に策定し、最終判断は人間が担うと明記している

次の一歩として、自社の「ベテランだけが持っている接客ノウハウ」を1つ書き出してみてください。音声AI活用の出発点は、モデル選びではなくそこにあります。

参考文献

前の記事

正答率50→90%｜塩野義のAI検索術