GoogleがGemini 3.8 Live公開 音声エージェント強化

結論

Googleは9月15日、音声エージェント向けの2モデル、Gemini 3.8 LiveとGemini 3.8 Live Extended Thinkingの提供を始めた。ほぼ即時に近い応答で、AIとの会話を人と話すのに近づけるのが狙いだ。片方は規模とコスト効率を重視し、もう片方は高難度の対話に向く。コンタクトセンターや電話応対のような、間が空くと成立しにくい音声の現場に、選択肢が一つ増えた。

何が発表されたか

Gemini 3.8 Liveは大規模運用とコスト効率を重視した設計だ。もう一方のExtended Thinkingは、込み入った内容を扱う高難度の対話に向き、他の最前線モデルと競える価格帯だとGoogleは説明する。両モデルとも、ほぼ即時に近い推論を進め、音声エージェントをより実用的にすると位置づける。発表は9月15日のブログで示された。

音声の対話では、応答が数秒遅れるだけで会話が不自然になる。テキストのやり取りなら許容される待ち時間も、電話では相手が話し始めてしまう。今回のモデルは、この応答速度の壁を下げる方向の更新だ。Googleは同じ9月に、パソコン操作やシェル実行を扱うGemini Enterpriseのコンピュータ操作機能や、100万トークンを扱うGemini 3.1 Proも投入しており、業務向けの機能を短期間で重ねている。

現場の実務にどう効くか

音声エージェントが効くのは、まず問い合わせ電話の一次受けだ。営業時間外の在庫確認や予約変更、よくある質問の回答など、定型的な用件を音声で完結できれば、担当者は複雑な案件に集中できる。応答が速くなるほど、途中で人に代わる回数が減り、対応の流れが途切れにくくなる。

導入を考えるなら、2モデルの使い分けが実務の鍵になる。件数が多く内容が定型の一次対応はコスト効率重視のLiveで受け、込み入った相談だけExtended Thinkingや人に回す二段構えが現実的だ。カスタマーサポートでのAIの使いどころはカスタマーサポートでのAI活用に、コンタクトセンター基盤の動きはGenesysのコンタクトセンター向けAIエージェントにまとめている。

費用は対話の量に比例して伸びるため、導入前に月間の想定件数と単価で試算しておきたい。効果とコストの見極め方は生成AI導入の費用対効果の考え方が参考になる。価格や提供条件は動きが速いので、最新は公式で確認してほしい。

音声エージェントの導入は、テキストのチャットボットより設計の手間がかかる。会話は後戻りしにくく、聞き間違いや言い直しが起きやすいからだ。だからこそ、最初から全件を任せず、対応する用件を絞るのが安全だ。在庫確認や営業時間の案内のように、答えが決まっている用件から始め、金額や契約に関わる相談は人に回す線引きを最初に決めておく。うまく答えられなかったときに、すぐ人へつなぐ経路を用意しておくことも欠かせない。

導入後は、通話の記録を振り返って改善する運用が効く。どの用件で人への引き継ぎが多いか、どこで会話がかみ合わないかを見れば、対応範囲を広げる順番が見えてくる。応答が速いモデルほど会話が途切れにくくなるが、速さだけでは聞き取りの精度は上がらない。自社で実際に使う言い回しで試験通話を重ね、聞き間違いの癖を把握してから範囲を広げたい。

FAQ

日本語の音声にも対応するのか。Geminiは多言語に対応してきたが、今回のモデルの日本語での実力は公表情報だけでは判断できない。自社の想定する言い回しで試験通話を行い、聞き取りと応答の精度を確かめてから広げるのが安全だ。

出典

• Google Launches New Gemini Models to Upgrade Enterprise Voice Agents（PYMNTS）
• Gemini Enterprise Agent Platform release notes（Google Cloud）