Google、企業に電話してユーザーの用件を処理できるGeminiエージェントをテスト

Googleは、ユーザーに代わって企業に電話をかけ、自動音声システムを処理し、保留を待ち、予約や予約変更などの選択されたタスクを完了できる新しいGemini機能をテストしている。 「Call for Me」と呼ばれるこの実験は、当初、米国でGeminiサブスクリプションを支払っているPixel 11所有者を対象としている。

この機能は、AI支援による電話ナビゲーションから委任された行動への転換を示している。単に企業の電話番号を見つけたり、IVR（自動音声応答）システムを進んだりするのを助けるだけでなく、Geminiは会話を行い、ユーザーが承認した個人情報を共有できる。もっとも、現時点ではアクセスは限定されており、システムは実験段階のままだ。

米国での限定的な実験

TechCrunch AI と The Decoder の報道によると、Call for Me には有料のGeminiサブスクリプションと、Android向けGoogleの電話アプリのベータ版の両方が必要だ。GoogleはAndroid端末や各市場全体に広く提供するのではなく、まず米国のPixel 11端末から開始している。

Googleは、この限定的な開始は現実世界の会話を扱う難しさを反映していると述べた。企業への通話では、曖昧な依頼、予想外の質問、音声品質の悪さ、転送、事前に明確に示されていない方針などが発生しうる。そのため同社は、この機能をテストとして扱い、管理されたデモ以外でGeminiがどれほど確実に動作するかを評価している。

Call for Me はまた、ユーザー自身の電話番号を使って電話から直接発信する。この点は企業にとってより自然なやり取りに見える可能性がある一方で、AIがスタッフと話したり顧客の代わりに約束したりする際には、同意、開示、責任の重要性をさらに高める。

検索から取引へ

Googleによれば、Gemini は承認された個人情報を使って、以前の通話ツールよりも幅広い行動を実行できる。想定される例としては、商品が在庫にあるかを尋ねる、商品を取り置きする、レストランを予約する、既存の予約を別の日に変更する、といったものがある。

このエージェントは、自分を名乗り、電話メニューを操作し、保留を維持し、企業の担当者との会話を継続するよう設計されている。両媒体が報じた同社の説明によれば、ユーザーはライブ文字起こしを通じてやり取りを監視し、いつでも引き継ぐことができる。

この委任と介入の組み合わせは重要だ。完全自律の通話は効率的かもしれないが、システムが日付、価格、名前、キャンセル規定を誤解した場合、信頼するのは難しい。ライブ文字起こしはユーザーが誤りを見つける手段となり、引き継ぎオプションは会話が複雑になりすぎたときの脱出口になる。

Call for Me はこの分野でのGoogleの長年の取り組みの上に成り立っている。Google Duplex は数年前にレストランや美容院への自動通話を実演し、Pixelユーザーには Hold for Me、Talk to a Live Rep、Direct My Call などのツールも提供されてきた。より最近の Ask for Me は、価格や利用可能なサービスなどの情報を集めるために企業へ電話することに焦点を当てていた。

主張の根拠と限界

入手可能な報道は、Google が Call for Me をテストしていること、および同社が意図する機能を示している。ただし、完了率、エラー率、通話時間、企業側の受け入れ、ユーザー採用に関する独立した証拠は示していない。したがって、この機能が何を処理できるかという主張は、検証済みの性能結果ではなく、Google の製品説明として扱うべきだ。

また、展開規模が小さいため、小売、ホスピタリティ、医療、サービス業に関わる多様な会話をGeminiが確実に扱えるかを判断するには、まだ十分な証拠がない。在庫確認のような作業は比較的単純かもしれないが、予約変更には本人確認、方針解釈、支払い関連の判断が必要になる可能性がある。

競争環境は急速に動いている。TechCrunch AI は、Meta の Muse と Instinct もユーザーの代わりに電話をかけられると報じた一方、The Decoder は Google のテストを以前のAI通話の取り組みと関連付けた。これらの比較は、AIエージェントがテキストやアプリのインターフェースから音声対話へと拡大していることを示しているが、どのシステムが最も優れているかはソースからは分からない。

このテストがビルダーと企業にとって重要な理由

プロダクトチームにとって、Call for Me はより要求の厳しいエージェント設計の一例だ。システムは、音声認識、対話管理、電話システムの操作、ユーザー権限、個人データの取り扱い、そして通話が台本から外れたときの回復を組み合わせなければならない。難しい工学的課題は、単に自然に聞こえる声を生成することではなく、現実の取引を確実に制御することだ。

企業側も、AI発の通話をどのように識別し、処理するかを考える必要がある。複数のエージェントが企業へ連絡し始めると、カスタマーサービスチームは、自動化された会話の増加、繰り返しの依頼、そして発信者が購入や予約変更の権限を持っているかどうかの不確実性に直面する可能性がある。企業は、より強い本人確認を追加したり、自動通話を制限したりして対応するかもしれない。

消費者にとって魅力は明らかだ。Geminiは、メニューを聞いたり保留を待ったりする時間をなくせるかもしれない。しかし委任には、誤情報、意図しない約束、プライバシー、社会的な摩擦といったリスクがある。事前に情報を承認し、通話を見守り、介入できることは、エージェントが作業を完了できることと同じくらい重要になるかもしれない。

今後注目すべき点

最初のシグナルは、Google が Call for Me を Pixel 11 所有者、有料Gemini購読者、ベータ版電話アプリを超えて拡大するかどうかだ。より広い端末・地域で利用可能になれば、同社が初期実験を越えつつあることを示す。

さらに重要なのは、信頼性に関する証拠だ。通話が正しい部署につながる頻度、ユーザーがどれくらいの頻度で引き継ぐ必要があるか、企業がAI発信者を受け入れるか、失敗した取引や争点化した取引を Google がどう扱うか、などである。製品ドキュメントでは、どの個人情報を共有できるのか、同意がどのように記録されるのか、通話がAI支援であることが明確に示されるのかも明らかにすべきだ。

競合の展開戦略も別の試金石になる。Meta の Muse と Instinct は音声委任をより多くの消費者向け製品に広げるかもしれず、一方でGoogleの優位性は、その機能をAndroidの電話アプリとPixelハードウェアに直接統合することから生まれる可能性がある。

Creati.ai の視点

Call for Me は、消費者向けAIエージェントが質問に答える段階から、日常的なオフライン作業を完了する段階へ移行できるかどうかを測る重要な試みだ。Google には、配布網、電話統合、そして長年の実験があり、このユースケースを十分に現実的なものにしている。しかし、限定的な開始は、信頼できる現実世界の会話が依然として未解決であることを示している。

この機能の成功は、声がどれだけ自然に聞こえるかよりも、ユーザーが安全に作業を委任でき、何が起きたかを理解し、Gemini が間違えたときに立て直せるかで評価されるべきだ。Google がより広範な利用状況と信頼性の証拠を公表するまでは、Call for Me は日常的な自律動作の準備ができた電話ベースのエージェントの証明というより、重要な製品実験として見るのが最適だ。