ElevenLabs、AIエージェントにテキスト専用の「Chat Mode」を提供開始

高品質な音声合成AIで知られるElevenLabsが、あえて「声を出さない」新機能を発表しました。

ElevenLabsは自社の対話型エージェント基盤向けに、テキストチャット専用のAIを構築できる「Chat Mode」の提供を開始しました。

リアルな音声生成で市場をリードしてきた同社が、なぜ今になってテキストのみの対話に取り組むのか。理由はいたって明快で、タイピングのほうが圧倒的に便利な場面が存在するからです。

音声より文字入力が勝る場面

電話や音声AIのサポート窓口で、英数字が入り組んだ注文番号やメールアドレスを読み上げた経験がある人なら、その煩わしさがよく分かるはずです。

周囲が騒がしい場所やタイピングを好むユーザーに対して、音声を強要するのは顧客体験を損ねます。Chat Modeは、そうした正確な情報入力が必要なケースや、簡単な問い合わせを素早く片付ける用途に向けて設計されています。

さらに実用的なのが、音声とテキストのハイブリッド運用です。最初の定型的な確認や注文番号の収集はテキストチャットで済ませ、より複雑な相談が必要になった段階で音声エージェントに引き継ぐといったワークフローが組めます。

導入の手軽さも特徴です。すでにElevenLabsの音声エージェントを稼働させている場合は、管理画面で「Chat only」のスイッチをオンにするだけでテキスト対応に切り替えられます。新規導入でも、APIやSDKに加え、HTMLコードを1行埋め込むだけで数分で設置できます。

なぜ重要か

今回の機能拡張は、音声AI専業からの脱却を狙った堅実な一手だと考えられます。

音声ファーストを標榜するサービスは、あらゆる対話を声で解決させようとしがちですが、実務におけるカスタマーサポートはマルチモーダルが前提です。ユーザーの状況に応じて音声とテキストを柔軟に使い分ける仕組みがなければ、業務システムには定着しません。

企業にとって最大のメリットは、テキスト窓口と音声窓口を同一プラットフォーム上で一元管理できる点にあります。同じ社内データを参照させ、バックエンドの設計を変えずにチャネルを統合できるのは運用コストの削減につながります。

一方で、テキストチャットボット市場はすでに競合がひしめく激戦区です。ElevenLabsの強力な武器はあくまで業界トップクラスの音声技術であり、テキスト領域単体では差別化が簡単ではありません。音声とテキストのシームレスな連携という強みをどこまで活かせるかが、今後の成否を分けることになりそうです。