この記事について海外で公開された情報をもとにAIが要約・解説した記事です。原文の翻訳ではありません。正確な内容は記事末尾の出典元をご確認ください。
この記事の要点
  • GPT-Realtimeで音声・テキスト・画像を統合した対話を実現
  • ヤマダデンキの接客ノウハウを会話フローとプロンプトに反映
  • 2週間の公開実験で約3万人利用、92%が肯定的な回答

実証実験の概要

avatarinは、ANAホールディングスからスピンオフしたAIカスタマーサービス企業です。このたび、ヤマダホールディングスと協力し、ヤマダデンキのオンラインストアで販売員の知識を活かした24時間対応の多言語ショッピングエージェントを開発しました。エージェントは「Kurashi-Marugoto AI Agent」という名称で、GPT-Realtimeを基盤としています。2週間の公開キャンペーンでは約3万人が利用し、事後アンケートの92%が肯定的な回答だったと報告されています。

同社は以前からOpenAI APIを音声認識や問い合わせ分析、社員研修などに使っていました。今回のエージェントは、その知見を直接顧客向けサービスに応用する初めての大きな機会だったとみられます。記事では、従来のチャットボットの延長ではない、インターフェース革命の始まりだと位置づけられています。

技術的な特徴

GPT-Realtimeを選んだ理由として、音声・テキスト・画像をひとつの会話体験で扱える点が挙げられています。従来の専門の音声認識システムと比べても、単一モデルの性能が高く、低遅延でやり取りできると評価されていました。そのため、ユーザーが機械のルールに合わせるのではなく、自然な話し方に技術が合わせられるという利点があるとされています。

エージェントの設計では、三つの点が重視されました。第一に、検索拡張生成(RAG)を使って商品情報を回答の根拠として参照しながら、会話のテンポを保つことです。第二に、ヤマダデンキの接客ノウハウを会話フローやプロンプトに組み込むことです。第三に、顧客が要件を変えたり話が一時的に逸れたりしても、話題を買い物に戻すガードレールを備え、先回りして質問する能動的な設計になっています。

OpenAIは、複雑なプロンプトの構造化、常時稼働の音声サービスに向けたAPIコストの最適化、実装のベストプラクティス共有などでavatarinを支援しました。記事では、この支援によって、ヤマダデンキのサービスモデルを正確で応答性の高い、ブランドに合った体験に反映することに集中できたとしています。音声サービスを常時稼働させるには、コストと品質の両立が課題になるため、こうした協力が実用化の鍵になったとみられます。

得られた知見

公開キャンペーンでは、単なる規模以上に、顧客の関心やためらい、購入の決め手となる情報が会話の中から得られたことが重要だったと述べられています。従来のオンラインショッピングでは見えにくかったこうしたインサイトが、AIエージェントとの会話によって可視化されるという指摘です。記事では、店舗が閉店した後の質問や、販売員に気を使わずに予算や不安を話せる場面も生まれたと紹介されています。

各会話の最後には短い音声アンケートがあり、フィードバックが買い物体験の自然な流れの一部となるよう設計されています。顧客からは「実際の販売員より話しやすい」といった声もあったと紹介されています。こうしたフィードバックは、サービス改善やマーケティング、次の顧客体験の向上にも役立つ可能性があります。

今後の展望

avatarinは、ウェブ・電話・実店舗のどのチャネルでも、同じAIエージェントが顧客の文脈を引き継いで対応する構想を描いています。これを「One Intelligence. One Brand. Every interface.」と表現しています。ヤマダホールディングスにとっては、家電だけでなく住宅や金融などの幅広い事業にAIを活用し、日常の伴走者とする可能性があるとみられます。

同社はAIが各企業のブランドを体現し、あらゆるインターフェースで同じ知性を提供することに価値があるとしています。そして「単一目的のAIの時代は終わった」とし、今後の汎用・マルチモーダルAIの時代をOpenAIが牽引するだろうという期待を述べています。ただし、現時点ではこの構想はビジョンであり、実際にどのような形でチャネル統合が進むかはまだ明らかになっていません。

原文からの引用
Customers do not want a chatbot. They want intelligence.

顧客が求めているのはチャットボットではなく、知性です。

日本の開発者・IT企業にとっての意味

日本の小売・顧客サービス企業にとって、GPT-Realtimeのようなリアルタイム音声AIが、従来のチャットボットを置き換える可能性を示す事例です。ポイントは、汎用モデルをそのまま使うのではなく、RAGで商品情報の正確性を担保し、現場の接客ノウハウをプロンプトや会話フローに落とし込んだ点にあります。24時間・多言語対応や、会話データから顧客インサイトを得られることは、店舗スタッフ不足に悩む業界にとって実務上の価値があります。一方で、常時稼働の音声サービスはAPIコストがかかるため、コスト最適化も課題になるでしょう。

用語解説

GPT-Realtime
OpenAIが提供する、音声・テキスト・画像を低遅延で処理できる対話向けAIモデル。リアルタイムの会話に特化している。
RAG(検索拡張生成)
外部の情報源から関連文書を検索し、その結果を基にAIが回答を生成する仕組み。商品情報の正確性を保つために使われる。
ガードレール
AIの応答が意図した範囲から外れないように制御する仕組み。会話が買い物以外の話題に逸れないようにするために設定される。
マルチモーダル
テキスト、音声、画像など複数の種類の情報を扱えること。GPT-Realtimeはこれらを統合できる。

出典

How avatarin built a 24/7 retail agent with GPT-Realtime

OpenAI / 2026年7月30日

https://openai.com/index/avatarin

企業のAI活用顧問を、いまなら無料で承っています

何から手をつけるか、どこまでAIに任せるか。自社の業務に合わせて一緒に整理します。導入前の相談だけでも構いません。

無料でAI活用の相談をする