NTTの音声AIは0.43秒で応答　人らしさを生む3つの仕組み

2026年10月28日にNTTの公式発表を確認した。音声AIを実際に利用した評価記事ではない。画像は音声AI開発のイメージ写真である。

NTTは10月26日、相手の声を聞きながら発話できる双方向型音声対話AIを発表した。会話の間に相槌を打ち、利用者が話し終えるのを待ち、AIの発話中に割り込まれたときは止まる。電話で感じやすい不自然な間を減らす技術である。

日本語のコールセンター対話を模した400対話では、平均応答時間が0.43秒となり、比較した商用対話AIより50％以上短かった。NTTが示した日本人オペレーターの平均0.31秒に近い水準だ。

再学習せず業務の流れを変える

業務内容や応対方法をタスク指示文で指定するため、モデルを再学習せずに予約受付や問い合わせ対応の流れを変えられる。対話内容に応じてデータベースやCRMを呼び出し、商品情報や予約状況の参照・更新も行う設計である。

速さだけで実用性は決まらない

評価指標は平均応答時間、発話待ち成功率、割り込み成功率の3つである。回答内容の正確さ、誤認識時の引き継ぎ、個人情報の扱いなど、実運用で重要な要素をすべて評価した結果ではない。

出典・確認先

• NTT公式発表（2026年10月26日発表、10月28日確認）