Avatarinの事例が示す音声kioskの要点は、人間らしさより低latency

確認時にOpenAIの一次ページへアクセスできなかったため、公開されたmetadataを慎重に参照している。日本のstartup Avatarinは、Yamada Denkiの家電売り場にGPT-Realtimeを設置した。多言語音声assistantは24時間稼働し、商品選びを支援する。公開情報によると、2週間で3万人が利用し、その92％がやり取りを肯定的に評価した。

音声agentが店員の手が回らない簡単な質問を引き受ける

Avatarinが目指すのは、あらゆる状況に答えるデジタル専門家ではない。商品の場所や2つの機器の違いといった質問に、すぐ応答する一次窓口だ。短いやり取りをagentが担えば、店員は判断を必要とする接客に時間を使える。

modelの個性より先に会話のテンポが効く

公共の音声systemには、応答が遅い、利用者の発話を遮る、返事まで長く待たせるという悪い印象がある。GPT-Realtimeは低latencyによってこの障壁を下げようとしている。会話が自然なテンポで続けば、利用者は話し方を変えたり、次の返答をkioskの前で待ち続けたりする必要がない。

数字は強いが、現時点では提供側が示した成果である

3万人の利用と92％の肯定的評価は、運用上の興味深いsignalだ。ただし、評価方法、会話時間、課題を完了できた割合の詳細がなければ、実際に問題を解決できた利用者数は分からない。短い会話への満足が、売上増加やコスト削減をそのまま意味するわけでもない。

雑音、正確さ、人への引き継ぎが普及を左右する

今後の導入では、騒がしい店舗で発話を理解できるか、最新の商品情報を参照できるか、必要な場面で店員へ引き継げるかが問われる。この3点をpilot以外でも満たせれば、音声kioskは目立つdisplayではなく、日常的な接客手段になり得る。

Lilithの判定

棚の前にいる客がkioskに求めるのは演技力ではない。隣の通路へ店員を探しに行く前に、答えが返ってくることだ。