OpenAI の Realtime API は、音声の入力から音声の応答までを1つのモデルで処理する API で、電話の一次対応の自動化に使えます。本記事では、2026年10月時点の公式文書をもとに、SIP・Twilio 連携・IVR 設計・コスト試算の考え方・品質モニタリングまで、実装の全工程を解説します。
Realtime API とは
OpenAI の Realtime API は、音声入力 → 音声出力をエンドツーエンドで処理する API です。2026年10月時点の公式文書の例では、モデルに gpt-realtime-2.1 が使われています(出典:OpenAI「Getting started with the Realtime API」、2026-10-20確認)。従来の「音声認識 → テキスト LLM → 音声合成」の3段階パイプラインと違い、遅れを抑えやすく、相槌や言い直しも会話の流れの中で処理できます。
従来 IVR vs 音声AI(Realtime API)
| 項目 | 従来 IVR | 音声AI(Realtime API) |
|---|---|---|
| メニュー方式 | 「1番、2番…」プッシュ | 自由発話 |
| 認識 | 限定ワード | 自由な発話を聞き取る(精度は回線・話し方で変わる) |
| 応答 | メニューの読み上げを待つ | 会話の流れで応答 |
| 業務理解 | スクリプト固定 | 文脈把握・推論可 |
| 離脱率 | メニューの深さで変わる | 試験運用で測って比べる |
カスタマーサポート自動化の典型用途
ユースケース1: 予約受付(飲食・美容・医療)
「来週の火曜午後3時に2名で」のような自由発話を解釈し、空き枠を確認、予約完了まで自動で行います。受付時間外の取りこぼしを減らせます。
ユースケース2: 注文確認・配送状況問い合わせ
EC事業者の「注文番号A123の配達状況」「キャンセル手続き」など定型問い合わせを24時間処理。複雑案件のみ有人エスカレーション。
ユースケース3: 一次トリアージ(コールセンター)
「請求書の件です」と発話されたら請求担当部署のスクリプトへ、「機器が動かない」ならテクサポへ、と自動振り分け。定型の問い合わせは AI が完結し、残りを担当者につなぎます。
システム構成
[電話] → [Twilio] → [SIP/WebRTC bridge] → [Realtime API]
↓ ↓
[社内CRM/予約システム] [音声モデル(例:gpt-realtime-2.1)]
↑ ↓
[音声ログ・分析] [テキスト/Function calling]
Twilio 連携の流れ(擬似コード)
次は処理の流れを示す擬似コードです。実際の API の呼び出し方(着信の受け方・セッションの設定)は、OpenAI の公式文書「Telephony and SIP」で確かめてください(2026年10月時点の公式文書では、SIP トランクを OpenAI の SIP エンドポイントにつなぎ、realtime.call.incoming の Webhook で着信を受けて応答します。新しい Live API の手順もあり、イベント名が異なります)。
from openai import OpenAI
from twilio.rest import Client
# 擬似コード:Twilio で着信を受け取り、音声を Realtime API へ渡し、
# 応答音声をそのまま電話側へ返送する流れ
ai = OpenAI()
session = ai.beta.realtime.sessions.create( # 擬似コード
model="gpt-realtime-2.1",
voice="alloy",
instructions="""
あなたはレストラン『〇〇』の予約受付係です。
日本語で丁寧に応答してください。
予約日時・人数・氏名・連絡先を確認し、
予約システムAPIを呼び出して登録してください。
""",
tools=[
{
"type": "function",
"name": "create_reservation",
"parameters": {"date": "string", "people": "integer", "name": "string", "tel": "string"}
}
]
)
IVR ハイブリッド設計
すべて AI に任せると不安な場合は段階導入が安全です。
- Phase 1: AI が応答 → 不明時は「オペレーターにおつなぎします」
- Phase 2: AI 完結率が70%超に到達 → 営業時間外のみ AI フル運用
- Phase 3: 24時間 AI 一次対応・有人は複雑案件専属
コストシミュレーション(月間1万通話)
| 項目 | 単価 | 月額 |
|---|---|---|
| OpenAI Realtime API(音声) | gpt-realtime-2.1 は100万トークンあたり音声入力$32・音声出力$64 | 話す量と通話時間で変わる(試験運用で測る) |
| 電話回線(Twilio など) | 事業者の料金表による | 通話時間で変わる |
| サーバー(Azure / AWS) | - | 構成による |
| 有人オペレーター3名(参考) | 月額35万円 × 3 | 約105万円 |
API の料金は2026年10月時点の公式のモデル仕様の額です(出典:OpenAI「gpt-realtime-2.1」、2026-10-20確認)。1分あたりの費用は話す量で変わるため、試験運用で1通話あたりの実費を測り、有人対応の費用と比べて判断します。
品質モニタリング3つの指標
- 自動完結率: AI のみで対応完了した割合(目標 70%以上)
- 顧客満足度: 通話後の自動アンケート(目標 4.0/5.0以上)
- 誤応答率: 監査ログをサンプリングし誤情報がないか確認(目標 2%以下)
これらは月次でレビューし、プロンプト改善とナレッジ更新に反映します。
法令対応
- AI 応答であることの告知: 冒頭で自動音声であることを伝える(必要な対応は業種・取引で異なるため、顧問弁護士に確認)
- 個人情報保護法: 録音保存ポリシー・利用目的の明示
- 景品表示法: 価格・特典の自動案内に誤情報が混じらないようプロンプト制御
当社のAI開発による電話業務自動化の支援
当社では、音声AIを活用した電話業務自動化の構築を、AI開発として以下の範囲で支援します。
- 業務ヒアリング + ユースケース選定
- ご利用の電話基盤と音声AI(Realtime API)の接続実装
- プロンプト設計と、予約・CRM など社内システム連携(Function Calling)の実装
- コールフロー設計(一次対応→エスカレーション)
- 品質モニタリング指標の設計(自動完結率・顧客満足度・誤応答率)
| プラン | 料金 | 初期費用・契約条件 | 含まれるもの |
|---|---|---|---|
| 業務改善AI(一緒に作る・月額)おすすめ | ¥300,000/ 月(税抜) | 最低3ヶ月(以降1ヶ月単位) 最低期間の総額 ¥900,000(¥300,000×3ヶ月) | パソコンの作業を測り、AIに任せる手間を見つける/得意な人のやり方を、本人と一緒に手順書にする/くり返しの手間はAIが進める(大事なところは人が確かめる)/毎月、前の月と比べて減った時間をお見せする |
| AI開発(開発を任せる) | 個別にお見積もり(要件を整理してお見積もり) | 単発・要件見積(お見積もり合意後の追加請求なし) | 社内で使うAIを、まるごと作ってお渡しする/社内ナレッジAI・チャットボット・業務アプリなど/要件を整理してからお見積もり/お見積もりに合意したあとの追加請求なし |
開発費用は対象業務と連携するシステムによって変わるため、ヒアリング後にお見積りします。運用開始後に品質モニタリングを継続して行う場合は、その範囲も含めてご相談ください。
参考文献
- OpenAI「Getting started with the Realtime API」(2026-10-20確認)
- OpenAI「Telephony and SIP」(2026-10-20確認)
- OpenAI「gpt-realtime-2.1」モデル仕様(2026-10-20確認)
- Twilio Media Streams