対話型AIで破産相談の受付を再設計:Strettoの音声エージェント「Tara」構築事例
Webフォームから対話型受付へ:Taraが解決する課題
Strettoは、Bankruptcy.comの短いWebフォームを、電話で金融情報を聞き取るAI音声エージェント「Tara」に置き換えました。従来のフォームは負債額、弁護士の有無、連絡先などに限られ、弁護士が判断に役立てる資産、車両、不動産、雇用履歴、過去の申立てといった詳細を収集するには不十分でした。一方、項目を増やすとフォームの途中離脱が増えます。人間による電話受付は自然な聞き取りに適するものの、採用や研修のコストが課題でした。
Taraは、電話で質問を段階的に行い、回答に応じて会話を進めながら情報を収集します。音声の入出力には、Amazon Bedrock経由で利用する音声間モデルAmazon Nova 2 Sonicを採用。音声認識、応答生成、音声出力を別々のコンポーネントで直列につなぐのではなく、単一モデルで音声を受け取り音声で返す構成です。Strettoが重視したのは、センシティブな相談に必要な自然な会話、低遅延、割り込みへの対応、そして実運用に合うコストでした。
音声品質を先に検証し、段階的に本番化
開発チームは、統合コードを書く前に1週間を音声品質の検証に充てました。落ち着いた状態、ストレス、ためらい、苛立ちなどの状況における声の自然さ、従来方式の500ミリ秒超の初回音声遅延との比較、会話途中の割り込み処理、話者の状態に応じた話速やトーンの調整を評価しました。この結果を比較レポートにまとめ、統合へ進むかどうかの判断材料としました。
品質を確認した後、3週間で本番向けのエンドツーエンド統合を構築。まず既存フォームと同じ13項目を電話で収集するパイロットを展開し、その後4週間かけて弁護士向けの完全な受付へ拡張しました。拡張後は、条件分岐を伴う18超の受付カテゴリを扱い、車両ごとの年式・メーカー・モデル・ローン状況・月額支払い、不動産、個別の債務、複数の雇用・収入源、過去の破産申立てなどを収集します。
音声ストリーミングから構造化データまでの構成
電話はTwilioで受け付け、Twilio Media Streamsが生音声をWebSocket経由でAWS上の音声ブリッジに送ります。ブリッジはAWS WAFとApplication Load Balancerを経由し、AWS Fargate上のAmazon ECSで稼働。Amazon Bedrockの双方向ストリーミングAPIを通じてAmazon Nova 2 Sonicと音声を送受信します。音声ブリッジのタスクは高可用性のため3つのAvailability Zoneにまたがって常時稼働します。
通話後は、Amazon SQSとデッドレターキューを使った非同期処理に会話記録を渡します。Amazon Bedrock上のAnthropic Claude 3 Haikuが、生成済みトランスクリプトから名前、金額、住所、車両情報などの型付きフィールドを抽出し、PostgreSQL互換のAmazon Aurora Serverless v2へ保存します。AuroraはMulti-AZ構成で、呼量の変動に応じたサーバーレススケーリングを活用。データモデルは一対多の関係を扱い、1人の相談者に複数の車両や不動産、数十件の債務項目を関連付けられます。
通話内容に基づくリード判定は、モデルに委ねず、通話後に弁護士が定義した明示的なルールを適用します。結果は「適格」「不適格」「追加情報が必要」に分類され、弁護士が最終判断を行います。適格なリードは管轄に応じて弁護士へルーティングし、条件を満たさない相談者には代替リソースを案内します。
この構成では、音声セッションの最大継続時間も設計上の制約として扱っています。受付全体は15~20分かかる場合があり、単一のストリーミングセッションの上限を超え得ます。そこでブリッジはストリームの経過時間を追跡し、上限の直前に同じシステムプロンプトとツール設定で新しいストリームを開き、会話履歴をテキストで引き継ぎます。Taraが応答を終えたタイミングで通話音声を新ストリームへ切り替え、旧ストリームを閉じることで、利用者側の会話を継続させます。
セキュリティ面では、モデルへのアクセスをAWS Identity and Access Management(IAM)で管理し、VPCエンドポイント(AWS PrivateLink)を通じてAmazon Bedrockへの通信をAWSネットワーク内に保ちます。AWS Secrets ManagerやAmazon CloudWatchなども含め、音声ブリッジ、データベース、監視を同じAWS環境で運用します。記事によれば、Amazon Bedrockはプロンプトやモデル出力をモデル学習に使用しません。
本番指標、テスト、責任ある運用
本番稼働から約3か月後、Strettoはフォーム経由と比べてリードのコンバージョン率が相対的に20%増加したと報告しました。これは追加の地区へ広く展開する前の初期結果です。完了した通話の平均時間は約8分、構造化データ抽出の精度は約96%。従来の音声ソリューションと比べ、1分あたりの音声コストは95%減少したとしています。このコスト比較は、2026年4月時点のus-east-1におけるAmazon Bedrockオンデマンド料金に基づくものです。
運用データを使い、早期離脱を抑える質問順への変更、高価値フィールドを会話の早い段階で収集する条件分岐の調整、弁護士のフィードバックに基づく判定しきい値の修正を行いました。品質保証では、通常の完了シナリオに加えて、回答の矛盾、回答変更、質問拒否、判定結果を操作しようとする発話を含む敵対的テストを実施。さらに、同意取得と開示、質問中や応答中の割り込み、割り込み後に文脈を保って会話へ復帰できるかも検証しました。
責任あるAIの運用では、同意と開示を受付開始前に提示・記録し、重大な判断をモデル出力に直接委ねない設計が採られています。モデルには安全機能が備わっており、それに加えて、リード判定を明示的なルールに限定し、最終決定を弁護士が担います。AWS Generative AI Innovation Centerは、音声向けのプロンプト設計、セッション継続時の状態管理、長い会話を通して一貫したエージェントの人格を維持する方法についても助言しました。
開発者・エンジニア視点での考察
-
セッション上限はプロダクト仕様ではなく、ストリーミング制御層で吸収する。 長時間の受付を単一接続に依存させず、ブリッジに経過時間監視、履歴の引き継ぎ、新旧ストリームの切り替えを実装する考え方が有効です。切り替えをエージェントの応答完了後に行うことで、利用者に見える中断を避けています。
-
会話理解と業務データ化を、別の処理段階として設計する。 通話中は音声モデルのツール利用で情報収集を支援し、通話後にはトランスクリプトから構造化フィールドを抽出します。音声対話とデータ永続化を分離することで、長い条件分岐のある会話と、リレーショナルスキーマへの変換・検証を別々に改善できます。非同期キューとデッドレターキューは、抽出処理の失敗を通話そのものから切り離す役割も担います。
-
評価指標はモデル品質だけでなく、業務成果とリスクを同時に追う。 初回音声遅延、割り込み復帰、抽出精度だけでなく、通話完了率、プロフィールの完全性、コンバージョン率、離脱箇所も測定対象です。センシティブな受付では、敵対的入力や同意取得の検証を通常の正常系テストと同等に組み込み、モデルの会話品質と業務ルールの適正さを分けて評価することが重要です。
Source / 元記事
この記事について
この記事は、公開されているニュース、論文、公式発表、RSSフィードなどをもとに、AIが要約・補足調査・考察を行って作成しています。
元記事の完全な翻訳・逐語的な要約ではなく、AIによる背景説明や開発者向けの考察を含みます。
重要な技術仕様・価格・提供状況などは、必ず元記事または公式情報をご確認ください。


