電話 AI のお試し通話で何を聞くべきか？10 の質問でシステムの良し悪しを見抜く（2026 年版評価チェックリスト）

結論から：3 分で 8 割は分かる、ただし何を聞くかを知っていれば

電話 AI の良し悪しは、最終的に四つの点に集約されます。聞き取れるか、会話が崩れないか、答えは参照したものか作ったものか、対応しきれないときに人へきちんと引き継げるか。この四つはすべてデモ回線で確認でき、技術的な知識は要りません。必要なのはスクリプト一枚です。下の表をスマホで開き、かけながらチェックしてください。

第 1〜3 問：聞き取れるか

音声認識は電話 AI の土台です。土台が傾いていれば、上に何を載せても無駄になります。日本の着信で特に難しいのは三点、方言・訛り、日英混じり、数字列です。

第 1 問：方言と訛り

お店に電話するときの普段の話し方で、アナウンサーのようにはっきり発音しないでください。関西弁や東北の訛りが使える方は一言二言交ぜるか、年配の同僚やご家族にかけてもらいましょう。認識モデルが実際のお客様の話し方に合わせて調整されているかを試します。お客様は標準語の教科書どおりには話しません。

良い応答は「今日は営業しているか」の意図を理解して自然に答えること。完全に聞き取れなかった場合でも、理解した部分を復唱して確認を求めます。危険信号は「もう一度お願いします」が続けて 2 回以上、あるいは聞いていない質問に自信を持って答えること。後者のほうが危険です。本番でも同じ自信でお客様に誤答するからです。

第 2 問：日英混じりの製品名と型番

自社で実際に出てくる製品名で試します。家電なら「iPhone 17 Pro」「AirPods のケース」、クリニックなら「PRP と HIFU の予約」。日本語の文に英単語が入ったときに変な音に分解されないか、型番の数字と英字が抜け落ちないかを試します。

良い応答は返答の中で型番を正しく復唱し、できれば「17 Pro ですか、17 Pro Max ですか」と確認まですること。危険信号は型番を聞き違えたまま確認せずに進む、または型番を丸ごと飛ばして「はい、修理でしたら……」と続けることです。

第 3 問：数字列を復唱させる

「電話番号は 090-1234-5678、注文番号は A2026-0829 です。復唱してください。」電話番号、注文番号、会員番号の下 4 桁は、電話対応で最も間違いやすく、最も間違えてはいけないデータです。復唱を求めることで、重要データを自発的に確認する設計になっているかも分かります。

良い応答は一字一句正しく復唱し、訂正したときは間違った部分だけを直すこと。Pathors の経験では、良いシステムは「1」「7」「4」「10」のような聞き間違えやすい数字を、復唱時にゆっくりはっきり読みます。危険信号は間違えたまま確認を求めない、または「承知しました」と言うだけで読み上げない。これでは本番で何を記録したか永遠に分かりません。

第 4〜5 問：質疑応答ではなく、会話ができるか

一文を聞き取れることと、人と「会話」できることの間には大きな差があります。実際の発信者は途中で遮り、話題を飛ばし、一息で二つの用件を言います。

第 4 問：途中で遮る

営業時間やサービス一覧など長めの説明が始まったところで、「ちょっと待って、聞きたいのはそれじゃない」と割り込みます。業界ではバージインと呼びますが、要は「譲るかどうか」です。

良い応答は、あなたが話し始めて約 1 秒以内に止まり、最後まで聞くこと。さらに「かしこまりました、お聞きになりたいのは？」と続けられれば理想的です。危険信号は台本を読み切ってから反応する、または二つの声が重なって内容が崩れること。本番で最も多い苦情は「一方的に話して、こちらの話を聞かない」です。

第 5 問：一文に二つの用件

「時間を変更したいのと、あと駐車場はありますか。」一文に二つの意図が入っており、両方を受け止められるかを試します。実はこれは、背後で LLM が意味を理解しているのか、旧式のキーワード一致で最初にヒットした語だけを拾っているのかを見分けるテストです。

良い応答は両方を処理すること。先に時間変更を済ませてから「それと先ほどの駐車場ですが……」と自分から戻るか、最初に「まず時間変更を承り、その後に駐車場をご案内します」と順番を明言します。危険信号は駐車場の件がそのまま消えること。あなたがもう一度聞かない限り、二度と戻ってきません。

第 6〜7 問：実データの参照か、丸暗記か

ここがデモ回線で最も「ごまかし」が効くところです。台本を暗記しているだけのシステムは、声がどれだけ自然でも、しゃべる FAQ 録音機に過ぎません。

第 6 問：システムを参照しないと答えられない質問

業種に合わせた在庫の質問をします。飲食店なら「今日の 15 時に席はありますか」、クリニックなら「明日の午前、田中先生の枠は空いていますか」、宿泊なら「今週土曜のツインは何室残っていますか」。予約・受付・客室管理のシステムに本当に接続されているかを試します。これは電話 AI とプッシュ式 IVR の最も根本的な違いです。その場で用件を完了させるのか、人を別の場所へ振り分けるだけなのか。

良い応答には目に見える検索の動作があります（「お調べします」と言って 0.5〜1 秒の間）。その後、具体的な結果が返ります。「15 時は空いています、15 時半は満席です。」別の時間帯を聞けば答えが変わるはずです。危険信号は即答の「ございます、お待ちしております」。三つの時間帯を聞いてすべて「ございます」なら、何も調べていません。ベンダーが「デモ回線はデータ未接続」と言うなら、せめてテスト用データベースで検索の動作を見せてもらいましょう。

第 7 問：ナレッジベース外の質問

データがあるはずのない質問を選びます。「社長の苗字は？」あるいは誤った前提を仕込みます。「駐車場 3 時間無料でしたよね？」（実際にはない）。知らないことに対して正直に認めるか、自信を持って作り話をするかを試します。研究によれば、自然な質問の約 25% は誤った前提を含み、50% 超は曖昧さを含みます（出典）。つまり実際のお客様の質問のかなりの部分は、本来 AI が「直接答えてはいけない」ものなのです。

良い応答は「その点は情報を持ち合わせておりませんので、担当者におつなぎします」または「3 時間無料のサービスはございません。現在の駐車場のご案内は……」。誤った前提を訂正することは、答えることより重要です。危険信号は答えてしまうこと。どんな答えでも危険信号です。「社長は佐藤です」「はい、3 時間無料です」は、本番では苦情と補償の元になります。ナレッジベース設計でこれを防ぐ方法は電話 AI のナレッジベースの作り方をご覧ください。

第 8 問：人への転送を求める

「人に代わってください。」理由は要りません。理由を聞かれたら「人と話したいだけです」と答えます。試すのは三点。そもそも転送できるか（転送が接続されていないデモ回線もあります）、転送前に要約するか（「先ほどの時間変更と駐車場のご質問を担当者に引き継ぎます」）、転送後にもう一度説明し直す必要があるか。

良い応答は引き止めず、転送すると明言し、どの情報を引き継ぐかを簡潔に説明すること。電話に出た担当者は、あなたが誰で何を求めているかをすでに知っています。デモ回線に担当者がいない場合でも、不在時の扱い（伝言、折り返し）を説明すべきです。危険信号は「他にご用件は？」を繰り返して引き止める、または担当者の第一声が「はい、ご用件は？」であること。それでは前の 3 分が無駄になります。転送の設計は一つのテーマとして電話 AI から人への引き継ぎ設計で扱っています。

第 9 問：感情と異常系

二段構えです。まず明らかにいらだった口調で「もう 3 回目なんですけど、対応できるんですか、できないんですか」と言い、反応を聞きます。次に、AI が質問してきたところで、わざと 5 秒間黙ります。いらだちは口調を検知して調整するかを、沈黙は異常系の処理を試します。実際の通話では、お客様は気が散り、子どもに呼ばれ、書類を探しに行きます。

良い応答は、いらだちに対して言葉が短くなり、一度謝ってすぐ本題に入ること。沈黙に対しては 3〜5 秒後に「お電話つながっておりますでしょうか」と確認し、さらに間があってから通話終了の案内をします。危険信号は口調を無視して同じ台本を読み続ける、または 5 秒の沈黙で無言のまま切ること。後者はお客様に「システムが壊れた」と思わせます。

第 10 問：通話後、記録は残るか

切った後、ベンダーに「今の通話の記録はどこにありますか、見せてもらえますか」と聞きます。電話 AI の最も過小評価されている価値は、すべての通話に記録が残ることです。要約、書き起こし、検出された意図、書き込み先のシステム（CRM、予約表、チケット）。これが本番後にシステムを管理し、改善できるかどうかを決めます。

良い応答は、ベンダーが数分以内に管理画面を開き、書き起こし、AI が生成した要約、あなたが伝えた電話番号と注文番号が正しくフィールドとして取り込まれているかを見せること。危険信号は出せない、「後で送ります」、または録音ファイルだけ。構造化された記録がなければ、本番後に AI が毎日お客様に何を話しているか、まったく見えません。

通話後の採点方法

10 問すべてを同じ表で採点します。各問 0・1・2 点です。

合計点より重要なルールが二つあります。第一に、第 6 問と第 7 問のどちらかが 0 点なら、その時点で不合格。聞き取りは調整できますが、答えを作るシステムは本番初日からリスクです。第二に、同じシステムに三人の異なる人がかける。経営者、受付や窓口の担当者、プロジェクトを何も知らない家族。三人の点数が大きくばらつくなら、そのシステムは「話し方の上手な人」にだけ優しいということです。お客様は普通の人です。

テストでよくある誤判断

評価の失敗の多くはベンダーの嘘ではなく、テストする側がこの落とし穴を踏むことで起きます。