Googleの「ライブアバター」はなぜ企業の接客をAIに任せられるのか。97言語対応の中身を確かめる

まず初めに

接客業のAI化と聞くと、たいてい「無機質なチャットボットが定型文を返すだけ」を想像してしまうが、Googleが出してきたのはリップシンクまでこなす動く顔付きのアバターだ。もはや相手が本当に人間かどうか、うっかり信じてしまいそうになる。97言語に対応というのも景気が良い話だが、要するに「人間の接客係を雇わなくても、それらしい顔で応対してくれる係」を量産できるようになったということでもある。電子透かしを仕込んで「これはAIですよ」と申告する仕組みまで用意している時点で、Google自身も「本物と間違われかねない」ことを十分に自覚しているのが、この技術の本質をよく物語っている。※個人の感想です

何が起きているのか

Googleは2026年9月24日、Google Cloudの公式ブログで、AIモデル「Gemini」を使ったリアルタイム対話機能「Gemini 3.8 Live」に、動画アバターによる会話機能「Live Avatar」を組み合わせた機能の一般提供(GA)を発表しました。企業向けAIサービス「Gemini Enterprise」上で、米国・EUのそれぞれのエンドポイントで利用できます。

Live Avatarは、リップシンクした動画アバターをリアルタイムで生成しながら会話する機能です。音声から音声への直接的な会話処理(speech-to-speech)により、自然な対話の流れを保ちながら、会話が中断されても文脈を保持したまま復帰できるとされています。対応言語は97言語で、利用者がどの言語で話しかけても自動で言語を判定します。会話中もバックグラウンドで外部のAPIやツールの呼び出しを継続でき、たとえば商品の検索や在庫確認といった処理を、会話を止めずに裏側で実行できる設計になっています。カメラ映像や画面共有もリアルタイムで処理できるため、利用者が見せている画面の内容を踏まえた応対も可能だとされています。

企業が独自のカスタムアバターを作成する機能については、厳格な許可リスト(allowlist)制での提供に限定されています。また、生成された音声・映像には、Googleが開発した電子透かし技術「SynthID」が付与され、AIによって生成されたコンテンツであることを技術的に判別できるようにしているとしています。導入例としては、米自動車販売大手Cox Automotiveの「Autotrader」が、車の検索・比較・ローンの相談に対応するAIアシスタントとして採用。ほかにも、インドで9言語に対応し1日あたり100万件超の通話を処理しているとされるEqual AI、Salesforceの「Agentforce」との連携事例などが紹介されています。

なぜ重要なのか

この発表が注目されるのは、AIによる接客・案内が、テキストや音声だけの対応から、表情を持つ「顔」を伴う対応へと段階を進めた点です。これまでのAIチャットボットや音声アシスタントは、対応が機械的だと感じられることが利用者側の不満の一つでしたが、リップシンクした動画アバターによる対応は、より人間らしいコミュニケーションに近づけることを狙っています。97言語という広い対応言語数は、多言語での顧客対応を必要とするグローバル企業にとって、コールセンターや接客担当者の確保という課題への一つの解決策になり得ます。

同時に、この技術は「AIが生成した映像・音声を、人間による対応と見分けにくくする」という側面も持っています。Googleが電子透かし技術SynthIDを組み込んでいるのは、まさにこの見分けにくさへの対策です。企業がカスタムアバターの作成を許可リスト制に限定しているのも、なりすましや誤用を防ぐための一定の歯止めだとみられます。便利さと、なりすましのリスクの両方を併せ持つ技術として、今後の普及のしかたが注目されます。

私たちへの影響

Live Avatarは現時点では企業向けの「Gemini Enterprise」向けの機能であり、個人が直接この機能を契約して使うものではありません。ただし、私たち一般の利用者は、企業のカスタマーサポートや商品案内の窓口で、こうしたAIアバターと接する機会が今後増えていく可能性があります。

利用者側として意識しておきたいのは、対応してくれている「顔」がAIによって生成されたものかどうかを見分ける手がかりが、今後より重要になってくるという点です。SynthIDのような電子透かしは技術的な仕組みであり、利用者が画面を見ただけで判別できるものではありません。企業がAIアバターを窓口に使う際に、その旨をきちんと利用者に開示しているかどうかが、今後のサービス選びの一つの判断材料になりそうです。

初心者が知っておくべきこと

電子透かしでんしすかしとは、画像や音声、動画のデータに、人の目や耳では気づきにくい形で埋め込まれる識別情報のことです。今回のSynthIDのように、AIが生成したコンテンツに電子透かしを埋め込んでおくことで、専用のツールを使えば「これはAIが作ったものだ」と技術的に確認できるようになります。見た目や音だけでは人間には判別が難しいAI生成コンテンツが増えていく中で、こうした技術的な裏付けの仕組みが重要性を増しています。

IT Postの見方――「見分けがつかない」を売りにする技術には、見分ける仕組みも同じ熱量で求めたい

IT Postでは、AIアバターによる多言語対応の接客は、人手不足に悩む企業にとって実務上のメリットが大きい技術だと考えます。一方で、Googleがこの機能と同時にSynthIDでの電子透かしを用意していることは、裏を返せば「人間と見分けがつかないレベルに達している」ことをGoogle自身が認めているということでもあります。便利な技術ほど、その便利さを支える「AIだと分かる仕組み」を、企業側が積極的に利用者へ開示する運用にしてもらいたいところです。IT Postでは、なりすましの心配をされる前に、企業側が「これはAIです」と自ら胸を張って言えるような使い方を広げていくことが、この技術が長く受け入れられるための条件になると考えます。※個人の感想です

今後どうなりそうか

今回確認した出典の範囲では、日本語での対応状況の詳細や、日本国内での導入企業の事例は明らかになっていません。97言語対応には日本語が含まれるとみられますが、具体的な精度や日本企業での採用例については、今後の発表を確認する必要があります。IT Postでは、日本国内での活用事例が確認され次第、あらためて取り上げます。