Loading article…
インタラクティブ音声応答（IVR）システムは、発信者と対話し、情報を収集し、適切な担当者へ通話を転送する自動電話システムです。音声認識と電話機のキーパッドからのデュアルトーンマルチ周波数（DTMF）入力を利用して動作します。IVRシステムは、顧客対応の効率化、サービスへのアクセス性の向上、業務の合理化に広く利用されています。
IVRシステムは、モバイル購入、銀行決済、サービス、小売注文、公共料金、旅行情報、天気予報などのセルフサービスソリューションを作成するために使用できます。自動応答システムや自動着信分配システム（ACD）などのシステムと組み合わせることで、通話ルーティングを最適化して、発信者のエクスペリエンスと従業員の効率を向上させることができます。IVRシステムは、自動応答機能と組み合わせて使用されることがよくあります。音声応答ユニット（VRU）という用語も使用されることがあります。 [ 1 ]
1970年代にIVR技術が普及したにもかかわらず、この技術はコールセンターの業務を自動化するには複雑で高価であると考えられていた。[ 2 ]初期の音声応答システムはデジタル信号処理（DSP）技術に基づいており、語彙が限られていた。1980年代初頭、ハードドライブ技術（デジタル化された音声データへのランダムアクセス読み書き）が費用対効果の高い価格に達した後、レオン・ファーバーのパーセプション・テクノロジーが最初の主流市場の競合企業となった。当時、システムはデジタル化された音声をディスクに保存し、適切な音声メッセージを再生し、人間のDTMF応答を処理することができた。
1990年代後半にコールセンターがマルチメディアに移行し始めると、企業はIVRシステムとのコンピュータ電話統合（CTI）への投資を開始しました。IVRは、ユニバーサルキューイングおよびルーティングソリューションを導入するコールセンターにとって不可欠なものとなり、インテリジェントなルーティング決定を可能にするために顧客データを収集するエージェントとして機能しました。技術の進歩により、システムはDTMF信号を使用する代わりに、限られた語彙のスピーカー独立音声認識[ 3 ]を使用できるようになりました。
2000年代に入ると、音声応答システムはより一般的になり、導入コストも低下した。これは、 CPUの処理能力向上と、音声アプリケーションが独自コードからVoiceXML （VXML）規格へと移行したことによる。
DTMF復号と音声認識は、音声プロンプトに対する発信者の応答を解釈するために使用されます。DTMFトーンは電話機のキーパッドから入力します。
その他の技術としては、電子メール、ニュース記事、天気予報などの複雑で動的な情報を音声で伝えるために、テキスト読み上げ（TTS）技術が用いられています。また、ハンズフリー操作のために、IVR（自動音声応答）技術も自動車システムに導入されつつあります。TTSは、コンピューターで生成される合成音声であり、従来コンピューターと結び付けられていたような機械的な音声ではありません。実際の音声を断片的につなぎ合わせ（連結）、滑らかに処理してから発信者に再生されます。
IVRはいくつかの方法で導入できます。
自動着信分配システム（ACD）は、多くの大企業への電話において、2番目の接点となることが多い。ACDはデジタル記憶装置を用いて挨拶やアナウンスを再生するが、通常は発信者に入力を求めることなく、適切な担当者へ接続する。一方、IVR（自動音声応答システム）はアナウンスを再生し、発信者からの入力を求めることができる。この情報は発信者のプロファイリングに利用でき、ACDはこれを利用して、特定のスキルセットを持つ担当者へ通話をルーティングする。
インタラクティブ音声応答は、発信者のニーズを特定することでコールセンター業務のフロントエンドとして使用できます。発信者から口座番号などの情報を取得できます。口座残高や録音済みの情報などの簡単な質問への回答は、オペレーターの介入なしに提供できます。セキュリティ上の理由から、IVR から取得した口座番号は発信者 IDデータと比較されることが多く、発信者 ID が口座記録と一致しない場合は、追加の IVR 応答が必要になります。[ 4 ]
IVR コールフローはさまざまな方法で作成されます。従来の IVR は独自のプログラミング言語やスクリプト言語に依存していましたが、最新の IVR アプリケーションは、VoiceXML [ 5 ] 、 CCXML [ 6 ]、SRGS [ 7 ]、SSML [ 8 ]などの標準を使用して、 Webページと同様の方法で生成されます。XML駆動型アプリケーションを使用できる機能により、Web サーバーがアプリケーション サーバーとして機能し、IVR 開発者はコールフローに集中できるようになります。
IVR音声認識インタラクション（コールフロー）は、ユーザー入力を促し認識するために、指示型、自由回答型、混合型の3つのアプローチを使用して設計されています。[ 9 ] [ 10 ] [ 11 ]
指示型対話プロンプトは、有効な応答の選択肢をユーザーに提示します（例：「どのようなご用件でしょうか？…口座残高、注文状況、その他のオプションなどとお答えください」）。自由回答型プロンプトは、有効な応答の選択肢を提示しません（例：「どのようなご用件でしょうか？」）。どちらの場合も、目的はユーザーから有効な音声応答を引き出すことです。重要な違いは、指示型対話では、ユーザーはプロンプトで提示されたとおりにオプションを話す可能性が高いことです（例：「口座残高」）。一方、自由回答型プロンプトでは、ユーザーは余分な単語やフレーズを含める可能性が高くなります（例：「請求書を見ていたら、残高が間違っていることに気づきました」）。自由回答型プロンプトでは、フレーズ（つまり「残高」）から関連情報を抽出するために、より高度な自然言語処理が必要になります。また、自由回答型認識には、より多くの文法セットが必要となり、特定の応答のより幅広い組み合わせに対応する必要があります（例：「残高が間違っていました」、「残高が間違っていました」、「残高が高いです」、「残高が高いです」）。自由回答形式の質問は、より多くのデータと処理を必要とするにもかかわらず、質問自体が通常はるかに短いため、対話的に効率的である。[ 9 ]
混合対話アプローチでは、特定の状況で一方のタイプのプロンプトがより効果的である場合があるため、同じインタラクション内で自由回答形式の対話から指示型の対話へ、またはその逆へと切り替えます。混合対話プロンプトは、ユーザーが現在の機能とは異なる機能に切り替えることを決定した場合など、直近のプロンプトとは関係のない応答も認識できなければなりません。[ 11 ] [ 10 ]
アプリケーション開発プロセスをさらに簡素化するために、より高度なIVR開発ツールが利用可能です。GUIツールを使用してコールフロー図を作成し、プレゼンテーション層（通常はVoiceXML）を自動生成できます。さらに、これらのツールは通常、WebサイトへのHTTPインターフェースやデータベースへの接続用Javaインターフェースなど、ソフトウェア統合のための拡張メカニズムを提供します。
電気通信において、音声応答ユニット（ARU）（多くの場合IVRシステムに含まれる）は、発信者の入力、データベースから受信した情報、および着信時の時刻などの情報に基づいて通話を処理することにより、DTMFキーの押下に対して合成音声応答を提供する装置です。ARUは、処理できる情報通話の数を増やし、情報検索において一貫した品質を提供します。
IVRシステムは、大量の通話を低コストで処理するために使用されます。IVRを使用することで、オペレーターを介さずに発信者の問い合わせを解決できます。発信者が必要な情報を見つけられない場合は、通話をオペレーターに転送できます。この方式により、オペレーターはより複雑なやり取りに対応するための時間を確保できます。IVRシステムが複数の電話番号に応答する場合、DNISを使用することで、適切なアプリケーションと言語が確実に実行されます。大規模なIVRシステム1つで、それぞれ独自の電話番号とスクリプトを持つ数千ものアプリケーションの通話を処理できます。
コールセンターでは、IVRシステムを使用して発信者を識別し、セグメント化します。顧客を識別できることで、顧客プロファイルに応じてサービスをカスタマイズできます。発信者は、キューで待機するか、自動サービスを選択するか、コールバックを要求するかを選択できます。システムは、発信者の識別または認証を支援するために、ネットワークから発信者番号通知（CLI）データを取得する場合があります。追加の発信者認証データには、アカウント番号、個人情報、パスワード、生体認証（声紋など）が含まれる場合があります。IVRは、顧客の優先順位付けも可能にします。個々の顧客が異なるステータスを持つシステムでは、サービスは自動的に個々の顧客の通話を優先し、特定のキューの先頭に顧客を移動します。
IVRは、監査、パフォーマンスレポート、および将来のIVRシステム強化のために、通話の詳細情報を独自のデータベースに記録します。CTIを使用すると、コンタクトセンターまたは組織は、問い合わせを適切なエージェントに振り分ける手段として、発信者に関する情報を収集できます。CTIは、スクリーンポップを使用して、個々の顧客とIVRダイアログに関する関連情報をIVRからエージェントのデスクトップに転送できるため、より効果的で効率的なサービスが実現します。音声起動ダイヤル（VAD）IVRシステムは、交換台またはPABX（構内自動交換機）オペレーターへの定型的な問い合わせを自動化するために使用され、多くの病院や大企業で発信者の待ち時間を短縮するために使用されています。追加機能として、外部の発信者がスタッフを呼び出し、着信コールを呼び出し先の担当者に転送することができます。IVRを使用すると、発信者に高度なボイスメール体験を提供できます。
銀行機関は、顧客とのやり取りや営業時間を24時間365日体制に延長するためにIVRシステムに依存している。電話バンキングでは、顧客は残高や取引履歴を確認したり、支払いや送金を行ったりすることができる。オンラインチャネルの出現に伴い、銀行の顧客満足度は低下している。[ 12 ]
IVRシステムは、製薬会社や医薬品開発業務受託機関が臨床試験を実施し、生成される大量のデータを管理するために使用されています。発信者は希望する言語で質問に回答し、その回答はデータベースに記録され、場合によっては同時に録音されて真正性が確認されます。用途には、患者のランダム化や医薬品供給管理などがあります。また、患者の日記やアンケートの記録にも使用されます。[ 13 ]
IVRシステムを利用することで、発信者は比較的匿名でデータを取得できます。病院や診療所では、発信者が検査結果に匿名でアクセスできるようにするためにIVRシステムが導入されています。これは人間が容易に扱うことができる情報ですが、IVRシステムはプライバシーを保護し、機密情報や検査結果による潜在的な恥辱を回避するために使用されます。ユーザーは結果にアクセスするためのパスコードを受け取ります。
最も大規模なIVRプラットフォームのいくつかは、Pop IdolやBig Brotherといったテレビゲーム番組の視聴者投票に使用されており、膨大な通話量の急増を引き起こす可能性があります。ネットワークプロバイダーは、ネットワークの過負荷を防ぐために、 PSTNで通話間隔を設けることがよくあります。IVRは、調査機関が、回答者が人間のインタビュアーに答えることに抵抗を感じる可能性があるような、よりデリケートな質問（薬物使用や性行動に関する質問など）を尋ねるためにも使用されることがあります。場合によっては、IVRシステムを人間のインタビュアーと併用して同じ調査で使用することもあります。
IVRシステムは、識字率の低い人々がテクノロジーとやり取りできるようにすることで、開発途上国で技術スキルを構築する手段となります。[ 14 ]開発途上国では、農村部でも携帯電話が普及しており、IVRテクノロジーが社会貢献プロジェクトを支援する余地があります。しかし、ほとんどのIVRテクノロジーは資源が豊富な分野で設計されているため、このテクノロジーを開発途上国向けに文脈化して適応させるための研究が必要です。ICTDの研究は、IVRを社会的インパクトに合わせて調整するのに役立ち、健康、農業、エンターテイメント、市民ジャーナリズムで革新的なアプリケーションを生み出しました。
結核（TB）の場合、患者は完治するまで数ヶ月間、毎日薬を服用する必要があります。公的医療制度では、直接観察下短期化学療法（DOTS）と呼ばれる制度があり、これは貧困層にとって最も効果的な治療法となっています。
99DOTSプロジェクトはIVR技術を利用して結核患者に利益をもたらしています。患者は医療従事者からカスタマイズされた錠剤のパケットを受け取り、毎日順番に薬を服用するように指導されます。順番にパケットを開封すると、患者が薬を服用したことを確認するためにダイヤルする必要のある電話番号が表示されます。この研究プロジェクトは、ビル・タイスがマイクロソフトリサーチインドを拠点として実施し、同氏はプロジェクトに対してマッカーサーフェローシップを受賞しました。 [ 15 ]このプロジェクトはEverwell Technologiesとしてスピンオフし、現在インド政府と緊密に連携して、この技術をインド全土の患者に拡大しています。
ラジオは非常に人気のある娯楽手段ですが、IVR（音声自動応答システム）はインタラクティブ性を提供し、リスナーがスマートフォンを使って斬新な方法で情報に触れることを可能にします。ICTD（情報通信技術開発）の研究では、IVRエンターテインメントを、地域社会を支援し、従来の方法では情報にアクセスしにくい人々に情報を提供するための手段として活用してきました。
IVRは、NGOや社会団体が、アクセスしにくい層に適切なコンテンツを届けるためにカスタマイズできる、コミュニティが作成したコンテンツに利用されている。
セッション開始プロトコル（SIP）の導入により、ポイントツーポイント通信は音声通話だけでなく、ビデオなどのマルチメディア技術にも拡張できるようになりました。IVRメーカーは、特に携帯電話ネットワーク向けに、システムをIVVR（インタラクティブ音声・ビデオ応答）へと拡張しています。ビデオを使用することで、IVRシステムは発信者とのマルチモーダルな対話を実現できます。
将来的に全二重ビデオIVRが導入されると、システムは感情や表情を読み取ることができるようになる。また、虹彩スキャンなどの技術やその他の生体認証手段を使用して発信者を識別するためにも使用される可能性がある。発信者の録音は特定の取引を監視するために保存され、なりすまし詐欺を減らすために使用できる。[ 22 ]
SIPコンタクトセンターの導入により、SIPコンタクトセンターにおける通話制御は、最新のIVRダイアログを生成するために使用されるVoiceXML言語の補助機能であるCCXMLスクリプトによって実装できるようになりました。SIPコンタクトセンターで通話がキューに入れられると、IVRシステムは処理や自動化を提供したり、一定時間待機したり、音楽を再生したりできます。SIPコンタクトセンターへの着信通話は、SIPエンドポイントに対してキューに入れるか、または終端する必要があります。SIP IVRシステムは、BBUA（バックツーバックユーザーエージェント）を使用して展開されたアプリケーションを使用することで、エージェントを直接置き換えるために使用できます。
IVR（自動音声応答）技術は、既存の自然言語処理ソフトウェアを用いてインスタントメッセージ（IM）の会話を自動化するために利用されています。これは、メールの自動応答がキーワード検出に基づいているのに対し、IMの会話は対話形式であるため、メール処理とは異なります。テキストメッセージの略語や絵文字の使用には、現在音声認識で使用されている文法とは異なる文法が必要です。また、マルチメディア対応の携帯電話端末では、テキストメッセージの代わりにIMが使われるようになりつつあります。
コンタクトセンターにウェブサービスが導入されたことで、ホスト統合が簡素化され、IVRアプリケーションをコンタクトセンターからリモートでホストすることが可能になりました。これにより、音声認識を利用したホスト型IVRアプリケーションが世界中の小規模コンタクトセンターでも利用できるようになり、ASP（アプリケーションサービスプロバイダー）の拡大につながっています。
IVRアプリケーションは、コンタクトセンターとの連携なしに、パブリックネットワーク上でホストすることも可能です。サービスには、公共アナウンスメッセージや中小企業向けメッセージサービスなどがあります。また、最初のIVRアプリケーションを使用して適切なコンタクトセンターにコールをルーティングする、2段階のIVRサービスを展開することもできます。これは、複数のコンタクトセンター間で負荷を分散したり、システム障害発生時の事業継続性を確保したりするために利用できます。
調査によると、IVRは一般的に顧客に不評です。使いにくく、発信者への応答も不十分です。2025年に10,000件の患者からの電話を分析したところ、自動メニューと長い保留時間が、発信者が担当者につながる前に電話を切る最も一般的な理由であることがわかりました。[ 23 ] 多くの顧客は、自動システムと話すことに抵抗を感じています。IVRは、企業がコストを削減し、電話対応のために雇用する従業員を減らすことができるため採用されているという認識があります。[ 24 ] さらに、基本的な情報はオンラインで入手できるようになったため、コールセンターにかかってくる電話は、自動化された方法では解決できない複雑な問題である可能性が高く、そのため、生のオペレーターの対応が必要になります。