OpenAI APIで作る音声対応チャットボット――契約から実装まで

対象となる業務と条件

音声対応チャットボットは、利用者がマイクで質問し、AIが音声と画面の文字で答える仕組みです。店舗・施設の案内、社内マニュアルの検索、予約前の質問、商品説明などで使えます。最初は、質問が多く答えが決まっている業務に範囲を絞ることが必要です。

ChatGPTの画面を人が使う場合と、Webサイトや業務システムからOpenAI APIを呼び出す場合は別です。APIを使う場合は、API利用の設定、支払い方法、APIキーの管理、サーバー側の処理が必要です。ChatGPTの利用プランだけでAPIの利用条件や料金が決まるものではありません。

項目	ChatGPT	OpenAI API
主な利用方法	人が画面で直接使う	Webサイトやアプリへ組み込む
主な対象	利用者	開発者・システム運営者
費用の考え方	契約プランなどに従う	モデル・入出力・利用量に応じる
APIキー	通常不要	サーバー側で安全に管理する

選択肢と判断基準

自然な音声会話を行う構成では、音声の入力・応答を扱えるRealtime APIを使う方法があります。OpenAIのRealtimeモデルは、音声とテキストの入出力、およびWebRTC・WebSocket・SIPによる接続を案内しています。ブラウザでの会話体験では、利用者のマイク許可、接続情報、通信の中断時の表示まで設計します。

ただし、最初から音声で予約を確定したり、診断・契約判断を自動化したりしません。日時、金額、氏名、電話番号、予約内容などは画面に表示し、利用者または担当者が確認してから確定します。

選び方	向く場面	最初に確認すること
案内だけ	営業時間、所在地、駐車場、利用方法	回答資料の正確さと案内先
問い合わせ受付	質問内容を聞き取り、担当者へ渡す	個人情報、保存期間、引継ぎ方法
予約・在庫連携	候補表示後に確認して登録する	既存システム、誤登録時の取消・修正

構築・設定の考え方

目的と回答範囲を決めます。 例として、診療時間やアクセス案内は対象にし、緊急相談、診断、契約判断は対象外にします。
回答に使う資料を整えます。 よくある質問、商品・サービス説明、営業時間、料金、対応できない質問と案内先を集めます。古い資料や矛盾する資料は修正します。
会話のルールを決めます。 登録資料にない内容を推測しないこと、分からない場合は担当者へ案内すること、個人情報を必要以上に聞かないことを設定します。
サーバー側の処理を用意します。 通常のAPIキーをHTMLやブラウザ側JavaScriptへ書きません。キーは環境変数など外部から読めない場所に保存し、短時間だけ有効な接続情報、利用回数の制限、記録の管理をサーバー側で行います。
音声と画面確認を組み合わせます。 マイク開始・終了、会話中表示、回答文の表示、確認ボタンを用意します。

音声だけで確定させず、重要な内容は画面表示と確認操作を必ず組み合わせます。聞き間違い、言い直し、周囲の雑音がある条件でも試験します。

運用・保守と安全管理

個人情報を扱う場合は、利用目的、保存期間、閲覧できる担当者、削除方法を決めます。音声録音や会話履歴を保存する場合は、利用者に分かるよう表示します。AIによる自動応答であること、対応できない質問、緊急時の連絡先も明示します。

公開後は、質問の傾向、答えられなかった内容、担当者へ引き継いだ件数、誤案内、利用料金を確認します。AIが何件答えたかだけではなく、利用者が必要な情報へ到達できたか、担当者の作業が減ったかで判断します。

料金はモデル、音声・文字の入出力、会話時間、同時接続数で変わります。利用上限、通知、日別・月別の使用量を確認し、試作で1会話当たりの実測費用を記録します。OpenAIのRealtimeモデルは音声利用量を含む料金体系を公開しているため、導入前に最新の公式料金を確認してください。

1回の音声対応の概算

次は、標準モデルのgpt-realtimeを使う計算例です。APIは月額の標準プランではなく、利用量に応じて課金されます。音声トークン数は会話ごとに変わるため、会話時間から正確な料金を決めることはできません。

下表は音声トークンだけを対象に、1ドル＝150円で換算した例です。文字の入出力、検索や予約確認などの外部機能、電話回線・クラウドサーバー・開発保守の費用は含めません。

対応の例	音声入力	音声出力	API料金の概算
短い案内	500トークン	500トークン	約0.048ドル（約7円）
標準的な質問と回答	1,500トークン	1,000トークン	約0.112ドル（約17円）
説明が長い対応	3,000トークン	2,000トークン	約0.224ドル（約34円）

計算式は、音声入力トークン数×32ドル÷100万、音声出力トークン数×64ドル÷100万です。為替レートと料金体系は変わるため、この金額は予算を検討するための例であり、請求額の保証ではありません。試作時に実際の使用量を確認し、月間の対応件数を掛けて予算を決めます。

確認項目

対象業務、回答できる質問、回答しない質問を決めたか
回答資料の責任者と更新手順を決めたか
APIキーをサーバー側で保管し、公開コードに含めていないか
日時・金額・個人情報を画面で確認する流れがあるか
音声が聞き取れない場合、資料に答えがない場合、緊急時の案内先があるか
利用目的、保存期間、権限、削除方法、費用上限を決めたか
騒音、早口、言い直し、同時利用、スマートフォンで試験したか

小さく試す運用例

まず、よくある質問を20～30件程度に絞り、1ページの案内だけを対象にします。音声入力、音声回答、回答文の表示、答えられない場合の問い合わせ案内までを作ります。質問内容と未回答を確認し、正確さ、利用者の到達率、担当者の作業時間、1会話当たりの費用を記録してから、予約・在庫・顧客管理との連携を判断します。

情報の確認先

画面構成、利用できるモデル、料金、利用上限は変わる場合があります。実装・契約前に、OpenAIの管理画面と公式資料で最新情報を確認してください。