ThunderPhoneチームから、最新ニュースと知見をお届けします。

本日、ThunderPhone v2のセルフサービスプラットフォームを正式公開できることを嬉しく思います。

これからは誰でも、すぐに使えるThunderPhoneで幅広い電話対応を自動化できます。

ここに至るまで

昨年から、少数のエンタープライズ顧客とともに電話対応の自動化に取り組んできました。事前販売やデータ入力のようにパフォーマンスが重要な用途では、既存の音声AIプラットフォームのミスがあまりに多く、発信者が不満を感じて電話を切ってしまうケースが多発していました。その結果、ユースケースのユニットエコノミクスが成り立たなくなっていました。

これらの問題を解決するため、通話中のミスを減らし、難しいユースケースも実現できるよう、カスタムスタックをゼロから構築しました。今年、数千件の本番通話を自動化したことで、このスタックをThunderPhone v2セルフサービスプラットフォームとして公開します。

3つのティア、2c/分から

Sparkティアはモデル料金込みでわずか2c/分から利用でき、市場で最も低価格なフルスタック音声AIプラットフォームです。より高速なBoltは5c/分から提供しています。最高水準のインテリジェンスが必要な場合は、Stormを9c/分から利用できます。

Stormは、手作業で「フロービルダー」を設定する必要なく、最も複雑な通話フローでも高い信頼性で処理できます。必要なのは1つのプロンプトだけです!

追加インテリジェンスオプション（+3c/分）を有効にすると、Stormは**Big Bench Audioで99.4%**を記録し、これまでのArtificial Analysisのリーダーボードに掲載されたすべてのモデルを上回ります。評価セットと文字起こしはHugging Faceで公開しており、今後さらに多くのベンチマーク結果を共有する予定です。本番通話でのミスを最小限に抑えたいなら、Stormが最適です。

統合アーキテクチャ

ThunderPhoneは、独自の統合アーキテクチャにより、他のスタックよりも高性能かつ低コストを実現できます。1つの文字起こしモデル、1つのLLM、1つのテキスト読み上げモデルを組み合わせる「3ステップのパイプライン」ではなく、複数の文字起こしモデルや複数のLLMなどが、最高のパフォーマンスを最低のコストで実現するために、綿密にオーケストレーションされた形で相互に連携する、より複雑なネットワークを稼働させています。

その利点の一つとして、当社の音声エージェントは、騒がしい環境や強いアクセント越しでも、発信者の言葉を正確に聞き取ることに優れています。これにより通話はよりスムーズになり、氏名、住所などのデータ入力もより確実になります。ThunderPhoneのエージェントは、他のシステムなら何度も試す必要があるような難しいスペルでも、通常は1回の会話ターンで聞き取れます。そして「すみません、もう一度スペルを教えていただけますか？」と尋ねるたびに、発信者が電話を切る可能性がまた一つ増えます。

また当社のシステムには、背景雑音、通信品質の低下、割り込みなど、実際の通話に伴うさまざまな難しさに対応する多数のコンポーネントが含まれています。数千時間におよぶ実環境データを使って会話処理の仕組みを調整しており、実際の発信者の体験を大きく向上させます。

完全なプラットフォーム

ThunderPhoneには、音声エージェントの構築、テスト、デプロイ、監視を驚くほど簡単に行える包括的なプラットフォームも備わっています。ThunderPhoneを離れることなく、次のことができます。

• 着信・発信通話を設定し、電話番号を管理する
• 電話エージェントの人間によるテストとAIテストを実行する
• 通話をリアルタイムで監視する
• システムに本番通話で繰り返し発生する問題を検出させ、修正案の提示、確認、適用を行う
• ファネルレポートで、通話のパフォーマンスと改善が必要な箇所を確認する

ThunderPhoneプラットフォームでは、電話機能やソフトウェア連携の接続も簡単です。セットアップウィザードを使えば、プロバイダーから提供されるいくつかの情報だけで、既存のTwilioまたはTelnyxアカウント、あるいは標準的なSIPトランクを接続できます。Google Sheets、Google Calendar、HubSpot、Salesforce、Cal.comにはネイティブコネクターを用意しています。その他すべての連携についても、ウィザードにより「貼り付けてクリックするだけ」で任意のAPIに接続できます。

ThunderPhoneプラットフォームの使い方をすぐに把握できるよう、常時利用可能なコパイロットをウェブアプリに統合しています。アプリ内を移動し、代わりに操作を実行することもできます。音声AI企業である以上、入力する代わりに会話することももちろん可能です。

API、エンタープライズ、コンプライアンス

ウェブプラットフォーム以上のカスタマイズが必要なユースケース向けに、ThunderPhoneは多様なカスタム連携を可能にするフル機能のAPIも提供しています。さらに深いプラットフォームのカスタマイズ、独自のコストやレイテンシ要件、コンプライアンス要件などには、個別対応のエンタープライズ実装とサポートを提供します。（お問い合わせは直接ご連絡ください。alex@thunderphone.com）

ThunderPhoneは、医療およびEU/英国向けアプリケーションにおけるHIPAAおよびGDPRに標準で準拠しており、追加料金なしでBAAとDPAを締結します。

今すぐ試す

詳しくは、テクノロジー、料金、プラットフォーム機能などをより詳しく紹介しているウェブサイトをご覧ください。

さらに、ThunderPhoneを試すことで、ユースケースにどのように対応できるかを確認できます。開始まで数分しかかからず、ウェブアプリとコパイロットは、必要なものをできるだけ簡単に設定できるよう設計されています。

問題が発生した場合やご要望がある場合は、alex@thunderphone.comまで直接ご連絡ください。

Alex Kolchinski、CEO

本日、AIによる電話の自動化を簡単にするThunderPhoneの一般提供開始を発表できることを嬉しく思います。他の電話AIプラットフォームとはまったく異なる統合アーキテクチャにより、ThunderPhoneは大幅に高い性能、低コスト、少ない統合の手間を実現します。ThunderPhoneは数十の言語での着信・発信通話に対応し、HIPAAおよびGDPRに準拠しています。

統合による優位性

他の電話AIプラットフォームは、システムに3ステップの構造を強いることで、その性能を制限しています。

1. 利用者の音声をテキストに変換する、1つの文字起こしモデル。
2. 利用者のテキストを処理し、応答を出力する、1つのLLM。
3. 応答テキストを再び音声に変換する、1つのTTSモデル。

その多くは、使用するモデルの選択だけでなく、ノイズ除去や応答性パラメーターなどの設定も利用者に選ばせることで、エンジニアリング作業を利用者側に押し付けています。

私たちは異なるアプローチを取りました。現在のモデルで可能な限り最適だと考えるスタックを構成し、複雑な設定作業なしですぐに使えるようにしました。ThunderPhoneのシステムは複数のモデルを同時に使用し、会話の流れに応じてそれらをインテリジェントに振り分けます。これには次のような仕組みが含まれます。

• より高速なモデルとより高精度なモデルを含む複数の文字起こしモデルを組み合わせ、速度と精度のバランスを取りながら、互いの誤りを補完すること。
• 汎用的な知能は低くても音声理解に優れる音声入力LLMと、不正確な文字起こしに起因する誤りをすることはあっても多くの場合より高性能なテキスト専用LLMを組み合わせること。
• すばやい応答を生成できる高速だが能力の低いLLMと、バックグラウンドで動作してAIがプロンプトに従い、利用者の発話に正しく応答していることを確認する、はるかに高性能だが低速なLLMを組み合わせること。
• 現在利用可能な最高水準の知能を提供するOpenAIやGoogleを含む主要プロバイダーの商用モデルと、低コストでより優れた速度を提供することが多い幅広いオープンソースモデルを組み合わせること。
• 複数のモデルを同時に使用して、会話を脱線させかねないバックグラウンドノイズ、周囲の会話、その他の気を散らすノイズを分類・除去すること。

これらのコンポーネントなどは、3つのサービスティアであるSpark、Bolt、Stormにおいて異なる方法でオーケストレーションされています。Sparkはコスト、Boltは速度、Stormは知能に最適化され、それぞれの欠点を可能な限り抑えています。3つのシステムはいずれも、固有名詞やスペルを含む場合でも利用者の発話を非常に正確に理解できるといった利点を共有しています。

この緊密に統合されたアーキテクチャにより、他社ベンダーが提供する硬直した3ステップのアプローチよりも、低コストで大幅に高い性能を実現できると考えています。クレイトン・クリステンセンのモジュール化理論に沿って言えば、音声AIはまだ初期段階にあり、モジュール型アーキテクチャでカスタマイズ性を最大化するよりも、統合アーキテクチャで性能を最大化するほうが、依然として価値があります。

最適化された意思決定

カスタマイズ性について言えば、私たちはむしろ反対です。現在の多くの電話AIプラットフォームでは、使用するモデルの種類から、AIが発信者の話をどれほど素早く遮るかといった非常に細かなパラメータまで、無数の選択肢を設定する必要があります。

私たちは、こうした選択を裏側で最適化するのは私たちの仕事だと考えています。そうすることでThunderPhoneのユーザーは、詳細な音声AI設定を気にせず、本来得意とすることに集中できます。私たちはいわばSquarespaceのような存在として、現在のモデルで実現できる最高水準のパフォーマンスを備えた電話エージェントを、手間なく簡単に設定できるようにしています。

使いやすさ

ThunderPhoneは、新しい電話エージェントの設定にも、別のプラットフォームや独自スタックからの移行にも、驚くほど簡単に使えます。ThunderPhoneで電話エージェントを設定するために必要なのは、次のことだけです。

1. Spark、Bolt、Stormのどれを使用するか決めます。
2. 音声を選びます。
3. プロンプトを入力します。複数プロンプトのエージェントは必要ありません。プロンプトがSparkやBoltには複雑すぎる場合は、単一のプロンプトでも複雑なユースケースに対応できるStormにアップグレードしてください。
4. 非常に使いやすいウィザードで、ソフトウェア連携（任意のエンドポイント、またはネイティブのn8n連携）を接続します。
5. 非常に使いやすいウィザードで、VoIPを接続します。

通常、これらすべては10分以内で完了します。

ThunderPhoneはHIPAAおよびGDPRに準拠しており、要請に応じてBAAおよびDPAを締結・提供します。

私たちの歩み

私たちは、Stanford AI LabとY Combinator出身のチームで、2024年から音声AIに取り組んできました。当初は、言語間で電話を通訳するFlux Interpretingに注力していました。しかし、単なる通訳ではなく、事業の電話対応を自動化したいという要望を顧客から再三受けたことで、現在のThunderPhoneへと注力領域を移しました。

既存プラットフォームの課題

当初は、他社の電話AIプラットフォーム上で顧客向けの電話エージェントを構築していました。市場にあるほぼ全ての電話AIプラットフォームを試しましたが、残念ながら、多くの面で不足を感じました。特に次の点です。

• 音声理解: ユーザーの音声をテキストに変換する文字起こしモデルが1つしかないため、AIは固有名詞、珍しい単語、つづりを中心に、ユーザーの発話を「聞き間違える」ことがよくありました。
• 指示追従: 通話の実際の「思考」を1つの高速LLMだけが担うため、AIが指示を正しく守れず、想定外の動作に陥ることがよくありました。
• 難しい連携: 試したプラットフォームでは外部ソフトウェアとの接続が非常に困難で、一般的にはツール呼び出し用の大量のJSON設定を入力し、動き始めるまでほとんどフィードバックがないまま、何度も試行錯誤する必要がありました。
• 価格: 既存プラットフォームは概して非常に高額で、そこそこの性能に対して通常は1分あたり10セント以上を請求していました。

自前スタックの構築

エンタープライズ顧客向けに営業通話のユースケースを実装する契約を結んだとき、そのニーズを満たすために独自のカスタムスタックを構築せざるを得ませんでした。このユースケースは厳しいものでした。事業側に主導権があることの多いカスタマーサポートとは異なり、営業通話の相手はすぐに電話を切ってしまいます。

見込み客を失わずに成約へつなげるには、通話品質が最高水準でなければなりません。そのため、標準的な文字起こしモデルでは正しく認識しにくい氏名や住所を含む、多数の固有名詞やつづりに対応する必要がありました。このユースケースを確実に実現するために構築したものが、現在のThunderPhoneです。

その過程で、サンフランシスコの音声AIコミュニティで、獣医師、トラック運転手などに向けた業界特化型の電話エージェント企業を立ち上げている人たちに何度も出会いました。驚くべきことに、ほとんどの人が同じ意見でした。既存プラットフォームはデモには十分でも、実運用には不十分だということです。

驚くべきことに、業界特化型音声AI企業にいる友人の多く、あるいは大半は、実際に「独自の」スタックを構築していました... これは私たちにはまったく理解できませんでした。90年代のウェブスタートアップが、クローゼット内のサーバーで自前のウェブサーバーを運用しなければならないようなものです。

この気付きから、私たちの電話AIシステムを誰でも利用できるプラットフォームにする時が来たと考えました。

業界特化型の音声AI企業やコンサルタントは、業界固有の専門知識を活かして、対象市場のニーズに応えることに集中できるべきです。基盤となるAIや電話技術を複雑に設計することではありません！ それこそが、ThunderPhoneで本日ローンチするものです。

ここに至るまでには長い道のりがありました！昨年4月以降に登録し、まだアクセスを待っている皆さまにはお詫び申し上げます。短期間で仕上げられると思っていた作業は、現在利用できるモデルを組み合わせ、可能な限り堅牢なシステムにする方法を探る、数か月に及ぶ長い取り組みになりました。

しかし、ついに公開です。ぜひ試して、感想をお聞かせください！

大きな課題は解消しましたが、システムにはまだ不具合が残っている可能性があります。問題を見つけた場合は、alex@thunderphone.comまでメールでお知らせください。できるだけ早く修正します。機能の要望もぜひお知らせください。可能な限り早く実現します。

カスタム実装や連携サポート、通常のHIPAAやGDPRを超えるコンプライアンス、SLA、カスタム機能の要望など、より個別のニーズがある場合は、エンタープライズ契約についてぜひご相談ください。alex@thunderphone.comまでご連絡いただければ、ニーズを伺い、支援可能かどうかをご案内します。

そして、より広くお伝えしたいことがあります。ThunderPhoneが少ない手間でそのまま使え、設定した事業の通話を、選択したSpark、Bolt、Stormのいずれの価格帯でも、その範囲内で今日のAIにできる限り完璧に処理できるようにすることは、私たちの仕事です。ぜひお試しください。ThunderPhoneで実現できることをお見せできるのを楽しみにしています。

感想をお聞かせください。ご支援ありがとうございます！