ElevenLabsは2026年11月2日、音声とチャットの両方を運用する本番エージェントを比較した調査を公開し、11月3日に更新しました。2分を超える会話では、音声の成功率がテキストベースのチャットより31.7%高く、成功した会話の平均解決時間も4.6分対7分となりました。
企業のIT・事業責任者にとって、示唆は「音声へ全面移行すること」ではありません。短い定型問い合わせはチャット、長くなりやすい相談は音声というように、問い合わせの性質で入口を分ける設計を検討できることです。
ただし、数値はElevenLabs自身の本番エージェントを使ったデータです。会話の長さは複雑さの代替指標であり、企業ごとに成功基準も異なります。自社の問い合わせで同じ条件を測ることが、導入判断の出発点になります。
※本記事は2026年11月4日時点の情報です。

AIシステム開発の種類・工程・費用・会社選定までの全体像については、無料ホワイトペーパー「AIシステム開発の完全ガイドブック」で詳しく解説しています。
データが示した音声の優位性|2分超で成功率31.7%高い
ElevenLabsが比較したのは、電話やWhatsAppによる音声通話と、テキストベースのチャットです。2分を超えた会話では、音声の成功率がチャットより10.9ポイント高く、増加率では31.7%上回りました。発表の概要にある「32%高い」という数値の詳細値です。
解決までの時間にも差が出ました。成功した2分超の会話は、音声が平均4.6分、チャットが7分です。両チャネルで十分な成功事例があった90エージェントに限ると、78%が音声の方を速く解決しました。
この差は、長い問い合わせほど音声が有利になる可能性を示します。顧客が話して情報をまとめて伝え、エージェントが相手の反応を受けて会話を続けられるためです。ElevenLabsは、人が話す速度は入力の約3倍だと説明しています。
問い合わせをチャットだけに集めている企業は、長時間セッションの完了率と解決時間を切り出してみるとよいでしょう。全体平均だけでは、音声へ切り替える価値のある領域が隠れます。

ポイント
2分超の会話では、音声の成功率と解決時間の両方に優位性が出ました。長い問い合わせをチャットのKPIだけで評価しないことが、チャネル設計の出発点です。
短い会話ではチャットが有利|長さで入口を分ける
音声がすべての問い合わせで勝つわけではありません。1分未満の会話ではチャットが約9ポイント上回り、1〜2分では両チャネルがほぼ同じでした。2分を境に傾向が変わります。
| 会話時間 | 比較結果 | 業務での仮説 |
|---|---|---|
| 1分未満。 | チャットが約9ポイント上。 | FAQや短い定型処理はチャット。 |
| 1〜2分。 | 両チャネルはおおむね同程度。 | 顧客の希望や入力環境で選ぶ。 |
| 2分超。 | 音声が31.7%高い。 | 複雑な相談や高ストレス対応は音声。 |
この表は、問い合わせの長さだけで自動振り分けすればよいという意味ではありません。ElevenLabs自身も、会話の長さを複雑さの代替指標として扱いながら、チャットではメッセージ間の待ち時間が入るため不完全な指標だと説明しています。
まずは過去ログを、処理時間、問い合わせ種別、転送の有無、解決結果で分けます。短いが本人確認を伴う処理、長いが単純な案内など、時間だけでは分類できない例を拾うことが重要です。
音声とチャットの両方を用意する場合は、途中でチャネルを変えても文脈を失わない設計が必要です。チャネル追加を目的にせず、顧客が解決しやすい入口を選べるようにします。
ポイント
短時間はチャット、長時間は音声という仮説を置き、問い合わせ種別と解決結果で検証します。会話時間だけを複雑さと同一視しないことが大切です。
速さと共感が成否を分ける|遅延16%短縮と成功率26%向上の相関
音声の強みは、自然に話せることだけではありません。最初の返答が遅いと、顧客は回線やシステムが止まったと感じて離脱します。ElevenLabsは、低遅延のLLMへ切り替えた315件のエージェント会話で、平均エンドツーエンド遅延が16%短縮され、成功率が26%向上したと報告しました。ただし、これは同時に観測された相関であり、遅延短縮が成功率向上を起こした因果関係を証明するものではありません。
同じ比較では、15秒以内に終了した通話の割合が21.1%から3.8%に下がりました。音声AIの評価では、回答の正しさだけでなく、呼び出し直後に会話を始められるかを別の指標として置く必要があります。
感情面の評価もあります。キャンセルされたフライトの再予約を想定した調査では、98人が音声とチャットを体験し、85%が音声を好みました。速さと共感が主な理由です。高ストレスの相談では、声の落ち着きや会話の間も顧客体験に影響します。
運用KPIは、成功率だけに絞らない方が実態を捉えられます。初回応答までの時間、15秒以内の終了率、平均解決時間、転送率、顧客の選択率を、音声とチャットで同じ定義にそろえてください。AIエージェントの可観測性や評価の考え方は、AgentOpsの評価・監視にも通じます。

ポイント
音声AIは、正しい回答を返せば十分ではありません。初回応答の遅延と短時間離脱を測り、顧客が会話を続けられる状態を作る必要があります。
本番導入で先に決めること|業務システムと権限をつなぐ
長い会話で音声の優位性を生かすには、自然な発話だけでは足りません。顧客の文脈を保持し、予約変更や返金などの処理を実行できなければ、最後に人へ転送するだけになります。ElevenLabsも、難しい会話にはシステム連携と会話の文脈保持が必要だと説明しています。
ElevenAgentsの構成は、音声認識(ASR)、選択可能な言語モデルまたはカスタムLLM、音声合成(TTS)、会話のタイミングを扱うターンテイキングモデルです。企業側は、どの処理をLLMに任せ、どの処理を業務システムの確定値に限定するかを切り分けます。
- 完了条件:成功を「回答した」から業務結果へ広げ、予約変更や返金受付で定義する。
- 人間介入:顧客が求めた場合や権限外の処理で、どの情報を引き継いで転送するか決める。
- 遅延の範囲:LLM待ち、ネットワーク、音声再生まで含めて実測する。
- 安全策:返金・個人情報・社内情報を扱う処理に、検証と拒否のルールを置く。
遅延の公表値をそのまま顧客体験の保証と解釈してはいけません。ElevenLabsの公式ドキュメントでも、モデルの中央値にはネットワーク往復やアプリ内処理が含まれないと説明されています。ガードレールは、音声向けのストリーミング方式なら追加遅延がない一方、判定前に返答が始まり、500ms未満の音声が先に届くことがあります。ストリーミング方式で選べる出口戦略は通話終了だけです。ブロッキング方式は送信前に検証できる代わりに、通常200〜500msの追加遅延が発生します。返金や個人情報、社内情報を扱う場合は、先行送出の影響と遅延を比べたうえで方式を選びます。
音声・チャットの人間監督を設計するときは、音声・チャットAIエージェントの人間監督に関する論点も参考材料です。音声を追加することより、失敗時に顧客と担当者をどうつなぐかを先に決めるべきです。
ポイント
音声AIの本番品質は、声の自然さだけで決まりません。業務システムとの接続、権限、転送、実ユーザーが感じる遅延を一つの運用設計として評価します。
ベンダーデータを導入判断に使う|比較条件をそろえる
今回の数値は有用ですが、ElevenLabsの自社データであることを前提に読みます。調査対象は2026年7月から9月に、音声とチャットをそれぞれ少なくとも50件処理したエージェントです。成功基準は各企業が自分のユースケース向けに定義し、全体を合算せず同じエージェント内で比較しました。
この比較方法は、音声を多く使う企業だけが全体平均を押し上げる問題を避けやすくします。一方で、企業ごとの成功基準が違うため、31.7%という数字を自社の成功率へそのまま移すことはできません。
導入前の小さな検証では、同じ問い合わせ集合を音声とチャットに割り当て、チャネルごとに以下を固定します。担当者や顧客層が変わると結果も変わるため、比較の単位を先に決めておくことが欠かせません。
- 成功の定義を、業務処理の完了と顧客の納得に分ける。
- 会話時間以外に、問い合わせ種別と高ストレス要因を記録する。
- 初回応答、15秒以内終了、解決時間、転送を同じ計算方法で比べる。
- 失敗した会話を人が確認し、音声・チャットの改善項目へ戻す。
音声を選ぶかチャットを残すかは、自社の損失を基準に決めます。長い相談の離脱が売上や継続率に響くなら音声の試行を優先し、短い定型処理の量が多いならチャットを磨く方が合理的です。電話・接客での音声AI活用を考える場合も、同じ評価設計を当てはめられます。
ポイント
ElevenLabsの比較は、チャネル設計の仮説を作る材料です。最終判断では、自社の成功基準と問い合わせ分布を固定し、音声とチャットを同じ条件で測定してください。
よくある質問
Q. 音声AIはチャットより常に成功率が高いですか?
いいえ。1分未満の会話ではチャットが約9ポイント上回り、1〜2分では両チャネルがおおむね同程度でした。
Q. 2分超の会話で音声はどれくらい速く解決しましたか?
成功した会話の平均は、音声が4.6分、チャットが7分でした。
Q. 遅延16%短縮・成功率26%向上は何を意味しますか?
低遅延のLLMへ切り替えた315件の会話で、平均エンドツーエンド遅延の16%短縮と成功率の26%向上が同時に見られたという意味です。ただし相関であり、遅延短縮が成功率向上を起こした因果関係を証明するものではありません。
Q. ベンダーの実運用データを自社導入でどう使えばよいですか?
チャネルを分ける仮説に使い、自社の問い合わせ種別・成功条件・遅延・離脱を同じ条件で測定してください。
まとめ
ElevenLabsの実運用データでは、2分超の会話で音声の成功率がチャットより31.7%高く、成功した会話の平均解決時間は4.6分対7分でした。1分未満ではチャットが約9ポイント高く、音声が一律に優れるわけではありません。
企業が見るべきなのは、音声かチャットかの二択より、問い合わせの種類ごとの解決結果です。長い相談、高ストレスのやり取り、短い定型処理を分け、初回応答、離脱、解決時間、転送を同じ条件で測定すると、投資の優先順位を決めやすくなります。
ポイント
ElevenLabsの数値は、音声AIを試す場所を見つけるための材料です。まず問い合わせを分類し、同一エージェント・同一の成功条件で音声とチャットを比較してください。
関連記事
- OpenAI「Presence」を解説|音声・チャットAIエージェントの人間監督と運用ポイント
- ChatGPT「GPT-Live」を解説|音声AIによる電話・接客活用のポイント
- AgentOpsを解説|AIエージェントの可観測性・評価・監視のポイント
- Gemini 3.8 Liveを解説|97言語を自動で切り替える音声対話モデルと業務での使い所
- ElevenLabsの音声AIを解説|CS・BPOにおける音声エージェント活用
▼開発を相談する前に読みたい無料ホワイトペーパー
・AIシステム開発の完全ガイドブック
・【2026年最新版】AI駆動開発の完全ガイドブック
会社紹介
株式会社riplaでは、お客様の事業・ユーザー・業務に最適化したオーダーメイド型システムを、構想策定・要件定義から開発・改善まで一気通貫で支援。事業会社でIT・DXを経験したプロフェッショナルによる高い要件定義力・システム設計力を活かし、事業成果の最大化に伴走します。

また、当社独自の開発テンプレート「Boxシリーズ」による標準機能の高速開発と、AI駆動開発の独自フレームワーク「GoDD」による独自機能のAI実装を組み合わせることで、低コスト・短期間で開発を実現いたします。

もし、システム開発やプロダクト開発に関するご要望がございましたら、お気軽にお問い合わせください。
・サービス概要資料のURLはこちら >>>
・お問合せページのURLはこちら >>>
・お役立ち資料のURLはこちら >>>


株式会社ripla 代表取締役CEOとして、システムパッケージ活用、システム開発、データ分析、生成AI活用、SaaS開発、アプリ開発、EC構築など、幅広い領域で企業のDX推進と事業成長を支援している。事業会社でIT・DXを経験したプロフェッショナルが集う株式会社riplaにおいて、お客様の事業・ユーザー・業務に最適化したオーダーメイド型システムを構想策定・要件定義から開発・改善まで一気通貫で支援し、単なるシステム納品にとどまらず、クライアントと同じ目線で事業成果の最大化に向けた伴走支援を行う。早稲田大学卒業後、ラクスル株式会社、LINEヤフー株式会社にて事業開発やDX推進などに従事した後、株式会社riplaを創業。
