ボイスボット導入の失敗には、費用の超過、ベンダーからの乗り換えの難しさ、運用の形骸化、情報漏えいと誤案内があります。これらは、費用の試算、移行条件と責任範囲の確認、運用体制と情報管理の設計で、回避・軽減できます。発注企業は、成功談だけでなく失敗の理由と立て直し方も学ぶ必要があります。全体像はボイスボットの完全ガイドもご覧ください。
▼全体ガイドの記事
・ボイスボットの完全ガイド
・業務システム開発を依頼する会社の選び方やRFPの作り方については、無料ホワイトペーパー「業務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。
・スクラッチシステム開発を依頼する会社の選び方やRFPの作り方については、無料ホワイトペーパー「スクラッチ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。
想定を超えて暴騰するコストの失敗
ボイスボットでは、導入費用が当初の見込みを超える失敗が起きます。とくに生成AI型では、利用量に応じたトークン課金や隠れコストが積み重なり、費用が膨らむおそれがあります。
予算が破綻すると、稟議の前提が崩れ、プロジェクトの存続も脅かされます。
トークン課金が想定の4倍に膨らんだ失敗
生成AI型のボイスボットで特に起きやすいのが、トークン課金の暴騰です。費用は入電量や会話時間、モデル選定で変わり、定型質問を生成AIでどう処理するかでも差が出ます。
- 契約前に試算：自社の入電量を前提に費用を見積もる
- 利用上限を設定：利用量に応じた上限とアラートを設ける
- モデルを使い分ける：簡単な用件は軽量モデル、複雑な用件は高精度モデルに回す
- 定型質問をシナリオ化：生成AIには毎回答えさせず、頻出質問のトークン消費を抑える
一次データでは、月5万円の想定が実際には20万円超に膨らんだ事例があります。背景には、入電量や1回あたりの会話時間を楽観的に見積もったことや、高額なモデルを安易に選んだことがあります。
月10万リクエストの場合、Gemini 2.0 Flashは約3,750円、Claude Sonnet 4は約135,000円で、両者には数十倍の差があります。
費用の暴騰を防ぐには、入電量を正確に見積もり、モデルと方式を適切に組み合わせることが欠かせません。
連携API費と再開発費という隠れコスト
トークン課金以外の追加費用も、予算に含めて見積もる必要があります。主な隠れコストは、要件の不足による再開発と、外部システムとの連携です。
- 再開発費：要件定義が不十分だと、稼働後に作り直しが発生する
- 連携API費：CRMやCTI、予約システムとの連携先が増えると費用が膨らむ
一次データでは、要件定義が甘いまま開発を進めた結果、再開発に100万〜500万円の追加費用がかかったケースがあります。
依頼が「電話を自動化したい」の一言にとどまると、必要な精度や連携が曖昧なままになり、稼働後に問題が噴出します。
一次データでは、外部システムとの連携APIは1件あたり30万〜100万円とされています。これを当初の予算に含めないと、後から追加費用が発生し、予算超過につながります。
発注側は、要件定義の段階で連携先を絞り、必須の連携と後回しにできる連携を分けておきます。そのうえで、初期費用とトークン課金に加えて、連携費と再開発リスクも含めて予算を組みます。
ベンダーロックインとデータ移行の課題
ベンダーロックインは導入時には見えにくく、後になって深刻な課題として表れます。特定のサービスに依存しすぎると、乗り換えの際にデータを移せない場合があります。
乗り換え先で機能を再現できない状態は、選択の自由やコスト交渉力を失いかねない、構造的なリスクです。
データ移行不能でベンダーを変えられない課題
ベンダーロックインの最も深刻な形は、データ移行不能です。会話ログやチューニングデータを次のサービスでも使えるようにするには、発注側がデータの所有権と出力形式を確認しておく必要があります。
- データの所有権：発注側にあるかどうか
- 出力形式：会話ログやチューニングデータを標準形式で出力できるか
- 契約終了時の返却：データを返却してもらえるかを要件に明記する
運用が続くと、会話ログやシナリオ設計といった資産に加えて、チューニングの蓄積や認識辞書もたまっていきます。こうした資産が独自形式に閉じ込められると、移行先へ持ち出せず、ゼロから作り直すことになります。
品質への不満や値上げがあっても、乗り換え費用が高くて動けない状況になりかねません。
riplaは、フルスクラッチ受託と国内開発の立場から、発注側にデータ所有権を置き、移行性を確保する設計を重視しています。
発注側は、特定サービスの便利さに加えて、将来そのベンダーから離れられるかという出口戦略も含めて検討します。
責任範囲の曖昧さが招く稼働後トラブル
稼働後も改善が止まらないよう、開発と運用の担当範囲を契約で明確にしておく必要があります。曖昧になりやすい役割には、次のものがあります。
- シナリオ設計：ベンダーと社内のどちらが担当するか
- 稼働後の調整：チューニングを誰が行うか
- 目標未達時の改善：回答率が届かない場合に、誰が改善を進めるか
責任範囲を決めないまま契約すると、「要件外」「御社の作業」と押し付け合いが起き、改善されないまま放置されることがあります。
運用フェーズまで含めて、月次の回答率レビュー、シナリオと辞書の更新、トラブル時の一次対応について、担当者を明文化しておきます。
担当が決まらないまま責任が空白になると、ボイスボットの形骸化が加速します。問題が起きたときに改善の責任者が分かっていれば、立て直しも進めやすくなります。
開発だけでなく運用フェーズの責任分担も、契約に定めておきます。成果は導入時点ではなく運用で決まるため、責任分担がロックインや放置を防ぐ要になります。
運用リソース枯渇による形骸化
導入そのものは成功しても、その後の運用でつまずく失敗があります。人件費削減や24時間対応が期待される一方で、導入後に効果が出ず、形骸化や廃止に至る例もあります。ボイスボットは導入して終わりではなく、継続的な改善で成果を出していくものです。
運用リソースの不足と現場の抵抗が、形骸化につながる主な課題です。
運用工数を確保できず精度が伸びない失敗
ボイスボットは、導入直後から完璧な回答率を出せるものではありません。そのため、会話ログを見て改善を続ける体制が欠かせません。
運用では、次の作業とその担当を、あらかじめ決めておきます。
- ログを分析：聞き取れなかった発話や答えられなかった質問を探し出す
- シナリオを改善：分析結果をもとに回答内容を見直す
- 認識精度を調整：会話の状況に合わせた認識の改善
一次データでは、運用に最低でも月5〜10時間程度のリソースが必要とされています。体制を用意せずに「導入すれば自動で賢くなる」と考えると、回答率が伸びず、顧客の不満がたまる場合があります。
神戸市では、回答率が導入月の50%から最終的に70%以上へ段階的に向上しました。その背景には継続的なチューニングがあり、運用を放置すれば、回答率は導入時の水準で頭打ちになります。
導入前に、「誰が・どの頻度で・何を見て改善するか」を運用体制に組み込んでおきます。社内の工数を確保できない場合は、ベンダーの運用代行を契約に含める方法もあります。
riplaは、運用伴走を組み込み、改善サイクルの担当を最初から設計することを重視しています。運用リソースの確保は、ボイスボットの成功に欠かせません。
現場の抵抗とチェンジマネジメントの失敗
技術以前の課題として、現場オペレーターの抵抗があります。役割分担と導入目的を現場と共有し、オペレーターの声を改善に生かすことが求められます。
- 業務分担を示す：AIが担う定型対応と人が担う相談を明確にする
- 前向きな目的を伝える：人が複雑で付加価値の高い相談に集中できると伝える
- 現場を改善に巻き込む：声を運用やシステムの改善に反映する
「AIに仕事を奪われる」という不安や、「使い方が分からない」という戸惑いから、有人対応に戻る場合があります。
現場が使わなければ、優れたシステムも役立ちません。だからこそ、人の問題として扱うことを怠ると失敗につながります。
AIは、つらい定型業務から人を解放し、人にしかできない対応に専念させるツールだと、丁寧に伝えます。
導入初期から現場を巻き込み、声を改善に反映すれば、抵抗が協力に変わります。
チェンジマネジメントが欠けると、ボイスボットは宝の持ち腐れになります。技術と運用の課題を越えるためにも、人の納得を得る取り組みが必要です。
情報漏えいとハルシネーションのリスク
最後に扱う重大なリスクは、情報漏えいとハルシネーションです。どちらも、企業の信頼を一瞬で損ないかねません。
ボイスボットは個人情報を扱い、生成AIは誤った回答を出すことがあります。対策を怠ると、大きな損害を招きかねません。
個人情報の外部送信による漏えいリスク
個人情報を外部に送る場合は、送信先での取り扱いや保存方法を導入前に確認しておきます。運用ルールでも、次の点を決めておく必要があります。
- AIサービスの契約：送信データが学習に使われない契約になっているか
- 処理と保管：処理リージョンと、録音・文字起こしの保管や破棄の方法
- 機微情報の対応：該当する用件は有人へ回し、本人確認を確実に行う
ボイスボットでは、顧客の氏名や住所、電話番号などを音声で扱うほか、契約内容も扱います。生成AIでは、情報が外部のLLMへ送信される可能性があり、扱いを誤ると漏えいにつながります。
一次データでは、漏えい発生時の対応に500万円以上かかるケースもあります。また、無料版のAIサービスでは送信データが学習に使われるリスクがあるため、機微な顧客情報の扱いには注意が必要です。
riplaは、フルスクラッチ受託と国内開発の立場から、個人情報の扱いとセキュリティ設計を要件の中核に据えています。漏えいは金銭的な損害だけでなく企業の信頼も揺るがすため、優先して対策を取ります。
ハルシネーションによる誤案内のリスク
誤った料金や手続きの案内を避けるため、社内情報に基づく回答と、確信が低い場合の有人対応を組み合わせます。
- RAGを活用：社内の正確な情報源に基づいて回答させる
- 参照情報を整える：FAQやマニュアルの構造や形式を整理し、プロンプトを工夫する
- 有人へ切り替える：信頼度が低い場合は、推測で答えさせない
生成AIは、事実と異なる回答を自信ありげに出すことがあります。誤った料金や手続きの案内は、訂正が必要になり、顧客に迷惑をかけます。
誤案内はトラブルやクレームにつながり、企業の信頼を損ないます。ハルシネーションはゼロにできませんが、対策によって大幅に抑えられます。
一次データでは、KARAKURIが正答率95%を保証するプランを提供しています。精度保証のあるサービスを選ぶことも、選択肢の一つです。
AI導入の32%が期待した効果に届かないという現実を踏まえ、リスク対策と立て直しの方法を、あらかじめ設計しておきます。
まとめ
AI導入の32%は期待した効果に届いていません。失敗例には、月5万円の想定が20万円超に膨らんだ課金や、要件定義不足による100万〜500万円の再開発があります。
データ移行ができないベンダーロックインや、月5〜10時間の運用工数の不足、現場の抵抗も、形骸化につながります。
情報漏えい対応に500万円超かかる場合もあり、ハルシネーションによる誤案内もリスクです。
これらの失敗は、事前の備えで回避・軽減できます。導入を進めるには、リスクを防ぐ設計に変えることが大切です。そのうえで、費用を試算し、データの所有権と責任範囲を契約で定め、運用体制や現場の参加、セキュリティと誤案内への対策を整えます。
riplaはフルスクラッチ受託と国内開発、運用伴走を組み合わせ、リスクを踏まえた要件整理と定着支援を一貫して行います。全体像の確認には、あらためて完全ガイドをご活用ください。
▼RFP作成前に読みたい無料ホワイトペーパー
・業務システム開発の完全ガイドブック
・スクラッチ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。