株式会社homulaは、企業向けの新しいサービス「音声AIエージェント導入支援サービス」の提供を開始しました。
このサービスは、企業が電話や音声でのやり取りをAIに任せることで、業務をよりスムーズに進めることを目指しています。特に、人間と話しているような自然な会話が、非常に短い待ち時間（0.9秒から1.2秒）で実現できるのが大きな特長です。
サービス提供の背景
近年、多くの企業でデジタル技術を使った業務の自動化（DX）が進んでいます。チャットボットやRPA（ロボットによる業務自動化）などで文字によるやり取りは自動化されてきましたが、電話や音声でのコミュニケーションは、その複雑さから自動化が難しい分野でした。
しかし、2024年後半以降、音声認識（STT）、音声合成（TTS）、そしてリアルタイムでの音声AIの連携技術が大きく進歩しました。Deepgram Nova-3のような高精度な音声認識や、ElevenLabs、Deepgram Aura-2による人間そっくりの音声合成、そしてLiveKitやPipecatのようなリアルタイムでAIを動かす技術が登場したのです。
これらの技術により、今まで難しかった「自然な対話ができるAI」の実現が可能になりました。しかし、これらの新しい技術を日本の企業環境に導入し、既存のシステムと連携させながら、実際に業務で使えるようにするには専門的な知識と技術が必要です。homulaは、このニーズに応えるために本サービスの提供を開始しました。
サービスの主な特長
1. 0.9秒～1.2秒の超高速リアルタイム音声対話
従来の音声ボットが応答に2～4秒かかっていたのに対し、このサービスでは0.9秒から1.2秒という驚くほどの速さで応答します。会話の流れを速くするための特別な技術を使うことで、まるで人間と話しているかのようにスムーズな対話が可能です。話の途中で割り込んだり、相槌を打ったり、沈黙の時間を調整したりすることもできます。
2. 業務システムとの確実な接続
LangGraphという技術をベースにした仕組みで、CRM（顧客管理システム：Salesforceなど）、チケット管理（Jira / ServiceNow）、会社の基幹システムなど、さまざまな業務システムと連携できます。通話中にリアルタイムで顧客情報を更新したり、通話が終わった後に自動で要約を作成してシステムに入力したり、お客様の声（VOC）を自動で分析したりすることも可能です。
3. 最初からセキュリティと管理を考慮した設計
このサービスは、セキュリティや管理の仕組みが最初から組み込まれています。例えば、誰がいつ何をしたか記録する監査ログ、利用できる人を制限する権限管理、データの保存場所の指定、そして万が一の故障に備える仕組みなどです。音声データは国内（東京/大阪リージョン）だけで処理・保存され、外部から閉ざされたネットワーク（閉域網）でも使えるため、金融業界のFISC安全対策基準に準拠した設計になっており、ISMAPやSOC2といったセキュリティ基準にも対応できます。
4. 人とAIの協力体制（Human-in-the-Loop設計）
AIにどこまで任せるかを明確に決め、もしAIでは対応が難しいと判断された場合や、リスクが高いと判断された場合には、すぐに人間のオペレーターに引き継ぐことができます。また、承認が必要な流れや、AIが答えてはいけない内容（禁止領域）を設定し、その根拠を示すこともできるため、安心して利用できます。
5. 最適な技術を組み合わせたアーキテクチャ
特定のツールだけに頼らず、それぞれの機能に最適な技術を自由に組み合わせています。これにより、音声AIの技術が急速に進化しても、常に最新の技術を取り入れながら、業務の安定性を保ち、特定のベンダーに縛られることなく利用できます。
技術アーキテクチャの概要
homulaの「Voice Agent Platform」は、音声AIに必要な機能を6つの層に分けて作られています。これにより、それぞれの部分を独立して更新したり交換したりできるため、新しいAI技術が出ても柔軟に対応できます。
-
Voice I/O（音声入出力）層: LiveKit Agentsが、WebRTCという技術を使って、リアルタイムでの低遅延な音声通話を可能にします。
-
Speech（音声処理）層: Deepgram Nova-3による高精度な音声認識と、ElevenLabsやGoogle Chirp 3 HDによる自然な音声合成を組み合わせ、特に日本語での対話に最適化されています。
-
Brain（思考）層: LangGraphという技術を使い、お客様の言葉の意図を何段階にも分けて理解し、最適な答えを生成したり、他のツールを呼び出したりします。AIモデルはClaudeやGPT-4oなど、必要に応じて選べます。
-
Orchestration（連携）層: こちらもLangGraphが、業務システムとの連携や、例外が発生したときの処理、会話の記録などを担当します。
-
Connectivity（接続）層: MCP（Model Context Protocol）という標準的な接続方法で、CRMなどの業務システムと安全に、そして権限を管理しながらつながります。
-
Data（データ）層: PineconeによるRAG検索基盤や、Snowflakeなどによるログ・分析基盤が、AIの回答精度を高め、運用状況を見える化します。
主な利用シーンと業界
このサービスは、さまざまな業界や業務で活用できます。
-
コンタクトセンター（全業界共通）
-
お客様からの最初の問い合わせにAIが自動で対応し、必要に応じてオペレーターに引き継ぎます。
-
オペレーターの業務をAIがサポート（通話内容の要約、次の対応の提案、必要な情報の自動提示など）。
-
通話後の事務処理（要約作成、CRM入力、チケット発行、フォロー連絡）を自動化します。
-
-
証券・銀行・保険
- 株価照会、口座残高確認、保険金請求の受付など、FISC基準に準拠した安全な環境で利用できます。
-
医療・ヘルスケア
- 予約受付、検査結果の案内、事前の問診などに活用できます。
-
不動産・住宅
- 物件の問い合わせ対応、内見予約、契約手続きのサポートなどが可能です。
-
製造・フィールドサービス
- 修理の受付から、必要な部品の確認、日程調整までの一連の対応を自動化できます。
-
自治体・公共
- 住民からの問い合わせ対応、災害時の情報提供、多言語対応などにも役立ちます。
homula Voice Agent Platformの独自の立ち位置
homulaの「Voice Agent Platform」は、「特定のツールに縛られない、一番良い技術の組み合わせ」と「企業で使うための管理・セキュリティ機能の標準装備」を両立している点で、他の大手システム開発会社や海外のSaaS製品とは異なります。0.9秒台の速い応答と日本語に特化した調整を維持しながら、FISC対応や閉域網での運用など、日本の規制が厳しい業界の要件にも標準で対応しています。
株式会社homula 代表取締役 福地 峻氏のコメント
株式会社homula 代表取締役の福地 峻氏は、次のように述べています。
「電話や音声を使った業務は、これまでDXが最も遅れていた分野の一つでした。しかし、2024年後半以降の音声AI技術の大きな進歩により、技術的には『人間と話しているような』AIエージェントを作ることが可能になりました。
今の課題は、技術そのものではなく、それを日本の企業環境に導入し、実際に業務として使えるようなシステムを設計することにあります。homulaは、コンポーザブルAIアーキテクトとして、各機能に最適な技術を組み合わせ、速い応答速度、業務連携の確実性、そして高いセキュリティという3つの点を同時に満たす音声AI基盤を提供します。まずは現状の音声業務の課題を一緒に見つけ、AI導入の可能性を検証させてください。」
株式会社homulaについて
homulaは、企業向けにAIエージェントの戦略を立てるところから、お試し導入（PoC）、実際の導入、運用、そして企業内でAIを使いこなせるようになるまでを一貫してサポートする「コンポーザブルAIアーキテクト」です。特定のツールに縛られず、n8n、Dify、LangGraph、MCPなどの技術を、お客様の要望に応じて最適に組み合わせます。少ない人数でも大きな成果を出せる「LLM-Native FDE（Forward Deployed Engineer）」モデルを採用し、自社製品「Agens」と導入支援サービスを組み合わせた総合的なサポートを提供しています。これまでに累計3.2億円の資金を調達しています。
-
会社名: 株式会社homula
-
所在地: 東京都港区赤坂1-14-14第35興和ビル
-
代表取締役: 福地峻
-
事業内容:
-
AIエージェント向けオンボーディング＆ガバナンス基盤「Agens」の開発・提供
-
n8n / Dify / LangChain / LangGraph / ChatGPT / Gemini / Claude 等を活用した業務自動化・AIエージェント開発のコンサルティング・受託開発
-
お問い合わせ
本サービスに関する詳細やご相談は、以下のページからお問い合わせください。
-
音声AIエージェント導入支援サービスページ: https://www.homula.jp/services/voice-agent
-
お問い合わせフォーム: https://www.homula.jp/contact
