訓練を受けた2人の人間のアノテーターがコールセンターの発話20,000件のセンチメントにラベルを付けたところ、一致度はコーエンのκ係数でわずか0.605にとどまった(1.0が完全一致、0が偶然の一致を表す尺度)(ConnexAIの研究者、IntechOpen 2026)。この上限が重要なのは、音声分析ダッシュボードのあらゆるセンチメントスコアが、このようなラベルを基準に学習され評価されているからだ。一方で、商用の音声認識システムは、実際のコールセンター会話50件で単語の16.5%から19.2%を誤り、標準的な電話ベンチマークの10.2%から11.62%を大きく上回った(Szymanskiら、Findings of EMNLP 2020)。それでも1,104社の49.8%が、すでにこうした書き起こしに対してインタラクション分析を運用している(Metrigy、AI for Business Success 2025-26)。本記事では、Metrigy、NICEとVerintのSEC提出書類、EMNLPとLREC、OpenAI、arXivで公表された音声ベンチマーク、NBER、EU AI規則、イリノイ州議会、その他の一次情報源のデータを集計した。同じ業界の自動化の側面(分析ではなくボイスボットやAIエージェント)については、音声AIによるコンタクトセンター自動化の統計をご覧ください。
主なポイント
- 49.8%の企業がすでにインタラクション分析を利用しており、さらに29.9%が導入を計画している(Metrigy、AI for Business Success 2025-26)。
- 55%のコンタクトセンターが、いまも品質保証(QA)をスプレッドシートで運用しており、1年前の65%から低下した(ScorebuddyとCall Centre Helper、2025年12月)。
- 実際のコールセンター会話50件での商用ASRの単語誤り率(WER):16.5%から19.2%(Szymanskiら、Findings of EMNLP 2020)。
- Whisper large-v2は、CallHomeの電話通話では17.6%の単語を誤るが、朗読された音声では2.7%にとどまる(OpenAI、Whisper論文 2022)。
- アフリカ訛りの実際のコールセンター音声では、Whisper-large-v3のWERは24.69%、最良モデルは13.45%だった(AfriSpeech-MultiBench、arXiv 2025)。
- 人間のアノテーターによるコールセンター発話のセンチメントの一致度は、コーエンのκ係数で0.605(ConnexAIの研究者、IntechOpen 2026)。
- 実際の顧客通話を評価した2人の評価者の一致度は、感情価で級内相関係数(ICC)0.62、覚醒度で0.52にとどまった(CusEmo研究、arXiv 2023)。
- 音響のみのセンチメントモデルの重み付き正解率は電話通話で54.23%で、人間の85.76%を大きく下回った(Chenら、LREC 2020)。
- AIアシスタントにより、サポート担当者の生産性が14%、顧客センチメントが-1から1の尺度で0.18ポイント向上した(NBER Working Paper 31161)。
- 声から職場の従業員の感情を推定することは、2025年2月2日からEUで禁止されている(EU AI規則、規則(EU)2024/1689)。
- イリノイ州は、声紋などの生体識別子に関わる違反1件につき$1,000から$5,000の損害賠償額を定めている(740 ILCS 14)。
1. 導入状況:インタラクション分析と自動品質保証
導入の問題は半分決着がついている。1,104社の49.8%がすでにインタラクション分析を利用しており(通話、チャット、メールを書き起こし、トピック、コンプライアンス上の文言、センチメントを抽出するソフトウェア)、さらに29.9%が年内の導入を計画していた(Metrigy、AI for Business Success 2025-26)。変わったのはその役割だ。導入企業の最大グループである46.2%が、最大の価値はAIエージェントと人間のオペレーターの成果の比較だと答えている(Metrigyの分析、2025年5月14日)。音声分析は、コーチングのためだけの道具ではなく、自動化の成績表になりつつある。
分析が置き換えるはずの品質保証(QA)のプロセスは、驚くほど手作業のままだ。ベンダーが資金提供した調査では、QAでのスプレッドシート依存は前年の65%から55%に低下し、コンタクトセンターの44%が自動またはリアルタイムのスコアリングに強い関心を示した(ScorebuddyとCall Centre Helper、What Contact Centers Are Doing Right Now、2025年12月)。ベンダー側は集中しており規模も大きい。NICEは2025年の総収益を2,945.4百万ドル(前年は2,735.3百万ドル)と報告し、クラウド収益は12.8%増加した。また、対話型AI企業のCognigyの買収に際して、総額887.3百万ドルの最終対価を支払った(NICEの2025会計年度Form 20-F)。
| 指標 | 値 | 出典 |
|---|---|---|
| すでにインタラクション分析を利用している企業 | 1,104社の49.8% | Metrigy, AI for Business Success 2025-26 |
| 2025年中にインタラクション分析の導入を計画している企業 | 29.9% | Metrigy, AI for Business Success 2025-26 |
| 最大の価値をAIエージェントと人間のオペレーターの有効性の比較とする分析導入企業 | 46.2%(最大のグループ) | Metrigyの分析、2025年5月 |
| 品質保証にスプレッドシートを使うコンタクトセンター、今年と昨年の比較 | 55%、昨年は65% | ScorebuddyとCall Centre Helperの調査、2025年12月(ベンダー出資) |
| 自動またはリアルタイムの品質スコアリングに強い関心を持つコンタクトセンター | 44% | ScorebuddyとCall Centre Helperの調査、2025年12月(ベンダー出資) |
| NICEの顧客組織とFortune 100の顧客 | 150か国超で25,000組織以上、うちFortune 100の85社 | NICE Form 20-F、2025会計年度 |
| VerintのFortune 100の顧客と対応国 | Fortune 100の80社超、175か国超 | Verint Form 10-K、2025年1月31日終了の会計年度 |
| Verintのサブスクリプション事業の収益 | 約80% | Verint Form 10-K、2025年1月31日終了の会計年度 |
補足:手作業のQAチームが確認するのは通話のわずか「1%から3%」または「5%未満」だという数字が広く出回っているが、私たちが見つけたどの版もベンダーのブログか検証できない引用に行き着いたため、除外した。人間が確認する通話と機械が採点する通話の割合を報告した独立した公開調査は、2025年にも2026年にも存在しない。VerintのForm 10-Kは、収益の約72%が米州からのものだとも報告している。
2. 実際の通話音声での文字起こし精度
テキストに基づくセンチメントスコアはすべて書き起こしから始まるが、狭帯域(8 kHz)で自然発話の通話音声は、認識システムが日常的に扱う音声の中でも特に難しい部類に入る。単語誤り率(WER)とは、人間による書き起こしと比べて、システムが置換、欠落、挿入した単語の割合のことだ。3つの商用システムは、実際のコールセンター会話50件でWER 16.5%から19.2%を記録し、電話のベンチマークSwitchboardでは10.2%から11.62%だった(Szymanskiら、WER we are and WER we think we are、Findings of EMNLP 2020)。著者らは、Switchboardで公表されている最良の結果は約5%だと指摘しており、実際の通話の誤り率は、見出しのベンチマークが示す水準のおよそ3倍から4倍だったことになる(16.5 / 5 = 3.3、19.2 / 5 = 3.84)。非公開のコールセンター音声における商用システムの入手可能な最新データ:Szymanskiら、2020年。現行の商用エンジンで実際の通話録音を使ってこのテストを再現した公開データは見つからなかった。
より新しいオープンモデルでも同じ差が見られる。Whisper large-v2は、LibriSpeech test-clean(朗読された音声)ではWER 2.7%だったが、CallHomeでは17.6%、Switchboardでは13.8%で、後者2つはいずれも電話会話のデータセットだ(OpenAI、Robust Speech Recognition via Large-Scale Weak Supervision、2022)。訛りが加わると差はさらに広がる。アフリカ訛りの実際のオペレーターと顧客の通話を集めた小規模な非公開データセットでは、結果は最良モデルの13.45%から最悪モデルの88.71%まで幅があった(AfriSpeech-MultiBench、arXiv 2025年11月)。この側面は、当社の訛りバイアスと単語誤り率の統計で詳しく扱っている。
| 指標 | 値 | 出典 |
|---|---|---|
| 実際のコールセンター会話50件(音声8.5時間、発話2.2時間)における商用ASR 3システムのWER | 16.5%から19.2% | Szymanskiら、Findings of EMNLP 2020 |
| 同じ3システムのHUB’05 Switchboard電話ベンチマークでのWER | 10.2%から11.62% | Szymanskiら、Findings of EMNLP 2020 |
| 最良システムの業種別コールセンターWER | 13.73%(保険)から20.95%(旅行予約) | Szymanskiら、Findings of EMNLP 2020 |
| 3システムのうち最も弱いシステムの、顧客の発話と担当者の発話でのWER | 20.99%、担当者は17.83% | Szymanskiら、Findings of EMNLP 2020 |
| Whisper large-v2のWER:朗読音声(LibriSpeech test-clean)、CallHome電話通話、Switchboard電話通話の比較 | 2.7%、17.6%、13.8% | OpenAI、Whisper論文 2022 |
| CallHome電話通話でのNVIDIA Conformer-CTC largeとwav2vec2-large-960hのWER | 11.3%、34.8% | OpenAI、Whisper論文 2022(比較表) |
| アフリカ訛りの実際のコールセンター音声でのWER:最良モデル、Whisper-large-v3、GPT-4o Transcribeの比較 | 13.45%、24.69%、23.20% | AfriSpeech-MultiBench、arXiv 2025年11月 |
| ASRで書き起こしたコールセンター評価セット(618発話)のうち、書き起こしの誤りを含む割合 | 42.6%(263サンプル) | ConnexAIの研究者、IntechOpen 2026 |
外れ値に関する注記:担当者と顧客の差はどこでも見られるわけではない。商用3システムのうち最良のシステムでは、顧客と担当者のWERはほぼ同一(16.48%、16.49%)であり、顧客側の発話が難しいのは一部のエンジンであって、すべてではない。また、誤りの種類もベンチマークの誤りとは異なる。当社の音声認識のハルシネーションの統計は、WERのスコアだけでは切り分けられない、でっち上げられた単語を扱っている。
3. 通話の書き起こしにおけるテキストのセンチメント:人間の一致度と機械の精度
センチメント分析で気まずい数字は、人間側の基準値だ。コールセンターの発話20,000件(ブロードバンド、保険、その他の業界)にラベルを付けた2人のアノテーターの一致度は、コーエンのκ係数で0.605だった(ConnexAIの研究者、Enhancing Call Centre Sentiment Analysis with Large Language Models、IntechOpen 2026)。κ係数は、素の一致率を偶然の一致で補正するもので、1.0は完全一致、0は偶然だけで得られる水準を表す。ベンダーが示す「センチメント精度」はどれも、人間自身がしばしば意見を異にするラベルを基準に採点されている。
この上限の範囲内で、モデルはきれいなテキストでは良好だが、最も重要なクラスでつまずく。完全なアノテーション指示を与えると、320億パラメータのオープンな大規模言語モデル(LLM)は、3クラスで人間のゴールドスタンダード(人手による正解ラベル)と91%の割合で一致したが、そのマクロF1(クラスごとのF1スコアの平均で、少数クラスを無視すると不利になる)は0.79だった。本当の負荷試験はASRの出力だ。機械で書き起こした本番の通話では、同じ手法のマクロF1は単独の発話で0.74、6ターンの窓を見せると0.86に達した。文脈はサイズ以上に効いた。同じテストで、40億パラメータのQwen3モデルはマクロF1 0.78だったのに対し、320億パラメータの同系モデルは0.56だった。Switchboardの電話コーパスでは、ラベルの内訳を見れば「中立」がダッシュボードで優勢になる理由がわかる。セグメントの52.6%が中立だった(Chenら、A Large Scale Speech Sentiment Corpus、LREC 2020)。
| 指標 | 値 | 出典 |
|---|---|---|
| コールセンターの発話20,000件のセンチメントに関する人間2人のアノテーター間の一致度(コーエンのκ係数) | 0.605 | ConnexAIの研究者、IntechOpen 2026 |
| オープンLLM(Qwen2.5-32B-Instruct)に完全な指示を与えた場合と人間のゴールドスタンダードの比較、センチメント3クラス、8,750サンプル | 正解率0.91、マクロF1 0.79 | ConnexAIの研究者、IntechOpen 2026 |
| 人間が書き起こした通話でのマクロF1:ファインチューニング済みDistilBERTとSVM分類器の比較 | 0.90、SVMは0.82 | ConnexAIの研究者、IntechOpen 2026 |
| 本番通話の機械(ASR)書き起こしでのLLMのマクロF1:単独の発話と6ターンの文脈窓の比較 | 0.74、6ターンは0.86 | ConnexAIの研究者、IntechOpen 2026 |
| Switchboard電話通話(49,500セグメント、140時間)における、個々の人間アノテーターの多数決ラベルに対する平均正解率 | 約85% | Chenら(Google)、LREC 2020 |
補足:同じ章では、最良の分類器でも否定のクラスが弱点だった(ファインチューニング済みDistilBERTのF1は、肯定の0.94に対し否定は0.78)。また、SVMは機械の書き起こしで崩れ、担当者の発話でマクロF1 0.25、顧客の発話で0.46にとどまった。機械で書き起こした本番通話は偏りもあった。中立が61%、肯定が30%、否定が9%だった。すべてを中立とラベル付けするモデルは、こうしたデータでは正確に見えるが、怒っている9%を見逃してしまう。
4. 音響による感情検出:声は何を加えるのか
声のトーンは「感情AI」のセールスポイントだが、電話通話のセンチメントベンチマークSwitchboardでは、単独の手がかりとして最も弱かった。音響のみのモデルは、3クラスのセンチメントで重み付き正解率54.23%にとどまり、人間は85.76%だった。これにテキストを加えると65.65%に上がった(Chenら、LREC 2020、Luら 2019のベースラインを報告)。重み付き正解率はすべてのセグメントを同等に数える。重みなし正解率は3クラスを平均するため、音響モデルの重みなしスコア39.63%は、ランダムな推測で得られる33.3%をわずか約6ポイント上回るにすぎない(39.63 - 33.33 = 6.3)。3種類の入力すべてを比較した公開の電話通話センチメントベンチマークの入手可能な最新データ:Switchboardセンチメントコーパス、LREC 2020。
実際の顧客サービス通話は、ラベル付けがさらに難しい。フランスの出張手配コールセンターを対象にしたCusEmo研究では、顧客の感情を連続的に評価した2人のアノテーターの級内相関係数(ICC、0から1の一致度)は、感情価(どれだけ肯定的か否定的か)で0.62、覚醒度(どれだけ活性化しているか落ち着いているか)で0.52だった(End-to-End Continuous Speech Emotion Recognition in Real-life Customer Service Call Center Conversations、arXiv 2023)。最良モデルのこれらの評価との一致度(CCC、1が完全一致)は、オペレーターの共感度を与えたうえで、感情価で0.699、覚醒度で0.508だった。言い換えれば、モデルが担当者の声も聞いたほうが、顧客の気分は読み取りやすい。同じ技術の臨床での用途については、当社の音声感情認識の精度統計をご覧ください。
| 指標 | 値 | 出典 |
|---|---|---|
| Switchboard電話通話での3クラスセンチメントの重み付き正解率:音響のみのモデル、音響とテキストのモデル、音声認識の特徴量を使うモデル、人間の聞き手の比較 | 54.23%、65.65%、70.10%、85.76% | Chenら(Google)、LREC 2020 |
| 重みなし(クラス平均)正解率、同じ4つの手法を同じ順序で | 39.63%、54.59%、62.39%、84.61% | Chenら(Google)、LREC 2020 |
| フランスの出張手配コールセンターのCusEmo元データ | 会話5,548件、375.39時間 | CusEmo研究、arXiv 2023 |
| 文脈アノテーション付きのCusEmo会話、感情評価を受けた顧客音声 | 会話469件、13.15時間 | CusEmo研究、arXiv 2023 |
| 顧客の感情を評価した2人のアノテーター間の一致度(ICC):感情価と覚醒度の比較 | 0.62、覚醒度は0.52 | CusEmo研究、arXiv 2023 |
| オペレーターの共感度を加えた場合の最良モデルと人間の評価との一致度(CCC):感情価と覚醒度の比較 | 0.699、覚醒度は0.508 | CusEmo研究、arXiv 2023 |
補足:CusEmoコーパスは社内利用専用で公開されておらず、5,548件の会話のうち文脈アノテーションを受けたのは469件のみだ。実際のコールセンターの感情データが乏しいのは、まさに録音に個人データが含まれるからであり、公表されている精度の数値の大半がポッドキャスト、演技音声、数十年前の電話コーパスに由来する理由の一つでもある。
5. 測定されたビジネス成果
分析ベンダーが売るのは成果であり、最も適切に統制された証拠は、音声ではなくテキストから得られている。サポート担当者5,179人と約3百万件のチャットを対象とした研究では、AI会話アシスタントにより、1時間あたりの解決件数が平均14%、新人や低スキルの担当者では34%増加した(Brynjolfsson、Li、Raymond、Generative AI at Work、NBER Working Paper 31161)。この研究では、LLMベースのセンチメント分類器(SiEBERT、テキストを-1から1で採点)で顧客の気分を測定しており、自動センチメントを特徴量ではなく成果として使った数少ない大規模フィールド研究の一つだ。
より柔らかい指標も動いた。顧客センチメントは0.18ポイント(標準偏差の半分)上昇し、マネージャーとの会話を求める要求は約25%近く減少し、処理時間は3.8分短縮した。解決率はほとんど変わらなかった。購入側は、データは最上位にあるべきだと考えているようだ。企業の84%近く、Metrigyの成功グループでは96.7%が、顧客インタラクションのデータは経営層向けの業績ダッシュボードに含めるべきだと答えている(Metrigyの分析、2025年5月)。
| 指標 | 値 | 出典 |
|---|---|---|
| AI会話アシスタントによる生産性の向上(1時間あたりの解決件数)、担当者5,179人 | 平均14% | NBER Working Paper 31161、Brynjolfsson、Li、Raymond |
| 新人や低スキルの担当者の生産性の向上 | 34% | NBER Working Paper 31161 |
| 顧客センチメントの平均の変化(SiEBERTスコア、-1から1) | +0.18ポイント、標準偏差の約半分 | NBER Working Paper 31161 |
| マネージャーとの会話を求める顧客の要求の変化(ベースラインは約6パーセントポイント) | 25%近く減少 | NBER Working Paper 31161 |
| 平均処理時間の変化 | 3.8分短縮、9%の低下 | NBER Working Paper 31161 |
| 解決率の変化(ベースライン82%) | +1.3パーセントポイント、10%水準でのみ有意 | NBER Working Paper 31161 |
| インタラクションデータを経営層ダッシュボードに載せたい企業:全企業と最も成功したグループの比較 | 84%近く、最も成功したグループは96.7% | Metrigyの分析、2025年5月 |
外れ値に関する注記:NBERの研究では、担当者のセンチメントは0.02ポイント、標準偏差の約1%しか上昇しておらず、効果は担当者の書き方ではなく顧客の書き方に表れた。この研究は1社のテキストチャットを対象としている。音声通話の分析の成果について、同程度の規模の統制された研究は見つからなかった。
6. 規制とプライバシー:感情認識のルールと声紋に関する法律
法的な境界線は、誰の感情を、何から読み取るかによって引かれる。EU AI規則は2025年2月2日から、医療または安全上の理由を除き、職場で人の感情を推定するAIシステムを禁止している(規則(EU)2024/1689、第5条1項(f)および第113条)。この規則は感情認識を「生体データに基づく」推定と定義しており、そのため欧州委員会のガイドラインは、音声認識を使って従業員の怒りを追跡するコールセンターは禁止されるが、顧客の感情を追跡するコールセンターは禁止の対象外であり、書かれたテキストからの推定も対象外だとしている(欧州委員会の禁止されるAI慣行に関するガイドライン、2025年2月4日、事例はCMS、2025年2月10日による要約)。実務上、顧客に対する書き起こしベースのセンチメント分析が欧州では最も安全な設計であり、担当者に対する声のトーンのスコアリングが最もリスクが高い。
規則の前文第44項は、感情認識の科学的根拠に関する深刻な懸念を挙げて禁止を正当化しており、信頼性の限界、特異性の欠如、一般化可能性の限界を指摘している。これらは、第3節と第4節の一致度スコアが測っているのと同じ弱点だ。米国では、最も鋭い法的リスクは生体情報の面にある。イリノイ州は声紋を生体識別子と数えるため、話者の声紋を作成するシステム(たとえば発信者認証のためのもの)は、その規則と違反1件ごとの損害賠償額の対象になる(イリノイ州生体情報プライバシー法、740 ILCS 14)。
| 指標 | 値 | 出典 |
|---|---|---|
| 職場および教育機関での感情推定に関するEUの禁止(第5条1項(f))が適用される日 | 2025年2月2日 | EU AI規則、規則(EU)2024/1689、第113条 |
| 禁止されるAI慣行を用いた場合の制裁金の上限 | 35,000,000ユーロまたは全世界の年間総売上高の7%のいずれか高い方 | EU AI規則、第99条3項 |
| 禁止されていない感情認識システム(たとえば顧客に対するもの)の位置づけ | 高リスクAIシステムとして列挙 | EU AI規則、附属書III、1項(c) |
| 公布時点のEU AI規則の全面適用日 | 2026年8月2日 | EU AI規則、第113条 |
| 音声認識を使って従業員の怒りなどの感情を追跡するコールセンター | 禁止 | 欧州委員会のガイドライン、2025年2月 |
| 音声認識を使って顧客の感情を追跡するコールセンター | 職場に関する禁止の対象外 | 欧州委員会のガイドライン、2025年2月 |
| 声紋などの生体識別子に関わる違反1件あたりのイリノイ州の法定損害賠償額:過失と故意または無謀の比較 | $1,000、故意または無謀は$5,000 | イリノイ州BIPA、740 ILCS 14/20 |
| イリノイ州BIPAの施行日と直近の改正 | 2008年10月3日、公法103-769により改正(2024年8月2日施行) | イリノイ州議会 |
補足:欧州委員会のガイドラインに拘束力はなく、権威ある解釈はEU司法裁判所に委ねられている。NICE自身の年次報告書も、AI規則は「2026年8月まで段階的に適用される」こと、不遵守に対する制裁金は「重大である」ことを警告している(NICEの2025会計年度Form 20-F)。
数字で見るコールセンター音声分析のセンチメント検出精度(まとめ)
| 指標 | 値 | 出典 |
|---|---|---|
| すでにインタラクション分析を利用している企業と2025年に導入を計画している企業の比較 | 49.8%、導入計画は29.9%(1,104社中) | Metrigy, AI for Business Success 2025-26 |
| いまも品質保証にスプレッドシートを使っているコンタクトセンター | 55%(65%から低下) | ScorebuddyとCall Centre Helper、2025年12月 |
| NICEの2025年の総収益 | 2,945.4百万ドル | NICE Form 20-F、2025会計年度 |
| 実際のコールセンター会話50件での商用ASRのWER | 16.5%から19.2% | Szymanskiら、Findings of EMNLP 2020 |
| 同じシステムのSwitchboard電話ベンチマークでのWER | 10.2%から11.62% | Szymanskiら、Findings of EMNLP 2020 |
| Whisper large-v2のWER:朗読音声とCallHome電話通話の比較 | 2.7%、CallHomeは17.6% | OpenAI、Whisper論文 2022 |
| アフリカ訛りのコールセンター音声でのWER:最良モデルとWhisper-large-v3の比較 | 13.45%、Whisper-large-v3は24.69% | AfriSpeech-MultiBench、arXiv 2025 |
| コールセンター発話のセンチメントに関する人間同士の一致度(コーエンのκ係数) | 0.605 | ConnexAIの研究者、IntechOpen 2026 |
| ASR書き起こしでのLLMセンチメントのマクロF1:単独の発話と6ターンの文脈の比較 | 0.74、6ターンは0.86 | ConnexAIの研究者、IntechOpen 2026 |
| 電話通話センチメントの重み付き正解率:音響のみ、音響とテキスト、人間の比較 | 54.23%、65.65%、85.76% | Chenら(Google)、LREC 2020 |
| 実際の通話での顧客の感情価と覚醒度に関するアノテーター間の一致度(ICC) | 0.62、覚醒度は0.52 | CusEmo研究、arXiv 2023 |
| AI会話アシスタントによる生産性の向上、全担当者と新人の比較 | 14%、新人は34% | NBER Working Paper 31161 |
| AI支援による顧客センチメントの変化(-1から1の尺度)とマネージャーへの取り次ぎ要求 | +0.18ポイント、要求は25%近く減少 | NBER Working Paper 31161 |
| 職場での感情推定に関するEUの禁止の適用開始日 | 2025年2月2日 | EU AI規則、第113条 |
| 音声認識を使って従業員の感情を追跡するコールセンターと顧客の感情を追跡するコールセンターの比較 | 禁止、顧客は職場に関する禁止の対象外 | 欧州委員会のガイドライン、2025年2月 |
| 禁止されるAI慣行に対するEUの制裁金の上限 | 35,000,000ユーロまたは全世界売上高の7% | EU AI規則、第99条3項 |
| 生体情報に関する違反1件あたりのイリノイ州の損害賠償額、過失と故意の比較 | $1,000、故意は$5,000 | イリノイ州BIPA、740 ILCS 14 |
方法論と出典
- Metrigy, The Value of Interaction Analytics(AI for Business Success 2025-26、1,104社)と同じ調査に関するMetrigyの分析、2025年5月14日:導入状況、導入計画、主な用途、ダッシュボードに対する考え方。
- ScorebuddyとCall Centre Helper, What Contact Centers Are Doing Right Now、2025年12月11日:QAツールに関する調査、ベンダー出資。サンプルサイズはリリースに記載がない。
- NICE Ltd、2025年12月31日終了の会計年度のForm 20-F(SEC EDGAR):収益、クラウドの成長、顧客基盤、Cognigyの対価、AI規則のリスク要因。
- Verint Systems、2025年1月31日終了の会計年度のForm 10-K(SEC EDGAR):顧客基盤、対応国、サブスクリプションの割合、地域別収益。
- Szymanskiら, WER we are and WER we think we are, Findings of EMNLP 2020:実際のコールセンター会話50件での商用ASR。
- Radfordら(OpenAI), Robust Speech Recognition via Large-Scale Weak Supervision, 2022:LibriSpeech、CallHome、SwitchboardでのWhisperのWER。
- Ashungafacら(Intron Health), AfriSpeech-MultiBench, arXiv 2025年11月:18のASRシステムのコールセンター領域でのWER。
- Jordan、Fonseka、Stacey、Sitvaev(ConnexAI), Enhancing Call Centre Sentiment Analysis with Large Language Models, IntechOpen、2026年6月20日:人間の一致度、LLMと分類器のセンチメント精度、ASRに対する頑健性。著者はコンタクトセンター向けAIベンダーに所属している。
- Chenら(Google), A Large Scale Speech Sentiment Corpus, LREC 2020(LDC2020T14):Switchboardのセンチメントラベル、人間の精度、音響とテキストのベースライン。
- End-to-End Continuous Speech Emotion Recognition in Real-life Customer Service Call Center Conversations(CusEmo), arXiv 2023:実際のコールセンターの感情コーパスとモデルの結果。
- Brynjolfsson、Li、Raymond, Generative AI at Work, NBER Working Paper 31161:生産性、センチメント、エスカレーション、離職に関する成果。
- 規則(EU)2024/1689(EU AI規則), EUR-Lex:第3条(39)、第5条1項(f)、第99条3項、第113条、附属書III、前文第44項。
- 欧州委員会, 禁止されるAI慣行に関するガイドライン、2025年2月4日とコールセンターの事例に関するCMSの要約、2025年2月10日。
- イリノイ州議会, 生体情報プライバシー法、740 ILCS 14:声紋の定義と法定損害賠償額。
- データウォッチ:コールセンターの商用WER研究(2020年)、Whisper論文(2022年)、Switchboardのセンチメントのベースライン(2020年)、CusEmo研究(2023年)は、それぞれの測定について入手可能な最新の公開データだ。実際の通話録音を使った商用エンジンのより新しい公開テストは見つからず、これらの論文で使われたコールセンターのデータセットは非公開である。IntechOpenの章は一部で内部の整合性を欠いている(要旨ではセンチメントの観測が3,000件とされているが本文では8,750件が使われており、ASRのF1は要旨で「約0.76」とされている一方、本文ではマクロF1が0.74、正解率が0.76となっている)。私たちは本文の表を使用した。CusEmo論文の本文は、ある設定について0.657と0.434と報告しているが、その表では.667と.499と記載されている。AfriSpeech-MultiBenchのコールセンターセットはわずか16サンプル(0.80時間)で、論文は評価したシステム数を18とも19とも記している。NBERの成果は、音声通話ではなく1社のテキストチャットから得られたものだ。Metrigyは同じ導入結果を、ある箇所では49.8%、別の箇所では「半分にとどまる」と表現している。手作業のQAが通話の1%から3%をカバーするという広く繰り返される主張は、独立した調査にたどれなかったため除外した。EU AI規則のスケジュールは官報に公布されたとおりに引用している。高リスクの義務について2026年8月2日の日付に依拠する前に、その後の改正がないか確認してほしい。
最終更新日:2026年10月27日。当社はこのまとめを四半期ごとに更新しており、次回の更新は、MetrigyがAI for Business Successの次の調査を公表し、NICEが次の年次Form 20-Fを提出する時期を予定している。