ผู้ซื้อระดับองค์กรกับคนที่พวกเขาให้บริการต้องการสิ่งที่ตรงข้ามกัน: ผู้นำธุรกิจ 67% ตอนนี้เรียก voice AI ว่าเป็นแกนหลักของกลยุทธ์องค์กร ในขณะที่ผู้บริโภคในสหรัฐฯ 79% บอกว่าชอบมนุษย์มากกว่า AI agent อย่างชัดเจน ช่องว่างนั้นเอง ไม่ใช่ตัวเลขเปรียบเทียบประสิทธิภาพของโมเดล ที่เป็นสถิติชี้วัดสำคัญของ voice AI ในปี 2026 ตลาดกำลังทุ่มเงินสนับสนุนฝั่งผู้ซื้ออย่างหนัก: ElevenLabs เพียงบริษัทเดียวระดมทุนได้ 500 ล้านดอลลาร์ ด้วยมูลค่าบริษัท 11 พันล้านดอลลาร์ในเดือนกุมภาพันธ์ 2026 และ Grand View Research คาดการณ์ว่าหมวดหมู่ AI voice agents จะเติบโตจาก 2.54 พันล้านดอลลาร์ในปี 2025 เป็น 35.24 พันล้านดอลลาร์ภายในปี 2033 ในขณะเดียวกัน 91% ของผู้นำฝ่ายบริการลูกค้ารายงานว่าถูกกดดันจากผู้บริหารให้นำ AI มาใช้งานในปีนี้ ตัวเลขด้านล่างนี้รวบรวมมาจากแบบสำรวจ State of Voice AI ของ Deepgram ร่วมกับ Opus Research, ข่าวประชาสัมพันธ์ของ Gartner, งานวิจัย voice agent ของ a16z, ผลสำรวจผู้บริโภคของ SurveyMonkey เดือนธันวาคม 2025, รายงาน Amplified 2026 ของ Voices.com, Grand View Research, Fortune Business Insights และราคา API ที่เปิดเผยต่อสาธารณะของ OpenAI
TL;DR
- ตลาด AI voice agents มีมูลค่า 2.54 พันล้านดอลลาร์ในปี 2025 คาดว่าจะเติบโตเป็น 35.24 พันล้านดอลลาร์ภายในปี 2033 ด้วย CAGR 39.0% (Grand View Research)
- ตลาด conversational AI ที่กว้างกว่าจะมีมูลค่าถึง 17.97 พันล้านดอลลาร์ในปี 2026 และคาดการณ์ว่าจะถึง 82.46 พันล้านดอลลาร์ภายในปี 2034 (Fortune Business Insights)
- ผู้นำธุรกิจ 67% เรียก voice AI ว่าเป็นแกนหลักของกลยุทธ์ผลิตภัณฑ์และธุรกิจของตน (Deepgram / Opus Research, State of Voice AI)
- มีเพียง 21% เท่านั้นที่พึงพอใจอย่างมากกับระบบ voice agent แบบดั้งเดิมที่ใช้งานอยู่แล้ว (Deepgram / Opus Research)
- ผู้นำฝ่ายบริการและสนับสนุนลูกค้า 91% ถูกผู้บริหารกดดันให้นำ AI มาใช้งานในปี 2026 (Gartner, February 2026)
- Gartner คาดการณ์ว่า agentic AI จะสามารถแก้ปัญหาการบริการลูกค้าทั่วไปได้เองโดยอัตโนมัติถึง 80% ภายในปี 2029 พร้อมลดต้นทุนการดำเนินงานลง 30%
- ผู้ใหญ่ในสหรัฐฯ 79% ชอบมนุษย์มากกว่า AI agent อย่างชัดเจน และ 89% ต้องการให้มีทางเลือกที่เป็นมนุษย์ไว้เสมอ (SurveyMonkey, December 2025)
- ElevenLabs ระดมทุนได้ 500 ล้านดอลลาร์ ด้วยมูลค่าบริษัท 11 พันล้านดอลลาร์ในเดือนกุมภาพันธ์ 2026 บนฐานรายได้ ARR มากกว่า 330 ล้านดอลลาร์ (ElevenLabs)
- 22% ของรุ่น Y Combinator ล่าสุดกำลังสร้างผลิตภัณฑ์ด้วยเสียง จากบริษัท voice agent ทั้งหมด 90 แห่งนับตั้งแต่ปี 2020 (a16z)
- gpt-realtime-2.1 มีต้นทุนเสียงขาออก 64.00 ดอลลาร์ต่อล้านโทเคน โดยเสียงขาเข้าที่แคชไว้มีราคา 0.40 ดอลลาร์ต่อล้านโทเคน (OpenAI)
- ผู้บริโภค 55% ใช้เสียงในการโต้ตอบกับ AI แต่มีเพียงบริษัท 29% เท่านั้นที่ใช้งาน voice AI ที่ลูกค้าสัมผัสได้โดยตรงแล้ว (Voices.com, Amplified 2026)
- ระบบอัตโนมัติสำหรับฝ่ายบริการลูกค้าครองส่วนแบ่งรายได้ AI voice agent 44.2% ในปี 2025 ส่วนสาธารณสุขเป็นการใช้งานปลายทางที่เติบโตเร็วที่สุดด้วย CAGR 42.0% (Grand View Research)
1. ขนาดตลาด: สองการคาดการณ์ที่วัดคนละสิ่งกัน
อัตราการเติบโตหลักของ voice AI ไม่สามารถนำมาเทียบกันตรง ๆ ได้ และความแตกต่างนี้สำคัญมากสำหรับใครก็ตามที่กำลังวางงบประมาณโดยอิงจากตัวเลขเหล่านี้ Grand View Research ติดตาม AI voice agents ในความหมายที่แคบ คือระบบอัตโนมัติที่สนทนาด้วยเสียงได้ ซึ่งได้ฐานตัวเลขขนาดเล็กแต่เส้นกราฟชันมาก: 2.54 พันล้านดอลลาร์ในปี 2025 ด้วย CAGR 39.0% ส่วน Fortune Business Insights วัด conversational AI ในความหมายที่กว้างกว่า รวมแชทบอทแบบข้อความด้วย ซึ่งทำให้ได้ฐานตัวเลขใหญ่กว่าประมาณเจ็ดเท่า แต่เติบโตด้วยอัตราเพียงครึ่งเดียว หมวดหมู่เฉพาะเสียงที่แคบกว่านั้นคาดว่าจะเติบโตเกือบ 14 เท่าภายในปี 2033 ในขณะที่ตลาด conversational AI ที่กว้างกว่าเติบโตประมาณ 4.6 เท่าภายในปี 2034
| ตัวชี้วัด | ค่า | แหล่งที่มา |
|---|---|---|
| ตลาด AI voice agents ปี 2025 | $2.54 billion | Grand View Research |
| ตลาด AI voice agents คาดการณ์ปี 2033 | $35.24 billion | Grand View Research |
| CAGR ของ AI voice agents ปี 2026-2033 | 39.0% | Grand View Research |
| ตลาด conversational AI ปี 2025 | $14.79 billion | Fortune Business Insights |
| ตลาด conversational AI ปี 2026 | $17.97 billion | Fortune Business Insights |
| ตลาด conversational AI คาดการณ์ปี 2034 | $82.46 billion | Fortune Business Insights |
| CAGR ของ conversational AI ปี 2026-2034 | 21.0% | Fortune Business Insights |
| ส่วนแบ่งอเมริกาเหนือในตลาด conversational AI ปี 2025 | 35.10% ($5.19 billion) | Fortune Business Insights |
การกระจุกตัวตามภูมิภาคสอดคล้องกันในทั้งสองบริษัทวิจัย: อเมริกาเหนือครองส่วนแบ่งรายได้ AI voice agent ถึง 38.1% และครองส่วนแบ่ง conversational AI ที่ 35.10% หากต้องการดูว่าชั้นการสังเคราะห์เสียงที่อยู่เบื้องหลังถูกตั้งราคาและประเมินขนาดแยกจากชั้น agent อย่างไร ดูได้ที่ สรุปสถิติตลาดโปรแกรมสร้างเสียง AI ของเรา รายงานฉบับเต็ม: Grand View Research และ Fortune Business Insights
2. การใช้งานในองค์กร: การถอดเสียงเป็นข้อความกลายเป็นมาตรฐานขั้นต่ำ
แบบสำรวจของ Deepgram ร่วมกับ Opus Research ซึ่งครอบคลุมผู้นำธุรกิจ 400 คนจากอุตสาหกรรมมากกว่าสิบกว่ากลุ่ม แสดงให้เห็นว่าการเปลี่ยนแปลงที่แท้จริงไม่ใช่การเริ่มใช้ voice AI แต่เป็นการยกระดับการใช้งานที่มีอยู่แล้ว 92% ขององค์กรจับข้อมูลเสียงของตนเองอยู่แล้ว และ 56% ตอนนี้ถอดเสียงเป็นข้อความมากกว่าครึ่งหนึ่งของการโต้ตอบด้วยเสียงทั้งหมด เพิ่มขึ้นจากเดิมที่ 84% ถอดเสียงได้น้อยกว่าครึ่งหนึ่ง เรื่องการจับข้อมูลและการถอดเสียงถือว่าลงตัวแล้ว คำถามที่ยังเปิดอยู่คือมีอะไรทำงานอยู่ชั้นบนของมันบ้าง ตรงนี้เองที่ความพึงพอใจพังทลายลง: 80% ใช้งานระบบ voice agent แบบดั้งเดิมอยู่ แต่มีเพียง 21% เท่านั้นที่พึงพอใจอย่างมาก ซึ่งเป็นคำอธิบายที่ชัดเจนที่สุดว่าทำไม 84% จึงวางแผนเพิ่มงบประมาณในอีกสิบสองเดือนข้างหน้า
| ตัวชี้วัด | ค่า | แหล่งที่มา |
|---|---|---|
| ผู้นำธุรกิจที่สำรวจ | 400 | Deepgram / Opus Research |
| จับข้อมูลเสียงของตนเอง | 92% | Deepgram / Opus Research |
| ถอดเสียงมากกว่าครึ่งหนึ่งของการโต้ตอบ | 56% | Deepgram / Opus Research |
| เรียก voice AI ว่าเป็นแกนหลักของกลยุทธ์ธุรกิจ | 67% | Deepgram / Opus Research |
| ใช้งานระบบ voice agent แบบดั้งเดิม | 80% | Deepgram / Opus Research |
| พึงพอใจอย่างมากกับ voice agent แบบดั้งเดิม | 21% | Deepgram / Opus Research |
| วางแผนเพิ่มงบประมาณในอีก 12 เดือนข้างหน้า | 84% | Deepgram / Opus Research |
| ระบุว่าการปรับจูนโมเดล (fine-tuning) เป็นกุญแจสู่การใช้งานที่กว้างขึ้น | 46% | Deepgram / Opus Research |
ส่วนต่างระหว่าง 80% กับ 21% คือความผิดปกติที่ควรจับตามองเป็นพิเศษ: ความไม่พอใจกับระบบแบบ IVR เดิมที่มีอยู่แล้ว ไม่ใช่ความต้องการใหม่จากศูนย์ ต่างหากที่เป็นแรงขับเคลื่อนงบประมาณส่วนใหญ่สำหรับโครงการทดแทนระบบ แหล่งที่มา: Deepgram State of Voice AI Report
3. แรงกดดันจากผู้บริหาร และเป้าหมายปี 2029
หัวข้อหลักของแบบสำรวจ Gartner เดือนกุมภาพันธ์ 2026 ตรงไปตรงมามาก: ผู้นำฝ่ายบริการและสนับสนุนลูกค้า 91% ถูกผู้บริหารกดดันให้นำ AI มาใช้งานในปีนี้ แรงกดดันนั้นผูกอยู่กับการคาดการณ์ระยะยาวกว่าที่บริษัทเผยแพร่ไว้เมื่อเดือนมีนาคม 2025 ซึ่งคาดว่า agentic AI จะสามารถแก้ปัญหาการบริการลูกค้าทั่วไปได้เองโดยอัตโนมัติถึง 80% โดยไม่ต้องมีมนุษย์เข้ามาแทรกแซง ภายในปี 2029 พร้อมลดต้นทุนการดำเนินงานลง 30% คำที่ทำหน้าที่สำคัญที่สุดในคำคาดการณ์นั้นคือคำว่า “ทั่วไป” เพราะการรีเซ็ตรหัสผ่านหรือตรวจสอบสถานะคำสั่งซื้อตามปกติเป็นปัญหาคนละแบบกับข้อพิพาทเรื่องบิลหรือการกล่าวหาเรื่องการฉ้อโกง เมื่ออ่านควบคู่กับข้อมูลผู้บริโภคในหมวดที่ 5 เป้าหมายปี 2029 นี้อธิบายถึงเพดานของปริมาณงานที่สามารถทำให้เป็นอัตโนมัติได้ มากกว่าจะเป็นการทำนายว่าฝ่ายบริการลูกค้าทางโทรศัพท์จะหายไป
| ตัวชี้วัด | ค่า | แหล่งที่มา |
|---|---|---|
| ผู้นำฝ่ายบริการลูกค้าที่ถูกกดดันให้นำ AI มาใช้ในปี 2026 | 91% | Gartner, February 2026 |
| ปัญหาบริการลูกค้าทั่วไปที่แก้ไขได้เองอัตโนมัติภายในปี 2029 | 80% (forecast) | Gartner, March 2025 |
| การลดต้นทุนการดำเนินงานที่คาดการณ์ไว้ภายในปี 2029 | 30% | Gartner, March 2025 |
| ผู้บริโภคที่ต้องการให้มีทางเลือกที่เป็นมนุษย์เสมอ | 89% | SurveyMonkey, December 2025 |
| ผู้บริโภคที่เชื่อว่าเจ้าหน้าที่มนุษย์แม่นยำกว่า | 84% | SurveyMonkey, December 2025 |
| บริษัทที่ใช้งาน voice AI ที่ลูกค้าสัมผัสได้โดยตรงแล้ว | 29% | Voices.com, Amplified 2026 |
เศรษฐศาสตร์ของศูนย์บริการลูกค้าถูกปรับเปลี่ยนโครงสร้างมาแล้วโดยคลื่นระบบอัตโนมัติทุกระลอกนับตั้งแต่ระบบเมนู IVR ยุคแรก และเส้นฐานทางประวัติศาสตร์นี้ครอบคลุมอยู่ใน สถิติอุตสาหกรรมศูนย์บริการลูกค้า ของเรา แหล่งที่มา: Gartner, February 2026 และ Gartner, March 2025
4. เงินทุนและมูลค่าบริษัท: เงินทุนไหลไปลงที่ไหน
ElevenLabs คือตัวชี้วัดสาธารณะที่ชัดเจนที่สุดสำหรับมูลค่าบริษัทด้าน voice AI เพราะบริษัทเปิดเผยตัวเลขของตัวเองออกมา บริษัทระดมทุนได้ 500 ล้านดอลลาร์ นำโดย Sequoia Capital ด้วยมูลค่าบริษัท 11 พันล้านดอลลาร์เมื่อวันที่ 4 กุมภาพันธ์ 2026 เพิ่มขึ้นเกือบสามเท่าจากประมาณ 3.7 พันล้านดอลลาร์เมื่อหนึ่งปีก่อนหน้า บนฐานรายได้ ARR มากกว่า 330 ล้านดอลลาร์ ณ สิ้นปี 2025 เงินทุนสะสมทั้งหมดแตะระดับ 781 ล้านดอลลาร์จากห้ารอบระดมทุน หมายความว่าบริษัทระดมทุนได้เกือบสองในสามของเงินทุนตลอดอายุบริษัททั้งหมดในรอบเดียว กลุ่มสตาร์ทอัพเบื้องหลังก็กระจุกตัวไม่ต่างกัน: a16z นับได้ว่ามีบริษัท voice agent ทั้งหมด 90 แห่งจากรุ่นต่าง ๆ ของ Y Combinator นับตั้งแต่ปี 2020 โดย 22% ของรุ่นล่าสุดกำลังสร้างผลิตภัณฑ์ด้วยเสียง
| ตัวชี้วัด | ค่า | แหล่งที่มา |
|---|---|---|
| การระดมทุน Series D ของ ElevenLabs, กุมภาพันธ์ 2026 | $500 million | ElevenLabs |
| มูลค่าบริษัทของ ElevenLabs, กุมภาพันธ์ 2026 | $11 billion | ElevenLabs |
| มูลค่าบริษัทของ ElevenLabs, สิบสองเดือนก่อนหน้า | approx. $3.7 billion | ElevenLabs |
| ARR ของ ElevenLabs ณ สิ้นปี 2025 | $330+ million | ElevenLabs |
| เงินทุนสะสมทั้งหมดของ ElevenLabs จากห้ารอบระดมทุน | $781 million | ElevenLabs |
| จำนวนภาษาที่ ElevenLabs รองรับ | 70+ | ElevenLabs |
| บริษัท voice agent ใน YC นับตั้งแต่ปี 2020 | 90 | a16z |
| สัดส่วนของรุ่น YC ล่าสุดที่สร้างผลิตภัณฑ์ด้วยเสียง | 22% | a16z (per Cartesia) |
คุณภาพของการสังเคราะห์เสียงคือปัจจัยนำเข้าที่ทำให้การนำ agent ไปใช้งานจริงเป็นไปได้ตั้งแต่แรก และความสามารถของซอฟต์แวร์โคลนเสียง ที่อยู่เบื้องหลังนี่เองที่แยกเสียง agent ที่ใช้งานได้จริงออกจากเสียงที่ฟังดูเป็นหุ่นยนต์ แหล่งที่มา: ประกาศ Series D ของ ElevenLabs และ a16z, AI Voice Agents update
5. เศรษฐศาสตร์ต่อหน่วย: เสียงหนึ่งนาทีมีต้นทุนจริงเท่าไหร่
ราคา API ที่เปิดเผยต่อสาธารณะเป็นตัวเลขต่อหน่วยเพียงตัวเดียวในบทสรุปนี้ที่ไม่ได้มาจากแบบสำรวจ และมันลดลงอย่างรวดเร็ว a16z บันทึกไว้ว่าการปรับราคาของ GPT-4o realtime ในเดือนธันวาคม 2024 ลดราคาเสียงขาเข้าลง 60% และเสียงขาออกลง 87.5% ราคาปัจจุบันแสดงให้เห็นรูปแบบเดียวกันนี้ต่อเนื่องไปตามระดับชั้นของโมเดล: รุ่น mini realtime มีต้นทุนประมาณหนึ่งในสามของโมเดลเต็ม และเสียงขาเข้าที่แคชไว้มีราคา 0.40 ดอลลาร์ต่อล้านโทเคน เทียบกับ 32.00 ดอลลาร์สำหรับแบบไม่แคช ซึ่งต่างกันถึง 80 เท่า เป็นแรงจูงใจให้นำพรอมป์ต์กลับมาใช้ซ้ำ การถอดเสียงเป็นข้อความตอนนี้แทบจะเป็นตัวเลขเล็กน้อยจนปัดทิ้งได้ ที่ 0.0045 ดอลลาร์ต่อนาทีสำหรับ gpt-transcribe ซึ่งเป็นเหตุผลว่าทำไมข้อมูลแบบสำรวจถึงแสดงว่าการจับข้อมูลและการถอดเสียงกลายเป็นเรื่องสากลไปแล้ว ในขณะที่การนำ agent ไปใช้งานจริงยังตามหลังอยู่
| ตัวชี้วัด | ค่า | แหล่งที่มา |
|---|---|---|
| gpt-realtime-2.1 เสียงขาเข้า ต่อ 1 ล้านโทเคน | $32.00 | OpenAI API pricing |
| gpt-realtime-2.1 เสียงขาออก ต่อ 1 ล้านโทเคน | $64.00 | OpenAI API pricing |
| gpt-realtime-2.1 เสียงขาเข้าที่แคชไว้ ต่อ 1 ล้านโทเคน | $0.40 | OpenAI API pricing |
| gpt-realtime-2.1-mini เสียงขาเข้า ต่อ 1 ล้านโทเคน | $10.00 | OpenAI API pricing |
| gpt-realtime-2.1-mini เสียงขาออก ต่อ 1 ล้านโทเคน | $20.00 | OpenAI API pricing |
| การถอดเสียง gpt-transcribe ต่อนาที | $0.0045 | OpenAI API pricing |
| การถอดเสียง Whisper ต่อนาที | $0.006 | OpenAI API pricing |
| การแปลงข้อความเป็นเสียง tts-1 ต่อ 1 ล้านตัวอักษร | $15.00 | OpenAI API pricing |
| การลดราคาเสียงขาออกของ GPT-4o realtime, ธันวาคม 2024 | 87.5% | a16z |
ราคาที่ประกาศไว้ไม่ใช่ต้นทุนที่ใช้งานจริง ระบบโทรศัพท์ การจัดการลำดับงาน การลองใหม่เมื่อสายล้มเหลว และการส่งต่อให้มนุษย์ดูแล ล้วนมีค่าใช้จ่ายเป็นของตัวเองแยกต่างหาก และไม่มีข้อมูลแบบสำรวจสาธารณะชุดใดที่แจกแจงต้นทุนรวมต่อการโทรที่แก้ปัญหาสำเร็จหนึ่งครั้ง สำหรับฝั่งการสังเคราะห์เสียงในสแต็กนั้น หน้า โปรแกรมสร้างเสียง AI ฟรี ของเราครอบคลุมสิ่งที่ชั้นเอาต์พุตทำ แหล่งที่มา: OpenAI API pricing
6. ความเชื่อมั่นของผู้บริโภค: ช่องว่างที่ยังไม่มีใครปิดได้
ผลสำรวจของ SurveyMonkey เดือนธันวาคม 2025 จากผู้ใหญ่ในสหรัฐฯ 2,017 คน เป็นชุดข้อมูลผู้บริโภคที่โปร่งใสด้านระเบียบวิธีมากที่สุดในบทสรุปนี้ โดยระบุค่าความคลาดเคลื่อนบวกลบ 2.5 จุด และมีการถ่วงน้ำหนักตามอายุ เชื้อชาติ เพศ การศึกษา และภูมิภาค ผลการสำรวจนี้ขัดแย้งโดยตรงกับแผนการใช้งานขององค์กร 79% ชอบเจ้าหน้าที่ที่เป็นมนุษย์อย่างชัดเจน 81% เชื่อว่า AI ถูกนำมาใช้เพื่อประหยัดเงินมากกว่าจะปรับปรุงคุณภาพบริการ และ 56% รู้สึกในแง่ลบต่อบริษัทที่ใช้ AI เลยด้วยซ้ำ เหตุผลที่ให้มานั้นเจาะจงชัดเจน ไม่ใช่ความไม่พอใจแบบกว้าง ๆ: 61% บอกว่าเจ้าหน้าที่มนุษย์เข้าใจความต้องการของตนได้ดีกว่า 53% ระบุว่าได้คำอธิบายที่ละเอียดกว่า และ 52% บอกง่าย ๆ ว่ารู้สึกหงุดหงิดกับมนุษย์น้อยกว่า
| ตัวชี้วัด | ค่า | แหล่งที่มา |
|---|---|---|
| ผู้ใหญ่ในสหรัฐฯ ที่สำรวจ (10-11 ธ.ค. 2025) | 2,017 (±2.5 pts) | SurveyMonkey |
| ชอบมนุษย์มากกว่า AI agent อย่างชัดเจน | 79% | SurveyMonkey |
| เชื่อว่าเจ้าหน้าที่มนุษย์แม่นยำกว่า | 84% | SurveyMonkey |
| บอกว่าบริษัทควรเปิดทางเลือกที่เป็นมนุษย์ไว้เสมอ | 89% | SurveyMonkey |
| เชื่อว่า AI ถูกใช้เพื่อประหยัดเงิน ไม่ใช่ปรับปรุงบริการ | 81% | SurveyMonkey |
| ไม่เชื่อว่า AI จะสามารถแทนที่มนุษย์ได้เลย | 63% | SurveyMonkey |
| Gen Z ที่ชอบ AI | 14% | SurveyMonkey |
| Boomers ที่ชอบ AI | 4% | SurveyMonkey |
| มั่นใจว่าสามารถแยกแยะแชทบอท AI ได้ | 54% | SurveyMonkey |
รายงาน Amplified 2026 ของ Voices.com ซึ่งดำเนินการสำรวจโดย Censuswide กับผู้นำธุรกิจและผู้บริโภครวม 700 คน และเผยแพร่เมื่อวันที่ 28 มกราคม 2026 เพิ่มเติมมุมมองฝั่งแบรนด์เข้ามา: ผู้นำธุรกิจ 79% บอกว่าเสียง AI ควรมาจากนักพากย์เสียงจริง 79% บอกว่าเสียง AI ที่ไม่จริงใจทำลายภาพลักษณ์แบรนด์ และผู้บริโภค 61% รู้สึกว่าเสียง AI น่าจดจำกว่าเมื่อผูกติดกับแบรนด์เดียวอย่างสม่ำเสมอ แหล่งที่มา: SurveyMonkey และ Voices.com
7. Voice Agent ลงหลักปักฐานที่ไหนก่อน
การใช้งานไม่ได้กระจายตัวอย่างเท่าเทียมกัน Grand View Research รายงานว่า agent ขาเข้าครองส่วนแบ่งรายได้ปี 2025 ถึง 52.1% และระบบอัตโนมัติสำหรับฝ่ายบริการลูกค้าครอง 44.2% โดยสาธารณสุขเป็นการใช้งานปลายทางที่เติบโตเร็วที่สุด ด้วย CAGR 42.0% ไปจนถึงปี 2033 การแจกแจงของ a16z เกี่ยวกับผู้ก่อตั้งบริษัท voice agent ใน Y Combinator ก็สอดคล้องกัน: ประมาณ 69% มุ่งเป้าไปที่ B2B, 18% ด้านสาธารณสุข และ 13% สำหรับผู้บริโภคทั่วไป ภายในกลุ่มสาธารณสุข ความเชี่ยวชาญเฉพาะทางนั้นละเอียดกว่าที่หมวดหมู่นี้บ่งบอก: 11.2% เป็นการแพทย์ทั่วไป, 3.4% ทันตกรรม, 2.2% สัตวแพทย์ และ 1.1% กายภาพบำบัด รูปแบบนี้เอื้อประโยชน์ต่อกลุ่มธุรกิจแนวดิ่งที่มีปริมาณการโทรสูง มีสคริปต์มาตรฐาน ขาดแคลนบุคลากรเรื้อรัง และมีร่องรอยการปฏิบัติตามกฎระเบียบที่บันทึกไว้ชัดเจน
| ตัวชี้วัด | ค่า | แหล่งที่มา |
|---|---|---|
| Voice agent ขาเข้า สัดส่วนรายได้ปี 2025 | 52.1% | Grand View Research |
| ระบบอัตโนมัติสำหรับฝ่ายบริการลูกค้า สัดส่วนรายได้ปี 2025 | 44.2% | Grand View Research |
| CAGR การใช้งานปลายทางด้านสาธารณสุข ปี 2026-2033 | 42.0% | Grand View Research |
| ผู้ก่อตั้ง voice agent ใน YC ที่สร้างผลิตภัณฑ์แบบ B2B | approx. 69% | a16z |
| ผู้ก่อตั้ง voice agent ใน YC ด้านสาธารณสุข | approx. 18% | a16z |
| ผู้ก่อตั้ง voice agent ใน YC สำหรับผู้บริโภคทั่วไป | approx. 13% | a16z |
| ผู้ก่อตั้ง voice agent แบบ B2B ใน YC ด้าน fintech | 16.9% | a16z |
| ผู้ก่อตั้ง voice agent แบบ B2B ใน YC ด้านปฏิบัติการและซัพพอร์ต | 12.4% | a16z |
| รายได้ประจำปีของอุตสาหกรรมจัดหาบุคลากร (บริบทสำหรับ agent ด้านสรรหาบุคลากร) | $650 billion | a16z |
ตัวชี้วัดผลลัพธ์เพียงตัวเดียวที่มีการบันทึกไว้ในบทความของ a16z คือบริษัทจัดหาบุคลากรแห่งหนึ่งที่ปรับปรุงอัตราการผ่านเข้ารอบคัดกรองแรกของผู้สมัครจาก 50% เป็น 90% ซึ่งเป็นกรณีศึกษาเดี่ยว ไม่ใช่ตัวเลขมาตรฐานอ้างอิง แหล่งที่มา: a16z, AI Voice Agents update
สรุป: AI Voice Agents ในตัวเลข
| ตัวชี้วัด | ค่า | แหล่งที่มา |
|---|---|---|
| ตลาด AI voice agents ปี 2025 | $2.54 billion | Grand View Research |
| ตลาด AI voice agents คาดการณ์ปี 2033 | $35.24 billion | Grand View Research |
| CAGR ของ AI voice agents ปี 2026-2033 | 39.0% | Grand View Research |
| ตลาด conversational AI ปี 2026 | $17.97 billion | Fortune Business Insights |
| ตลาด conversational AI คาดการณ์ปี 2034 | $82.46 billion | Fortune Business Insights |
| ผู้นำธุรกิจที่เรียก voice AI ว่าเป็นแกนหลักของกลยุทธ์ | 67% | Deepgram / Opus Research |
| พึงพอใจอย่างมากกับ voice agent แบบดั้งเดิม | 21% | Deepgram / Opus Research |
| วางแผนเพิ่มงบประมาณ voice AI ภายใน 12 เดือน | 84% | Deepgram / Opus Research |
| องค์กรที่จับข้อมูลเสียงของตนเอง | 92% | Deepgram / Opus Research |
| ผู้นำฝ่ายบริการลูกค้าที่ถูกกดดันให้นำ AI มาใช้ในปี 2026 | 91% | Gartner |
| ปัญหาบริการทั่วไปที่แก้ไขได้เองอัตโนมัติภายในปี 2029 | 80% (forecast) | Gartner |
| การลดต้นทุนการดำเนินงานที่คาดการณ์ไว้ภายในปี 2029 | 30% | Gartner |
| ผู้ใหญ่ในสหรัฐฯ ที่ชอบเจ้าหน้าที่มนุษย์อย่างชัดเจน | 79% | SurveyMonkey |
| ผู้ใหญ่ในสหรัฐฯ ที่ต้องการให้มีทางเลือกที่เป็นมนุษย์เสมอ | 89% | SurveyMonkey |
| ผู้ใหญ่ในสหรัฐฯ ที่เชื่อว่า AI ถูกใช้เพื่อลดต้นทุน | 81% | SurveyMonkey |
| ผู้บริโภคที่ใช้เสียงในการโต้ตอบกับ AI | 55% | Voices.com |
| บริษัทที่ใช้งาน voice AI ที่ลูกค้าสัมผัสได้โดยตรงแล้ว | 29% | Voices.com |
| มูลค่าบริษัทของ ElevenLabs, กุมภาพันธ์ 2026 | $11 billion | ElevenLabs |
| ARR ของ ElevenLabs ณ สิ้นปี 2025 | $330+ million | ElevenLabs |
| บริษัท voice agent ใน YC นับตั้งแต่ปี 2020 | 90 | a16z |
| gpt-realtime-2.1 เสียงขาออก ต่อ 1 ล้านโทเคน | $64.00 | OpenAI |
| การถอดเสียง gpt-transcribe ต่อนาที | $0.0045 | OpenAI |
ระเบียบวิธีและแหล่งที่มา
- ตัวเลขการใช้งานในองค์กร การถอดเสียง ความพึงพอใจ และงบประมาณ มาจากแบบสำรวจ State of Voice AI ของ Deepgram ซึ่งดำเนินการร่วมกับ Opus Research กับผู้นำธุรกิจ 400 คนในอุตสาหกรรมมากกว่าสิบกว่ากลุ่ม (Deepgram)
- แรงกดดันจากผู้บริหารและการคาดการณ์การแก้ปัญหาอัตโนมัติภายในปี 2029 มาจากข่าวประชาสัมพันธ์สองฉบับของ Gartner: แบบสำรวจผู้นำฝ่ายบริการลูกค้าเดือนกุมภาพันธ์ 2026 (Gartner) และการคาดการณ์เกี่ยวกับ agentic AI เดือนมีนาคม 2025 (Gartner)
- ข้อมูลความชอบของผู้บริโภคมาจากผลสำรวจของ SurveyMonkey จากผู้ใหญ่ในสหรัฐฯ 2,017 คน ดำเนินการสำรวจระหว่างวันที่ 10-11 ธันวาคม 2025 ด้วยค่าความคลาดเคลื่อนบวกลบ 2.5 จุดเปอร์เซ็นต์ ถ่วงน้ำหนักตามอายุ เชื้อชาติ เพศ การศึกษา และภูมิภาค (SurveyMonkey)
- ตัวเลขการใช้เสียงของผู้บริโภค การรับรู้แบรนด์ และการอนุญาตใช้งานเสียง มาจากรายงาน Amplified 2026 State of Voice ของ Voices.com ซึ่งดำเนินการสำรวจโดย Censuswide กับผู้นำธุรกิจและผู้บริโภครวม 700 คน และเผยแพร่เมื่อวันที่ 28 มกราคม 2026 (Voices.com)
- ตัวเลขเงินทุน มูลค่าบริษัท ARR และจำนวนภาษาที่รองรับ เป็นข้อมูลที่ ElevenLabs เปิดเผยเองในประกาศ Series D ลงวันที่ 4 กุมภาพันธ์ 2026 (ElevenLabs)
- ข้อมูลกลุ่มสตาร์ทอัพ การแจกแจงตามธุรกิจแนวดิ่ง และการลดราคา realtime API ในเดือนธันวาคม 2024 มาจากงานวิจัย AI voice agents ของ a16z ซึ่งอ้างอิงสัดส่วนของรุ่น YC มาจาก Cartesia (a16z)
- การประเมินขนาดตลาดใช้ข้อมูลจากสองบริษัทที่มีนิยามหมวดหมู่ต่างกัน: Grand View Research สำหรับ AI voice agents โดยเฉพาะ (Grand View Research) และ Fortune Business Insights สำหรับ conversational AI ซึ่งรวมแชทบอทแบบข้อความด้วย (Fortune Business Insights)
- ราคาต่อโทเคนและต่อนาทีมาจากหน้าราคา API ที่ OpenAI เปิดเผยต่อสาธารณะ เป็นข้อมูลล่าสุด ณ การอัปเดตครั้งนี้ (OpenAI)
- ข้อมูลที่ควรติดตามต่อ: การคาดการณ์ตลาดทั้งสองชุดในบทความนี้ใช้แทนกันไม่ได้ เพราะ Grand View Research วัดเฉพาะ voice agents เพียงอย่างเดียว ในขณะที่ Fortune Business Insights รวมแชทบอทแบบข้อความไว้ในหมวดหมู่ที่ใหญ่กว่าประมาณเจ็ดเท่า บทความใดก็ตามที่นำเสนอ “ขนาดตลาด voice AI” เพียงตัวเลขเดียวโดยไม่ระบุว่าใช้นิยามแบบไหน ควรอ่านด้วยความระมัดระวัง ข้อกล่าวอ้างเรื่องผลตอบแทนการลงทุน (ROI) ที่เผยแพร่โดยผู้ให้บริการซึ่งเวียนอยู่ในหมวดหมู่นี้ (ผลตอบแทนสามปีเกิน 300% ต้นทุนต่อการโทรต่ำกว่า 1 ดอลลาร์) มีที่มาจากหน้าการตลาดมากกว่าการศึกษาที่ผ่านการตรวจสอบ จึงไม่ถูกนำมารวมไว้ที่นี่
- แบบสำรวจของ Deepgram เป็นฉบับล่าสุดที่มีอยู่ ณ เวลาที่เขียนบทความนี้ คาดว่าข้อมูลรอบใหม่จะทำให้ตัวเลขความพึงพอใจและงบประมาณเปลี่ยนแปลงมากที่สุด
- อัปเดตล่าสุด: 29 กรกฎาคม 2026 เราจะตรวจสอบและอัปเดตบทสรุปนี้ทุกไตรมาสเมื่อ Gartner, Deepgram และหน่วยงานวิจัยตลาดเปิดเผยข้อมูลใหม่