音声AI「Grok Voice Think Fast 2.0」登場｜電話の一次対応をAIに任せるコストを試算する

「電話が鳴りやまなくて、手が止まる」。天神の内装会社さんから受けた相談の一言です。私が福岡で聞く困りごとの中で、問い合わせフォームやLINEよりも根深いのが電話です。フォームは後で見ればいいけれど、電話は必ずその瞬間に人を奪うからです。今回、xAIが音声AI「Grok Voice Think Fast 2.0」を既定モデルに昇格させ、音声1分あたり0.08ドルという価格を公開しました。結論から言うと、これで「電話の一次対応をAIに任せたらいくらか」を自分で試算できるようになりました。以下、確認できた事実と、私が現場で見ている線引きを整理します。

発表内容：確認できた事実

2026年8月5日、xAIは次の内容を公開しています。

• Grok Voice Think Fast 2.0がgrok-voice-latestの既定ルートに昇格した
• Speech-to-Speech方式で、音声を聞きながら並行して推論し、話す。相手の発話が終わるのを待って処理する間の沈黙が減る
• API価格は音声1分あたり0.08ドル（前世代の1.0は0.05ドル）
• 24言語・数千の短いフレーズでの評価で、文字起こし精度がGrok Voice Think Fast 1.0比で約1.4倍、他社の音声認識モデル比で約1.5〜2.0倍とされる
• 最初の音声が返るまでの時間が、1.0の1.25秒から0.70秒へ短縮された
• xAIのAPIおよびVoice Agent Builderから利用できる

ひとつ正直に書いておきます。精度の数値は24言語をまとめた評価で、日本語だけを取り出した数値は私が確認できた出典にはありません。福岡の事業者さんが実際に使う場面は、方言混じり・固有の地名・社名の聞き取りです。ここは自社の音声で試すしかない、という前提で読んでください。

電話1本あたりの原価を、実際に計算してみる

価格が分単位で出ている意味は大きいです。これまで音声AIは「聞いてみないと分からない」領域でしたが、いまは自分で試算できます。

• 1分0.08ドル。1件の通話が3分なら、1件あたり約0.24ドル
• 月100件受けるなら、モデル利用料は約24ドル
• 月300件なら約72ドル

これはモデルの利用料だけの試算です。実際には電話番号と回線の費用、予約システムや顧客台帳との連携、そして設計と運用の手間が別途かかります。「1分0.08ドルだから月数千円で電話番が置ける」という読み方はしないでください。それでも、原価の当たりがつくと社内の話が進みます。糸島の宿泊事業者さんとは「繁忙期の3か月だけ、時間外の着信をAIに受けてもらう」という形で話がまとまりかけています。全部を置き換えないほうが、費用も期待値もぶれません。

音声AIに任せていい範囲・任せてはいけない範囲

私が最初に決めてもらうのはここです。文字のチャットより音声のほうが、線引きを甘くすると事故になります。相手は聞いた内容をメモせず、記憶で持ち帰るからです。

• 任せていい：営業時間・定休日、場所と駐車場、予約の空き状況の案内、折り返しの受付（用件と連絡先を聞いて記録する）、よくある質問の定型回答
• 任せてはいけない：見積金額の提示、在庫や納期の確約、キャンセル料などお金の判断、医療・法律にあたる判断、クレームの一次受け

特に「折り返しの受付までで切る」設計は、福岡の小規模な事業者さんにいちばん合うと感じています。AIが答えを出そうとせず、用件と連絡先を正確に取って人に渡すだけにする。それだけで、取りこぼしの電話がゼロに近づきます。

導入前に決めておく4つのこと

KOKORASHI AI（ココラシエーアイ）で音声の相談を受けるとき、必ず先に決めていただく項目です。

• 人への引き継ぎ方：AIが答えられないと判断したら、誰の携帯に転送するか、あるいは折り返し予約として記録するか
• 録音と告知：通話を記録するなら、冒頭でその旨を伝える。ここを省くと、後で必ず問題になります
• 聞き取れないときの逃げ道：2回聞き返してだめなら人へ、と回数で決めておく。曖昧にすると相手が疲れます
• 番号と時間帯：代表番号をそのままAIにせず、まず時間外だけ、あるいは専用番号だけから始める

福岡の事業者は、いま何から手をつけるべきか

音声AIは進み方が速い領域です。ただ、私は「電話が鳴りやまない」相談に対して、まず音声AIを勧めることはしていません。順番としては、電話でかかってくる内容の上位10件を紙に書き出すのが先です。そのうえで、ホームページやLINEに答えを置くだけで電話が減る質問がどれくらいあるかを見ます。営業時間や駐車場の場所を電話で聞かれているなら、それは音声AIより先に、サイトの書き方で解ける問題です。

そこまでやって、それでも残るのが「時間外の着信」「繁忙期の同時着信」です。ここに音声AIを当てると効きます。KOKORASHI AIでは、まず文字のチャットとLINEの一次対応を初期費用0円・月額4,800円（税込）からで始めていただき、電話の負荷が残る事業者さんと音声の話をする、という順番でご案内しています。今回の価格公開は、その次の一手が計算できるようになったという意味で、素直に良いニュースだと思っています。

まとめ

• xAIがGrok Voice Think Fast 2.0を既定モデルに昇格。音声1分0.08ドル、最初の応答は0.70秒
• 1件3分なら約0.24ドル。ただしモデル料だけの試算で、回線・連携・運用は別
• 任せるのは案内と折り返し受付まで。見積・在庫確約・お金の判断は人が行う
• まずは電話で聞かれる質問の上位10件を書き出す。サイトの書き方で減る電話は音声AIより先に潰す

よくある質問

Q. 音声AIで電話対応を任せると、月いくらくらいかかりますか？
モデルの利用料だけなら試算できます。Grok Voice Think Fast 2.0は音声1分0.08ドルなので、1件3分の通話で約0.24ドル、月100件で約24ドルです。ただしこれはモデル料のみで、電話番号と回線の費用、予約システムなどとの連携、設計と運用の手間は別にかかります。総額は構成次第なので、まず任せる範囲を決めてから見積もるのが順番です。

Q. 日本語や福岡の地名・社名もきちんと聞き取れますか？
xAIが公開している精度の数値は24言語をまとめた評価で、日本語だけを取り出した数値は公開情報では確認できません。方言混じりの言い回しや、地元の地名・社名の聞き取りは、実際の自社の通話で試して確かめる必要があります。導入前に、よくかかってくる用件を数パターン読み上げてテストすることをおすすめします。

Q. 電話対応をAIにする前に、やっておくべきことはありますか？
電話でかかってくる内容の上位10件を書き出してください。営業時間、駐車場の場所、予約の空きなど、ホームページやLINEに答えを置くだけで減る電話が必ず含まれています。それを潰したうえで残るのが、時間外の着信と繁忙期の同時着信です。音声AIはそこに当てると効果が見えやすくなります。