日本語は、主語も目的語も省かれることが多い。相手によって語彙が変わり、「いいえ」をはっきり言うことは避けられがちだ。——音声AI大手のElevenLabsが、Kotobaの買収を発表したブログの冒頭近くで挙げた日本語の特徴である。「空気を読む」という言葉まで紹介している。
ElevenLabsは11月16日(米国時間)、日本語の音声AIを開発するKotoba Technologiesの買収を発表した。完了は規制当局の承認などを条件に、2026年第4四半期中を見込む。Business Insider Japanによると、ElevenLabsのMati Staniszewski CEOは17日の記者会見で、買収額を約1億ドル(約159億円)と明らかにした。Kotobaの従業員15人はElevenLabsに加わる。
技術系の買収ニュースに見えるが、マーケターにとっての意味は「電話と音声の顧客接点に、日本語を自然に話すAIエージェントが本格的に入ってくる」ことにある。
Kotobaとは何者か
Kotobaは2023年、小島熙之氏と笠井淳吾氏が創業した。中核は音声モデル「Koto」で、日本語の音声合成、音声認識、同時通訳向けの音声から音声への変換を担う。ElevenLabsによると、Salesforceの「Agentforce Voice」の日本語会話もKotoが支えている。
資金調達の経緯も確認しておく。2025年8月のシード2ラウンドでは1,183万ドルを調達し、同時通訳アプリ「DOTSU」は公開から3カ月で約50万セッションに達したと発表していた。その後のラウンドにはSalesforce VenturesやSony Innovation Fundも参加している。
ElevenLabsは日本で「チャネル」を固めつつある
今回の買収は単発の動きではない。6月29日には、NTTドコモビジネスとの協業を発表している。コンタクトセンター向けの音声AIを共同で設計する内容で、まず金融業界から始め、ドコモ・ファイナンスのコンタクトセンターで電話応対の実証を進めているという。
ElevenLabsは今回、日本で営業責任者の体制を整え、インフラへの投資を続ける方針も示した。通信会社の販売網と、日本語に強いモデルの両方を押さえた形だ。
筆者の見立て:音声は「コスト部門」から「顧客接点」へ
ここからは考察である。コールセンターはこれまで、効率化の対象として扱われることが多かった。しかし、音声AIが自然な日本語で応対できるようになれば、電話はブランドの声が直接届く顧客接点になる。
チャットボットは「多少ぎこちなくても使える」と受け入れられてきた。音声ではそうはいかない。敬語の度合い、謝り方、間の取り方の一つひとつが、ブランドの印象に直結する。ElevenLabsが日本語の「察する文化」を強調するのは、この難しさを理解しているからだろう。
懐疑的に見るべき点
楽観だけでは判断を誤る。少なくとも3つの論点がある。
第一に、開示と信頼だ。AIが応答していることを顧客にどう伝えるか。声が自然になるほど、伝えなかった場合の反発は大きくなりうる。
第二に、誤案内の責任だ。金融から始めるという協業の設計は、規制が厳しい領域でこそ検証が必要だという判断の表れとも読める。料金や契約条件を音声AIが誤って伝えた場合の責任の所在は、導入前に決めておく必要がある。
第三に、ベンダーの集約だ。Business Insider Japanは、KotobaがソフトバンクのサービスにAI翻訳を提供していることに触れ、買収後も継続するかは不明だとしている。有力な技術が大手に集まるほど、利用企業の選択肢と交渉力は変わる。
マーケターが今から決めておくこと
音声AIの導入は、多くの企業でカスタマーサポート部門が主導するだろう。だが、ブランドの声を決めるのはマーケティングの仕事だ。
- 音声接点の棚卸し:電話窓口、予約受付、店舗への問い合わせなど、顧客が「声」で接する場面を洗い出す
- 話し方のガイドラインを作る:文章のトーン&マナーと同じように、敬語のレベル、謝罪の表現、言ってはいけないことを文書にする
- 開示の方針を決める:AIが応答していることを、どのタイミングでどう伝えるか
- 測る指標を決める:解決率や応対時間だけでなく、満足度や、その後の購入・解約まで追えるようにする
自然な日本語を話すAIは、もう実験室の話ではない。どの声で、何を話させるか。その設計の主導権を、マーケティング部門が持っておきたい。