プラットフォーム「ElevenAgents」の開発企業によると、解決すべき問題が複雑またはストレスの多い場合、音声はテキストチャットを上回る。数百の実運用エージェントを対象とした調査では、音声の優位性は会話時間の増加とともに高まり、一方でチャットは短いやり取りにおいてわずかな優位性を保つことが示された。
同社は、電話およびWhatsApp経由の音声通話と、両方のチャネルを提供するエージェントのチャットセッションを比較した。この分析をユーザー調査で補完している。会話時間は、問題の複雑さの代用指標として用いられた。
複雑な問題には音声がより効果的
1分未満では、チャットが約9パーセントポイント高い成果を上げる。1分から2分の間では、両チャネルはほぼ同等である。2分を超えると、音声が優位に立つ：その成功率は10.9ポイント（31.7％増）高く、エージェントの約3分の2がこのチャネルでより良い結果を得ている。
成功した長時間会話は、解決もより速い。その中で、音声は平均4.6分で解決するのに対し、チャットは7分かかる。両チャネルで十分な数の成功した長時間会話があった90のエージェントのうち、78％が音声での解決をより迅速に行った。
同社は、特にチャットではクライアントがメッセージの間に休止を挟む可能性があるため、時間は複雑さの不完全な尺度であると補足する。考えられる説明として、音声はより多くの内容をカバーできる点を挙げる。人は話す速度がタイピングの約3倍速く、口頭でのやり取りは双方の関与を維持する。
速度と共感
すべての音声会話が成功するわけではなく、レイテンシー、つまりエージェントの応答遅延は、失敗の主な原因の一つである。エージェントがより高速な大規模言語モデル（LLM）に切り替えられた315件の会話では、平均エンドツーエンドレイテンシーが16％低下したことが、成功率26％の上昇と相関していた。同時に、15秒未満で終了する通話の割合は21.1％から3.8％に減少した。
同社によると、レイテンシーは特に通話の開始時、相手がオンラインに留まるかどうかを決める瞬間に重要である。遅いエージェントは、回線が切断されたかシステムが機能していない印象を与えかねない。
エージェントの話し方も重要である。98人の参加者を対象とした調査では、参加者はキャンセルされたフライトをシミュレートしたシナリオ（この動画で紹介されているものと類似）を解決し、音声エージェントとチャットエージェントをランダムな順序で使い、新しいフライトを予約するよう求められた。演習後、85％が音声を好むと答え、その主な理由として解決の速さと共感を挙げた。
最も困難な会話については、同社は、適切に設計されていれば、音声が解決の最高の機会を提供すると判断している。エージェントは、コンテキストを保持し、企業のシステムに接続して、フライトを予約したり返金を発行したりできることで、リクエストを完了に導ける必要がある。低レイテンシーと、落ち着きがあり共感的な声がこれを補完する。ElevenAgentsは、音声とチャットで同じ知識と統合機能を持つ単一のエージェントを提供している。
この調査は、2026年5月から7月の間に少なくとも50件の音声会話と50件のチャット会話を処理したエージェントを対象とした。各エージェントは、企業が自社のユースケースで定義した成功基準に従って評価された。バイアスを避けるため、各エージェントは全体的な会話群ではなく、自身と比較された。これは、企業によって用途、ボリューム、成功の定義が異なるためである。
