Vogent

複雑な自動音声応答（IVR）を自ら突破して相談業務を遂行する、超低遅延音声AIエージェントビルダー

無料＋有料WebAPI

概要

Vogent（旧Elto AI）は、複雑なIVRナビゲーションモデルと電話環境に最適化されたLLMを基盤に、実際の人間に近いインテリジェントな音声エージェントを迅速に構築できるオールインワンのプラットフォームです。2026年5月6日にAircallに買収され、23,000社以上の企業が使用するAircallプラットフォームに音声AI技術が統合されました。

差別化ポイント

Vogentは、VapiやRetell AIなどの競合他社が主に「低遅延」だけに注力する中、実際のビジネス環境における「ラストマイル」の課題であるIVR探索と正確なスペル読み上げに特化したソリューションを提供しています。Vapiが開発者中心のミドルウェアという性格が強く、Retell AIが音声の自然さを重視しているのに対し、Vogentはノーコードビルダーにより、専門知識のない人でも複雑な業務ロジックを設計できるようにしつつ、「自己学習（Self-improving）」モデルを通じて通話エラーを自ら分析し、改善する点で差別化されています。ただし、市場での認知度という点では、VapiやBland AIと比べて後発企業と見られています。

主な機能

複雑なIVRメニューを自律的にナビゲートするIVRナビゲーションモデル
電話環境に特化したカスタムLLMのファインチューニング
ノーコードのドラッグ＆ドロップ会話フロービルダー
超低遅延かつ超自然な音声合成（TTS）
HIPAA準拠および通話データの反事実分析（Counterfactual Analysis）

メリット・デメリット

ウェブ検索で収集したユーザーの声をまとめたものです

メリット

最大の利点は、機械的なARSメニューを自ら認識して目的の接続先まで到達するIVRナビゲーションモデルです。これにより、他社ツールが失敗しがちな「ゲートキーパー」区間を通過できます。また、一般的なTTSが苦手とする数字、氏名、住所などのスペル読み上げ（Spelling-optimized）が非常に正確で、顧客に信頼感を与えます。利用料金は1分当たり$0.09（標準音声の場合）という透明性の高いPay-as-you-go方式を採用しているため、初期費用の負担が少なく、ノーコード環境でありながら、過去の通話データを活用した事後検証機能が強力で、エンタープライズ級の品質管理が可能です。

デメリット

プレミアム音声を選択すると料金が1分当たり$0.14に上がるため、大規模なコールセンターを運営する場合には費用負担が増える可能性がある点は惜しまれます。また、リアルタイム会話の遅延時間（Latency）を最小限に抑えるために独自インフラの利用が推奨されていますが、外部LLM（GPT-4など）と連携する場合、ネットワーク環境によっては会話の流れがわずかに途切れる現象も報告されています。現在は主に英語圏のビジネス環境向けに最適化されているため、日本語特有のイントネーションや複雑な国内ARS環境で完全に動作するかどうかについては、導入前に十分なテストが必要と考えられます。