Speechmaticsのケイティ・ウィグダール最高経営責任者（CEO）は、金融と事業拡大の専門知識を活かし、音声AIの革新、実装、倫理的な展開を推進しています。
AIイノベーションは、それを開発している人々の予想さえも上回るペースで進んでいます。CESのShowStoppersや話題をさらう製品は別として、モデルのリリースを追跡するだけでも独自の課題となっています。AI開発競争に後押しされ、モデルのアップデートは数カ月ごとに提供されることが多くなっています。過去1年間で、OpenAIは複数のGPT-4バリアントを提供し、Anthropicは6つのClaudeアップデートを行い、Googleは6つ以上のGeminiバリアントを発表しました。
アップデートに追いつくことは専任の仕事のように感じられ、本物のブレークスルーとベンダーの自己宣伝を常に切り替えなければなりません。このペースは、すべてを購入し、すべてを将来に備え、すべてを採用するというプレッシャーを生み出します。リリースサイクルを逃すと、遅れをとるかもしれません—少なくともそう思えるのです。
AIバブルの外では、現実はもっと複雑です：英国の従業員の71%が未承認のAIツールを使用しており、誰も管理していない機能の拡散を生み出しています。測定可能な影響も同様に捉えどころがありません。マッキンゼーの研究者たちは、世界中の企業のわずか39%しかAIとEBIT（利払い前・税引き前利益）を関連付けることができず、そのほとんどが5%未満であることを発見しました。熱意と好奇心は本物ですが、無駄も同様に現実のものです。
これが最も明らかなのは音声AI分野です。特にAI音声（テキスト読み上げ）は、ニッチなアクセシビリティツールから企業AI市場における新たな戦場へと進化しています。
ビジネスの拡大とROI達成のために音声を活用したいと考えているなら、共感や緊急性を伝える感情的なトーン、数秒のサンプルからの音声クローニング、リアルタイムストリーミングなどを活用できるようになりました。お気に入りの俳優に最新の社内PRメモを読み上げてもらうことさえ可能です。
印象的なものが過剰になるとき
このイノベーションは本当に驚くべきものです。笑い声、呼吸音、自然な間など表現力豊かな動作は、真の技術的成果を表しています。ピッチやアクセントも正確に調整できます。特定のユースケースでは、これらの機能が重要です。映画予告編は劇的な表現の幅が必要です。ゲームのNPC（ノンプレイヤーキャラクター）には感情の変化が必要です。アクセシビリティツールは多様なニーズに対応します。
しかし、ここで市場は肥大化を露呈しています：IVR（自動音声応答）の保留メッセージを流す際にAIにクスクス笑わせる必要がありますか？社内コミュニケーションにセレブの声を使う必要がありますか？そして、顧客サービスのコールバックにCEOのクローン音声を使用することは本当に必要でしょうか？
ほとんどの企業にとって、明瞭で一貫性があり、自然に聞こえる音声が要件です。それ以外はすべて機能の過剰です。しかし、華やかなデモの世界では、「適切なサイズ」よりも「将来性」を売る方が簡単なため、プレミアムティアは基本機能と笑い声をセットにしています。
肥大化を避ける方法
AIの導入を拡大している企業と密接に協力する中で、同じパターンが見られます。チームは投資の適正化のためのフレームワークがないため、使用することのない機能に過剰な支払いをしています。
肥大化に対抗するのに役立つ戦略をいくつか紹介します：
話題性ではなく、実用的なニーズに基づいて決定する。
ベンダーはデモで感動を与えたがります。あなたの仕事は、解決すべき具体的な問題を特定することです。本番環境で使用中のユースケース、または今後90日以内に取り組む予定のユースケースをリストアップしてください。それぞれについて、最低限の要件を書き出します。
例えば、音声の場合、保留メッセージには明瞭な音声が必要で、アクセントを検出できる必要があり、一貫したトーンを使用し、一括アップロードが必要かもしれません。感情表現は必要ありません（保留中の発信者は共感を評価しているわけではありません）し、音声クローニングも必要ありません。
初期コストではなく、ランニングコストを重視する。
デモ価格は、本番環境のボリュームと超過料金が発生するまでは手頃に聞こえます。実際の年間ボリュームを計算し、成長のために20%のバッファを追加してください。超過料金（通常は基本料金の2〜3倍）や強制的な最低利用料を含む、年間総コストを書面で要求してください。
ガートナーの研究者たちは、拡張時の本番コストが日常的に最大1000%過小評価されていると警告しています。あなたのボリュームで競合する見積もりを取得し、12カ月間の総キャッシュアウトレイをすべて含めて尋ねてください。
今四半期に2つの機能をオフにする。
必要のないものを知る唯一の方法は、使用を停止することです。必要かもしれないと思うプレミアム機能を2つ特定してください。30日間、それらなしで運用してみてください。指標が安定していれば、削減すべき予算項目を見つけたことになります。
なぜ2つなのか？1つでは試験的に感じ、3つでは変化疲れを引き起こします。2つなら実行可能でパターンを示すことができます。
AI機能に関する四半期ごとのROIメモを作成する。
四半期ごとに、誰かがAI機能に関する1ページのメモを書く必要があります：「[表現力豊かな音声機能]に$Xを費やしました」「それはY結果をもたらしました」（例：具体的な収益、節約された時間、回避されたコスト、データ付き）「これが証拠です」
メモが書けなければ、更新を正当化できません。ROIメモはまた、AI研修のギャップを早期に浮き彫りにします。
実際の顧客データベースに基づいて機能を評価する。
ユーザーがこれらの機能を実際に使用できる必要があります。複雑すぎると、チームは採用しません。狭い条件に最適化されていると、本番環境で失敗します。
これは私の特に気になる点で、音声では重大な問題です。AI音声エージェントは通常、主流のアクセントで清潔な実験室条件でテストされるため、デモでは素晴らしく機能しますが、実際の環境に置かれるとすぐに機能しなくなります。音声駆動のAI書記がデモでは印象的かもしれませんが、多様なアクセントを持つスタッフや患者が背景ノイズの中で話す忙しい多文化病院の病棟に導入すると、崩壊するのを見てください。
規律の優位性
機能の肥大化は企業AI全体に見られます。生成、分析、予測、自動化できるシステムは、ほとんどの組織が決して導入しない機能を追加し続けています。包括的なソリューションを購入するというプレッシャーにより、使用されない機能で膨れ上がったポートフォリオが生まれています。
傾向は一貫しています：印象的なデモがプレミアムティアにつながり、プレミアムティアが機能をバンドルし、チームは必要のない高度な機能に対価を支払うことになります。笑うことができるAIであれ、47の検出モードを持つビジョンシステムであれ、問題は同じです。
成功するAI導入と放棄されたパイロットを分けるのは、高度さではなく規律です。私が関わる企業で実際に価値を引き出しているのは、最も多くの機能を購入している企業ではありません。最小限の実用的な機能セットを購入し、それを徹底的に展開している企業です。彼らは実際の条件に対してテストし、実際の成果を測定し、成果をもたらさないものを削減しています。
過剰さによる差別化を追求する市場において、規律はあなたの競争優位性です。音声AIのクスクス笑いは聞こえるかもしれませんが、無駄は普遍的です。
