ハルシネーションしないAI電話アシスタント：2026年版ガイド

ハルシネーションしないAI電話アシスタントとは、事実に関する質問に、ナレッジベース（自社のウェブサイト、資料、回答カタログ）に根拠がある内容だけで答えるアシスタントのことだ。情報が見つからなければ、推測で答えずに正直にそう伝え、折り返しの電話を提案する。通話のあとには別のモデルが、すべての回答に根拠となるソースがあったかを確認し、結果を信号機の色で表示する。このガイドでは、音声AIが電話で事実をでっち上げる理由、それがビジネスにとって何を意味するのか、そして本当にこの問題を解決している提供元をどう見分けるかを説明する。

AI電話アシスタントはなぜ答えをでっち上げるのか？

AI電話アシスタントが答えをでっち上げるのは、言語モデルが「もっともらしい文章を作る」ように訓練されていて、「自分が知らないことを知る」ようには訓練されていないからだ。明確な知識の境界がなければ、モデルは隙間を推測で埋め、その推測は本物の事実と同じくらい自信ありげに聞こえる。

OpenAIは研究記事の中で、ハルシネーションを「もっともらしいが誤った記述」と定義し、その主な原因として、一般的な学習と評価の手法が「不確かさを認めること」よりも「当て推量」を高く評価してしまう点を挙げている（OpenAI: Why language models hallucinate, 2025）。「わからない」と答えるモデルは多くのベンチマークで0点になるが、当てずっぽうのモデルはときどき正解する。記事によれば、パターンから推測できない、まれで恣意的な事実ほど誤りが起きやすい。

電話でよく聞かれるのは、まさにそうした事実だ。

土曜日は営業している？
初回相談はいくら？
出張対応はある？
修理にはどれくらいかかる？

電話ではさらに二つの要因が重なる。まず、会話を自然に保つには一瞬で答える必要があり、あとから確認する時間がない。次に、画面がない。電話をかけた人には出典も「AIは間違えることがある」という注意書きも見えず、親しみやすい声が何かを断言するのを聞くだけだ。

でっち上げられた回答はビジネスにどんな影響を与えるのか？

電話ででっち上げられた回答は、誤った料金、誤った営業時間、守れない約束につながり、最悪の場合は損害賠償請求にまで発展する。 電話をかけた人にとって、アシスタントはソフトウェア会社ではなく、自社を代表して話している。

日常でよくある損害は次のとおりだ。

誤った料金： 存在しない固定料金をアシスタントが伝え、顧客があとでそれを根拠に主張する。
誤った営業時間： AIが土曜営業をでっち上げたせいで、客が無駄足を踏む。
誤った約束： 「保険でカバーされる」「無料だ」といった一言が高くつくことがある。
信頼の喪失： 明らかに間違った発言が一度あるだけで、電話窓口全体が信用されなくなる。

エア・カナダの事例：企業はボットの発言に責任を負う

リスクが現実のものであることを示すのがカナダの事例だ。エア・カナダのチャットボットは、忌引き割引をあとから申請できると顧客に説明したが、そのような規定は存在しなかった。2024年2月、ブリティッシュコロンビア州のCivil Resolution Tribunalは航空会社に差額の支払いを命じ、「チャットボットは自らの発言に責任を負う」という主張を退けた（Moffatt v. Air Canada, 2024 BCCRT 149。ドイツ語の要約はbeck-aktuell, 2024）。ボットの発言は自社サイトに掲載された情報と同じだ、と審判所ははっきり示した。

ドイツ法ではどうなるのか？

ドイツの裁判所はこの問題についてまだ判断していない。ただし法律事務所HLCの分析は、契約締結前の段階で過失により誤った情報を与えた場合の責任（culpa in contrahendo、ドイツ民法典BGB第311条・第241条）を原則として認めうるとしている。既知のハルシネーションのリスクそのものが注意義務違反にあたるかは未解決だという（HLC, 2024）。つまり、知識の境界や記録されたレビューといった対策は、品質の問題であるだけでなく、注意を尽くして行動していることの裏づけにもなる。この記事は法的助言ではないので、個別のケースは弁護士に確認してほしい。

さらに2026年8月2日からは、EU AI規則（EU）2024/1689第50条の透明性義務が適用されている。電話をかけた人には、AIと話していることを知らせなければならない。anicall.ioの対応はセキュリティとプライバシーのページで確認できる。

AI電話アシスタントの「知識の境界」はどう機能するのか？

知識の境界とは、AI電話アシスタントが事実に関する質問に、承認済みのソース（自社サイト、資料、回答カタログ）だけをもとに答えるというルールだ。適切な情報が見つからなければ、それを率直に認め、折り返しの電話か担当者への転送を提案する。

技術的には、この仕組みは「検索拡張生成（RAG）」と呼ばれることが多い。回答の前にナレッジベースから関連する箇所を検索し、その内容だけを根拠に回答を組み立てる。単純なRAGチャットボットとの決定的な違いは、何も見つからなかったときのルールにある。自由なモデルは、それでも一般的な学習知識から答えてしまう。厳格な知識の境界を持つアシスタントは、代わりにこう言う。

「その件については確かな情報がないんだ。チームの担当から折り返し電話しようか？」

ナレッジベースは次の手順で作る。

サイトを取り込む： サービス、料金、営業時間、アクセス、よくある質問。トップページだけでなく複数ページが望ましい。
資料を追加する： 料金表、サービス説明、規約の抜粋などをPDFやDOCXで。
回答カタログを整える： よくある質問への短く検証済みの回答を、電話で聞こえるとおりの言い回しで用意する。
限界を決める： 拘束力のある固定料金、医療的な判断、法的助言など、アシスタントが決して約束してはいけないことは何か？

音声認識も重要だ。「金曜日」を「祝日」と聞き間違えれば、どんなに優れた知識の境界でも「間違った質問」に正しく答えてしまう。認識の精度が高いこと、そして不明確なときに聞き返すことを確認しよう。

すべての通話をチェックする：信号機レビュー

信号機レビューとは、通話ごとに別のモデルがアシスタントの各回答をソースと照合し、結果を色で示す仕組みだ。 どの通話が問題なく、どこで介入が必要かがひと目でわかる。

信号	意味	やること
緑	すべての回答にソースの裏づけがあった	特になし。抜き取り確認で十分
黄	未回答の質問が残った	知識のギャップを確認し、回答を追加する
赤	根拠のない主張をした	通話を読み、必要なら折り返し、ソースや設定を修正する

従来の品質管理との違いは、ランダムに通話を聞く必要がなくなり、重要なケースがあらかじめ選別されて届くことだ。

知識のギャップを承認する：管理された学習

アシスタントが答えられなかった質問は、ダッシュボードに「知識のギャップ」として表示される。同じ質問はまとめてカウントされるので、本当によく不足している情報がすぐにわかる。人がそのギャップに回答するか、却下する。この承認を経て初めて回答が回答カタログに入り、次の通話からソースとして使われる。

これが管理された学習ループの核心だ。アシスタントは毎週改善されるが、自分で何かをでっち上げて改善することはない。新しい回答には必ず人間の承認者がいる。

自由なAIと知識の境界を持つAIの比較

次の表は、自由に答える言語モデルと、知識の境界を持つAI電話アシスタントの主な違いを示している。

項目	電話での自由なAI	知識の境界を持つAI電話アシスタント
知識の出どころ	一般的な学習知識＋プロンプト	サイト、資料、回答カタログのみ
情報がないとき	もっともらしい答えを推測する	「わからない」と伝え折り返しを提案する
料金と営業時間	でっち上げや古い情報の可能性	ソースに書かれているとおりのみ
通話後のチェック	抜き取り、手作業での聞き取り	全通話を信号機で自動チェック
ギャップの扱い	見えないまま	知識のギャップとして集約し承認
責任リスク	見積もりにくい	大幅に低減し記録が残る
雑談	無制限	レベルに応じて許可または拒否

知識の境界はアシスタントを「賢くなくする」ものではない。予測可能にするものであり、電話では雄弁さよりもそれが重要だ。

チェックリスト：ハルシネーションしないAI電話アシスタントの見分け方は？

ハルシネーションしないAI電話アシスタントは、回答をソースに結びつけ、ギャップを率直に認め、すべての通話を検証可能にしている点で見分けられる。導入前に提供元へ次の質問をしよう。

厳格な知識の境界はある？ 事実に関する質問を自社のソースだけで答えるよう設定できるか。
情報がないときはどうなる？ 正直に「わからない」と言い、折り返しや転送を提案するか。
どんなソースを取り込める？ 複数ページのサイトクロール、PDF、DOCX、独自の回答カタログに対応しているか。
すべての通話がチェックされる？ 文字起こしだけでなく、明確な評価つきの自動レビューがあるか。
知識のギャップはどう扱う？ 未回答の質問が集約・カウントされ、承認後にだけ使われるか。
ライブ転送できる？ 人への引き継ぎと、誰も対応できないときの折り返しメモがあるか。
AIであることを名乗る？ AI規則第50条がそれを求めている。
データはどこで処理される？ データ処理契約と、委託先の透明な一覧があるか。
事前に試せる？ 自社サイトを使った無料テストなら、どんなプレゼンよりも早く、でっち上げるかどうかがわかる。

実践的なテスト方法：テスト通話で、答えが自社サイトに載っていない質問をわざと投げてみよう。信頼できるアシスタントなら即興で答えたりしない。

anicall.ioの仕組み

anicall.ioのAI電話アシスタントは、まさにこの原則に基づいて作られている。サイトと資料に書かれていることだけを話し、予約はそのままカレンダーに入れる。具体的には次のとおりだ。

知識の取り込み： ウェブサイト（複数ページのクロール）、PDF・DOCX・テキストファイル、YouTubeの文字起こし、RSSフィード、回答カタログがナレッジベースになる。
根拠のあることだけに回答： 回答の前に、anicallはナレッジベースから該当するソースを検索する。見つからなければ、エージェントは正直にそう伝えて折り返しを提案する。
信号機レビュー： 通話のたびに別のモデルが各回答をソースと照合する。緑（すべて根拠あり）、黄（未回答の質問あり）、赤（根拠のない主張）。
知識のギャップの承認： 答えられなかった質問はカウントつきでダッシュボードに表示される。回答するか却下し、承認された回答は次の通話から使われる。
転送と折り返し： 設定した番号へライブ転送できる。誰も対応できない場合は、エージェントが折り返しの依頼を記録する。
AIの開示： エージェントは挨拶でデジタルアシスタントであることを伝え、尋ねられれば正直に認める。

知識の境界はエージェントごとに4段階で設定できる。

レベル	動作
根拠のみ	事実に関する質問にナレッジベースだけで答える
厳格	承認されたタスクに徹し、ほかの話題は断る
バランス	短い雑談のあと、主要タスクに戻る
オープン	主要タスク以外の質問にも答える

料金はプリペイドトークン制で、基本料金もサブスクリプションもない。知識の境界やレビューを含むすべての機能を、すべての顧客が使える。例として、月300分の着信と電話番号1つで4,080トークン、つまり税抜40.80ユーロになる。詳しくは料金を見てほしい。

よくある質問

AI電話アシスタントは本当に一度もハルシネーションしないの？

誤りのない言語モデルは存在しないので、それを保証する提供元は信用しないほうがいい。知識の境界は事実に関する回答をソースに結びつけるためリスクを大きく下げ、信号機レビューは残った誤りを見える化して対応できるようにする。

RAGと知識の境界の違いは？

RAGは、回答の前に関連するソースを検索する技術のことだ。知識の境界は、ソースが見つからなかったときのルールで、一般知識で即興するのではなく、ギャップを認めて折り返しを提案する。

アシスタントがうまく答えるには、サイトを作り直す必要がある？

必ずしもそうではない。サービス、料金、営業時間、よくある質問がわかりやすく書かれたページがあれば役に立つ。サイトにない情報は資料や回答カタログで補えばいいし、最初の通話のあとには知識のギャップが不足部分を教えてくれる。

AIアシスタントが誤った情報を伝えたら、誰が責任を負う？

電話をかけた人にとって、アシスタントは自社を代表して話している。カナダのMoffatt v. Air Canada（2024年）では、航空会社がチャットボットの誤情報について支払いを命じられた。ドイツではまだ判例がないが、責任は生じうると考えられている。迷ったら弁護士に相談しよう。

アシスタントが答えをでっち上げるかどうか、どう試せばいい？

自社サイトを取り込み、テスト通話をして、サイトに答えがない質問をわざと投げてみる。そのあと信号機で、すべての回答に根拠があったかを確認できる。anicall.ioでは、このブラウザでのエージェントテストは無料だ。

自分で試してみよう： anicall.ioのライブデモでは、ブラウザから直接AI受付に電話したり、自分の電話へのデモ通話をリクエストしたりできる（デモのエージェントはドイツ語で話す）。そのあとanicall.ioで無料で始めて、自社サイトを取り込み、答えてはいけない質問にアシスタントがどう対応するかを確かめてほしい。