ElevenLabs CEO インタビュー：AI音声、評価額220億ドル——ユーザーへの告知は必要か？

音声クローンから220億ドル評価額へ：ElevenLabsの台頭

TechCrunchの報道によると、AI音声技術企業ElevenLabsの評価額は現在220億ドルに達し、生成AI旋風の中で最も注目されるユニコーン企業の一つとなっている。2022年に設立された同社は、高度にリアルなAI音声合成技術を武器に、カスタマーサービス、コンテンツ制作、オーディオブック製作などの分野で急速に存在感を高めた。記者のConnie Loizosは今週、ElevenLabsのCEOと20分間の深いインタビューを行い、AI音声の商業化の道筋、ユーザーへの告知義務、そして業界の今後の方向性について掘り下げた。

ElevenLabsのコア技術は、極めて低いレイテンシで自然かつ流暢な、感情豊かな音声を生成できる点にある。従来のテキスト読み上げ（TTS）システムとは異なり、ElevenLabsのモデルはイントネーション、間、アクセントといった微細な音声特徴を捉えることができ、機械が生成した音声は人間のものとほぼ区別がつかない。この技術的ブレークスルーが多くの企業顧客の獲得につながっており、特にコールセンターの場面では、AI音声が従来のIVR（自動音声応答）システムに取って代わり、企業とユーザーのコミュニケーションにおける最初の接点となりつつある。

「企業は電話の向こうがAIであることをユーザーに告げるべきだ」

インタビューの中でElevenLabsのCEOは、議論を呼ぶ見解を示した。少なくとも現段階においては、企業はユーザーにAI音声システムと対話していることを積極的に告知すべきだという主張だ。AI音声がますますリアルになるにつれ、ユーザーは電話の相手が人間かAIかを判断しにくくなっていると率直に認めた。この情報の非対称性は信頼の危機を引き起こし、倫理的・法的リスクをもたらしかねない。

「人々が電話の向こうはAIだと当たり前に思うようになるまで、企業はAI音声を使用していることを積極的に開示すべきです。」——ElevenLabs CEO

この見解は、AI音声業界の根本的な論争——透明性とユーザー体験のバランス——に触れるものだ。賛成派は、積極的な開示がユーザーの信頼構築につながり、「騙された」という不快感を防ぐ効果があると主張する。一方、反対派は、ユーザーへの告知が即座の通話終了を招き、カスタマーサービスの効率低下につながることを懸念する。現在、米国の一部の州ではAI音声システムが通話開始時に自己開示を行うことを義務付ける立法が進んでおり、EUの「AI法」もディープシンセシスコンテンツの透明性について明確な要件を設けている。

AI音声の商業版図：カスタマーサービス以外の可能性は？

ElevenLabsの技術応用はコールセンターにとどまらない。メディアとエンターテインメント業界では、同社はすでに複数の出版機関と提携し、テキストコンテンツを高品質のオーディオブックに迅速に変換している。ゲーム分野では、その音声エンジンがNPCキャラクターにリアルタイムかつ動的な対話能力を提供している。教育の場面では、AI音声が異なるアクセントの教師をシミュレートし、語学学習者のリスニングとスピーキング向上を支援することができる。さらにElevenLabsは音声クローンサービスも提供しており、数分間の音声サンプルをアップロードするだけで、高い類似度を持つ個性的な音声を生成できる。

しかし、音声クローン技術は深刻なセキュリティ上の懸念も引き起こしている。AI音声を使って親族や企業幹部になりすまし、通信詐欺を働く事件が世界各地で相次いでいる。これに対してElevenLabsは、音声認証、電子透かしの埋め込み、捜査機関との連携など複数の対策を講じていると表明しているが、技術の悪用という問題は依然として深刻だ。

編集後記：AI音声の「告知義務」は選択肢であってはならない

ElevenLabsのCEOの姿勢は評価に値するが、「ユーザーに告知するかどうか」を企業の自主判断に委ねることは、明らかに不十分だ。AI音声が本物と見分けがつかないほどになった今、ユーザーの知る権利が商業的効率に縛られるべきではない。規制当局は速やかに統一基準を策定し、AI音声システムが対話開始時に明確な識別表示を行うよう義務付けるべきだと考える。同時に、技術提供者も製品設計の段階で「透明性をデフォルト」とする原則を組み込むべきであり、事後対処に頼るべきではない。AI音声の未来は間違いなく明るいが、信頼を基盤として初めて、この技術は社会に真に貢献できる。

本稿執筆時点で、ElevenLabsは評価額に関する報道に対して公式コメントを発表していない。しかし確かなことは、生成AIの競争が激化する中、最も自然なインタラクション手段としての音声が、次の主要な戦略的領域となるということだ。

本稿はTechCrunchより編集・翻訳