概要
- 高級自動車整備工場の電話対応ロスによる損失解消を目的としたAI受付「Axle」の開発プロジェクト
- Retrieval-Augmented Generation（RAG）を活用し、価格や方針の正確な回答を実現
- VapiとFastAPIを組み合わせて実際の電話応対を自動化
- 音声体験の最適化とエスカレーション（人間への引き継ぎ）フローの設計
- 今後は予約機能やダッシュボードの実装、セキュリティ強化が課題
高級自動車整備工場向けAI受付「Axle」の開発背景
- 兄弟が経営する高級自動車整備工場 で、電話対応できずに 月数千ドルの損失
- 作業中に電話に出られず、顧客が他店に流れてしまう現状
- AI受付「Axle」 の開発を決意
- カスタム音声エージェント として、価格・営業時間・方針・コールバック収集に対応
ステップ1：RAGパイプラインによる「AIの頭脳」構築
- Webサイトデータをスクレイピング し、サービス内容・価格・方針など21超のドキュメントを 知識ベース化
- Voyage AI（voyage-3-large） で各ドキュメントを1024次元ベクトルに変換し、 MongoDB Atlas に格納
- Atlas Vector Search で顧客の質問と知識ベースの意味的類似検索を実現
- Anthropic Claude で回答生成し、「知識ベースからのみ回答・知らないことは明言しコールバック提案」という 厳格なプロンプト を設定
- ターミナルで「オイル交換はいくら？」→「コンベンショナル45ドル、シンセティック75ドル。オイルフィルター・液補充・タイヤ空気圧チェック込み。所要約30分」と 正確な回答
ステップ2：実電話番号への接続
- Vapi を音声プラットフォームに採用し、電話番号取得・音声認識（Deepgram）・音声合成（ElevenLabs）・リアルタイムAPI連携を実装
- FastAPI でWebhookサーバを構築し、顧客の質問をRAGパイプラインにルーティング
- Ngrok でローカル開発サーバを公開URL化し、VapiからWebhook連携
- Vapiダッシュボード でアシスタント設定（挨拶・RAG回答・コールバック収集・Webhook連携）
- 会話履歴の文脈保持 による複数質問への対応
- MongoDBに全通話を記録 し、顧客の質問傾向やAI→人間エスカレーション率の可視化
ステップ3：音声体験の最適化
- ElevenLabsのAI音声 から20種以上をテストし、 Christopher （落ち着き・自然・自動車知識感）の声を採用
- 音声用プロンプト を再設計し、短文・自然な価格表現・2～4文以内・機械的表現排除
- 知識ベース外の質問は推測せず、コールバック取得・MongoDB保存でリード喪失防止
- エッジケースをカバーする統合テスト を作成（不正リクエスト・ベクトル検索失敗・コールバック未入力など）
技術スタック
- Vapi （Deepgram, ElevenLabs統合）：電話番号・音声認識・音声合成・API連携
- Ngrok ：ローカル開発用トンネリング
- FastAPI + Uvicorn ：Webhookサーバ
- MongoDB Atlas ：知識ベース・ベクトル検索・通話ログ・コールバック管理
- Voyage AI ：テキスト埋め込み
- Anthropic Claude ：知識ベースに基づく回答生成
- Python （pymongo, voyageai, anthropic, fastapi）
- Copilot CLI ：開発補助
今後の展望
- カレンダー連携による即時予約受付 の実装
- 新規コールバックのSMS通知 追加
- コールバック管理ダッシュボード の構築
- 本番運用向けセキュリティ強化
- Railwayへのデプロイ で常時稼働化
- 実際の顧客対応運用 への移行
ビジネス特化型AI音声エージェント開発のポイント
- 汎用LLMは危険、必ず 知識ベースに基づくRAG で回答を制限
- エスカレーション（人間引き継ぎ） は例外でなく 必須フロー
- 顧客体験に直結する音声トーン の最適化が成功の鍵
- 本記事はAIによる支援で執筆