Googleは2026年11月20日(現地時間)、同社のAI音声アシスタント「Google Duplex」が進化し、「Tasks in Gemini App」を通じて企業への電話など現実世界のタスクを自律的に完了できるようになったことを発表した。2018年に導入されたGoogle Duplexは、これまでもAIとローカルビジネス間の自然な音声会話を実現してきたが、基盤モデルの進化によりGoogle SearchやGoogle Mapsを含む複数のGoogle製品で自律的なタスク遂行能力を強化している。
Google Duplexは、当初、狭い領域に特化したタスク固有のシステムとして開発されたが、Google内の複数のチームと連携し、共有の会話型インフラへと発展してきた。特にCOVID-19パンデミック時には、ビジネス情報の自動検証に注力し、その情報は2023年にはGoogle SearchとGoogle Mapsで1兆回以上表示されたという。
2019年からはAndroidおよびハードウェアチームとの協業により、Pixel Call Assist機能として5世代のPixelに展開され、Call ScreenやHold for Meといった機能を提供してきた。2025年および2026年には、基盤モデルがGoogle SearchとAsk Mapsにおける広範なエージェント型通話を可能にし、見積もり確認や製品の在庫状況、サービスの空き状況などを電話で確認できるようになっている。
Google Duplexのアーキテクチャは、過去10年間で3つの異なる段階を経て進化し、特注のニューラルパイプラインからGeminiで構築された統合アーキテクチャへと移行した。初期はLLM(大規模言語モデル)以前の閉鎖ドメインモデルで、特定のタスク向けにカスタムのリカレントニューラルネットワークモデルを訓練していた。2022年からはLaMDAをライブ通話に利用するなど、初期の生成モデルとハイブリッドスタックを採用し、柔軟な表現と確実な状態追跡を両立させた。そして現在、Geminiとの統合により、テキストで記述されたタスク定義をプロンプトとして使用し、新しいタスクタイプやニュアンスにも対応できるようになった。
ライブ電話環境における技術的課題としては、実用的な状況認識と超低遅延での処理が挙げられる。同社のスタックは、通話開始前の文脈認識から通話中の間接的な拒否の解釈、そして自然な会話のテンポでの応答まで、これに対応するように調整されている。また、Google Duplexは通話相手のビジネス側にも配慮し、通話開始時にAIエージェントであることを明確に開示するほか、ビジネスが自動通話をオプトアウトする設定や、通話中に私のビジネスへの電話を止めてくださいと伝えることで停止する機能も提供している。
参考: Google Research Blog — 2026年11月21日 08:30 (JST)
原文ハイライト"calling businesses for you and handling real-world requests on behalf of the user."