「いらっしゃいませ、〇〇食堂です」
最近はこの声の主が、人間ではなくAIだったりする。詐欺電話の自動応答で問題になっている技術と同じ系統だが、飲食店のテイクアウト受注に転用すれば、オペレーターなしで注文を回せるはずだ。
あなたはどうだろう。近所の個人店がAI電話を導入したら、便利だと感じる派？ それとも「人に話したい」と思う派？
私は技術的には可能だと思っている。ただ、本当に安くなるのかは別問題だ。従業員に電話を任せるか、AI音声に任せるか、そもそもWebフォームに寄せるか——コストの軸で並べてみる。
個人店のテイクアウト、自動化したい工程はどこか
理想的なフローはこうだ。
電話を受ける → 音声で自動応答 → 住所・氏名・電話番号を取得してシステムに反映 → 注文を受注 → 料理を作って提供
今あるPOSやテイクアウト専用システムでも、電話の部分だけがボトルネックになりやすい。厨房に立ちながら受話器を取る。メモを取る。住所を聞き直す。電話が鳴るたびに手が止まる——この断続的な割り込みが、個人店では地味に効いてくる。
AIに任せたいのは、その「受話器を取って顧客データをぽちぽち入力する」部分だ。音声認識と自動応答の精度が十分なら、理論上は回る。ただしAPIは従量課金なので、客が無駄に長く喋ると料金が膨らむ。必要な情報だけ、短いターンで取る設計が要るわけだ。
比較する3つの受注ルート
コスト比較のために、受注経路を3パターンに分ける。
| ルート | 概要 | 客の負担 |
|---|---|---|
| A. 人の電話対応 | 従業員が受話器で注文を聞き、手入力 | 低い（今と同じ） |
| B. AI音声自動応答 | 電話番号にAIが出て、音声で注文を確定 | 低い（今と同じ） |
| C. 文字のみ（Webフォーム・LINE等） | フォーム送信やチャットで注文 | やや高い（操作が必要） |
Aは人件費、Bは電話回線＋音声API＋LLMの従量課金、Cはほぼ固定費のみ——という構図になる。
試算の前提
よくある個人飲食店を想定する。
- 営業時間：11:00〜14:00（昼）、17:00〜21:00（夜）の計7時間
- 電話注文：1日あたり20通前後
- 1通あたりの通話時間：注文内容の確認・住所の聞き直し込みで平均4分（うちAI発話・認識が占めるのはおおよそ半分）
- 従業員の時給：1,400円（2026年時点の飲食アルバイト相場の目安）
- 月の営業日：26日
- AI側の料金はOpenAI Whisper（音声認識）＋TTS（音声合成）＋軽量LLM＋Twilio系の電話回線を想定。為替は1ドル150円で換算
あくまで電話対応にかかる部分だけを切り出した試算だ。システム開発費・POS連携・初期設定は別枠になる。
月額コスト試算
A. 人の電話対応——「電話に費やした時間」で見る
従業員が料理と兼任する前提なら、電話対応のコストは機会損失としての人件費で測るのが現実的だ。
- 1日の電話対応時間：20通 × 4分 ＝ 約80分（1.33時間）
- 1日あたり：1.33時間 × 1,400円 ＝ 約1,860円
- 月額（26日）：約48,400円
もし営業時間中ずっと電話待機が必要で、実質7時間を電話専任に割くなら1日9,800円・月25万円超になる。個人店でここまで割くケースは稀だろうから、以降は月約5万円をAの基準値にする。
B. AI音声自動応答——通話時間に比例する
1通あたりのAPI・回線コストを積み上げる（4分通話・AI稼働3分と仮定）。
| 項目 | 単価の目安 | 1通あたり |
|---|---|---|
| 電話回線（Twilio等） | 約2.5円/分 × 4分 | 10円 |
| Whisper（音声認識） | 約0.9円/分 × 3分 | 2.7円 |
| TTS（音声合成） | 約0.5円/分 × 1.5分 | 0.8円 |
| LLM（意図理解・確認） | トークン課金 | 約1円 |
| 音声AI基盤（Vapi等の手数料） | 約2円/分 × 3分 | 6円 |
| 合計 | 約20円/通 |
- 1日：20通 × 20円 ＝ 400円
- 月額（26日）：約10,400円
Aの約5万円に対して、およそ5分の1だ。数字だけ見ればBが圧勝に見える。
ただしここに落とし穴がある。
Bのリスクシナリオ——認識ミスで通話が伸びたとき
ドラフトで書いていた通り、客が繰り返し喋ったり、聞き返しが増えると通話時間は伸びる。1通あたりのコストはほぼ通話分数に比例する。
| シナリオ | 平均通話時間 | 1通あたり | 月額（20通×26日） |
|---|---|---|---|
| 標準 | 4分 | 20円 | 約1万円 |
| 聞き返し多め | 8分 | 40円 | 約2.1万円 |
| 認識精度が低い | 12分 | 60円 | 約3.1万円 |
| 現場が混乱 | 15分 | 75円 | 約3.9万円 |
12分平均でもAより安いが、差は縮まる。さらに通話が倍になれば料金も倍——これがAPI従量課金の怖いところだ。人件費は時給が固定でも、AIは「うまくいかないほど高くなる」構造になる。
初期のチューニング費・プロンプト設計・メニュー辞書の整備も無視できない。月1万円安くても、立ち上げに10万円かかれば回収まで数ヶ月かかる。
意図的に通話を伸ばす攻撃——従量課金の死角
認識ミスは「事故」だが、もう一段厄介なのが意図的に通話時間を引き延ばす攻撃だ。従量課金のAI電話は、通話が長いほど店側の請求が増える——この構造そのものが攻撃面になる。
人の電話対応なら、長電話は人件費には効くが、相手も退屈で切りたくなる。AIは文句を言わず、聞き返しを繰り返し、雑談にも付き合う。悪意ある発信者にとっては相手のAPI請求を膨らませる手段になりうるわけだ。
想定される攻撃パターン
| パターン | 手口 | 店側への打撃 |
|---|---|---|
| 長電話消耗 | 注文に見せかけて雑談・聞き返し・無言を繰り返す | 1通あたりのAPI・回線料が数倍に |
| 連続発信 | 同一番号または複数番号から短時間に何十回もかける | 1日分の想定コストが数時間で吹き飛ぶ |
| ボット発信 | 自動ダイヤラで営業時間中ずっと回線を占有 | 正常な客の電話がつながらない＋料金膨張 |
| 音声プロンプトインジェクション | 「前の指示を忘れて〜」と長文を読み上げさせる | LLMトークンと通話時間の両方が増える |
| いたずら・嫌がらせ | 競合や不満客がわざとAIを困らせる | 対応品質の低下とコスト増の二重苦 |
DDoSのようにサービスを落とすというより、請求額を吊り上げるDenial-of-Walletに近い。飲食店規模だと1日数千円〜数万円の暴騰でも経営に効いてくる。
試算で出した「標準20円/通」が、攻撃時に15分固定で100通/日になれば、1日3万円超——月換算で数十万円だ。人の電話対応より高くつく逆転も起こりうる。
対策——設計段階で入れておくべきもの
対策は「導入後に困ってから」では遅い。音声AIを組む時点で、次の層を重ねておくのが現実的だ。
1. 通話時間のハード上限
注文フローに必要な情報が揃ったら即終了。上限は5〜7分程度に置き、超過したら「お電話を切り直すか、Webフォームをご利用ください」と案内して切断する。AIが延々と付き合う設計にしない——これが最優先だ。
2. 番号あたりのレート制限
同一発信者番号から1時間に2通まで、1日5通まで、など上限を設ける。リピーターの常連には足りないように見えるが、注文確定前の「試し電話」はそもそも要らない。超過時は短いアナウンスで切る。
3. 無音・ループのタイムアウト
30秒以上無音、または同じ質問への答えが3回続いたら終了。長電話消耗の大半は「AIが待っている」時間から生まれる。
4. 発信者番号のブロックリスト
明らかな嫌がらせ番号は手動・自動でブロック。Twilio等の電話基盤には拒否リスト機能がある。攻撃を受けた日の番号をそのまま溜めていく運用でよい。
5. 日次・月次の予算上限とアラート
APIダッシュボードで1日500円・月1万円など上限を設定し、超過前に通知、超過後は新規通話を自動拒否する。個人店でも「請求が跳ねたら気づける」仕組みは必須だ。
6. 会話を有限ステートマシンに閉じる
オープンエンドな雑談モードを持たない。「メニュー選択 → 数量 → 受け取り方法 → 確認 → 終了」のように、遷移先が決まったフローだけにする。プロンプトインジェクション対策として、システム指示と会話ログを分離し、客の発話をそのまま命令として実行しない設計もセットで。
7. 最初の数秒で「注文専用回線」であることを明示
「ご注文以外のお問い合わせは営業時間外にお願いします」と冒頭で宣言する。法的な威嚇というより、いたずらのハードルを上げる効果がある。
8. 電話番号の露出を抑える
Googleマップや食べログにAI専用番号をそのまま載せると、ボットの標的になりやすい。既存の店舗番号を使い、裏でAIに転送するか、リピーター向けにQRでWebフォームへ誘導するハイブリッドの方が攻撃面は小さい。
対策を入れたうえでのコスト再試算
上限5分・異常番号ブロック・日次上限あり、という前提なら、攻撃時の最大損失は「上限まで許した分」で頭打ちになる。
- 正常時：月約1万円（前述の標準試算）
- 軽度の嫌がらせ（1日10通の長電話）：レート制限で大半が弾かれ、月2万円前後で収まる想定
- 本格的な連続発信：日次上限500円で月1.5万円が天井——対策なしの数十万円と比べれば桁が違う
つまりBルートのコスパは、攻撃対策の実装コストを含めて評価する必要がある。対策込みで初期設定に数万円、ランニングは月1〜1.5万円——それでも人の電話対応より安いが、ゼロ円に近いCルートとの差はさらに開く。
人の電話は攻撃対象になりにくいが、ピーク時の取りこぼしは防げない。AI電話は攻撃対象になりうるが、上限設計で損失は封じ込められる——このトレードオフを理解したうえで選ぶべきだと思う。
C. 文字のみ（Webフォーム・LINE注文）
- 既存サイトへのフォーム追加：サーバー費の増分はほぼゼロ
- LINE公式アカウント（無料プラン）：0円〜
- 注文内容の自動整形に軽量LLMを使っても、月数百円程度
月額のランニングコストはおおむね0〜3,000円と置いてよい。3ルートの中で最安。
代償は客側の行動変容だ。「いつものように電話する」客をフォームに誘導するには、QRコードの設置、店内掲示、初回クーポンなどの運用が要る。高齢の常連が多い店舗ほど、C単独への移行は難しい。
3ルートの一覧比較
| ルート | 月額ランニング（目安） | 客の学習コスト | 主なリスク |
|---|---|---|---|
| A. 人の電話 | 約5万円 | なし | 厨房の手が止まる、ピーク時に取りこぼし |
| B. AI音声 | 約1〜4万円（精度次第） | なし | 通話延長攻撃・料金膨張、認識ミス時のクレーム |
| C. 文字フォーム | 約0〜3,000円 | あり | 電話派の客が離れる、入力ミス |
純粋なコスパだけならCが最強。電話文化を維持したまま安くしたいならB。現状維持が許容できるならAも悪くない——ただしAは「見えないコスト」として厨房の効率低下を抱えている、という見方もできる。
20通/日規模では、Bがうまく回れば月3〜4万円の削減余地がある。50通/日を超えると差はさらに開く。逆に1日5通程度なら、どのルートも月額1万円前後の差しかなく、導入の手間を考えるとCで十分なケースも多い。
電話以外に残る壁——配達と決済
コスト比較だけでは決めきれない理由がある。電話受注の自動化ができても、配達と決済は別問題だ。
テイクアウト専業なら店舗受け取りで完結するが、デリバリーをやるならUber Eatsや出前館に乗るか、自社配達を組むかの選択が要る。自社配達は地域限定のコワーカー募集や専用アプリ開発といった話になり、グローバルサービスよりローカルな設計が必要になる。
決済も地味に面倒だ。電話注文は代引きや店頭払いが多いが、事前決済を入れると資金決済法や特定商取引法の表示義務が絡む。AIで「とりあえず動く」レベルのシステムは作れても、ちゃんと商売するには法務・会計の整備が要る。
つまり「電話をAIに任せる」は受注フローの一部でしかなく、配達網と決済基盤まで含めたローカルECの話になるわけだ。
導入する価値があるのはどの店か
私なりに整理すると、こういう判断軸になる。
B（AI音声）が向く店
- 1日15通以上の電話注文がある
- メニューが比較的固定で、聞き返しが少なくなる
- 住所の聞き取り精度を上げるため、配達エリアが狭い（同一町内など）
- 通話を短く終わらせるスクリプト設計ができる
- 通話上限・レート制限など、攻撃対策を初期設定に組み込める（または任せられる人がいる）
C（文字フォーム）が向く店
- リピーターが多く、スマホ操作に抵抗がない客層
- 電話が少ない（1日10通未満）ので、わざわざAIを組む必要が薄い
- とにかくランニングコストを抑えたい
A（現状維持）でよい店
- 電話での雑談や関係構築が売上に効いている
- 客の平均年齢が高く、デジタル誘導が難しい
- 電話対応自体が月2万円以下の機会損失で済んでいる
ハイブリッドも現実的だ。昼のピークはC（事前注文フォーム）に誘導し、電話はBで受ける。人は厨房に専念する——こういう分担の方が、全面AIより事故が少ないかもしれない。
まとめ：安いのは文字、電話は精度次第
テイクアウト受注の自動化は技術的に可能だ。音声認識と自動応答は、詐欺電話でも使われているくらい成熟している。
コストだけ見れば、Webフォーム等の文字ルートが最安で、AI音声はうまく回れば月数万円の削減が見込める。ただしAPI従量課金は「失敗するほど高くなる」構造で、認識ミスに加え意図的な通話延長攻撃も現実の脅威だ。通話上限・レート制限・日次予算キャップは、精度チューニングと同じくらい早い段階で入れておくべきだ。
配達と決済は自動化の外側に残る。個人店が独自テイクアウトシステムを作るなら、電話AIはその一部にすぎない——というのが、私の現時点での見立てだ。
