人間がやったら1年、AIなら数日。しかも5000円。

アイルランドには約7,000軒のパブがある。そのすべてに電話をかけて「ギネス1パイントいくらですか？」と聞く。人間がやったらどうなるか。1件3分として350時間。人件費だけで50万円は軽く超える。調査会社に外注すれば、さらに上乗せだ。

これをAI音声エージェントがやった。数日で全パブに電話し、価格データを収集。かかったコストは通話料とAPI利用料を合わせて数十ドル——日本円で5,000円程度。結果はリアルタイムで「ギネス価格インデックス」としてマップ上に可視化された。

このプロジェクトを見て「面白い実験だね」で終わらせるのはもったいない。これは市場調査のコスト構造が100分の1になったという事実だ。そしてこのコスト崩壊は、大企業より中小企業にとってこそ意味がある。

何が起きたのか：6ヶ月の運用で見えたリアル

このプロジェクトは約6ヶ月にわたって運用された。AIエージェントが電話をかけ、相手の応答を音声認識で解析し、価格データを構造化して記録する。シンプルに聞こえるが、実際の運用で見えた教訓は泥臭い。

教訓1：質問設計が9割

「ギネス1パイントいくらですか？」——たったこれだけの質問だが、設計が甘いと精度が崩壊する。「ギネスはドラフト？缶？」「パイント？ハーフ？」と聞き返されたとき、AIがどう返すか。事前に想定される分岐を設計しておかないと、会話が破綻してデータが取れない。逆に言えば、質問を1つに絞り、分岐を3パターン程度に設計すれば、AIでも十分に実用的な精度が出る。

教訓2：相手は人間。時間帯と話し方で結果が変わる

パブに電話する時間帯によって応答率が大きく変わった。ランチ前の11時台が最も応答率が高く、金曜夜は当然つながらない。また、AIの話し方のトーン——早口すぎると切られ、丁寧すぎると怪しまれる。この「ちょうどいい塩梅」を見つけるのに数週間のチューニングが必要だったという。

教訓3：完璧を目指さない。7割取れれば十分

7,000軒すべてから回答を得る必要はない。統計的に有意なサンプル数が取れれば、地域別の価格傾向は十分に見える。実際、応答率は約60〜70%程度だったが、地域ごとの価格差（ダブリン市内は€5.5〜€7、地方は€4.5〜€5.5など）を明確にマッピングできた。

なぜこれが中小企業にとって「事件」なのか

ここからが本題だ。

従来、市場調査は「金がある企業の特権」だった。調査会社に競合価格の調査を頼めば、最低でも30万〜100万円。自社でやるにしても、人を張り付けて電話やWeb調査をすれば、人件費と時間が飛ぶ。だから中小企業の多くは「勘と経験」で価格を決めていた。

それが5,000円でできるようになった。

この意味を具体的に考えてみる。

例1：地方の工務店が、半径50kmの競合30社に「外壁塗装の坪単価」を電話で聞く

人間がやれば丸1日、気まずさもある。AIエージェントなら「見積もりの参考にしたいのですが、外壁塗装の坪単価の目安を教えていただけますか」と30件に同時並行で電話できる。コストは通話料込みで数千円。これで自社の価格が「地域相場のどこに位置しているか」が数字で分かる。

例2：飲食店が、近隣エリアのランチ価格帯を50店舗分集める

新規出店の際、周辺の価格帯を知りたい。食べログを1件ずつ見る手もあるが、実際の提供価格と掲載価格はズレていることも多い。AIが電話で「本日のランチはおいくらですか？」と聞けば、リアルタイムの実勢価格が取れる。

例3：製造業が、原材料の仕入れ先10社に「現在の単価」を定期的に確認する

毎月1回、AIが自動で10社に電話して単価を聞く。これを仕組み化すれば、価格推移のデータベースが勝手にできあがる。値上げ交渉のタイミングも数字で判断できる。

ポイントは、これまで「やりたかったけどコスト的に無理だった調査」が、月5,000円の固定費で回せるようになるということだ。

「電話AI」の技術的ハードルは、もう低い

「そんなの技術的に難しいんじゃないの？」と思うかもしれない。2年前ならその通りだった。しかし2024〜2025年にかけて、状況は一変している。

• 音声合成（TTS）：ElevenLabs、OpenAI TTSなど、自然な音声を生成するサービスが月数千円から使える
• 音声認識（STT）：Whisper（OpenAI）がほぼ無料に近いコストでリアルタイム文字起こし可能
• 電話API：Twilio、Vonageなどで1通話数円〜数十円
• 会話制御：GPT-4oやClaude 3.5で、分岐のある会話をプロンプトだけで設計可能
• 統合プラットフォーム：Bland.ai、Vapi、Retellなど、ノーコードで電話AIエージェントを構築できるサービスが続々登場

つまり、プログラミングができなくても、月額1万円以下で「電話をかけて情報を集めるAI」を構築できる環境がすでにある。

農業にも転用できる。というか、農業こそ必要だ

この構造は農業にもそのまま当てはまる。

地方の農家が「自分の作った野菜をいくらで売ればいいか」を判断するとき、頼れる情報は限られている。JAの出荷価格、道の駅の店頭価格、近隣の直売所の値付け——これらを自分の足で回って確認するのが現状だ。

AIエージェントが毎朝、近隣の直売所20カ所に電話して「今日のトマトの販売価格はいくらですか？」と聞く。これだけで、地域の実勢価格がリアルタイムで手元に届く。週次で集計すれば、価格のトレンドも見える。「来週は出荷を少し抑えて、再来週にまとめて出す」という判断が、感覚ではなくデータで下せるようになる。

コストは月に数千円。これまで農協や市場任せだった価格決定権を、農家自身が取り戻せる可能性がある。

で、結局どうすればいいのか

「面白い話だけど、うちには関係ない」と思った人にこそ伝えたい。

ステップ1：「毎月、人が電話やメールで繰り返している情報収集」を1つ洗い出す

競合の価格確認、仕入れ先への在庫確認、顧客へのアンケート——何でもいい。「人がやっているけど、聞くことは毎回同じ」という業務を1つ見つける。

ステップ2：Bland.aiやVapiで、まず10件だけ試す

最初から100件やる必要はない。10件電話して、ちゃんとデータが取れるか検証する。初期費用はほぼゼロ、通話料だけで試せる。

ステップ3：取れたデータをスプレッドシートに自動記録する仕組みをつくる

ZapierやMakeで、AIが取得したデータをGoogleスプレッドシートに自動転記する。これで「調査→記録→分析」が人の手を介さずに回る。

ここまでで、かかるコストは1万円以下。時間は半日もあれば十分だ。

コストが100分の1になったとき、変わるのは「やるかやらないか」だけ

市場調査が50万円なら、やらない判断は合理的だった。5,000円なら、やらない理由がない。

このギネス価格インデックスの事例が示しているのは、「AIがすごい」という話ではない。情報収集のコストが限りなくゼロに近づいたとき、情報を持っている側と持っていない側の差が決定的になるという話だ。

大企業は昔から調査費用を潤沢に使えた。中小企業はそれができなかった。しかし今、そのコスト差が消えた。同じ情報を、同じ精度で、100分の1のコストで取れる。

これは中小企業にとって、初めて大企業と同じ土俵に立てるチャンスだ。

問題は技術ではない。「まず10件、電話させてみるかどうか」——それだけだ。

—