結論から言う。電話番・受付・問い合わせ対応、月5万円以下で回る時代が来た

中小企業の固定費で一番重いのは人件費だ。とりわけ「電話応対」「来客受付」「よくある問い合わせへの返答」——この3つは、売上を直接生まないのに人を張りつけなければならない。パート1人を雇えば月15〜20万円。正社員なら25万円以上。

ここに今、3つの技術が同時に「使えるライン」を超えてきた。

• 音声AI（低遅延API）：応答遅延200ms以下。人間と変わらないテンポで電話を捌く
• 399ドルのオープンソースロボット：Hugging Face発の「Reachy Mini」。物理的な受付や案内動作が可能
• ローカルLLMチャットボット：クラウド不要、自社PCで動く。月額ほぼゼロ

この3つを組み合わせたとき、中小企業の「電話番コスト」はどうなるのか。具体的な金額で検証する。

—

1. 音声AI——200msの壁を超えたら「電話の向こうが人間かAIかわからない」

音声AIの使い物になる・ならないを分けるのは、たった1つの数字だ。TTFT（Time to First Token）——ユーザーが話し終わってから、AIが最初の音を返すまでの時間。

人間同士の会話では、相槌や応答までの間は平均200〜300ms。これを超えると「間が空いた」と感じる。逆に200ms以下なら、相手がAIだと気づかない。

2024年後半から、この200ms以下を安定して出せるAPIが複数登場した。たとえばGroqのWhisper＋LLMパイプラインはTTFTが200ms前後。Cerebras、Fireworks AIなども同水準を競っている。OpenAIのRealtime APIは表現力こそ高いが、コストが1分あたり$0.06〜$0.24と高めで、中小企業が月間1,000分（約17時間）使えば月$60〜$240。日本円で約9,000〜36,000円になる。

一方、GroqやFireworksの推論APIは1分あたりのコストがその半分以下に収まるケースもある。仮に月間1,000分の電話応対で月額1〜2万円と見積もろう。

これが何を意味するか。

電話応対パートを1人雇えば月15〜20万円。音声AIなら1〜2万円。コスト差は10倍以上。しかも音声AIは24時間365日、病欠しない。深夜の問い合わせも取りこぼさない。

「でも複雑な問い合わせは無理でしょ？」——その通り。だが考えてほしい。中小企業にかかってくる電話の7〜8割は「営業時間は？」「在庫ありますか？」「予約したい」といった定型的なものだ。これをAIが捌き、残り2割だけ人間に回す。それだけで電話番の稼働は8割減る。

—

2. 399ドルロボット「Reachy Mini」——受付に「体」が必要な場面をカバーする

Hugging Faceが2025年に発表したオープンソースロボット。正式名称はReachy Mini（旧コードネームでMicroduckとも呼ばれていた）。価格は399ドル（約6万円）。

スペックを整理する。

• 高さ：約25cm
• モーター：15基搭載（上半身の腕・首・胴体）
• 制御：Pythonベースのオープンソースフレームワーク
• 学習：模倣学習対応。人間の動作を見せて覚えさせる
• カメラ搭載で物体認識可能

正直に言おう。25cmのロボットが受付カウンターで来客を迎えるのは、今すぐ実用的かと聞かれれば「まだ早い」。物を運んだり書類を渡したりするには小さすぎるし、歩行も実験段階だ。

だが注目すべきは価格と拡張性だ。従来、研究用ヒューマノイドは数百万円が当たり前だった。それが6万円。オープンソースだから自社でカスタマイズできる。たとえば——

• 受付カウンターに置いて、カメラで来客を検知→音声AIと連携して「いらっしゃいませ、ご用件をどうぞ」と応対
• タブレットと組み合わせて、来客の名前を聞き取り→担当者のSlackに自動通知
• 簡単なデモ動作で製品説明を補助

「ロボットが受付する」というと大げさに聞こえるが、やっていることは「カメラ＋音声AI＋通知の自動化」だ。ロボットの体は、そこに「物理的な存在感」を足すためのインターフェースにすぎない。

初期費用6万円、電気代と保守を含めた月額ランニングは数千円。仮に月5,000円と置く。

—

3. ローカルLLMチャットボット——クラウドに出さない、月額ほぼゼロの問い合わせ対応

中小企業がチャットボットを導入するとき、最大のハードルは2つ。コストと情報漏洩リスクだ。

クラウド型のチャットボットサービスは月額数万円かかるものが多い。しかも顧客データや社内情報をクラウドに送ることになる。地方の中小企業、特に士業や医療系は「外部にデータを出したくない」という声が強い。

ここで選択肢になるのがローカルLLMだ。2025年現在、Llama 3.1やGemma 2、Phi-3といったオープンソースモデルが、一般的なデスクトップPC（メモリ16GB、GPU搭載なら理想的だが必須ではない）で動く。Ollamaのようなツールを使えば、インストールから起動まで10分。

構成例を出す。

初期投資5〜8万円、月額ランニングは約2,000円。クラウド型サービスの月額3〜5万円と比べれば、年間で36〜58万円の差が出る。

自社のFAQや製品マニュアルをRAG（検索拡張生成）で食わせれば、「この部品の納期は？」「保証期間は？」といった問い合わせに、自社データに基づいた正確な回答を返せる。データは一切外部に出ない。

—

月額コストを積み上げる——本当に5万円以下で収まるのか

3つを組み合わせた月額ランニングコストを整理する。

初期投資はReachy Mini（約6万円）＋ローカルPC（約7万円）＋セットアップ工数で、20万円前後。

月額25,000円。パート1人の月給15〜20万円と比べれば、6分の1から8分の1だ。年間で150〜210万円の削減になる。初期投資は2ヶ月で回収できる計算だ。

「5万円以下」どころか、3万円を切る可能性すらある。

—

ただし、ここが落とし穴

数字だけ見れば「すぐやるべき」に見える。だが現場で導入するなら、3つの壁がある。

1. セットアップできる人がいない問題
音声AIのAPI連携、ローカルLLMの構築、ロボットのカスタマイズ——これらを社内でできる中小企業はほぼない。ここに外注費がかかると、初期コストが跳ね上がる。だからこそ「設定済みパッケージ」を提供する事業者が今後伸びる。

2. 「8割自動化」の残り2割をどう回すか
音声AIが捌けない複雑な問い合わせ、クレーム対応、感情的なやり取り——ここは人間が必要だ。AIから人間へのエスカレーション導線を設計しないと、顧客満足度が下がる。「AIが対応→解決できなければ担当者のスマホに転送」というフローを最初から組んでおくことが必須。

3. 音声AIの日本語品質
英語圏では200ms以下の低遅延音声AIが実用段階に入っているが、日本語はまだ一歩遅れている。特に方言や業界用語への対応は発展途上だ。ここは2025年後半〜2026年にかけて急速に改善されると見ているが、現時点では「標準的な日本語での定型応対」に絞るのが現実的だ。

—

で、結局どうすればいいのか

3つ全部を一気に入れる必要はない。優先順位をつけるなら——

まずローカルLLMチャットボットから始めろ。

理由はシンプル。初期投資が最も小さく（既存PCで試せる）、リスクがほぼゼロで、効果が測りやすい。自社のFAQを食わせて、社内の問い合わせ対応から始める。Webサイトに埋め込んで顧客向けに展開する。これだけで「問い合わせ電話の本数」が減る。電話が減れば、音声AIの導入判断もしやすくなる。

次に音声AI。電話応対の7〜8割を自動化する。ここで月15〜20万円の人件費が浮く。

Reachy Miniは「面白い実験枠」として触っておく。来客対応の自動化は、音声AI＋タブレットで8割カバーできる。ロボットの体が本当に必要になるのは、もう少し先だ。

—

これは「電話番がなくなる」話ではない。「電話番しかできない状態」が終わる話だ

誤解しないでほしい。AIが人を置き換えるという話をしているのではない。

中小企業の現場で起きているのは、「本来は営業や企画をやるべき人が、電話番に時間を取られている」という問題だ。5人の会社で1人が電話番に張りつけば、戦力の20%が固定費に消える。

月25,000円で電話・受付・問い合わせの8割が自動化されたとき、その人は何ができるようになるか。営業に出られる。新しい取引先を開拓できる。商品開発に時間を使える。

コストが下がることの本質は、「やれなかったことがやれるようになる」ことだ。

音声AI、ローカルLLM、安価なロボット——この3つが同時に「安く・速く・使える」ラインを超えた2025年は、中小企業にとって「固定費の構造」が変わる転換点になる。

待っていても誰も教えてくれない。まず、Ollamaをインストールするところから始めてみてほしい。10分で終わる。

—