2026.10.06 DX

IVRとは？自動音声応答の仕組み・種類と構築形態の選び方を解説

IVR（Interactive Voice Response）は、電話をかけてきた相手に自動音声で案内を流し、プッシュボタンや発話で用件を受け付けて振り分ける仕組みです。日本語では「自動音声応答」と呼ばれ、コールセンターの代表番号で「〇〇の方は1を」と案内される、あの一次受けを担います。この記事では、着信からオペレーターにつながるまでの処理の流れ、プッシュ型・音声認識型・ビジュアルIVRの違いを整理します。さらにAmazon ConnectとTwilioの公式仕様から入力待ち時間の既定値と分岐の設計箇所を確認し、PBX付属機能・クラウドIVR・自社構築のどれを選ぶかを条件付きで示しました。

まとめ：IVRは振り分けとセルフ完結の2用途、構築形態は連携先で決まる

IVRの用途は2つに分かれます。1つは用件を聞いて担当グループへ流す「振り分け」、もう1つは営業時間案内や予約確認のように音声だけで用件を終わらせる「セルフ完結」です。振り分けは用件が3種類以上あり担当が分かれている窓口で効き、セルフ完結は同じ質問が繰り返し届く窓口で効きます。どちらにも当てはまらない窓口では、IVRを挟むと相手の待ち時間が延びるだけになります。

構築形態を決めるのは、IVRが参照するデータの置き場所です。分岐がメニューの固定文言だけで済むならPBXの付属機能かクラウドIVRサービスで足ります。会員番号で予約を照会する、発話内容をテキスト化して担当を決めるなど、社内のデータベースや音声認識と接続する段階に入ったら、Amazon ConnectやTwilioを土台にした開発案件として扱ってください。設定面では、入力待ちの既定値（Twilioは5秒）と、無入力や誤入力のときの行き先を必ず決めておくことが、切断と堂々巡りを防ぐ分かれ目になります。

IVRとは：Interactive Voice Responseが電話の一次受けで担う役割

IVRは電話の「最初の数十秒」を引き受ける装置です。オペレーターにつながる前の案内・本人確認・用件の聞き取りを機械が受け持ち、人が応対する時間を本題に寄せます。

プッシュ信号と音声ガイダンスで用件を受け付ける自動音声応答の定義

IVRの入力手段の基本は、電話機のボタンを押したときに出るプッシュ信号です。DTMF（Dual-Tone Multi-Frequency）と呼ばれ、低い周波数群と高い周波数群から1つずつを重ねた2音で数字や記号を表します。この信号の技術仕様は国際電気通信連合の勧告ITU-T Q.23（Technical features of push-button telephone sets）で定められており、固定電話でも携帯電話でも同じ仕組みで「1」や「#」を送れるのはこの規格があるためです。

IVRはこの信号を読み取り、あらかじめ録音した音声か、テキストから合成した音声でガイダンスを返します。プッシュ信号の代わりに相手の発話を音声認識で読み取る方式もあり、こちらは次章以降で扱う方式です。電話の自動応答という点では留守番電話と似ていますが、IVRは入力に応じて次の案内や転送先を変える点が違います。

振り分け型とセルフ完結型、2つの用途で効果の出方が変わる理由

振り分け型は、用件をIVRで聞いてから担当グループに流す使い方です。効果が出るのは、オペレーターの側です。用件の聞き直しと社内転送が減り、1件あたりの応対時間が縮みます。ただし相手から見ると、オペレーターにつながるまでの時間はIVRの案内の分だけ延びています。

セルフ完結型は、営業時間の案内、受付番号による状況照会、折り返し予約の受付などをIVRだけで終わらせる使い方です。こちらは相手の側にも効果が出て、待たずに用件が片付きます。実務ではまず、入電の内訳を1か月分数えて、音声だけで答えられる用件がどれだけあるかを確認してください。その割合が小さいなら振り分け型に絞り、セルフ完結のメニューは作らないほうが案内を短く保てます。

IVRの仕組み：着信からオペレーター接続までの処理の流れと連携先

IVRの内部は、案内の再生・入力の受付・条件による分岐・転送という部品の組み合わせです。製品ごとの画面は違っても、処理の順序はほぼ共通しています。

着信・ガイダンス再生・入力受付・分岐・転送の5段で進むIVRの処理

Amazon Connectのフロー設計を例に、1本の着信が処理される順序を並べると次のようになります。

着信：電話番号に紐づいたフロー（処理手順の定義）が起動する
ガイダンス再生：録音済み音声、またはテキストからの合成音声で案内を流す
入力受付：プッシュ信号か発話を、決めた秒数だけ待って受け取る
分岐：入力値と条件を照合し、一致した経路、一致しない経路、無入力の経路に分ける
転送：担当グループの待ち行列へ入れる、別のフローへ渡す、または案内で終話する

Amazon ConnectのGet customer inputブロックの公式ドキュメントでは、案内の音声にAmazon Pollyの合成音声やSSMLで調整したテキストを使えること、分岐はTimeout・Default・Errorの3種類が別に用意されることが説明されています。どのIVR製品を選んでも、この5段のうち3と4の設計がそのまま使い勝手を決めます。

ACDとCTIへの引き渡し：IVRで集めた情報を応対画面へ渡す連携

IVRの出口は、多くの場合ACD（着信呼分配）です。IVRで「2：修理の受付」が選ばれたら、ACDが修理担当グループの空いている席へ通話を流します。IVRとACDの分担や、コールセンター全体の中でどの順序で入れるかはコールセンターシステムとは？ACD・IVR・CTIの役割分担と導入順序で整理しています。

もう1つの出口がCTIです。IVRで受け付けた会員番号や選択した用件を、通話と一緒にオペレーターの画面へ渡せば、オペレーターは名乗りと用件の聞き直しを省けます。ここで受け渡す項目を決めておかないと、IVRで番号を入れたのに、つながった先でもう一度番号を聞かれるという二度手間が残るのです。発信者番号から顧客画面を開く仕組みはCTIとは？電話とシステムを連携する仕組みと機能で扱っています。

IVRの種類：プッシュ型・音声認識型・ビジュアルIVRの違いと向く窓口

IVRは入力のさせ方で3つに分かれます。どれが優れているかではなく、相手が何を入力しやすいかで選びます。

入力方式で分かれるIVRの3類型の比較と、それぞれが向く窓口の条件

3類型の違いを、入力手段と向く用途で並べました。

類型	相手の操作	向く用途	弱い場面
プッシュ型	ボタンを押す	選択肢の少ない振り分け	選択肢が多い窓口
音声認識型	用件を話す	番号や日付の受付	騒がしい場所からの電話
ビジュアルIVR	画面で選ぶ	メニューの多い窓口	固定電話からの電話

プッシュ型は確実性が高く、どの電話機からでも同じ操作で使えます。音声認識型は「明日の午後3時」のような入力をボタンより短く受け付けられる一方、周囲の雑音で聞き取りに失敗したときの経路が要ります。ビジュアルIVRは、電話を受けたあとにSMSなどでWebページを送り、画面でメニューを選んでもらう方式です。スマートフォンからの着信が中心で、メニューが10項目を超えるような窓口で検討対象になります。

ボイスボットとの役割分担：分岐はIVR、聞き取りはボイスボットへ

音声認識型のIVRと、AIが対話するボイスボットは境目が曖昧に見えます。実務での線引きは「何をさせたいか」です。決まった選択肢から1つ選ばせる、決まった形式の番号を受け取る、という入力受付まではIVRの守備範囲で、Amazon Connectでも同じブロックでプッシュ信号とAmazon Lexの発話入力を切り替えられます。用件そのものを自由な言葉で話してもらい、内容を聞き取って受付まで完了させたいなら、ボイスボットの領域です。

ボイスボットは聞き取りの失敗時の対処や対話の設計が必要になり、構築と運用の負担がIVRより重くなります。どちらを選ぶかの判断材料はボイスボットとは？仕組み・IVRとの違い・導入判断の基準にまとめました。実務では、入口はプッシュ型のIVRで用件を分け、定型の受付だけをボイスボットへ渡す組み合わせから始めると、失敗時の影響範囲を小さく保てます。

IVRの設定値で応答品質が変わる箇所：入力待ち時間と分岐の行き先

IVRの不満の多くは、メニューの文言ではなく設定値から生まれます。入力をどれだけ待つか、入力が無いときや誤ったときにどこへ流すか。この2点を決めずに稼働させると、切断と堂々巡りが起きます。

入力待ちの既定値5秒と、高齢の利用者が多い窓口での待ち時間の延長判断

入力待ちの時間は、製品の既定値のまま使われがちな設定です。TwilioのTwiMLのGather（入力受付）は、timeout属性の既定値が5秒、入力方式の既定値がプッシュ信号、終端キーの既定値が「#」と定められています。Amazon ConnectのGet customer inputブロックは、待ち時間を1秒から180秒の範囲で指定する方式です。

5秒は、案内を聞きながらボタンを押せる人には十分な長さです。一方で、診察券やカードを手元に探す必要がある入力、高齢の利用者が多い窓口では足りません。会員番号のように手元の資料を見て入れる項目は10〜15秒へ延ばし、メニューの選択は既定値のままにする、という項目ごとの使い分けを勧めます。なおTwilioで音声認識を使う場合、言語の既定値は英語（en-US）のため、日本語の窓口では言語の指定を忘れると認識が成り立ちません。

無入力と誤入力の分岐を設計しないと起きるIVRの堂々巡りと通話の切断

入力待ちの時間が切れたとき、またはメニューに無い番号が押されたとき、通話をどこへ流すかは設計者が決める箇所です。Amazon Connectでは前者がTimeout、後者がDefaultという別の分岐として用意されており、ここを未接続のままにすると通話が終わります。Twilioでは、入力を受け取った後の送信先（action属性）を省略すると現在のURLへ再送され、公式ドキュメント自体が「不要なループにつながる可能性がある」と注意しています。

実務の定石は、再入力の案内を1回までに留め、2回目の無入力または誤入力ではオペレーターの待ち行列へ直接流すことです。何度押しても同じ案内に戻る設計は、相手が諦めて切る原因になります。分岐の段数を増やしたときに放棄呼が増える関係は、親記事のコールセンターシステムの解説でも触れました。

会員番号など複数桁の入力をメニュー選択とは別の仕組みで受け付ける理由

メニュー選択と番号入力は、同じ「ボタンを押す」操作でも製品の中では別物として扱われます。Amazon ConnectのGet customer inputブロックが受け付けるのは0〜9と「#」「*」の1桁だけで、会員番号やカード番号のような複数桁はStore customer inputブロックで受ける構成になっています。

この違いは、案内文にも反映すべき内容です。複数桁の入力では「最後に#を押してください」と終端を伝えないと、相手は入力が終わったのか分からず、IVR側は待ち時間が切れるまで待つことになります。Amazon Connectの公式ドキュメントも、Amazon Lexで番号を受ける場合に「#」での終端を案内しないと、キー入力の終了判定まで5秒待たせると説明しています。番号の桁数が固定なら、桁数を指定して入力完了と判定させるのが確実です。

IVRの構築形態：PBX付属機能・クラウドIVR・自社構築の選び分け

IVRの手に入れ方は3つあります。違いは費用の大小よりも、分岐の条件として社内のデータをどこまで使えるかに出ます。

3つの構築形態を案内の変更の自由度と外部連携の範囲で比べた結果

構築形態ごとの性格を、運用で効いてくる観点で並べました。

構築形態	案内の変更	社内データとの連携	向く窓口
PBX付属機能	保守業者に依頼	ほぼ不可	固定メニューのみ
クラウドIVR	管理画面で即日	製品の連携機能まで	振り分け中心
自社構築	開発で自由に	API経由で制限なし	照会や予約を伴う窓口

PBX付属機能は、既に使っている交換機にIVRの機能が入っている場合の選択肢で、追加費用が小さく済む代わりに、案内の変更のたびに保守業者の作業が発生します。クラウドIVRは管理画面で分岐を組み替えられ、電話基盤ごとクラウドに移す場合はクラウドPBXとは？仕組み・料金相場と従来PBXとの違いで扱った乗り換えの論点と一緒に検討します。製品ごとの料金と機能の詳しい比較は、本記事では扱いません。

Amazon ConnectやTwilioで自社構築する場合の費用の組み立て方

自社構築の土台になるのは、Amazon ConnectやTwilioのような従量課金の音声基盤です。Amazon Connectの公表価格は音声1分あたり0.038米ドルで、これとは別に電話通信の料金がかかり、地域によって価格が異なる場合があると注記されています。1日100件・平均2分の着信なら月約6,000分、音声の利用料は約228米ドルになる計算です。

注意したいのは、この単価がIVRの部分だけでなく、オペレーターにつながった後の通話時間にもかかる点です。IVRの案内を短くすることは、そのまま請求額の削減につながる仕組みです。ガイダンスの冒頭で社名と挨拶に10秒使っているなら、1日100件で月約500分、音声だけで約19米ドルを案内の前置きに払っていることになります。Twilioで音声をAIへ渡す構成の選び方はTwilio APIで音声をAIに渡す4ルートで比較しています。

予約や会員データと連携するIVRは開発案件として外注範囲を決める

受付番号を入れると配送状況を読み上げる、診察券番号で予約を変更する、といったIVRは、分岐の条件が社内データベースの値になります。この段階ではIVRは電話の設定ではなく、データベースへの照会と結果の読み上げを含むシステム開発です。Amazon Connectであれば、フローの途中からAWS Lambdaを呼んで社内APIへ問い合わせる形が基本の構成になります。

外注の範囲は、連携先の数で決めてください。照会先が1つのシステムだけで項目も少ないなら、クラウドIVRの連携機能で足りるかを先に確かめる価値があります。照会先が複数ある、発話をテキスト化して用件を判定したい、という要件が入った時点で開発案件です。音声認識の精度の考え方は音声認識とは？AIの仕組み・精度の考え方で整理しており、IVRへの音声認識の組み込みや社内システムとの連携開発はAI音声認識システム開発で要件整理から相談を受けています。

IVRを入れるべき窓口と、入れても効果が出ない窓口の判断基準

ここでは判断を言い切ります。IVRは入れれば応対が楽になる道具ではありません。窓口の性質によっては、相手の待ち時間を延ばすだけの装置になります。

採用する条件：用件が3種類以上に分かれ担当が固定されている窓口

IVRの導入が投資に見合うのは、次の条件がそろう窓口です。用件が3種類以上に分かれていて、用件ごとに担当グループが固定されていること。そして、一次受けした人が社内転送している件数が、着信の2割を超えていることです。この状態では、IVRで用件を先に聞くことで転送と聞き直しがまとめて消えます。

もう1つの採用条件は、音声だけで答えられる問い合わせが多い窓口です。営業時間、住所、受付状況の確認のように答えが決まっている用件は、セルフ完結のメニューに切り出すとオペレーターの手が空きます。夜間や休日の着信を折り返し予約として受け付けたい場合も、IVRが最初の選択肢になります。

IVRを見送る場面：用件が1種類の窓口と、案内が長すぎる設計の失敗

用件が1種類しかない窓口、たとえば予約専用の番号にIVRを入れるのは見送ってください。振り分ける先が無いため、案内を聞く時間がそのまま待ち時間に上乗せされます。席数が2〜3人で全員が同じ用件を受けている窓口も、PBXのグループ着信で足ります。

導入済みの窓口で多い失敗は、メニューの前に長い前置きを置く設計です。社名、挨拶、録音の告知、個人情報の取り扱い、混雑の案内を順に流すと、最初の選択肢にたどり着くまでに30秒を超えることがあります。録音の告知のように省けない案内以外は削り、選択肢を先に出す。オペレーターにつなぐ番号（多くは「0」や「9」）を最初の案内で伝えておくと、IVRを嫌って切る相手を減らせます。

よくある質問

IVRについて検索で多く調べられている疑問を5つ取り上げ、判断の基準まで含めて答えます。

IVRは日本語で何と呼ばれ、どんな電話で使われていますか？

IVRはInteractive Voice Responseの略で、日本語では「自動音声応答」または「自動音声応答システム」と呼ばれます。通信会社や銀行、通販、自治体の代表番号で「〇〇の方は1を押してください」と流れる案内がIVRです。コールセンターに限らず、時間外の案内や予約受付だけを自動化する目的で、少人数の窓口でも使われています。

IVRとCTIは何が違いますか？

IVRは電話の相手に自動音声で案内し、入力を受け付けて振り分ける仕組みです。CTIは電話とコンピューターをつなぎ、発信者番号から顧客情報を画面に出す連携の仕組みを指します。IVRで受け付けた用件や会員番号をCTI経由でオペレーターの画面に渡すと、聞き直しが減ります。両者は対立する選択肢ではなく、組み合わせて使う関係です。

IVRとボイスボットはどちらを導入すべきですか？

選択肢から1つ選ばせる振り分けや、決まった形式の番号の受付が目的ならIVRで足ります。用件を自由な言葉で話してもらい、受付まで自動で完了させたい場合はボイスボットが候補です。ボイスボットは聞き取りに失敗したときの経路設計と運用の負担が大きいため、入口はIVRで分け、定型の受付だけをボイスボットに渡す構成から始めると失敗の影響を抑えられます。

IVRの導入にはどのくらいの費用がかかりますか？

構築形態で大きく変わります。PBXに付属している機能を使うなら追加費用は小さく、クラウドIVRサービスは月額の基本料と通話量に応じた料金の組み合わせが一般的です。Amazon Connectのような従量課金の基盤で自社構築する場合、公表価格は音声1分あたり0.038米ドルで、電話通信の料金が別にかかります。社内データと連携する場合は開発費が加わります。

小規模な会社でもIVRを導入する意味はありますか？

用件が2種類以上に分かれ、担当者が決まっているなら、IVRの導入は意味のある選択です。たとえば「注文は1、修理は2」と分けるだけで、事務担当が受けて技術担当へ回す転送が無くなります。逆に、全員が同じ用件を受ける2〜3人の窓口では、IVRの案内が待ち時間を延ばすだけになりやすいため、時間外の案内や折り返し予約に用途を絞って使うほうが効果を出しやすくなります。