対話型ボット構築 - Amazon Lex と Polly で実現する自然な会話インターフェース

対話型ボットの需要と AWS の会話 AI サービス

カスタマーサポートの自動化、社内ヘルプデスク、予約システム、FAQ 対応など、対話型ボットの活用は急速に広がっています。問い合わせ対応の初動を自動化して待ち時間を短縮し、オペレーターを付加価値の高い対応に集中させたいという要請は強く、対話型ボットを主要な顧客対応チャネルの一つに位置づける組織が業種を問わず増えています。AWS は Amazon Lex と Amazon Polly を中心とした会話 AI サービスを提供し、これらの課題を解決します。また、Lex は Lambda との統合がネイティブに設計されており、バックエンドのビジネスロジックをサーバーレスで実装できます。Lex はテキストと音声の両方に対応した対話型インターフェースを構築でき、Polly は多言語の自然な音声合成に対応します。以下は Lex V2 でボットを作成する CLI 例です。

aws lexv2-models create-bot \
  --bot-name CustomerSupportBot \
  --role-arn arn:aws:iam::123456789012:role/LexBotRole \
  --data-privacy '{"childDirected":false}' \
  --idle-session-ttl-in-seconds 300 \
  --region ap-northeast-1

両サービスとも従量課金で、リクエストがない時間帯のコストはゼロです。

Amazon Lex による対話フローの設計

Amazon Lex V2 はインテント (ユーザーの意図)、スロット (パラメータ)、フルフィルメント (処理の実行) の 3 つの概念で対話フローを設計します。例えばホテル予約ボットでは、BookHotel インテントに対して、チェックイン日、チェックアウト日、部屋タイプ、人数などのスロットを定義し、すべてのスロットが埋まったら Lambda 関数で予約処理を実行します。Lex V2 はマルチターン対話をネイティブにサポートし、ユーザーが一度に全情報を提供しなくても、不足しているスロットを順番に質問して収集します。条件分岐やスロットの検証ロジックにより、複雑な対話フローも視覚的なフローエディタで設計できます。Lex V2 のストリーミング API を使えば、音声入力のリアルタイム処理が可能で、ユーザーが話し終わるのを待たずに応答を開始できます。また Lex V2 は複数言語のボットを単一のボットリソースで管理でき、多言語対応が容易です。

Amazon Polly による自然な音声合成

Amazon Polly は深層学習技術を活用したテキスト読み上げ (TTS) サービスで、用途に応じて Standard、Neural、Long-form、Generative の各エンジンを選べます。対応する言語・地域バリアントは Standard エンジンで 29、Neural エンジンで 36 に及びます (2026 年 8 月時点)。Neural エンジンは従来の Standard エンジンより自然で人間に近い音声を生成し、Long-form は長文コンテンツ向け、Generative は最も表現力の高い会話調の音声を提供します。日本語では、Neural エンジンに Takumi (男性)、Kazuha (女性)、Tomoko (女性) の音声があり、Standard エンジンには Mizuki (女性) と Takumi (男性) が用意されています。 SSML (Speech Synthesis Markup Language) を使えば、発話速度、ピッチ、音量の調整、一時停止の挿入、特定の単語の強調など、音声出力を細かく制御できます。レキシコン機能により、専門用語や固有名詞の読み方をカスタマイズでき、業界固有の用語を正確に発音させることが可能です。 Polly の音声はリアルタイムストリーミングとバッチ合成の両方に対応し、 MP3 、 OGG 、 PCM 形式で出力できます。 Lex と Polly を組み合わせることで、音声入力を Lex が理解し、応答テキストを Polly が自然な音声に変換する、エンドツーエンドの音声対話システムを構築できます。 Amazon Connect (クラウドコンタクトセンター) との統合により、電話ベースの IVR (自動音声応答) システムも容易に構築できます。

実践的なユースケースと統合パターン

Lex と Polly の組み合わせは多様なユースケースに対応します。カスタマーサポートでは、FAQ 対応ボットが一般的な質問に自動回答し、複雑な問い合わせのみをオペレーターにエスカレーションする構成が効果的です。Lex の感情分析機能により、ユーザーの感情 (ポジティブ、ネガティブ、ニュートラル) を検知し、ネガティブな感情が検出された場合に優先的にオペレーターに転送するインテリジェントなルーティングも実現できます。社内ヘルプデスクでは、IT サポートの問い合わせ (パスワードリセット、VPN 接続、ソフトウェアインストール) を Lex ボットが処理し、Lambda 関数経由で Active Directory や ServiceNow と連携して自動処理を実行します。メッセージングプラットフォームとの連携では、Slack、Facebook Messenger、Twilio SMS が Lex V2 の組み込みチャネル統合機能で直接接続でき、Microsoft Teams など組み込み対象外のプラットフォームは Lambda や API を介した独自連携で対応します。ナレッジベース検索型のボットでは、AMAZON.QnAIntent を使うと Amazon Bedrock の基盤モデルが Bedrock ナレッジベース・OpenSearch・Amazon Kendra のいずれかを検索して回答を生成する RAG (Retrieval-Augmented Generation) パターンを構築できます。従来の AMAZON.KendraSearchIntent も引き続き利用できますが、両者は同一のボットロケール内では併用できない点に注意します。これらの統合パターンにより、単純な FAQ ボットから高度なエンタープライズアシスタントまで、段階的にボットの能力を拡張できます。

Lex と Polly の料金

Lex の料金はリクエスト数で課金されます。音声リクエストは 1,000 回あたり約 4.00 ドル、テキストリクエストは 1,000 回あたり約 0.75 ドルです (2026 年 8 月時点)。Polly の料金は音声エンジンごとに文字数課金で、Standard 音声は 100 万文字あたり約 4.00 ドル、Neural 音声は約 16.00 ドルです (2026 年 8 月時点)。表現力を高めた Long-form・Generative の各エンジンはこれらより高い単価が設定されており、最新の単価は AWS の公式料金表を参照してください。2025 年 7 月 15 日より前に作成した旧アカウントの 12 か月無料枠では、Lex は音声 10,000 回/月・テキスト 10,000 回/月が対象でした。それ以降の新規アカウントには最大 200 ドルのクレジット制無料プランが適用されます (最新の条件は AWS 公式サイトを参照)。Connect と統合する場合、Connect の通話料金が別途発生します。

まとめ - 対話型ボット構築の最適解

Lex V2 のマルチターン対話、条件分岐、感情分析は、実用的なボットの構築に必要な機能を包括的に提供します。Polly の Neural TTS は人間に近い自然な音声を生成し、音声ベースの対話体験の品質を大幅に向上させます。Lambda によるサーバーレスなバックエンド統合、Connect との電話チャネル統合、Bedrock ナレッジベースや Kendra を用いた検索統合により、単純な FAQ ボットからエンタープライズレベルの対話システムまで段階的に構築できます。対話型ボットの設計では、対話フローの複雑さ、対応チャネル、バックエンドシステムとの統合要件の 3 つの軸で最適なアーキテクチャを判断することが重要です。