xAI、ノーコードで音声AIエージェントを構築できる「Voice Agent Builder」をベータ公開
2026年7月1日、イーロン・マスク氏率いるxAIが音声AIエージェント構築プラットフォーム「Voice Agent Builder」をベータ公開しました。プログラミング不要で、約2分で電話対応が可能な音声エージェントを立ち上げられます。
Voice Agent Builderの仕組みと料金
Voice Agent Builderは、xAIの音声モデル「Grok Voice」を基盤としたノーコードプラットフォームです。通話の流れを自然言語で記述し、ドキュメントやツール、ガードレールを接続するだけで、本番運用レベルの音声エージェントが完成します。
料金は音声処理が1分あたり0.05ドル（約8円）、電話回線が1分あたり0.01ドル（約1.5円）です（ベータ版料金。正式版リリース時に変更となる場合があります）。10分間の問い合わせ対応で約0.60ドル（約95円）という計算になります（編集部試算。2026年7月1日時点の為替レート概算）。
通常の音声AIシステムは、音声認識（STT）・言語モデル（LLM）・音声合成（TTS）の3つのAPIを別々のプロバイダーから組み合わせる構成が一般的です。Voice Agent BuilderはGrok Voiceの単一モデルで音声入力から音声出力までを処理します。その結果、応答開始までの平均時間は1秒未満と発表されています。25以上の言語に対応し、80種類以上の音声と、約2分の音声サンプルから独自の声を複製するボイスクローニング機能も備えています。
“a no-code platform to configure production voice agents on Grok Voice, allowing users to create a personalized voice agent in under 2 minutes without a single line of code.”
（筆者意訳：Grok Voice上で本番運用レベルの音声エージェントを設定するノーコードプラットフォームであり、コードを一行も書くことなく、2分以内にカスタマイズされた音声エージェントを作成できる）
── xAI公式ブログ（https://x.ai/news/grok-voice-agent-builder、2026-07-01）
中小企業の電話対応にどう効くか
電話対応の人員確保が難しい中小企業にとって、コストの壁は常に課題です。従来、24時間対応の電話窓口をコールセンターに外注した場合、月額数万〜数十万円のランニングコストが発生するのが一般的でした。
Voice Agent Builderはその構造を変えます。10分の問い合わせ対応あたり約95円という試算では、仮に月300件の定型問い合わせ（問い合わせあたり平均10分）をAIが担当した場合、音声処理コストは月約2,850円に収まる計算になります（編集部試算。実際のコストは通話時間・件数・電話回線費等によって変わります）。
ただし、導入判断には「どの電話が自動化できるか」の見極めが前提です。予約確認・FAQへの回答・営業時間の案内といった定型問い合わせが多い業種（飲食店・クリニック・小売店など）ほど、音声AIとの相性がよいと言えます。一方、イレギュラーな要望や感情的なケアが必要な問い合わせは、引き続き人が担当する設計が現実的です。
まずは「1日の電話のうち、定型対応が何件あるか」を1週間だけ記録してみることが、導入検討の第一歩になります。
出典: xAI「Introducing the Voice Agent Builder」（2026-07-01）
