要約 / ポイント
AI Receptionistを、従量課金制の音声プラットフォーム（Retell, Vapi, Bland, Synthflow, PolyAI）で構築すべきか、それとも定額制のターンキー製品（Rosie, Goodcall, AgentZap, Smith.ai）を購入すべきか？DIYは、すべて込みで1分あたり約$0.13～$0.25かかるが、エンジニアリング時間が必要となる。ターンキー製品のプランは、月額$49～$109から始まり、コードは不要である。月間数千分未満のほとんどの中小企業にとって、総所有コスト（total cost of ownership）では購入が有利である。ここでは、正直なコスト計算、労力とメンテナンスのトレードオフ、そしてそれぞれのパスが誰に適しているかを紹介する。
結論から言うと： 開発者がいる（またはご自身が開発者である）場合で、音声、プロンプト、統合を完全に制御したいのであれば、Retell AI、Vapi、Bland AIのような従量課金制の音声AIプラットフォームで構築してください。すべて込みで通話1分あたり約$0.13～$0.25を支払い、メンテナンスはご自身で行うことになります。コードに触れることなく、電話に応答し、予約を取り、メッセージを受け取るだけの電話が必要な場合は、Rosie、Goodcall、AgentZap、Smith.aiのようなターンキー型受付を定額月額プランで購入してください。月間数千分未満のほとんどの中小企業にとって、総所有コスト（total cost of ownership）では購入が有利です。
同じ名前を冠した2つの異なる製品
「AI receptionist」という言葉は、ほとんど同じカテゴリではない2つのものに使われています。一方には、音声AIプラットフォームがあります。これは、開発者向けのインフラストラクチャで、エージェントに組み立てます。音声認識（speech-to-text）、LLM、音声を選択し、カレンダーとCRMを接続し、プロンプトを記述し、分単位で支払います。もう一方には、ターンキー型受付があります。これは、ダッシュボード、オンボーディング、定額月額料金が付属する完成品で、金曜日までに機能させたいオーナー向けに構築されており、保守するコードベースではありません。
人々を混乱させる1つの明確化：ElevenLabsはどちらでもありません。それはテキスト読み上げ（text-to-speech）インフラストラクチャであり、上記のプラットフォームが実際の音声のために組み込む構成要素であって、電話番号を向ける受付ではありません。「構築 vs 購入」の比較でElevenLabsを受付として挙げている場合、それは音声とシステム全体を混同しています。
コスト計算（ほとんどの驚きが隠されている場所）
構築側は、見た目には安価に見えますが、実際に部品を積み重ねていくと高価になります。音声エージェントには、音声認識（speech-to-text）、LLM、テキスト読み上げ（text-to-speech）、テレフォニー、およびプラットフォームのオーケストレーション料金という5つのコスト層があります。宣伝されている「1分あたり$0.05から」という料金はオーケストレーションのみをカバーしており、すべての層を積み重ねた本番環境でのデプロイメントは、1分あたり約$0.12～$0.25になります（Softcery）。テレフォニーだけでも（Twilio経由で約1分あたり$0.02）、最も安価なスタックでは総コストの35～50%を占めることがあり（CloudTalk）、バンドルされたプラットフォームは、STT/TTS/LLMのパススルーに15～40%のマークアップを密かに組み込んでいます（Klariqo）。
実際のプランでは、これが何を意味するかを見てみましょう。Retell AIでは、プラットフォーム料金なしの従量課金制で、選択する音声とモデルに応じてすべて込みで1分あたり$0.07～$0.31かかります。Vapiは、パススループロバイダーのコストに加えて1分あたり$0.05のプラットフォーム料金を追加します。実際のデプロイメントは1分あたり約$0.13～$0.31になり、各層が個別に請求されるため、1つのエージェントを実行するために複数の請求書を受け取ることがあります（Retell）。Bland AIの無料のStartティアは定額1分あたり$0.14です。有料のBuildティアでは通話時間が1分あたり$0.12に下がりますが、月額$299のプラットフォーム料金が追加されます。Synthflowは「1分あたり$0.08から」と宣伝していますが、実際のモジュラースタックは1分あたり約$0.13～$0.24になります。PolyAIはセルフサービスを一切提供していません。これは、年間約$150,000から始まり、さらに分単位の使用料がかかるエンタープライズ契約であると報じられています。
ターンキーはモデルを逆転させます。定額料金で分単位のバケットを購入し、組み立てを完全にスキップできます。Rosieは250分で月額49ドル、1,000分で月額149ドルから利用できます。Goodcallはエージェントあたり月額79ドル（または年間66ドル）で、無制限の通話時間があり、代わりにユニークな顧客ごとに課金されます。AgentZapは150分で月額109ドルから、1,500分で月額899ドルまで（加えて1回限りのセットアップ料金）です。Smith.aiは分単位ではなく通話ごとに料金を設定しており、AI Receptionistは月額約95ドルで約60回の通話から利用でき、スケジューリングは通話ごとの小さなアドオンとして提供されます。
構築と購入、比較
| Path | Example tools | Pricing | Effort to launch | Maintenance | Best for |
|---|---|---|---|---|---|
| Build (voice-AI platform) | Retell AI, Vapi, Bland AI, Synthflow, PolyAI | ~$0.07–$0.31/min all-in (Retell); Vapi $0.05/min platform fee + pass-through; Bland $0.12–$0.14/min; PolyAI enterprise-only (~$150k/yr) | Days to weeks of dev work | You own prompts, integrations, model/voice updates, and uptime | Teams with a developer, custom workflows, high call volume, or a product to embed calls into |
| Buy (turnkey receptionist) | Rosie, Goodcall, AgentZap, Smith.ai | Flat monthly: Rosie $49–$299/mo; Goodcall $79–$249/agent/mo; AgentZap $109–$899/mo; Smith.ai from ~$95/mo (per-call) | Same-day to a few hours of setup | Vendor handles everything; you edit settings in a dashboard | Owner-operators and small teams who want it answering now, no code |
労力とメンテナンス — 料金ページには載っていないコスト
分単位の料金は、構築が倹約的な選択肢のように見えますが、プラットフォームは明確に開発者優先です。構築とは、STT/LLM/TTSスタックの選択と調整、プロンプトの作成とテスト、電話システムと予約システムの連携、通話転送とエッジケースの処理、そしてモデルの変更やビジネスの変化に応じてそれらすべてを維持することを意味します。これは、初期および継続的に実際のエンジニアリング時間が必要であり、1分あたりの見積もりには決して現れない費用です。
ターンキーベンダーはすでにこれらの決定を下し、メンテナンスを吸収しています。あなたは柔軟性を速度と予測可能性と交換します。つまり、午後にオンボーディングを完了し、定額の請求書を受け取り、リポジトリの代わりにダッシュボードを使用します。正直なトレードオフは、製品がサポートする範囲に制約されることです。もし、オーダーメイドの資格認定フロー、深いカスタム統合、または独自のアプリに音声を組み込む必要がある場合は、まさにその時に構築がその価値を発揮します。
では、どちらを選ぶべきでしょうか？
- 1オーナーオペレーターまたは小規模チームで、開発者の時間がない（または使いたくない）場合、そして通話量が控えめな場合は購入しましょう。最も定額でシンプルな請求を求めるならRosieまたはGoodcallから始め、より詳細な受付とスケジューリングをすぐに利用したい場合はAgentZap / Smith.aiを選びましょう。
- 2エンジニアリング能力があり、カスタムワークフローや統合が必要な場合、分単位の経済性が定額プランを上回るほどの十分な通話量がある場合、または製品に通話を組み込む場合は構築しましょう。Retell AIまたはVapiから始め、PolyAIは予算に見合ったエンタープライズ規模の場合にのみ検討してください。
- 3音声だけを比較している場合はどちらでもない、まだです。ElevenLabsや同様のTTSツールはコンポーネントであり、受付ではありません。それらを包み込むプラットフォームや製品がまだ必要です。
どちらの方向に傾くとしても、実際の月間通話時間に対して価格を評価し、エンジニアリング時間を項目として計上してください。→ 契約する前に、すべてのAI受付を**比較する**。
Enjoying this? Get one like it in your inbox each morning.
one email a day · unsubscribe in two clicks · no third-party tracking
よくある質問
AI受付を構築するのと購入するのとでは、どちらが安いですか？
低から中程度の通話量では、エンジニアリング時間を考慮に入れると、購入する方がほとんどの場合安くなります。DIYの分単位料金（すべて込みで約0.13ドル〜0.25ドル）は定額プランよりも安く見えますが、エージェントの構築と維持には、料金ページには決して現れない開発者の時間が必要です。Rosie（月額49ドル〜299ドル）やGoodcall（エージェントあたり月額79ドル）のようなターンキープランには、その作業が含まれています。DIYが有利になるのは、主に高通話量の場合や、既成の製品ではできない何かが必要な場合です。
**ElevenLabs**はAI受付ですか？
いいえ。ElevenLabsはテキスト読み上げインフラであり、Retell AI、Vapi、Bland AIのようなプラットフォームがプラグインする音声レイヤーです。それ自体で電話に応答したり、予約を取ったり、メッセージを受け取ったりすることはありません。構築するには依然として音声AIプラットフォームが必要か、またはターンキー製品を購入する必要があります。
DIYの音声AIエージェントは実際に1分あたりいくらかかりますか？
音声認識、LLM、テキスト読み上げ、電話回線、およびプラットフォームのオーケストレーション料金を積み重ねると、本番環境でのデプロイメントにはすべて込みで1分あたりおよそ$0.12～$0.25かかります。宣伝されている「1分あたり$0.05から」の料金はオーケストレーションのみをカバーしています。最も安価なスタックでも、電話回線だけで合計の3分の1から半分を占めることがあり、プラットフォームは、パススループロバイダーの費用に15～40%のマークアップを追加することがよくあります。
どちらがより早く立ち上げられますか？
ターンキー製品の方がはるかに速いです。Rosie、Goodcall、AgentZapのような製品は、ダッシュボードを通じて午後のうちに導入できます。Retell AI、Vapi、Bland AI上で構築する場合、スタックの選択、プロンプトの作成、統合の配線、エッジケースの処理には数日から数週間の開発作業が必要となり、さらにローンチ後の継続的なメンテナンスも発生します。
後でターンキーから構築に切り替えることはできますか？
はい、多くの企業がまさにそうしています。ターンキーの受付システムを購入することは、ユースケースを証明し、発信者が実際に何を必要としているかを学ぶための低リスクな方法です。後に1分あたりの経済性が有利になるほどのボリュームに達したり、製品がサポートできないカスタムワークフローが必要になったりした場合、その実世界での学習が、最終的な構築をはるかに安価で低リスクなものにします。
_関連記事: 最高のAI受付ソフトウェアの柱 · AI受付 vs 応答サービス · AI受付の料金。_
アフィリエイト開示: StorkはAIツールディレクトリを運営しており、このページの一部のリンクを通じて登録された場合、お客様に費用はかからず、コミッションを得る可能性があります。当社はコミッションではなく、品質、価格、適合性に基づいてランキングを決定しており、ここに記載されている価格は執筆時点での公表レートを反映しています。