WWDC 2016: AppleのSiriと音声認識の未来 vs. AmazonのAlexa Echo、Google Now、Microsoft Cortana

さまざまな技術評論家が、表面上はAmazon Echo、まだ発売されていないGoogle Home、MicrosoftのCortanaがリードしている（そしてどうやらAppleのSiriが惨めに後れを取っている）という劇的な「音声優先」の競争を誇張しているが、実際のデータはそれが実際にはそうではないことを示している。

Creative Strategiesのプリンシパルアナリスト、ベン・バジャリン氏が実施した2つの調査から得られた、 Tech.pinionsが公開した新たな情報は、音声ベースのインターフェース、そして誰がどこでそれを利用しているかについて、現実的な視点を与えている。これは、Appleが月曜日に開催される世界開発者会議（WWDC）でSiri音声アシスタントの将来像を概説すると予想される数日前に、同社の現在の立場を浮き彫りにするものだ。

AmazonのAlexaエコーチャンバー

Amazon Echo（上）は、2014年末に限定版として初めて導入され、その後、昨年夏に一般販売が開始されました。多くのユーザーに愛されています。

先週、Wiredの Davey Alba によるレポートでは、「iPhone の最大の脅威は Android ではなく、Amazon Echo だ」という見出しで、さらに大きな何かが起こっていることを示唆していました。

アルバ氏は、ベンチャーキャピタリストのメアリー・ミーカー氏が作成したグラフ（上）を紹介した。このグラフは、iPhoneの販売台数は「ピークを迎えた可能性がある」一方で、Echoの販売台数は「伸び始めている」ことを示唆している。グラフでは、2016年のiPhoneの推定販売台数が昨年より低い一方で、Echoの販売台数は4四半期連続で前年を上回っていることが示されている。

しかし、この2つのグラフは、時間軸だけでなく、数量軸も大きく異なっています。iPhoneの販売台数は3年間で平均約2億台に達しますが、Echoの出荷台数は年間300万台未満と推定されています。

リンゴとエコーを比較する

iPhoneの販売が「ピークを迎えたかもしれない」という考えは、同じく「軌道に乗り始めている」Apple Watchの販売とも比較できる点に留意してください。違いは、Apple Watchは初年度の販売台数が約1,200万台で、Echoの約4倍に達している点です。

収益面で見ると、Apple Watchは初年度に世界で約70億ドルを生み出したが、179ドルのEchoはAmazonに最大で約5億4000万ドルをもたらしたが、Echoは米国国内で英語のみでしか機能しないため米国に限定されている。

Apple Watchは失敗作なのにEchoは大人気だと考えているブロガーは、とんでもない妄想を抱いていると言わざるを得ません。「Echo所有者の圧倒的多数（83.72%）はiPhoneも所有していました」

全体として、Echoデバイスのインストールベースは約300万台で、Appleのデバイスユーザーベースは10億台です。しかし、この2つの数字は想像以上に密接に関連しています。

バジャリン氏が1,300人の早期導入者を対象に行ったEcho関連の初期の調査では、「Echo所有者の圧倒的多数がiPhoneも所有している（83.72％）」ことが判明した。

バジャリン氏は、一般的に、早期導入者の多くは iPhone ユーザーであり、これは Android が予算の限られた人々ではなく技術者を惹きつけるという一般的な考え方を訂正したものであると指摘した。

これはまた、AmazonがEchoという全く新しい顧客層を開拓したのではなく、主にAppleの顧客を対象に新製品を販売したことを意味します。また、GoogleのAndroid WearとSamsungのGalaxy Gearが両社とも自社デバイスのiOSサポートに取り組んだのに対し、Appleのはるかに成功したWatchの販売がこれまでのところサポート対象のiPhoneユーザーに限定されている理由も説明できます。これは優先順位の問題です。

Echo単体で見る

バジャリンのEchoに関する調査によると、ユーザーの半数以上がEchoをキッチンに設置しており、これがEchoが実際にどのような用途で使用されているかに影響を与える要因となっています。ユーザーによると、Echoで最も人気があり、よく使われる機能は、曲の再生、スマートライトの操作、タイマーの設定です。

Amazon 自身がユーザーに期待しているタスク、つまり Amazon Prime サービスから商品を注文することは、Echo ユーザーの 3 分の 1 程度しか行ったことがなく、また Echo と他のサービスとのサードパーティ接続、つまり Uber の配車を依頼する機能は、Echo 購入者の 10 % 以下しか試したことがなかった。

これは、Echo が継続的に収益を生み出す能力に対する熱意を削ぐものであるが、音声 UI パートナー開発者向けの API 公開における Amazon のリードがすぐに成果を生んでおらず、その分野に徐々に参入してくるライバルによって簡単に脅かされる可能性があることも示唆している。

Echo のサードパーティ音声アプリケーションは、2008 年に Apple の iPhone App Store が即座に達成したような驚異的な支持を得てはいません。2008 年当時、iPhone ユーザーのインストール ベースはわずか 600 万程度でした。モバイル コンシューマー向けアプリケーションの新しい世界が創出されたのです。

もし Apple が、10 億台を超えるデバイスのインストールベースを活用した Siri API を発表するとしたら、米国で数百万台のデバイスにサービスを提供している Echo の現在のエコシステムは、Android Wear や Windows Phone や BlackBerry X のアプリ ストアと同じくらい寂れたものになるだろう。

Echoの大きな利点

Echo は、ユーザーの質問を聞き、認識する優れた能力により、ユーザーから一般的に高い満足度を得ており、多くの場合、iPhone や Apple Watch の Siri よりも明らかに優れています。

「これはEchoのマイク技術とノイズキャンセリング機能、そして安定したブロードバンド接続に大きく関係しています」とバジャリン氏は指摘する。「運転中やモバイルブロードバンドネットワークのサービス品質が悪いエリアで操作しているときにSiriやOK Googleを使おうとすると、機能しなくなることがよくあります。」

Echo ユーザーの圧倒的多数が iPhone ユーザーでもあること、そして Apple が独自の音声機器を開発中であると報じられていること (この機器も同様に複数のマイク、常時電源、強力なネットワーク接続の恩恵を受けることができる) を考えると、Wired の見出しがセンセーショナルに示唆したように、Apple の 10 億台のインストールベースが「脅かされる」のではなく、Apple が競合製品を導入した場合には、Amazon の Echo が 300 万台の強力な領域を守る製品になると思われる。

エコー脅威評価

さらに、Amazon が 2014 年末に Echo をソフトローンチし、iPhone の Siri、Android の Google Now、Microsoft プラットフォームの Cortana といった Apple のモデルに従うのではなく、音声対応機器を Prime 顧客ベースに販売することに注力してきたのには、極めて重要な理由がある。

マイク付きスピーカーを壁に差し込み、インターネットに接続すれば、本質的にリスニング能力が向上するという理由だけではありません。Amazonが2014年夏にモバイルフォンプラットフォームの立ち上げを試みたものの、Windows Phoneが比較的成功したように見えるほどの大失敗を喫したことも、その理由の一つです。

AmazonのFire Phoneが大失敗に終わった後、同社は死体に巨額の資金を投じてしまい、残された選択肢は死体のポケットから小銭を振り出すことだけだった。Echoは見事な方向転換だが、スマートフォンプラットフォームではない。

Amazonは、特定の国と言語でのみ利用可能な音声製品を提供していますが、その設計上、固定のアプライアンスモデルが必要となります。これを、ユーザーが持ち運びたくなる魅力的なモバイルデバイスに移行するのは、複雑で困難な作業となるでしょう。

それに比べれば、AppleがEchoの家電市場における足場を奪うために、Beats Pill BluetoothスピーカーやApple TVに「Hey Siri」機能を追加するのは、ほとんど労力を必要としません。Googleは、独自のハードウェアアイデアを市場に投入するのに苦労してきたにもかかわらず、Echoが注目を集めていることに気づいてからわずか1年後には、独自のHomeコンセプトを発表できたほどです。

Fireが終焉を迎えてから2年、Microsoftの携帯電話事業が終焉を迎えようとしている今、Amazonが新たなスマートフォンを発売する望みはかつてないほど薄れています。そこで2つの選択肢が浮かび上がります。デフォルトの音声サービスが大きな優位性を持つライバルのプラットフォームに乗じるか、新たなエコシステムを構築する可能性を秘めたアプライアンスを販売するかです。

Echoにとって残念なことに、Amazonが構築しようとしている新しい開発エコシステムは、主にAppleのiPhoneユーザーの間で構築されており、そこにはSiriがすでに存在し（その場で強化することもできる）、AppleはHomeKitに関連する独自の競合するホームオートメーションイニシアチブ、Continuity統合でリンクされた既存のデバイスのメッシュ、ワイヤレススピーカーの販売経験があり強力なブランドファンを引き付けている30億ドルのBeats買収などがある。

Siriの先駆者、懐疑派の間でのホームフィールドアドバンテージ

Apple は、主に 2010 年春に既存の Siri サービスを買収したことを基に、2011 年 10 月に iPhone 4S の主要マーケティング機能として Siri を初めてリリースしました。当初、Siri はアメリカ英語、オーストラリア英語、イギリス英語、フランス語、ドイツ語のサポートを開始しました。

iPhone 4S、iOS 5 の Siri

Siriの発売はAppleの競合他社から猛烈に批判された。当時GoogleでAndroid開発責任者を務めていたアンディ・ルービン氏は、「スマートフォンはSiriのようなアシスタントであるべきだとは思わない」と主張した。

Windows Phone 7を担当していたマイクロソフトのアンディ・リース氏も、Siriは「それほど便利」ではないと即座に述べ、同社ではユーザーが公共の場で携帯電話に指示を発することを避ける考えを示唆した。

Siri vs Google Now、オンタップ、アシスタンス

両社とも比較的早く対応しました。2012年にSiriが1周年を迎えると、AppleはiOS 6で音声サービスを強化し、日本語、中国語、韓国語、イタリア語、スペイン語のサポートを追加しました。同年、GoogleはAndroid 4.1をリリースし、独自の競合サービス「Google Now」を搭載しました。

翌年、GoogleはGoogle Nowの音声検索機能をiOS検索アプリ（2013年4月）に導入し、さらに数週間後には自社のChromeデスクトップPCブラウザにも統合しました。この2つの機能は、Googleが実際にどこで収益を上げているかを改めて示しています。AppleはSiriをAndroidに移植しておらず、Mac/PCデスクトップやブラウザにもまだ移植していません。

iOS 7のSiri

2013年夏、Appleの新しいiOS 7（上記）に合わせてSiriのインターフェースが刷新され、その他の新機能や合成音声オプションの強化も行われました。Appleはまた、「iOS in the Car」（現在はCarPlayとして知られています）も導入し、Siriの音声を車内でより便利に活用できるようにしました。

iOS 8では、Appleはハンズフリー音声認識ハードウェアを搭載した新型iPhoneに「Hey Siri」機能を導入し、昨年はiOS 9でSpotlightインテリジェンスを導入しました。Siriは現在32カ国で、ほぼ同数の言語（Echoより31言語多い）で利用可能です。

Googleは2014年にCarPlayの独自バージョンを作成した。翌年、Googleは音声サービスに会話型のコンテキスト機能を追加し、Android 6 MarshmallowでGoogle Now On Tapとしてブランド化し、フランス語、ドイツ語、韓国語、イタリア語、スペイン語、ロシア語にサポートを拡大した。

このサービスは今年のGoogle IO 2016でより双方向の対話へと拡張され、「Google アシスタンス」というインテリジェントなサービスアップグレードが実現しました。Googleは、昨年のSiriよりも優れた検索結果と、より洗練されたコンテキスト解析を実現しました。

AppleのSiriは「最も使われている音声ベースのユーザーインターフェース」

Google は新機能の飛躍的な提供においては Apple よりも速いように見えるが、実際にはこれらの機能を Android ユーザーの大部分に展開していない。

Android がインストール数で大きくリードしていることが重要なら、そのベースにおける Marshmallow のわずかな割合も重要です。現在、Marshmallow はかろうじて 10 パーセントを超えており、前年の Android 5 Lollipop と比較すると普及率が大幅に低下しています。

Googleは比較的早くAppleの取り組みを追随し、約1年で独自の取り組みを導入しましたが、Androidの展開は遅れており、消費者によるGoogleの音声サービスの実際の利用率は低いままです。バジャリン氏の調査によると、「Siriは最も利用されている音声ベースのユーザーインターフェースである」ことがわかりました。

518人の主流派（アーリーアダプターではない）消費者を対象とした2回目の調査では、65%がSiri、Google Now、音声検索、またはMicrosoftのCortanaのいずれかを使用したことがあると回答しました。しかし、そのうち79%がAppleの製品を使用したのに対し、65.2%がGoogleの製品を使用し、Microsoftの製品を試したことがあると回答したのはわずか28%でした。

「iOS、Android、WindowsといったOSを横断的に見ると、Siriは他のどの音声UIよりも多くの消費者に利用されている」とバジャリン氏は記している。AndroidスマートフォンとWindows PCの圧倒的な市場シェアが、新技術の展開に影響を与えるとは考えにくい。

バジャリン氏は、Android、Windows PC、フィーチャーフォンのユーザーの多くは、iPhoneを持っていなくてもiPadを持っているため、この点ではiPadが役に立ったと語った。

Siri vs Cortana

マイクロソフトも同様に、iPhone 4Sの売上がAppleのSiriの継続的なプロモーションに支えられ急伸したことを受けて、携帯電話に話しかけることがどれほど「便利」になるかという考え方について、方針を転換しました。この魅力的な魅力は、ハンズフリーのSiriフィードバックも一因となり、AppleのCarPlayの熱狂的な導入によってさらに高まりました。

Windows Phone 8.1 の Cortana

2014 年の春、iOS に Siri が登場してから 2 年半、Android 向けに Google Now が発表されてから 1 年後、Microsoft は、Windows Phone 8.1 の主要機能として、Halo ビデオ ゲーム シリーズの AI キャラクターにちなんで名付けられた独自の Cortana 音声アシスタントをリリースしました。

Cortana を搭載した Windows Phone の販売で 2 年近くも惨憺たる結果が続いた後、Microsoft は、Cortana を自社の Xbox ゲーム プラットフォームに導入する計画を発表するよりも前に、iOS と Android 向けの Cortana アプリをリリースしました。

SiriとEchoの使い方の違い

バジャリン氏の2番目の研究（一般ユーザーに焦点を当てたもの）でも、「スマートフォンのような通信機器に音声ユーザーインターフェースを備えることと、家庭内に固定されスマートハブとして位置付けられる機器に音声ユーザーインターフェースを備えることとの間には、明確な違いがある」ことがわかった。

Siri や Ok Google の最も一般的なタスクは、インターネットで何かを検索する、どこかへの道順を取得する、または誰かに電話またはテキストメッセージを送信することであり、Echo の主な役割とはまったく重複しません。

専門家たちは、音声アシスタントの将来における人工知能、大規模監視、個人データの広範な書類の索引付けの価値を描き続けているが、私たちが「私と同じ年齢の子供に適した、グルテンフリーのオプションがある手頃な価格のアジア料理レストラン」を求めるような複雑な音声リクエストのシナリオを作り上げることはよくある。しかし、現実には、音声サービスは私たちがすでに携帯電話を使用している方法の延長であり、ショートカットであり、Knowledge Navigator のロボットフレンドではない。

「これらの最も一般的なタスクを見ると、かなり基本的なものだと感じます」とバジャリン氏は書いている。「これは、現在の市場の状況を考えると理解すべき重要な指摘です。これらのタスクが最も一般的なのは、単に製品の機能がまだ多少制限されているからかもしれませんが、最も優れた、そして最も安定して機能する製品だからかもしれません。」

簡単な質問に即座に答えて役立つ情報を提供する音声アシスタントは、映画のように複雑な話し方に埋もれているニュアンスや他の要素への暗示を読み取ろうとする複雑な機械よりも、当然ながら幅広いユーザーにとって価値があります。

音声認識のユーザー満足度に関しては、AppleのSiriとOk Googleはどちらも約80%というほぼ同程度の評価を得ました。Amazon Echoはより高い満足度（レポートでは詳細は不明）を得ましたが、これは「固定式であること、ノイズキャンセリング性能が優れていること、そしてインターネットへの高帯域幅の持続接続といった技術的な要因」によるものとされています。

場所、場所、場所

音声サービスが最もよく利用されたのは車内で、回答者の51%がSiriまたはOk Googleを主に利用する場所として車を挙げました。次に多かったのは自宅で、39%でした。

どちらの点でも注目すべきは、プライバシーが前提とされている点です。調査対象者のうち、公共の場でSiriやOk Google/Google Voiceを頻繁に使用すると答えたのはわずか6%でした。

Siri が普及してから約 5 年が経った現在、Siri が提供する結果が向上する可能性があるからといって、公の場でコンピューター アシスタントに声を出して話しかける頻度が突然変化する可能性は低いと思われます。

これは、Amazon Echoの家庭向け戦略、そしてAppleがSiri機能の「キラーアプリ」としてCarPlayを積極的に展開していく戦略を後押しするものです。しかし、繰り返しになりますが、AppleがSiriを家庭に導入するのは、EchoのAlexaを新車に本格的に統合するよりもはるかに容易でしょう。

WWDC 2016でのSiri

来週開催される Apple の世界開発者会議では、Apple が 5 年前に初めて主流に導入した音声サービスの将来に大きな注目が集まると予想されている。当時は、現在の競合他社が Siri を非常に真剣に受け止める前のことだった。

AppleはiPhoneでSiriを導入したが、実際の使用データを見ると、Siriは消費者にとって最も便利なのは車内（CarPlayを発表して以来Appleが最優先で注力している機能）と家庭内（同社が1年以上注力してきたとされる機能）である可能性がある。

さらに、Appleが最近発表した2つの主要新製品、Apple WatchとApple TVは、ウェアラブル端末とテレビにおけるSiriへの新たな注目を集めました。Siriは現在、Appleが圧倒的な差をつけてリードする分野です。音声検索機能をテレビボックスに初めて導入したのは他のベンダー（特にAmazon）でしたが、Appleのテレビ向け製品は、昨年秋にSiri Remoteを同梱して発売されて以来、急速に市場シェアを50%伸ばしています。

Appleは、Siriを使用できる場所の拡大と定着に加えて、特に拡張されたコンテキストを記憶する機能（自分に名前を付けたり、連絡先の名前の発音方法を言うなどの現在のタスクを超えて）やサードパーティのアプリやサービスと連携する機能など、Siriの洗練度を向上させる取り組みも行っています。

英国ケンブリッジのヒルズロード90番地

アップルは昨年、ケンブリッジ大学のダイアログシステムグループから発足し、ゼネラルモーターズを含む自動車メーカーとの自動車プロジェクトに注力するスタートアップ企業であるVocalIQを買収した。また、2014年後半にはケンブリッジに本社と研究開発センターを設立しており、これはSiriへの長期投資を示している。

昨年11月の現地報道では、求人広告の詳細について「AppleはSiri開発においてエキサイティングな段階に突入しており、Siriの機能と開発におけるソフトウェアエンジニアリングの実践の両面で高い目標を掲げています。Siriの機能を拡張するために、非常に優秀なソフトウェアエンジニアと音声科学者のチームの一員として働くことになります」と述べられています。

Appleは月曜日にサンフランシスコのビル・グラハム・シビック・オーディトリアムでWWDC基調講演を行い、続いてプラットフォームに関する一般発表を行う予定。この会場は昨年秋に改装され、iPad ProとApple TVの発表に使用された場所と同じだ。

Apple の WWDC への注力内容に関する詳細は、Apple の iOS プラットフォーム、Apple Watch とその watchOS、Apple TV で使用される tvOS、Apple の Mac および iCloud プラットフォームを検証する当社の記事シリーズでご覧いただけます。