タクシー配車はAIでどう変わる？内製プロダクト「maido」開発の裏側【newmoが描く「タクシーDX」vol.1】

newmoはAI/LLMを活用した音声によるタクシー配車システム「maido（Mobility AI Dispatch Operatorの頭文字から命名、読み方は「まいど ※グループ会社の拠点がある大阪らしい響き」）を自社開発し、2025年8月にリリースしました。

「電話でのタクシー配車依頼、実は3割を取りこぼしてしまっているー。」タクシー業界、そしてタクシーを利用する方が長年抱える課題や悩みに、newmoチームはどのように向き合い、今後さらにどのように広げようとしているのか。現場に深く入り込み、試行錯誤を繰り返した開発の裏側には、newmoならではのカルチャーとプロダクトへの情熱がありました。

今回は、maido開発の中心メンバーであるkuさん、genkey6さん、genkiさん、ha1fさんに、プロジェクトのリアルと、音声AIが拓く移動の未来について、詳しく話を伺いました。

「取りこぼしていた3割の着信」から始まった。AIで配車室とカスタマーのペインを解決する

──簡単に「maido」の概要を教えてください。

ku:  maidoは、AI/LLMを活用したAI配車システムです。タクシー会社における従来の「配車」は、お客さまが特定の電話番号に電話をかけ、それを受けた配車室にいるタクシー会社のオペレーターが希望の日時や配車場所、行き先などを聞いてタクシーを手配するというものが一般的です。

未来都グループは大阪でも有数のタクシー会社のため、1日に1,000件近くもの電話がかかってきており、オペレーターが複数人いても全ては受けきれず、約3割の電話を取り逃している状態でした。

そこで、newmoが開発し導入した「maido」では、AIエージェントが一次対応を行い、自然な対話を通して配車を自動で手配します。といっても、すべての対応をAIで置き換えるわけではなく、難しい配車や忘れ物等の対応、クレーム対応、予約管理など、AIだけで対応できない場合はスムーズに人のオペレーターに転送される仕組みにしています。

ha1f: 先に導入前後での定量的な変化を伝えると、電話の一次対応をすべてAIにすることにより、100%受電できるようになりました（※障害等発生時はのぞく）。

さらに、現在は約半分の電話をAIだけで対応完了することができるようになりました。残りの半分は、人のオペレーターが引き継ぎ対応を行っています。AIと人の対応を組み合わせることで、配車室の負担を大幅に軽減することができています。

──すごい成果ですね！どういったきっかけやタイムスパンで、maidoの検討は始まったんですか？
ku： 昨年からM&Aを通じたタクシー会社のグループ化は複数社進んでおり、タクシー事業における汎用業務のDX化という命題は、newmoの創業当初から視野に入っていました。その中でも、配車業務のDXという検討が進み始めたのは、今年に入ってからです。

今年の2〜3月頃にプロダクトマネージャーとインターンが「AIを使った配車システム」のプロトタイプを作り始め、可能性と技術的な課題が見えたので、4月から本格的にプロジェクトとしてチームが組まれました。

genki: 今日のメンバーもおよそ4月から参加しています。そこから開発を進め、6月後半にテスト運用を開始、8月にグループ会社の一つ「未来都」で正式に運用を開始しました。

──maidoは、どのような課題を解決するために立ち上がったプロジェクトなのでしょうか？
ku： タクシー会社の配車室では、対応できるオペレーターの人数に限りがあります。そのため、同時にかかってくる電話の数が上限を超えると、当然電話を取りこぼしてしまう。お客様にとっては、電話をしたのに通話中で繋がらない。これが事業的には大きな「機会損失」につながっていました。

また、オペレーターの方々も休憩時間を満足に取れず、ご飯やお手洗いにいく暇がない時もある、といったお話も聞いていました。maidoは、この機会損失とオペレーターの負担という、2つのペインを解決するために始まりました。

──AIによる電話配車システムは、これまでもあったんですか？maidoは何が違うのでしょうか？
ha1f： 従来のIVR（自動音声応答）は、何度も利用歴のある顧客に対して「〇〇をご希望の方は1番を」というように、事前に決められたシナリオに沿って操作する設計になっていました。しかしmaidoは、お客様が初めて電話をかけてきた場合でも、履歴ゼロの状態から自然な対話で乗車地やニーズを特定し、配車を完了させることができます。これが可能になったのは近年のAI/LLMの進化が大きいですね。

ku：5年ほど前から、電話配車における自動応答の技術は一部のタクシー会社でも使われてはいました。ただ、その当時は決まった形でしか会話ができないというのが、大きな欠点でした。そこから数年の間のAI/LLMの進化により、受け答えの柔軟性が圧倒的に変わってきています。

genkey6： newmoグループの強みも活きています。従来のシステムは、IVRだけ・配車だけといった目的別にシステムが分かれており、かつ外部サービスの組み合わせだったため、タクシー会社やお客さまにとって使いづらい状態がありました。

私たちは、電話を受けるAIと配車システムをシームレスに統合して開発しているので、タクシー会社やお客さまが本当に欲しい機能や体験にこだわって提供できるのが、大きな強みだと思います。

現場での発見を即座にプロダクトの改善に活かす、newmo流開発プロセス

──開発にあたり、実際に配車室の現場にも行かれたと伺いました。
genki： はい。実際に未来都の配車室を訪れ、どんな方々が、どのように働いているのかを肌で感じられたのは、開発する上で非常に大きかったです。同時に、maidoというプロダクトでは「AIは人間に勝てない」ことを痛感しました。「さらに便利になる」というよりも、「どれだけ人間を代替できるか」その最低限のレベルを見極めるのが難しかったですね。

──AIは人間に勝てない、というと...？
ku： 熟練のオペレーターさんは、お客様の声のトーンや状況だけで年齢やライフスタイル、求めるサービスを察することができるんです。例えば早朝5時の配車依頼。到着時にチャイムでお知らせすることは、一人暮らしの方なら問題ないかもしれませんが、ご家族と住んでいる方だとチャイムで起こしてしまうかもしれない。だから、チャイムは鳴らさないようにドライバーに伝えよう、といったきめ細やかな配慮をされます。こうした複雑な判断をAIが完全に代替するのは、現時点では非常に難しいと感じました。

genkey6： エッジケース（非常に稀に起こる状況や問題）への対応も大変でした。お客様が指定された「29番出口」という単語があり、AIは正しく聞き取れたけれども、そもそも「29番出口」という出口が存在しなかった...といった事例です。どこまで許容して、どこまでは守らなければいけないかということを、現場の方とも丁寧にすり合わせしていきました。また、AIで対応しきれないと判断した場合に、オペレーターさんにどうスムーズに引き継ぐかといった体験の設計も深く考えていきました。

テスト期間を通じて、当初は仮説ベースで設計していたフローについて現場の方々と一緒に改善を重ね、「この情報は絶対に必要」「ここは削れる」といった議論を繰り返し、AIを評価する仕組みを導入したことで短期間で精度を上げていくことができました。

──newmoグループには複数のタクシー会社がありますが、展開を広げるなかで新たな発見はありましたか？
genki： タクシー会社の運行エリアごとに、配車時に必要な情報やスクリプト、オペレーションが異なることが新たな発見でした。
最初にmaidoを導入した未来都は、大阪中心部がメインなのでホテルや駅への配車が多く、どこに停めるかといった合流するための情報を細かく聞く必要があります。

一方で、次に導入した堺相互は、堺市が拠点のため、より地域密着型。ご自宅から配車をされる、いわば「いつものお客様」が多いので、パーソナルなニーズに応えられるとより良い、といった違いがあります。

ku：都心部と郊外だと「流し」の比率も大きく異なります。郊外では流しのタクシーが少なく、電話で依頼をする機会が多いため、配車依頼の機会を損失しないようにすることが、タクシードライバーの方にとっても重要という気づきもありました。

genki： 今後グループ会社が増える中で、こうした地域差をナレッジとして蓄積し、newmoとしての最適解を見つけていきたいとも思えましたね。

──そのほか、開発プロセスで「newmoらしい」と感じたエピソードがあれば教えてください。
genkey6： 8月の本番導入直前の「毎日テスト」ですね。約1ヶ月間、毎日一つの会議室に開発メンバーが籠って、最低1回、多い日は2〜3回リリースを繰り返しました。大阪の配車室と東京のオフィスをGoogle Meetで繋ぎ、「昨日言われた課題、修正してきました！」というサイクルを高速で回したんです。この短期間での追い込みで、プロダクトの品質がぐっと上がりました。これはnewmoらしい開発スタイルだと思います。

ha1f： タクシーが来るのを待っているお客様をお待たせするわけにはいかないので、テスト期間でも非常に緊張感高く対応にあたっていました。常に数人のエンジニアが待機し、問題が発生したら即座に調査・修正し、翌日のテストに備える。その繰り返しでした。

genki： 正直、ものすごく疲れた記憶があります（笑）。ただ、日々届く要望にきちんと向き合い、精査しながらブラッシュアップしていくのは同時に達成感も感じられるプロセスでした。難しかったこととしては、LLMの特性上、実装が変わっていなくても日によって挙動が変わるということ。「今日はなんだかAIの調子が悪い」ということも起きてしまうのです。そのようなLLMの挙動とも戦いながら、配車室の方々とGoogle Meetを繋ぎっぱなしにして、リアルタイムでフィードバックをもらいながら改善を進めました。

ha1f： フィールドテストも面白かったですよね。結合テストのために、maidoメンバーで大阪まで行き、メンバーが宿泊しているホテルまでnewmoのタクシーを実際に呼んでみました。

ku： その場で発生したエラーを修正するために、ホテルの前でPCを開いて改善・修正を繰り返しました。エラーが無事直り、タクシーを呼べたときにはみんなで盛り上がりましたね。

自社データ・内製プロダクトだからこそのアドバンテージを活かし、AI/LLMを通じてタクシー産業を変えていく

──最後に、maidoの今後の展望や、個人的に挑戦したいことを教えてください。
genki： 8月のリリースは、まず必要最低限の機能からのスタートでした。個人的には、今後より多くの方に使いやすいと思っていただけるよう、予約や車種指定（例えば、後部座席の広い車両を希望される妊婦さんへの対応）、忘れ物の問い合わせといった、よりスペシャルなケースにも対応していきたいです。

他には、AIが音声認識をする上で、住所・場所の特定はまだまだ難しさが残っています。例えば、方言の強い地域など、地域特性に特化していく必要があります。他にも、ホテル名に数字や地名以外が入っている、部分的に英語があるなど、配車後きちんと合流するためにハードルになるポイントはいくつもあります。今後、newmoが全国の様々な地域で対応していく際に、技術的にも大きなチャレンジになると思うので、最新の技術をどんどん活用していきたいですね。

genkey6： AIとの対話をどれだけ自然にできるか、人間との区別がつかないレベルまで高めていきたいです。まだAIらしいぎこちなさが残っているので、それをなくしていくことが目標です。

ha1f： まだ「AIと対話する」という体験や使い方自体に慣れていなかったり、知らなかったりする方がほとんどだと思います。そうした、新しいインターフェースを広げていくというのも大事だと思います。

他に挙げるなら、地方の小規模なタクシー会社さんでは、配車の電話の横で仮眠を取りながら24時間対応している、という話も聞いたことがあります。maidoのような仕組みが、そうした地域の担い手不足を解消し、事業継続を支える一助になれる可能性があると思っています。

ku： 音声や電話をAIで自動化したいというニーズは、タクシー業界以外にも非常に強いと感じています。maidoで培った技術を、誰もが使えるような形で公開できたら、それもまた社会にとって価値のあることだと考えています。

genkey6: newmoはグループ内にタクシー会社があることで、自社でデータを大量に蓄積し、活用できるというのが、他の音声認識・音声AIサービスとも違う強みだと思っています。AI/LLMプロダクトとして、実際のデータを持ってそれを改善・活用できる機会があるということが大きなアドバンテージになるので、そうした機会や環境に興味があるという方にはぜひnewmoにも興味を持ってもらえたら嬉しいです。

──ありがとうございました！

newmoでは、タクシーDXに挑むメンバーを募集中です！

newmoでは、タクシー業界の変革に取り組むポジションでの採用を拡大しています。詳細はこちらをご覧ください。
採用情報

・募集職種一覧