10月23日、iRTE2026リアルタイムインテリジェンス大会が北京で開催された。声網（Agora）創業者兼CEOの趙斌氏がメインフォーラムで「AGIとの対話：リアルタイムインタラクションの次の章」と題した講演を行い、過去1年間のリアルタイムインタラクション、対話型AI、基盤インフラの重要な変化を振り返るとともに、「5段階対話能力」フレームワークを提唱し、対話型AIが基礎的な応答から深い理解と関係性コミュニケーションへと進化する道筋を描いた。
趙斌氏は、AIが質問に答える段階から継続的な交流、文脈の理解、タスクの実行へと進むにつれ、リアルタイムインタラクションの対象が人と人から人とAgentへと拡大していると述べた。リアルタイムインタラクション技術の役割もそれに伴って拡張している。情報伝達をより安定かつスムーズにするだけでなく、AIの知覚、理解、表現、行動にリアルタイムのサポートを提供する必要がある。
「一問一答」から深い関係性コミュニケーションへ：対話AGIの5段階進化
趙斌氏の見解では、対話型AIの進歩は応答速度や言語の自然さだけで測るべきではない。より重要なのは、対話相手の意図、状況、関係性を理解できるか、複雑な場面で適切に表現できるか、そして長期的で深い理解を徐々に形成できるかどうかである。
この判断に基づき、趙斌氏は講演で「5段階対話能力」フレームワークを提唱し、対話能力を5つのレベルに分類した：
L1、自己視点に基づく表現：自己表現と受動的な接続が中心で、「一問一答」を実現する。
L2：インタラクションの法則に基づく表現：受動的な応答から能動的な表現へと移行し、対話をより自然で一貫性のあるものにする。
L3：個体認知に基づくコミュニケーション：個人のアイデンティティ、意図、状況を理解し、人に応じたコミュニケーションを実現する。
L4：集団認知に基づくコミュニケーション：社会的関係と役割の差異を理解し、複雑な多人数コミュニケーション場面に適応する。
L5：深い関係性に基づくコミュニケーション：長期的な文脈と関係性の変化を理解し、より深い理解と思惟の一致を形成し、コミュニケーションを現時点の理解から一人の人間の理解へと導く。
これら5つのレベルが示すのは、対話技術の段階的な強化だけでなく、AIと人との関係性の変化でもある。一往復の質疑応答の完遂から、一人の人間の理解へ、さらには人と人との関係性の理解へと進み、最終的には時間と状況を超えた深いコミュニケーションを形成する。
趙斌氏は、対話型AIが初期の受動的な接続型インタラクションから、より能動的で自然な全二重対話へと発展しており、人の個性、状況、感情、関係性を理解しようと試み始めていると指摘した。今後に向けて、AIは複雑な社会場面における役割分担とコミュニケーション秩序を突破し、個人が長期的に蓄積した文脈をさらに理解する必要がある。これこそが対話AGIの重要な発展方向でもある。AIは一つの文を聞き取るだけでなく、完全な文脈と組み合わせて人の真の意図を理解し、適切な応答を行うことができるようになる。
Real-Time AI Infra：対話AGIを支える鍵となるインフラ
対話能力の継続的な進化は、基盤技術にもより高い要求を課している。趙斌氏は講演で、過去1年間にOpenAIなどの企業がWebRTC技術を深く採用したことで、リアルタイムインタラクション技術が対話型AI分野でより広く注目され、応用されるようになったと述べた。AIが単一ターンの質疑応答から継続的なインタラクションへと進むにつれ、リアルタイムインタラクション基盤はモデル、エージェント実行フレームワーク、ユーザーをつなぐ重要な技術的支えとなりつつある。
従来のAIアプリケーションと比較して、対話場面では遅延、安定性、双方向インタラクションに対する要求がより厳しい。AIはユーザーの入力を受け取りながら、文脈を理解し、応答を組織し、必要に応じていつでも割り込みに対応し、継続的にツールを呼び出してタスクを推進する必要がある。いずれかの环节で顕著な遅延が生じると、対話の自然さを損ない、タスクの完遂にさえ影響を与える可能性がある。
これらのニーズを支えるため、趙斌氏はリアルタイムインテリジェントインタラクション向けの基盤インフラの方向性を紹介した。グローバルなリアルタイム伝送ネットワーク、分散型クラウド・エッジ・デバイス連合推論、リアルタイムオーケストレーションと全二重インタラクション能力を通じて、モデルとAgentが実場面で継続的に協働できるようにする。Agoraの対話型AIエンジンも全二重インタラクションを核心とし、モデル、Agent実行フレームワーク、ユーザーをつなぎ、安定した同期型のリアルタイム対話体験を支えている。
同時に、Agoraは開発者向けに対話型AI開発ツールと開発キットを継続的に充実させており、SDK、Skills、CLIツール、Recipesなどの能力を組み合わせ、開発者が完全なロジックと実行能力を備えたAgentをより効率的に構築できるよう支援している。
カスタマーサービス、教育からAIコンパニオン、スマートウェアラブルまで、趙斌氏は対話型AIがより多くの実場面に入りつつあると考える。AIが真に価値を創造できるかどうかは、モデルが「話せる」かどうかだけでなく、ニーズを理解し、自然にコミュニケーションし、継続的にタスクを完遂できるかどうかにかかっている。リアルタイムインタラクション技術はこのプロセスにおいてますます重要な役割を果たすだろう。
続いて、NVIDIAチーフアーキテクト兼AOMediaビデオコーデックワーキンググループ共同議長のAndrey Norkin氏がAV2ビデオコーデック技術に関する講演を行った。
円卓対話：パーソナルエージェントは次世代のパーソナル入り口になるか？
Agora共同創業者のTony Wang氏が司会を務めた最初の円卓では、インタラクティブメディアプロダクトマネージャー兼テックブロガーのEugene Wei氏、テック系自媒体人兼ポッドキャスト「乱翻書」主宰の潘乱氏、AIoTハードウェア起業家兼端側AI自媒体主宰の華建新氏が、「パーソナルエージェント：新ツールから新入り口へ？」をテーマに議論を展開した。
スマートフォン、メガネ、イヤホンからより多くのウェアラブルデバイスまで、パーソナルエージェントは次世代のヒューマン・マシンインタラクション入り口についての業界の思索を再び喚起している。潘乱氏は、パーソナルエージェントがパラダイム変革をもたらす可能性があると考える。AI製品の価値はユーザーの注意力を争うことから、ユーザーがより効率的にタスクを完了できるよう支援することへと移行しつつある。将来のパーソナルエージェントは明確な指示に応答するだけでなく、能動的にタスクを引き受け、目標は明確だが大量の時間を費やす価値のない事務処理をユーザーの代わりに処理するべきである。
次世代のパーソナルハードウェアについて、華建新氏は、将来の入り口が特定のデバイスに独占されるとは限らず、メガネ、イヤホン、その他環境を知覚しタスクを実行できるハードウェアにチャンスがあると提起した。同氏は、パーソナルエージェントはユーザーを理解するだけでなく、物理デバイスを通じて現実世界を継続的に知覚し行動する必要があり、これがさまざまな形態のハードウェアに新たな発展空間をもたらすと考える。
Eugene Wei氏は議論を「コンテキスト」の価値へと導いた。パーソナルエージェントがユーザーの興味、コミュニケーション記録、社会的関係を真に理解できるかどうかが、価値あるパーソナル入り口になれるかどうかに影響する。新しい入り口が成立するかどうかを衡量する際に、ユーザーが毎日Agentとどの程度インタラクションしているか、またユーザーが能動的にAgentを探すことが多いのか、Agentが能動的にユーザーを探すことが多いのかにも注目できると提起した。円卓はここからさらにパーソナルエージェントの製品価値、ハードウェア形態、将来の衡量基準について議論を深めた。
円卓対話：「会話できる」から「業務を遂行できる」へ、対話型AIはいかにして真の価値を創造するか？
Agoraチーフコマーシャルオフィサーの崔博氏が司会を務めた第2の円卓では、斜躍智能創業者の陳偉氏、冠客科技創業者の耿祥磊氏、Rokid楽奇共同創業者兼エコシステム責任者の蔡国祥氏、泰坦啓明CEOの呉侃氏が、エンボディドインテリジェンス、スマートウェアラブル、企業マーケティング、AI採用などさまざまな場面から、対話型AI：次世代の人間とAgentのインタラクションを駆動することを探った。
陳偉氏は、エンボディドインテリジェンスの鍵は人の意図を真にロボットの行動へと変換することにあると考える。ロボットは音声指令を理解するだけでなく、視覚、音声、自身の状態などマルチモーダル情報を融合し、物理環境の知覚、計画、意思決定を完了し、行動後の環境変化に応じてタスク実行を継続的に調整する必要がある。事前設定されたデモタスクの完遂よりも、ロボットにとってより重要なのは、オープンな環境で人の真のニーズを継続的に理解し、行動を常に人の意図と一致させることである。斜躍智能が開発中のDuplex Reasoningという新たなパラダイムのエンボディド基盤モデルは、ロボットのインタラクションと行動の一体化を実現することを目指している。
蔡国祥氏はAIメガネの実践から出発し、対話体験がAIウェアラブルデバイスの核心的競争力であると強調した。ハードウェアとその背後のAI能力がどれほど強力であっても、対話が十分に自然でなければユーザー体験に直接影響すると述べた。将来、AIウェアラブルデバイスは低遅延で安定したリアルタイムインタラクション、そして意味と長期的な文脈の理解を通じて、ユーザーが徐々にAIと対話していることを意識しなくなるようにする必要がある。同氏はまた、Rokid楽奇AIアシスタントがAgoraのRTCリンクサービスを採用した実践を共有し、AIメガネがAI時代の重要なパーソナル入り口になることに期待を示した。
企業アプリケーション場面において、耿祥磊氏は、AI音声座席が信頼性の高い業務提供を実現するには、遅延、割り込みのタイミング、擬人化などの問題を解決する必要があり、中でも遅延はタスク結果に直接影響を与える可能性があると指摘した。To Bマーケティングでは、AIは業界の知識体系や人的協働と組み合わせることで、業務結果をよりよく保証できる。呉侃氏はAI採用の実践を踏まえ、対話型AIが採用業務の求職者への大規模なリーチ、サービス効率の向上を支援できると述べ、単純に人を代替するものではないとした。業務の閉ループを形成するには、業界データを蓄積し、求職者を主体として業務を整理し、Agentが長期記憶を構築できるよう支援し、面接到達、入社などの実際の業務イベントを中心に、AIがサービス品質を継続的に評価・最適化できるよう支援する必要がある。
4名のゲストの共有から見えてくるのは、業界によって対話型AIへの要求は異なるものの、共通して一つの方向を指しているということである。AIは交流できるだけでなく、実場面を理解し、既存の業務プロセスに融入し、確実にタスクを完遂できる必要がある。リアルタイムインタラクション、マルチモーダル知覚、Agent実行能力の継続的発展に伴い、対話型AIはインタラクションツールからさらに、デジタル世界と物理世界をつなぎ、業務運営を推進する重要な力となることが期待される。
リアルタイムインタラクションからリアルタイムインテリジェンスへ、対話AGIの次の章を開く
趙斌氏が提唱した5段階対話能力フレームワークから、2つの円卓でのパーソナルエージェントと実際の業務落定についての議論まで、iRTE2026メインフォーラムは明確な産業トレンドを示した。対話型AIの競争は基礎モデル能力から、文脈理解、リアルタイムインタラクション、複雑な関係性認知、タスク実行へと拡大している。
AIが受動的な回答にとどまらず、人を継続的に理解し、能動的に交流に参加し、実場面でタスクを完遂できるようになると、リアルタイムインタラクション技術もより深い使命を担うことになる。
対話AGIの次の段階に向けて、Agoraは開発者や業界パートナーとともにリアルタイムインタラクションと生成AIの融合を探求し続け、人と人、人とAgentの間により自然で効率的なリアルタイムインタラクション体験を推進していく。
