生成AIを乗り換えても活きる、タイトル画像と動画コンテンツのデータ設計

午前8時20分。青葉物流の二階に、キーボードをたたく音と、遠くでトラックがバックする音が重なっていた。窓から差す朝の光の中で、業務改善担当の美咲は、共有メールに届いた問い合わせを画面へ貼り付けていた。

美咲は、返事を急ぐ人の気持ちをよく知っていた。だから、文章の言葉づかいを整え、配送状況まで確かめてから担当者へ渡すようにしている。Microsoft Outlookに届いた文面を開くと、荷物の到着予定を尋ねる声が並んでいた。

「昨日発送された荷物が、まだ届きません。注文した商品は、北町の店舗で使う予定です」

美咲は顧客名を消した。けれど、地名と注文内容、それに撮影日の記された写真名は、そのまま残っていた。ひとつずつ見れば普通の情報でも、重なれば誰の荷物か分かるかもしれない。

彼女はChatGPTの画面を開き、入力欄に問い合わせを貼り付けた。その上には、顧客には丁寧に答えること、社内の配送ルールに沿うこと、分からないことは断定しないこと、という社内向けの指示文が入っている。設定欄には使用モデルの名前や、返事を決まった形で出す指定も並んでいた。

右側には、配送状況を社内検索するツールを使ってよいか、回答をそのまま送信してよいかを決める項目もあった。美咲はチェックを確かめてから、青いボタンを押した。数秒後、画面の下に「お問い合わせありがとうございます」から始まる回答文が現れた。

「ずいぶん早くなったね」

隣の健太が、マグカップを机に置いた。美咲は回答文をコピーし、青葉物流の問い合わせ管理システムへ貼り付けた。

けれど、そのまま送ることはできなかった。AIが書いた「本日中に届く見込みです」という一文を、美咲は配送センターの確認結果に合わせて「本日15時ごろの見込みです」に直した。修正前の文章はChatGPTの履歴に残り、修正後の文章は社内システムに入り、どこを直したかのメモはMicrosoft Excelの表に残った。

画面の端には、別の仕事のファイルも見えていた。社内ニュース用のタイトル素材はSharePointにあり、元の写真は共有フォルダにある。動画の音声と撮影素材は編集用のパソコンにあり、生成AIへ渡した指示文は、美咲のメモ帳に保存されていた。

「問い合わせの返事も、タイトル素材も、動画の台本も、同じAIで作っているのにね」

美咲がつぶやくと、健太は画面をのぞき込んだ。

「このAIが止まったら、画像も動画も、問い合わせの返事も作れないのかな」

「別のAIに替えればいいんじゃない？」

健太は、いつものように気軽に言った。美咲も、少し前なら同じように答えていたかもしれない。

「今は画面を開いて使えているから大丈夫だよ」

「画面が使えることと、仕組みを替えられることは、別なんだよ」

美咲は、ChatGPTの画面に戻った。サービスを替えると、AIへお願いを届けるAPIの呼び方が変わる。APIは、システムからAIへ依頼を送る道のことだ。さらに、依頼や回答を包むJSONという箱の形も、サービスごとに違うことがある。

「同じ問い合わせを渡しても、指示文の置き場所や、回答の受け取り方が変わるの。配送状況を調べる許可や、社内検索のつなぎ方も、もう一度作り直すかもしれない」

健太は、画面の中にある小さな設定欄を見た。そこには、モデル名、社内指示、ツールの許可、回答文がひとつの流れとして並んでいた。

美咲は、白いノートを開いた。ページの中央に「自社のデータ」と書き、その周りに「問い合わせ本文」「指示文」「回答」「担当者の修正」「元の写真」「動画素材」「利用履歴」と、ひとつずつ箱を描いた。

箱の横には、使ったモデル名や設定を記録する欄も作った。誰が、いつ、どの素材を使い、どこを直したのかが分かれば、AIが変わっても仕事の流れを追える。元の素材を自社で持っていれば、タイトル画像や動画を別の道具で作り直すこともできる。

「この箱とAIの間に、受付を置こうかな」

「受付？」

「AI Gateway。難しく聞こえるけど、AIを呼ぶ受付を一つにして、中で使うAIだけ替えられるようにするの。問い合わせもタイトル素材も動画も、まず同じ受付に届けるんだよ」

美咲は、ノートの中央に「AIを呼ぶ受付」と書いた。その下に、細い線で複数のAIへつないだ。まだ名前のない設計メモだったが、画面の中に一つしかなかった道が、少しだけ広く見え始めていた。

午後二時、青葉物流の問い合わせ画面から、AIの回答が消えた。美咲が送信ボタンを押しても、くるくる回る印だけが残り、タイトル画像の案も動画の台本も戻ってこなかった。いつもなら数秒で埋まる回答欄は、白いままだった。

「もう一度、送ります」

美咲は同じ問い合わせを三回送った。健太も隣で再送信したが、画面には「処理中」とだけ表示された。後ろの席では、今日公開する配送案内動画の修正を待つ担当者が、マウスを握ったまま動かなかった。

「お客さまへの返事、午後三時まででしたよね」

「うん。まだ一時間ある。でも、このままでは作れない」

社内のSlackに、短いメッセージが次々に流れた。ある担当者は「復旧を待ちます」と書き、別の担当者は個人契約のChatGPTを開いた。手作業で返事を作り始めた人もいたが、過去の注文内容を探すために、いくつものフォルダを開いていた。

美咲は公式ステータス画面を確認した。利用中の生成AIサービスには、応答の遅れを調査しているという表示が出ていた。障害が疑われるのに、社内には「何分待ったら別のAIへ替えるか」という決まりがなかった。

「待つ人と、替える人と、手で作る人に分かれてる」

健太が画面を見つめた。

「切替の手順は、どこにありますか」

美咲は社内ドライブを検索した。手順書、契約書、担当者のメモ。名前の違うファイルを開いていくと、古い資料の端に「障害時は管理者へ相談」とだけ書かれていた。代わりのサービス名も、判断する人の名前も、そこにはなかった。

午後二時二十五分、美咲は過去の問い合わせを別のサービスへ移そうとした。ところが、一つの画面の中に、顧客情報、プロンプト、回答の形式、担当者の権限設定が重なっていた。プロンプトは「こう答えてください」という指示文で、回答形式は返事の型だが、どちらも顧客データと分けて保存されていなかった。

「顧客名だけ消せば、別のAIに渡せますよね」

健太が言った。美咲は首を横に振った。

「地名や注文内容、日付が組み合わさると、名前がなくても誰の話か分かってしまうかもしれないよ。消す場所と、残す場所を決めないと危ない」

美咲は画面を拡大した。注文番号の一部、配送先の町名、撮影日、問い合わせの文章が、ひとつの長い記録になっている。タイトル画像の元写真や動画の撮影メモにも、同じように地名と日付が残っていた。

さらに、回答の根拠を探していたRAGの検索データも問題になった。RAGは、先に社内文書を検索し、その内容をAIに渡して答えさせる仕組みだ。けれど青葉物流では、元文書、文章を小分けにしたチャンク、検索用のデータが、特定の検索サービスの形式で保存されていた。

「検索用の箱だけ持っていっても、別の場所では開けないかもしれない」

「元の文書は？」

「ある。でも、どの部分から作った検索データか、すぐには追えない」

美咲の指が止まった。AIが止まっただけではなかった。データの形が決まっていないために、別のAIへ荷物を渡せなかった。

午後三時、急きょ小さな会議が開かれた。ホワイトボードの前に立った美咲は、まず障害の状態を四つに分けた。「Operational」は通常どおり、「Degraded」は遅い状態、「Partial Outage」は一部停止、「Major Outage」は大きな停止、と短い言葉で書いた。

「今は、少なくともDegraded。問い合わせが止まったらPartial Outage。画像と動画まで全部止まったら、Major Outageです」

続けて、通知の社内案を書いた。Criticalは即時、Highは30分、Mediumは翌営業日、Lowは週次に知らせる。数字は切替の約束ではなく、誰がいつ動くかを決める目印だった。

その下に、美咲は矢印を五つ引いた。

「検知、切り分け、代替サービスへの切替、復旧、記録。この順番で残します」

健太が、空白の回答欄を振り返った。

「切替先は、どう呼ぶんですか」

「アプリが直接AIを呼ばないように、共通の窓口を置くの。AI Gatewayなら、使うモデルが変わっても、呼び方をそろえられる。LiteLLMのような仕組みも候補になる」

美咲はホワイトボードの端に、顧客情報、プロンプト、回答形式、権限、ログ、元文書と書き足した。タイトル画像と動画の素材も、問い合わせ記録も、同じ箱に詰め込まず、持ち出せる形で分ける必要があった。

その日の返事は、何人かが手で作った。動画の公開は翌日に延ばした。夜、美咲は白いノートを開き、空白の回答欄を見ながら、最初のデータ項目に小さな丸をつけた。まだ切替はできなかったが、次に止まったとき、何を持って走るべきかは見え始めていた。

障害の翌週、美咲は、生成AIの仕組みを見直す相談会に参加した。そこで、データ基盤に詳しい外部アドバイザーの真野と出会った。真野のノートパソコンには、青葉物流の仕事を表す簡単な図が描かれていた。

会場の窓から、駅のホームが見えた。電車が静かに入り、乗客を乗せて出ていく。美咲はその景色と、画面の図を見比べた。

「左にあるのは、青葉物流の業務データです。中央が共通窓口。その右に、いくつものAIサービスを置いています」

真野は、画面の中央にある四角を指でなぞった。そこには「AI Gateway」と書かれていた。その下には、「API共通窓口」と小さく添えてある。

「AI Gatewayは、駅の改札に似ています。乗客にあたるのは、問い合わせシステムや、タイトル画像を作る制作システムです。改札にあたるのが共通窓口で、行き先にあたるのがClaudeやGPT-4oなどのモデルです」

美咲は、前章の障害を思い出した。問い合わせ画面は一つのAIへ直接つながり、動画制作画面も別のAIへ直接つながっていた。呼び出し方も、返ってくるデータの形も、それぞれ違っていた。

「つまり、乗客が改札を通らずに、線路へ直接入っていたようなものですか」

「そうです。業務システムがAI提供元ごとの呼び出し方を直接知っていると、乗り換えが難しくなります。AIを替えるたびに、画面や処理の中まで直すことになるからです」

真野は、左の箱から中央の箱へ、一本の太い線を引いた。中央から右へは、三本の細い線が伸びた。線の先には、文章を読むAI、画像を作るAI、動画を作るAIが並んでいる。

「業務システムからは、いつも同じ形式で依頼します。共通窓口が、その依頼を各サービスの言葉へ置き換えます。だから、表の乗り場を変えても、駅の案内板は変えずに済みます」

美咲は白いノートを開いた。共通窓口へ渡す依頼の箱を、ひとつずつ描いた。箱の中には、業務上の依頼内容、参照するデータ、プロンプト、利用するモデルの候補、呼び出してよいツール、実行者の権限、匿名化の状態、回答の保存先が入る。

「匿名化の状態も、依頼の一部にするのですね」

「はい。顧客名を消しただけでは不十分なことがあります。地名や注文内容、撮影日が重なると、誰の情報か分かる場合もあります。匿名化済みか、まだ確認が必要かを、データとして残しましょう」

美咲は、タイトル画像の制作データを思い浮かべた。元の写真、画像用プロンプト、AIが出した案、担当者の修正記録。それらを別々のフォルダーに置くのではなく、一つの依頼に結びつければ、担当者が変わっても経緯を追える。

動画も同じだった。撮影素材、台本、音声の指示、生成結果、修正理由を記録する。回答や完成品だけでなく、どのデータを参照したかも残す。美咲のノートには、ばらばらだった記録が、ひとつの流れとしてつながっていった。

「モデル名は、依頼データの中に埋め込まないでください」

真野は、右側のAIの名前を丸で囲んだ。

「モデル名は外側の切替設定に置きます。依頼の本体には、何をしてほしいか、何を見てよいかだけを残すのです。そうすれば、ClaudeからGPT-4oへ替えるときも、業務の記録やルールは動かさずに済みます」

「でも、モデルごとに得意なことは違いますよね」

「そこは使い分けます。精度が大切な問い合わせには、よく考えるモデルを選ぶ。定型的な分類には、軽いモデルを選ぶ。費用を抑えたい処理や、社外へ出せないデータには別の選択肢を使う。既存システムとのつなぎやすさも、一緒に見ます」

真野は、ノートの端に「精度」「コスト」「データ主権」「統合性」と書いた。難しい言葉に気づくと、すぐに言い直した。

「データ主権というのは、データを誰の場所で管理し、誰が扱えるかを自分たちで決められることです。安いから、速いから、だけで決めないのが大事です」

さらに真野は、MCPという文字を加えた。MCPは、社内データやツールとAIをつなぐときの、接続方法をそろえる考え方だと説明した。AI Gatewayがモデルへの改札なら、MCPは倉庫や在庫表、配送システムへ安全につなぐ案内役になる。

美咲は、以前の画面を思い出した。プロンプトは制作担当のパソコンにあり、元素材は共有フォルダーにあり、AIの回答はサービス側に残っていた。修正の理由は、担当者の記憶の中だけにあった。

「共通窓口を作るだけではなく、仕事の記録も自分たちの箱に戻すのですね」

「その通りです。AIを替えても、仕事の記録と業務ルールは同じ場所に残る形にしましょう」

真野の言葉は、駅の改札を通る音のように、美咲の中へすっと入った。乗り換えを恐れていたのは、AIそのものを失うと思っていたからだ。けれど守るべきものは、モデルの名前ではなく、青葉物流の仕事と、その仕事が積み重ねた記録だった。

相談会の帰り、美咲はノートの最初のページに「共通依頼のひな型」と書いた。明日、健太と一緒に問い合わせ、タイトル画像、動画の三つを同じ箱に入れてみる。小さな線を一本引くところからでいい。美咲は、静かに「やってみよう」と思った。

青葉物流のチームは、顧客問い合わせを共通のJSON形式に入れ、別の生成AIへ切り替える試験を始めた。だが最初の試験では、回答の形と権限の扱いで、二つの小さなつまずきが起きた。

会議室の机には、問い合わせメールの印刷物が並んでいた。隣には、タイトル画像の元写真、動画素材、プロンプト、AIの回答、担当者の修正記録が入ったフォルダーもある。美咲は、それらを一つの箱に入れるように、白いノートへ項目を書いた。

「まず、AIの画面へ文章を貼るのをやめます。仕事のデータを、決まった箱に入れます」

真野は、ノートの端に小さな四角を描いた。箱の名前はJSONだった。

「JSONは、文字や数字を決まった名前で並べる形式です。AIがClaudeでもGPT-4oでも、箱の形を同じにできます」

美咲は共有フォルダーに request.schema.json を作った。問い合わせ本文、カテゴリ、注文や配送の参照情報、AIへの指示、回答に必要な項目、回答の言語、利用できるツール、マスキング済みかどうかを、必須項目として並べた。

{
  "task": "customer_inquiry",
  "message": "配送状況を確認したい",
  "category": "delivery",
  "reference": {"order_id": "ORD-匿名化済み"},
  "instruction": "事実だけで丁寧に回答する",
  "required_fields": ["answer", "references"],
  "language": "ja",
  "tools": ["order_lookup", "faq_search"],
  "masked": true
}

健太は、JSONの項目を指で追った。入力と指示を分ければ、モデル名を変えても顧客データは変わらない。画像や動画の場合も、task を title_image や video_content に替え、元素材、利用許諾、撮影日、画面比率、字幕の有無を同じ箱に入れられる。

「でも、名前を消せば匿名化、ではないですよね」

美咲は、注文表の一行を隠した。顧客名と電話番号を消しても、珍しい商品、届け先の細かな地域、注文時期、周辺事情が重なると、誰の注文か分かることがある。そこで、照合に必要な注文IDだけを別の符号に置き換え、住所は配送に必要な範囲だけにした。マスキングしたかどうかと、確認した項目も箱に残した。

次に、FAQと社内文書を整えた。元文書、更新日、文書の版、分割した文章、アクセス範囲を共通の項目で保存し、重複したFAQと古い手順書を取り除いた。RAGは、答えをAIに覚えさせるのではなく、質問に近い文書を先に探して、その一部を回答の材料にする仕組みだと真野が説明した。検索結果はElasticsearchやAzure AI Searchなどの外部検索インデックスから、本文、文書ID、更新日、出典だけを取得する設計にした。

「ベクトルだけを残すと、検索の作り方を変えたときに困ります。元文書と分割規則も、別に保管しましょう」

共通の箱をAI Gatewayへ渡し、Gatewayの中で各社の呼び出し方へ変換する。美咲たちは、まずClaude用に作っていた回答指定を使い、次に同じ箱をGPT-4oへ送った。

返ってきた答えは、内容だけなら自然だった。ところが冒頭に「以下が回答です」と説明文が付き、その後ろにJSONが続いていた。後続システムはJSONだけを読み取るため、画面には赤いエラーが出た。

「人間には読めるけれど、システムには読めない」

健太の言葉で、部屋が静かになった。Claude向けの指定を、そのままGPT-4oにも渡せるとは限らない。モデル固有の指示や出力機能を業務データに混ぜず、Gatewayのアダプターで変換する必要があった。

チームは返却形式を決め直した。成功時は status、answer、references、needs_human_review を必ず返し、失敗時は status と error.code、error.message を返す。余計な前置きがあればエラーとして記録し、顧客へ送らず、人の確認へ回す流れにした。

「回答を自由作文にしないで、受け渡すデータにしましょう」

もう一つの試験では、権限の問題が見つかった。担当者がFAQだけを見られる役割なのに、order_lookup まで利用できるツールとしてAIへ渡され、注文情報を検索できる状態になっていた。美咲は、権限をプロンプトでお願いするのではなく、AI Gatewayと検索側で止めることにした。

Gatewayで担当者の役割を確認し、使えるツールだけを一覧にする。検索には部署とアクセス範囲の条件を付け、AIには必要な項目だけを渡す。誰が、どの箱を、どのモデルへ送り、どの文書を参照したかも、自社のログへ残した。

最後に、同じ問い合わせをClaudeとGPT-4oへ送り、回答、参照文書、エラー、確認者を並べて見た。AIの回答はそのまま送信せず、画面の「確認して返信」ボタンを人が押す。タイトル画像や動画の生成結果も同じで、元素材と権利情報、修正履歴を確認してから公開する。

夕方、健太が切替ボタンを押した。AIが変わっても、入力データ、参照データ、回答形式、権限、ログは同じ流れで動いた。美咲は白いノートの箱に、静かに「試験環境」と書き足した。

数週間後、問い合わせ対応の最中にClaudeの応答が不安定になった。返答欄には途中で止まった文が残り、美咲は監視画面を開いた。

少し前なら、担当者ごとに別の画面を見て、使い続けるか止めるかを決めていた。けれど今、美咲は赤い表示の場所と、影響を受けている業務を静かに確認した。

「問い合わせの返答だけが不安定みたい。画像と動画の制作データは、保管も検索も動いているよ」

監視画面には、Claudeの応答状態と、社内の検索基盤の状態が分けて表示されていた。タイトル画像や動画コンテンツの元素材、プロンプト、修正履歴を置く場所には、異常の印がなかった。美咲は障害の範囲を切り分け、問い合わせ業務だけを切替対象にした。

「AI Gatewayの設定を変えるね。ここは、AIへの道を一つにまとめた窓口だから」

美咲は共通窓口の設定画面で、対象業務のモデルをClaudeからGPT-4oへ変更した。アプリケーション本体を書き換えるのではなく、呼び出し先だけを切り替える設定だった。健太は隣で画面を見つめ、息を長く吐いた。

画面の裏側では、問い合わせ文、匿名化済みの参照情報、プロンプト、出力形式が同じ箱に入っていた。タイトル画像の元素材や動画の撮影情報、生成結果、担当者の修正記録も、共通JSONの項目として残っている。変わったのはAIを呼び出す先だけで、業務データの並びや、回答を受け取る形は変わらなかった。

ただし、切替はボタン一つで終わらない。美咲は返答の語調を読み、ツールを呼び出す権限を確かめ、検索結果に古い文書が混ざっていないかを確認した。

「AIの答えは提案だよ。最後に送るのは、私たちが確認してからにする」

検索欄には、更新前の配送案内が一件だけ混ざっていた。RAGは、回答を作る前に社内文書を探し、その内容をAIに渡す仕組みだと、美咲は健太に説明した。二人は古い文書を参照対象から外し、正しい案内が根拠として残るようにした。

会議室のホワイトボードには、切替時間の記録欄もあった。社内RAG資料「手動切替先と代替手段／切替を実行する業務フロー」には、GENAIが約1年半の運用で30分以内の切替を実証した事例が記されていた。青葉物流はその考え方を参考に、障害検知から代替AIの利用開始までを記録することにした。

同時に、導入前の処理時間、修正量、エラー率、採用率も記録した。美咲はそれを「導入前のものさし」と呼んだ。

「採用率は、AIの案をそのまま使えた割合だよ。後で変化を見るために、今の状態を残しておくの」

障害検知から30分後、回答欄にGPT-4oからの返答が届いた。形式は共通JSONのままだった。返答文、参照した文書、確認に使った情報が同じ欄に並び、以前のような沈黙はなかった。

部屋の空気が少し明るくなった。健太は画面を何度も見直したが、声を上げて喜ぶことはなかった。美咲も、すぐに成功とは決めず、語調と内容を一つずつ確認した。

社内RAG資料「【リサーチ】生成AIの提案を人が承認する業務フロー設計」に合わせ、効果は3か月の中間評価で確かめることになった。AIには提案、下書き、異常の知らせを任せ、顧客への最終回答や重要な判断は人が承認する流れを保った。

その日の復旧後、チームは切替時のログを開いた。どの匿名化済みデータがどのモデルへ渡ったか、どの検索結果が参照されたか、誰が確認して送信を承認したかが追える状態になっていた。美咲は、画像や動画の制作データも同じように履歴が残っていることを確かめた。

回答欄には、回答文と参照元を含むJSON形式の結果が表示されていた。美咲は最後の一文を読み、承認欄を確認してから、送信ボタンを押した。画面の向こうへ届いたのは、特定のAIだけに預けた返事ではなく、どのAIからでも受け取れる形に整えられた仕事だった。

雨の朝、青葉物流の問い合わせ画面に、新しい相談が一件届いた。美咲は特定のAIサービスを探さず、いつもの社内画面を静かに開いた。窓の外では、細い雨が倉庫の屋根をやさしく鳴らしていた。

画面には、匿名化された顧客情報と問い合わせの要点が並んでいた。参照できる社内文書、過去の回答、AIの提案、そして最後に人が確認する承認欄も、ひとつの流れに収まっている。

「前は、どのAIを開くかで朝が始まっていたよね」

健太が椅子を引きながら言った。

「今は、問い合わせ画面を開けばいいの。裏側の窓口が、その日の様子を見て選んでくれるから」

美咲は画面の小さな表示を指さした。そこではAI Gatewayが、利用できるモデルの状態を確かめていた。用途に合う精度、かかる費用、データを扱う場所、混み具合を見て、決められた共通の呼び出し方で接続する。

「窓口が、使う相手を選ぶんだね」

「そう。私たちが見るのは、整理された質問と、必要な根拠だけ。向こう側が変わっても、仕事の形は変わらないの」

問い合わせは共通JSONに整えられていた。JSONは、項目の名前と中身をそろえて入れる箱だ。問い合わせ番号、匿名化の状態、参照文書、提案文、信頼度、承認の記録が、同じ場所に並んでいる。

顧客名は伏せられていた。それだけではなく、地名や注文内容、撮影日が重なって個人を推測できないかも確認されている。誰がどの文書を見られるかという権限も、回答を作った時刻や参照した情報も、あとから追えるように残っていた。

画面の右側では、RAGの検索結果が静かに更新されていた。RAGは、AIが答える前に社内の知識を探し、見つけた文書を根拠として渡す仕組みだ。検索インデックスは必要な項目だけを返し、古い配送案内は新しい案内へ、少しずつ置き換えられていた。

「全部を一度に入れ替えないんだね」

「うん。元の文書、分けた文章、更新日、権限、検索方法を別々に持っているから。検索の仕組みを変えても、元の箱から作り直せるの」

美咲は、前の障害対応で作った切替記録を開いた。そこには、ClaudeからGPT-4oへ切り替えた時刻と、共通の入力、出力の違い、人が確認した結果が並んでいた。プロンプトやモデル設定の変更履歴も、サービスの画面ではなく、青葉物流の記録として保存されている。

「この前なら、AIが止まったら僕の手も止まっていた」

健太は、雨粒の向こうにあるトラックを見た。

「窓口の向こう側が変わっても、仕事の箱は同じだね」

その日の午後、新しいモデルと画像を読める機能の追加案が届いた。美咲はすぐに試すのではなく、共通データ形式につながるか、権限を守れるか、ログを残せるか、承認の流れを壊さないかを順に確かめた。MCPという接続の仕組みも候補に挙がったが、名前より先に、社内の箱と安全につながるかが見られた。

夕方、朝の問い合わせへの回答が画面に表示された。参照した文書と提案理由の横で、承認欄が白く待っている。美咲は文章を一度読み、配送日の表現をひとつ直した。

「送ります」

健太がうなずく。美咲が承認ボタンを押すと、雨の音の中へ回答が出ていった。画面の裏で何が切り替わったのか、二人はもう確かめなかった。窓口の向こう側が静かに変わっても、青葉物流の朝と仕事の箱は、同じ場所にあった。