多言語サポートを生成AIで標準化し、現場の負担を減らす方法

朝八時十五分、青空機器のサポートセンターに、キーボードをたたく音が広がっていた。窓から差し込む光が、三つの画面を白く照らしている。多言語対応チームのリーダー、結衣は、冷めかけた紅茶を横に置いたまま画面を見つめていた。

左の画面には日本語の問い合わせが並んでいた。中央には英語、右にはスペイン語の文が、ひとつ、またひとつと現れる。結衣の後ろでは、オペレーターたちが翻訳ツールとFAQを開き、マウスを忙しく動かしていた。

「Can I replace the filter for the Soyokaze A40?」

英語の画面に、空気清浄機「そよ風A40」の質問が届いた。隣の画面には、「Mi purificador hace un ruido extraño.」というスペイン語の相談が出ている。結衣は名前を確認し、相手の困りごとを想像しながら、ひとつずつ返事を考えた。

「結衣さん、英語のお客さまは、フィルターを交換できるか知りたいそうです」

担当の美緒が、古いPDFのマニュアルを開いた。そこには、購入から一定期間なら無償交換と書かれていたが、条件の細かな部分は別のページにあった。

「購入日は確認した？」

「いまCRMを見ます。少し待ってください」

美緒はCRMを開いた。CRMは、購入履歴や過去の問い合わせを記録する顧客管理の画面だ。けれど、問い合わせ画面、CRM、FAQ、翻訳ツールは、それぞれ別の窓に分かれていた。

結衣は、美緒の画面をのぞいた。購入日は見えたが、先月の修理履歴は下のほうに隠れていた。美緒が返事を作る間にも、別の問い合わせが三件、受信箱に入った。

「この方、先月にもフィルターの交換を相談しています」

「えっ。では、今回も無償とは限らないですね」

美緒は手を止めた。もし結衣が気づかなければ、購入状況と過去の対応を見ないまま、案内を送っていたかもしれない。

少し離れた席では、直人が同じ「そよ風A40」の交換について答えていた。直人は新しいWeb版FAQを見ている。一方、美緒が開いたのは、更新前のPDFだった。

「こちらは、購入後三十日以内なら交換可能とあります」

「私の画面では、まず点検が必要になっています」

二人の返事は、どちらも丁寧だった。けれど、片方はすぐ交換できるように読めて、もう片方は先に修理を申し込むように読めた。

結衣は二つの文を並べて見た。単語の選び方も違っていた。「無償交換」と書く人もいれば、「費用はかかりません」と書く人もいる。スペイン語に訳したときの表現も、担当者によって少しずつ変わっていた。

「同じ製品の質問なのに、答えの入口が違うね」

直人が困った顔で振り返った。

「翻訳ツールは、かなり自然です。でも、どのFAQを使うかまでは決めてくれません」

結衣は小さくうなずいた。言葉は訳せている。文法も大きくは間違っていない。それでも、同じ会社の答えになっているとは限らなかった。

そのとき、管理部から共有された資料が、結衣の画面の端に表示された。題名は「生成AIによる多言語サポートの導入案」だった。資料には、ChatGPTをAPIで業務画面につなぎ、FAQをもとに回答案を作る方法が紹介されていた。

「生成AIなら、返事を作る時間を減らせそうですね」

美緒が明るい声を出した。

「AIエージェントに任せれば、翻訳も、FAQ探しもできますか？」

「AIエージェントは、質問を受けて、資料を探し、返事の案を作る仕組みのことだね。けれど、何を読ませるかは、私たちが決めないといけない」

結衣は資料をめくった。APIという言葉の横には、「AIを自社の画面や業務につなぐ入口」と説明されている。便利そうな仕組みでも、古いマニュアルを読ませれば、古い答えを返すことになる。

「CRMの購入履歴も、AIに見せるのでしょうか」

直人の声が少し低くなった。画面には、顧客の名前、住所、電話番号、購入日が並んでいる。必要な情報だけを使うのか、どこまで人が確認するのかは、資料にまだ書かれていなかった。

結衣は、机の上の付せんを一枚取った。そこに「正しいFAQ」「個人情報」「人へ引き継ぐ条件」と書いた。便利さの話をする前に、決めることがいくつもあると気づいた。

「AIが作った返事を、そのまま送っていいのかも決まっていません」

美緒が黙って付せんを見た。センターの奥で、また受信音が鳴った。今度は日本語、英語、スペイン語の通知が、ほとんど同時に重なった。

結衣は三つの画面を見た。どの言葉にも、お客さまが待っている気配があった。彼女は古いFAQを閉じずに残し、新しい問い合わせを開いた。

「まずは、同じ質問に、同じ基準で答えられるかを確かめよう」

結衣の手元で、三つの言葉が静かに並び始めた。

朝9時12分、海外の顧客から届いた製品トラブルの問い合わせに、古い交換条件をもとにした返事が送られた。整った英語の一文が、青空機器のサポート窓口に、隠れていた混乱を運んできた。

結衣がフロアを歩くと、亮の画面に赤い通知が点滅していた。スペイン在住の顧客から、使用中に機器が止まったことと、交換できるかを尋ねるメールだった。説明書どおりの再起動方法も、英語で知りたいと書かれている。

「まず、日本語にして内容を確認します」

亮は翻訳ツールにメールを入れた。次に、社内FAQを開いた。検索結果の一番上には、交換は購入から30日以内で、返送料は顧客が負担するという案内が出ていた。画面の端には、更新日を示す小さな日付が残っていたが、亮は急いでいて見落とした。

「このFAQをもとに、自然で親切な英語に整えてください」

亮は問い合わせ文とFAQを生成AIに貼り付けた。生成AIは、機器の使い方をわかりやすい順番に並べ、交換条件もていねいな英語に直した。文の最後には、困らせてしまったことへのおわびまで添えられていた。

亮は少しほっとした。翻訳の不自然さはない。けれど、その文章には、顧客の購入日も、前に別の窓口で交わした会話も入っていなかった。CRMという、購入や対応の履歴を置く台帳は別の画面にあり、生成AIとはつながっていなかった。

「これなら伝わります」

亮が送信ボタンを押したのは、9時24分だった。返事には、購入から30日を過ぎているため交換できないことと、返送費用は顧客が負担することが書かれていた。英文は流れるようだったが、もとになった条件は古いままだった。

9時41分、同じ顧客から返信が届いた。続けて、昨日利用した別のチャット窓口の記録も転送されてきた。そこには、購入から90日以内なら交換でき、初期不良の返送料は青空機器が負担すると書かれていた。

「昨日は交換できると言われました。今日はできないのですか。どちらが本当なのですか」

亮の指が止まった。顧客は、同じ会社から正反対の説明を受けたと訴えていた。さらにCRMを開くと、購入日は78日前だった。過去の対応欄には、機器の不具合を確認するため、写真の提出を依頼した記録も残っていた。

「結衣さん、私の返事が間違っていました」

亮の声に、近くの席の人たちが振り向いた。結衣は画面を見つめ、古いFAQと新しい交換規定を並べた。どちらも青空機器の資料だった。片方は共有フォルダにあり、もう片方は担当部署のポータルに置かれていた。

「英語の問題ではありませんね」

「はい。生成AIは質問をきれいな英語にできます。でも、どの資料が今のルールかまでは、決めてくれません」

結衣は、亮が入力した内容を確認した。そこに注文番号や氏名はなかった。顧客情報を外部の生成AIに入れてよいのか、チームにははっきりした決まりがなかったからだ。その慎重さは必要だったが、購入履歴を確かめないまま返事を作る原因にもなっていた。

「では、注文番号まで入れれば解決するのでしょうか」

隣の真紀が首をかしげた。顧客情報をどこまで使えるのか、保存されるのか、誰が確認するのか。答えを知る人は、その場にいなかった。AIに誤った返事をさせたとき、どの段階で人が止めるのかも決まっていなかった。

「交換の判断が必要なときは、人に引き継ぐ印を出せるようにしたいです」

結衣はそう言って、ホワイトボードに三つの丸を書いた。「FAQ」「CRM」「生成AI」。FAQから生成AIには矢印が伸びたが、CRMとの間には何もなかった。古い資料を止める線も、顧客に約束した内容を確認する線もなかった。

その日の午後、結衣は顧客に直接おわびする文面を作った。今の交換条件を確認し、写真の提出方法と返送手順を、英語とスペイン語でそろえた。送信前には、担当責任者が原文とCRMの履歴を照らし合わせた。

「同じ答えを、ただ訳すだけでは足りない」

結衣は小さくつぶやいた。多言語対応の標準化とは、文章の形をそろえることではない。どの言語でも、同じ最新情報をもとに答え、迷ったときには人へ渡せる仕組みを作ることだった。夕方、古いFAQの公開を止める作業が始まり、亮の画面から、赤い通知がひとつ消えた。

会議室の窓から、午後の光が細く差し込んでいた。結衣は、生成AI導入を担当する理央と、製品企画、品質管理、情報システムのメンバーが囲む小さな机に座った。

前章の誤案内が、まだ胸に残っていた。英語の文章はきれいだったのに、古い交換条件をもとにしていた。その事実を思い出すと、便利そうな言葉だけで仕組みを選ぶ気にはなれなかった。

理央は白いホワイトボードに、三つの丸を書いた。左には「シナリオ型チャットボット」、真ん中には「AI搭載FAQ」、右には「生成AI」とある。

「三つとも、同じ仕事をさせる必要はありません。決まった質問は、決まった道を案内するシナリオ型が得意です。営業時間や配送状況のような質問なら、すぐに答えを返せます」

理央は左の丸から真ん中の丸へ、矢印を引いた。

「少し表現が違っても、答えの元が決まっている質問には、AI搭載FAQを使います。FAQを探して、利用者の言語に合わせて読みやすくする役目です」

「では、右の生成AIは何をするのでしょうか」

結衣が尋ねると、理央は製品企画の美咲を見た。美咲は、交換条件や地域ごとの販売ルールが絡む質問を例に出した。

「たとえば、海外で買った製品を日本で修理できるか、という質問です。購入地域、製品の型番、保証期間が関係します。生成AIなら、質問の文脈を読み取り、必要な情報を組み合わせて回答案を作れます」

「ただし、生成AIに自由に答えさせるわけではありません」

理央はホワイトボードの下に、小さな本棚の絵を描いた。棚には、最新版のFAQ、製品マニュアル、対応ポリシー、用語集、過去の問い合わせ履歴と書かれている。

「この仕組みをRAGと呼びます。難しく聞こえますが、AIが勝手に記憶で答えるのではありません。社内の正しい本棚から必要なページを探して、その内容をもとに答える仕組みです」

理央は、古いFAQの束を棚の外へ移した。

「本棚に置く情報は、最新版でなければなりません。古いページが残れば、前と同じ誤案内が起きます。だから、製品名、対象地域、適用条件、更新日、情報の管理担当も一緒に登録します」

品質管理の健太が、更新日の欄を指でなぞった。

「その情報は、AIが探しやすくする目印です。こうした目印をメタデータといいます。つまり、ページの中身だけでなく、どの製品の、どの地域の、いつの情報かを付けておくのです」

結衣の頭の中で、ばらばらだったFAQの画面が一つの棚につながった。担当者が違っても、同じページを見て答えれば、言葉の違いはあっても案内の芯はそろえられる。

情報システムの真琴が、CRMの画面を映した。そこには購入履歴と過去の対応記録が並んでいる。

「個別の事情は、CRMから必要な範囲だけ参照します。購入日や製品型番は使えても、住所や電話番号まで回答案に渡す必要はありません。個人情報は匿名化し、誰がどの情報を見られるかも権限で分けます」

「AIに全部見せない、ということですね」

「はい。必要な情報だけを、必要な時間だけ使います。人に引き継ぐときも、担当者が確認できる範囲に絞ります」

理央は、最後に赤い線を引いた。生成AIの回答案から、オペレーターへ向かう線だった。

「自信がない回答、交換や返金に関わる回答、怒りや不安が強い相談は、人へ渡します。AIは答えを決める人ではなく、正しい本棚を探して、下書きを作る助手です」

会議資料の片隅には、生成AIを使う企業が2025年末には約半数、2026年以降は約7割へ広がる見込みだと記されていた。数字を見た結衣は、導入するかどうかを迷う段階から、どの業務なら安全に始められるかを考える段階へ来たのだと感じた。

理央は、大阪府の公式観光情報サイト「osaka-info」の事例にも触れた。デジ田メニューブックの事例では、生成AIを使った多言語チャットボットが20言語以上に対応しているという。けれど、情報源を整え、誤情報を減らす仕組みを作ることに時間をかけた点が大切だと、理央は静かに付け加えた。

「青空機器でも、いきなり全言語、全問い合わせを自動化しません。まずは件数の多い質問を五つに絞ります。配送状況、保証期間、交換方法、対応地域、取扱説明書の場所です」

「英語とスペイン語から始めるのですか」

「はい。ただし、顧客へ出すのは、テストで信頼できると確認した回答だけです。答えられないときは、無理に訳さず、人へつなぎます」

結衣は、ホワイトボードの本棚を見つめた。問題は、AIが賢いかどうかだけではなかった。正しい情報を置き、探しやすく整え、困ったときに人へ戻れる道を作ることだった。

「まず、五つの質問で試しましょう。現場のオペレーターと一緒に本棚を整えます」

結衣がそう言うと、理央は小さくうなずいた。会議室の白い紙に、最初の作業が書かれた。古いFAQを分けること、管理担当を決めること、CRMで使う項目を絞ること。そして、結衣の胸には、ようやく「やってみよう」という明るい灯りがともった。

結衣たちは、製品設定と配送状況だけを対象に、生成AIの小さな試作品を始めた。朝の会議室には、FAQ、紙のマニュアル、CRMの画面、過去のメールを並べたノートパソコンが四台あった。

「最初から全部の問い合わせを入れません。件数が多くて、答えのルールが見えやすい二つからです」

理央はホワイトボードに「設定」「配送状況」と書いた。

「できることを狭くすると、間違いを見つけやすくなります。PoCは、小さな試作品を動かして確かめることです」

結衣はうなずいた。返金、強い苦情、事故の責任に関わる相談は、最初から人へ渡す欄に入れた。

まず二人は、共有フォルダからFAQとマニュアルを集めた。過去の問い合わせ履歴はCRMから、製品設定と配送状況に関係するものだけを抽出した。理央が似た記事を二つ並べると、同じ「初回設定」の説明なのに、一方は古いアプリ画面を使っていた。

「削除するのですか」

「すぐには消しません。元のファイルを保管し、現行版、旧版、確認中に分けます。答えに使うのは現行版だけにしましょう」

ファイル名の先頭に製品名と版を付け、更新日を記した。重複したFAQには管理番号を振り、古い案内には「参照禁止」と印を付けた。理央は、検索結果の上に現行版が来るよう、参照元の優先順位も設定した。

次に、結衣はGoogle スプレッドシートを開いた。左の列には「製品名」「機能名」「保証条件」、右の列には日本語、英語、スペイン語の表記を入れた。

「翻訳者が違っても、用語は同じにします。たとえば『交換保証』を、ただの『返品』に変えないことです」

「言葉をそろえると、検索の手がかりもそろうのですね」

「そうです。用語集は、三つの窓口に置く同じ名札です」

FAQの一行一行には、製品、問い合わせカテゴリ、対象地域、適用条件、更新日を付けた。理央はこれを共通スキーマと呼んだが、結衣が首をかしげると、「情報の置き場所をそろえる型です」と言い直した。こうしてRAGが探す文書は、本文だけでなく、条件と日付を手がかりに選べるようになった。

CRMの顧客情報は、そのまま渡さなかった。購入番号、地域、製品名、質問に必要な保証状態だけを取り出し、氏名、電話番号、住所は検証画面に表示しない。電話で受けた相談はWhisperで文字にし、理央が要約を確認してから、同じ形式の問い合わせ欄へ入れた。

「入力の形がばらばらだと、AIは同じ質問でも別のものに見てしまいます」

「だから、音声もメールも、最後は同じ箱に入れるのですね」

結衣は、空の入力欄に「言語」「製品」「地域」「質問」を順番に並べた。

午後、理央は開発用のAPIキーを安全な設定に置き、OpenAI APIを呼び出す検証画面を開いた。テスト用の質問を一件ずつ送り、返ってきた答えを、そのまま画面に出さない仕組みにした。回答本文、参照元、確信度、エスカレーション要否という四つの項目に分けて受け取る設計である。

「JSON Schemaで、形を確認します。回答本文が空ではないか、参照元があるかを機械に見せます」

「それだけで、正しい答えになりますか」

「いいえ。これは箱の形の検査です。交換期限や地域制限に合うかは、業務ルールで別に確かめます」

JSON Schemaの検査を通ったあと、別の検証が走るようにした。参照元が現行版でない、確信度が低い、返金や責任判断を含む場合は、回答を完成させず、「担当者へ引き継ぐ」と返す。条件に合わない答えは、ルールを添えて一度だけ再生成し、それでも合わなければ人の画面へ送った。

最初のテストは、配送状況の質問だった。スペイン語の顧客が「荷物はいつ届く」と尋ねると、AIは自然なスペイン語で答えた。けれど、参照元を見ると、更新前のマニュアルにある古い配送日数を拾っていた。

「文章はきれいなのに、日付が違います」

結衣の声が小さくなった。理央は検索ログを開き、古い文書のほうが本文に同じ言葉を多く含んでいたことを見つけた。

二人は、現行版だけを検索対象にする設定を確認し、更新日を必須項目にした。さらに、同じ製品なら新しい版を優先し、配送地域が一致しない記事を落とす順番に変えた。もう一度テストすると、AIは「最新の配送情報を確認するため、注文番号を教えてください」と返し、担当者が追える参照元も示した。

その直後、別のつまずきが起きた。日本語の苦情を英語にした回答が、丁寧ではあっても、返金を約束する表現になっていた。結衣はその回答を送信せず、エスカレーション要否を「要」に変えた。

「感情の強い苦情や例外返金は、AIに最後まで走らせません」

理央は画面に赤い線を引いた。

「AIは、要約と下書きまで。判断と約束は担当者です」

翌日から、オペレーターがテストを始めた。AIの回答案の下にある参照元を開き、製品名、地域、保証条件、更新日を順に確認する。足りない説明や誤った用語があれば、「参照元は正しいが、地域条件が抜けた」とフィードバック欄に残した。

結衣はその記録を毎夕まとめた。誤りが文書の古さならFAQを直し、検索の迷いなら項目や優先順位を直した。スペイン語だけで起きた用語の揺れは用語集へ戻し、次のテストでは三言語を同じ質問の意味で比べた。

夕方、最初の窓口に届いた問い合わせの一つが、担当者の確認を経て静かに閉じた。画面には、回答本文と参照元が並び、引き継ぎが必要な理由も残っていた。結衣は三つの画面を見回し、前より少ない移動で、同じ会社の答えを確かめられることに気づいた。

運用に入ってしばらくした朝、青空機器のサポートセンターには、前とは違う静けさがあった。日本語、英語、スペイン語の問い合わせは届いていたが、画面をまたいで答えを探す人の姿は少なくなっていた。オペレーターの画面には、AIが作った回答案と、その根拠がひとつに並んでいた。

結衣は、以前の朝を思い出した。翻訳ツール、古いFAQ、製品マニュアル、CRMの購入履歴が、別々の画面に開いていた。同じ製品の質問でも、案内の順番や交換条件の言い方が少しずつ違っていた。

「今は、答えだけでなく、どこから出した答えかも見えるんですね」

隣の席で、スペイン語を担当する美咲が画面を指した。そこには、製品設定のFAQ、最新版のマニュアル、顧客の過去の対応履歴、そしてAIが回答案を作った理由が表示されていた。

結衣はうなずいた。

「RAGは、AIが覚えていることだけで答える仕組みではないの。質問に合う社内資料を先に探して、その資料をもとに文章を作るのよ」

スペイン語の顧客は、初期設定の途中で画面が進まないと尋ねていた。AIは対象製品の設定手順を検索し、顧客の言語に合わせて回答案を作った。美咲は文章を読み、顧客がすでに試した手順をCRMの履歴で確かめてから、やわらかな一文を加えて送信した。

「手順は同じ。でも、ここまで進んでいるお客さまには、最初から説明しなくていいんですね」

「そう。AIが探す時間を受け持ってくれるから、人は相手の状況を見る時間を持てるの」

少し離れた席では、英語の問い合わせを担当するアレックスが、配送状況の回答を確認していた。日本語担当のオペレーターも、同じFAQと同じ社内ルールを開いている。言葉は違っても、参照する情報源は同じだった。

画面には、配送状況を知らせる英語の回答案と、日本語の元情報が並んでいた。配送会社から届いた最新の記録もCRMから取り込まれ、古い案内をもとに返事を作る必要はなくなっていた。結衣は、以前なら担当者ごとに揺れていた説明が、静かに同じ形へそろっていくのを見た。

そのとき、赤い印のついた問い合わせが届いた。製品の故障に加え、強い苦情と返金の要求が書かれていた。AIは回答を完成させず、「故障の切り分けと返金判断が必要」と引き継ぎ理由を示していた。

「ここは、人に渡すんですね」

「うん。責任の判断や、強い気持ちが込もった相談は、人が受け止める。AIに無理をさせないことも、標準化の一部だから」

担当の里奈は、AIの要約で経緯を読み、顧客が困っている時間を確かめた。前なら履歴を探すだけで何分もかかっていたが、その時間を謝意と確認の言葉に使えた。里奈の声には、急いで文章を組み立てる硬さがなかった。

月末、結衣は運用レポートを開いた。青空機器の成果を大きく見せる数字は載せず、検索精度、正答率、有人対応への引き継ぎ率、顧客満足度を、問い合わせの種類と言語ごとに追う表が並んでいた。回答が間違ったときは、参照されたFAQとログをたどり、情報源を直してから再び確認する流れも記録されていた。

評価設計の参考欄には、HelpfeelのAI搭載FAQで検索ヒット率98%と紹介された公開情報が記されていた。これは青空機器の実績ではなく、検索の良し悪しを測る視点として置かれた数字だった。また、スタンフォード大学とMITの研究で、生成AIの活用により1人当たりの生産性が平均15%向上したとされる外部知見も、同じく参考情報として整理されていた。いずれも、AIが情報検索や要約を担った時間を、人がどのように使い直せるかを考える材料だった。

結衣はレポートを閉じ、フロアを見渡した。誰かが三つの画面を行き来する代わりに、ひとつの画面で根拠と履歴を確かめている。英語の担当者と日本語の担当者は、違う言葉で話しながら、同じルールを手元に置いていた。

「やっと、会社の答えが、言葉を変えても同じになってきました」

美咲の声に、結衣は小さく笑った。AIがすべてを決めたわけではない。情報源をそろえ、CRMとつなぎ、必要なときは人へ渡し、ログをもとに直す。その輪が回ることで、朝の空気は少しずつ軽くなっていた。

閉店前のサポートセンターで、結衣はその日の問い合わせログを一件ずつ開いていた。ログは、届いた質問と送った返事の記録だ。窓の外は薄紫色になり、画面には日本語、英語、スペイン語のやり取りが静かに並んでいた。

「今日は、AIが答えられなかった理由を見ていこう」

隣の席で、オペレーターの美咲がメモを差し出した。ひとつは、参照できる製品情報が見つからなかった質問だった。ひとつは、FAQに説明はあったものの、交換できる条件が足りなかった質問だった。もうひとつは、安全に関わるため、専門担当者の判断が必要な相談だった。

結衣はログの横に三つの印をつけた。情報がなければ、確認した内容を新しいFAQにする。説明が足りなければ、手順と例をマニュアルに加える。専門家へ渡すべきものには、引き継ぐ条件と、顧客に伝える途中の言葉を整える。

「同じ“答えられない”でも、直す場所は違うんですね」

「そう。入口を分けると、次の人が迷わなくなるの」

英語の問い合わせには、製品名の略し方がばらばらになっていた。スペイン語の回答では、社内だけで使う言葉がそのまま訳されていた。結衣は用語集を開き、正式な呼び方と、顧客に伝えるやさしい表現を並べて登録した。

そのころ、情報管理担当の直人が席に来た。直人は更新されたFAQとマニュアルを、公開前の画面で確認した。いつの文書かを追えるように版管理を付け、古い文書を検索対象から外し、担当者の役割に合わせて見られる範囲も整えた。

「古い交換条件が残っていたら、AIはそれも拾ってしまいます。新しい版だけを参照するようにしておきます」

顧客の名前や注文番号を含むログは、権限を持つ担当者だけが扱った。改善に使う記録は、名前や番号を見えなくした匿名化データに変える。結衣は、便利さの前に、守る順番があることを改めて感じた。

翌朝、オペレーターの画面には、顧客の言語が違っても同じ参照元と対応基準が表示されていた。生成AI API、つまり社内の画面とAIをつなぐ仕組みが、共通FAQから回答案を作り、使った文書と該当する箇所も示している。

スペイン語で届いた交換の相談に、AIは新しいFAQをもとに返事を作った。条件に合わない可能性がある部分には、赤い印と「担当者へ引き継ぐ」という案内が出た。美咲はその相談を専門席へ送り、定型的な質問には自分で確認を添えて返した。

結衣は、以前のように翻訳文を急いで直さなかった。回答の根拠を開き、顧客の購入履歴と今の状況を確かめてから、送信ボタンを押した。

「言葉が違っても、頼れる場所は同じになったね」

夜になると、センターの灯りが一つずつ消えていった。誰もいない画面には、共有されたFAQと更新ログが残り、次の問い合わせを静かに待っていた。