介護施設が毎日の申し送りの記録を Azure OpenAI でやさしい日本語と外国人の介護職員の母語に訳し、数字と時刻の食い違いを確かめて配る

処理の起点を決める

申し送りの締めの時刻に、1日3回動かします。 日勤の始まりの30分前、夕方の申し送りの30分前、夜勤の始まりの30分前です。Power Automate の定時の起動で、その時刻までに書き出された申し送りを取り出します。

締めの後に申し送りが書き足されたときは、もう一度動かします。 書き出しのフォルダにファイルが足されたことでも起動し、前の訳から増えた行だけを訳して、追加の印を付けて出します。 夜間の急な変化（発熱、転倒、受診）は締めの後に書かれることが多いからです。

次の勤務に外国人の職員がいないときも、やさしい日本語の訳は作ります。 日本語の記録に慣れていない新人の日本人の職員や、派遣の職員にも読みやすいからです。母語の訳だけは、勤務表に外国人の職員がいる勤務のときに作ります。

勤務表は、急な交代で当日に変わります。 起動のたびに勤務表を読み直し、前の回から次の勤務の職員が変わっていれば、足りない言語の訳を追加で作ります。 勤務表の更新が遅れたときのために、リーダーが画面から言語を足して作り直せるようにもしておきます。

入力データを集める

質を決めるのは、施設の用語集です。 「とろみ 1 本」の「本」は、とろみ剤の小袋の数のことです。施設の中だけで通じる言い方は、用語集に意味を書いておかないと、生成AIは「1本の瓶」と訳します。

確かさの言葉の一覧は、この構成で特に大事です。 申し送りの「熱っぽいとのこと」は、看護職員が測った値ではなく、家族や他の職員から聞いた話です。この「とのこと」を訳で落とすと、伝聞が事実に変わります。

データの取得方法を決める

申し送りの書き出しは、利用者ごとの行に分けて読みます。 1行に部屋の番号、時刻、申し送りの文が入る形を想定し、行ごとに H-0612-N-07（6月12日の夜勤の始まりの7行目）のような番号を付けます。

書き出しの CSV は、文字コードと改行を先に確かめます。 記録のソフトによっては Shift_JIS で書き出され、申し送りの文の中の改行がセルの中に入ったままになります。読み込みの処理で文字コードを指定し、引用符で囲まれたセルの中の改行を1行の文として扱わないと、1件の申し送りが2行に割れて、部屋の番号の無い行ができます。

勤務表は、次の勤務の時間帯で引きます。 外国人の職員の母語は、勤務表とは別に人事が持つ一覧（職員の番号と母語）から引きます。

AIへ渡す前に整形する

1. 氏名を置き換える … 利用者の氏名を、部屋の番号と 利用者A のような記号に置き換えます。家族や医師の氏名も同じです
2. 用語集の言葉に印を付ける … 申し送りの中の用語集の言葉に [[誤嚥]] のような印を付け、生成AIに用語集の言い換えを使わせます
3. 数字・時刻・単位を取り出す … 「14時」「200 mL」「1 本」「302号室」を、値と単位の組にして一覧にします
4. 確かさの言葉を取り出す … 確かさの言葉の一覧に当たる語を、行ごとに記録します
5. 省略の言い方をそろえる … 「Dr.」「Ns.」「BP」のような略語を、用語集の言葉に直します
6. 記号を言葉に直す … 「済」「未」「○」「×」「↑」「→」のような記号を、施設の決まりで「終わりました」「まだです」「上がった」「次の勤務へ」などの言葉にします

6番目は、見落とされやすい前処理です。 申し送りの欄には、「眠剤 ×」「Ns. → 」のような記号の書き方が多く、日本人の職員には通じても、外国人の職員には意味が分かりません。 生成AIに任せると記号の意味を推測して訳すので、施設で意味を決めて、前処理で言葉にしてから渡します。

1番目は、訳の前に必ず行います。 申し送りには、病名、服薬、排せつの状態が書かれています。生成AIに渡す必要があるのは、何が起きたかと、どうするかで、誰のことかは部屋の番号で足ります。

3番目と4番目を前処理で取り出すのは、訳の後で照合するためです。 訳の後の文から数字を拾っても、原文の数字と組にできなければ比べられません。原文の側で先に組を作っておきます。

AIに処理させる

させることは3つです。 申し送りの1行ずつを、やさしい日本語に訳すこと、次の勤務の職員の母語に訳すこと、母語の訳を日本語に戻すことです。

1行目が、この構成でいちばん起きやすい失敗です。 ガイドラインは、推測の表現を避けて言い切りにすることを勧めつつ、言い切れないときは「〜かもしれません」「たぶん〜です」を使うとしています。生成AIは前半だけを守って短く言い切りがちなので、後半を指示に明記します。

母語の訳を原文から作るのは、誤りを重ねないためです。 やさしい日本語の訳から母語に訳すと、やさしい日本語で落ちた細かさが母語でも落ちます。

敬語は丁寧語だけにします。 申し送りの原文には「ご家族より連絡あり」「お休みになっている」のような尊敬語・謙譲語が混ざります。ガイドラインは、尊敬語と謙譲語を使わず、敬語は丁寧語だけにするとしています。誰がしたことかが分かりにくくなるからです。「ご家族から電話がありました」「寝ています」のように直させます。

指示内容を固定する

あなたは特別養護老人ホームで、介護の申し送りを外国人の介護職員が
読めるように訳す立場です。申し送りの1行ずつについて、
やさしい日本語の訳と、{language} の訳を作ってください。

【やさしい日本語の書き方】
- 1文に1つのことだけを書く。3つ以上のことは箇条書きにする
- 文末は「です」「ます」。指示は「〜してください」
- 時刻は「午後2時」のように午前・午後を書く。「〜」を使わず
  「から」「まで」と書く
- 【用語集】の言葉は、用語集の言い換えを使う。大事な言葉は
  そのまま残し、＜＝説明＞を付ける（例：誤嚥＜＝食べ物が気管に入ること＞）
- 漢字には（ ）でふりがなを付ける

【厳守事項】
- 確かさを変えないでください。原文が「かもしれない」「様子を見る」
  「〜とのこと」なら、訳も「かもしれません」「様子を見ます」
  「〜と聞きました」にしてください。言い切りにしないでください。
- 原文に無い指示や注意を足さないでください。
- 数字・時刻・単位・部屋の番号は、原文のとおりに書いてください。
  丸めたり、別の単位に直したりしないでください。
- {language} の訳は、やさしい日本語の訳からではなく、原文から
  作ってください。用語集に {language} の訳がある言葉はそれを使い、
  無い言葉は no_glossary に書いてください。
- 症状の意味や、どうすべきかの判断を書かないでください。
- 利用者A などの記号を、元の氏名に戻そうとしないでください。
- 意味が取れない行は、推測で訳さず status を unclear にしてください。

【用語集】{glossary}
【確かさの言葉の一覧】{certainty_terms}
【単位の一覧】{units}
【申し送り（行の番号付き）】{handover_lines}

「言い切りにしない」を例を付けて書かないと、確かさが消えます。 生成AIは、やさしい日本語の決まりを「短く言い切る」と受け取ります。どの言葉をどの言葉にするかまで書いて、初めて残ります。

「原文に無い指示を足さない」も同じくらい大事です。 「発熱あり」の行に、生成AIは「水分をとってもらってください」と親切に足すことがあります。足された指示は、看護職員の指示ではありません。

出力形式を固定する

{
  "handover_id": "H-0612-N",
  "language": "vi",
  "lines": [
    {
      "line_id": "H-0612-N-07",
      "room": "302",
      "easy_ja": "利用者A は、午後2時までに 水分(すいぶん)を 200 mL 飲(の)んでください。",
      "native": "",
      "back_translation": "",
      "certainty": "confirmed",
      "numbers": ["午後2時まで", "200 mL"],
      "no_glossary": [],
      "status": "ok"
    }
  ]
}

JSON にする1つ目の理由は、照合を機械にできることです。 前処理で取り出した原文の数字・時刻・単位の組と、numbers と訳の文の中の数字を比べます。原文が「14時までに」で、訳が「午後2時に」なら、「まで」が落ちた食い違いとして印を付けます。

2つ目は、確かさを比べられることです。 前処理で原文の行に確かさの言葉があったのに、certainty が confirmed なら、確かさが変わった疑いとして印を付けます。 back_translation の中に確かさの言葉が残っているかも見ます。

スキーマは、Azure OpenAI の決まりに合わせます。 すべての項目を必須にし、すべてのオブジェクトに additionalProperties: false を付けます。minItems や pattern は使えないので、行の数と番号の形はプログラムで確かめます。

システムへ連携する

介護記録のソフトには書き込みません。 訳は記録ではなく、記録は原文だけです。 訳を記録に書き戻すと、どれが正の記録かが分からなくなります。

共有の端末に出す訳は、次の申し送りが出たら外します。 古い訳が残っていると、前の勤務の申し送りを今の申し送りと読み違えます。

人が確認する

1. 食い違いの印を先に見る … 数字・時刻の食い違い、確かさが変わった疑いの行を見ます
2. やさしい日本語の訳を原文と並べて読む … 意味が同じか、確かさが同じかを確かめます
3. 母語の訳は、逆向きの訳で見る … 日本語に戻した文が原文と同じ意味かを確かめます
4. 承認して配る … 直した行があれば、直してから承認します
5. 直した行を記録する … どの行をどう直したかを残し、用語集と指示の見直しに使います

1番目を省かないでください。 時刻と量の食い違いは、そのまま次の勤務の水分や食事の量に出ます。機械が印を付けた行は、必ず原文と並べて見ます。

3番目の逆向きの訳は、母語の訳の正しさを保証しません。 逆向きの訳が正しくても、母語の訳が不自然なことはあります。月に1回、母語を話す職員（介護福祉士の資格を持つ先輩など）に、訳を数件読んでもらう時間を取ります。

目標は、1回3分で承認することです。 印の付いた行が無ければ、やさしい日本語の訳を流し読みして承認します。

承認が勤務の始まりに間に合わないときは、訳を出しません。 承認前の訳を「仮」として出すと、仮のまま読まれて動かれます。間に合わなかった回は、これまでどおり口頭で補い、承認の遅れを記録します。 遅れが続く時間帯は、締めの時刻を早めるか、承認する人を変えます。

例外に対処する

3行目は、介護の記録では避けて通れません。 既定の安全方針は、暴力・自傷などの区分を重大度で判定し、「中」以上を入力でも出力でも止めます。 公式のページは、分類のモデルが学習・評価された言語を日本語・英語・中国語など8つの言語と書いており、ベトナム語やネパール語の出力の判定は精度が変わりうるとしています。止まった行は訳さずに原文へ戻す、を決まりにします。設定の変更には条件があるため、変えるかどうかは施設の責任者と決めます。

記録を残す

• 申し送りの書き出しのファイルと、置き換えの前後の対応（施設の中だけに置く）
• 用語集の版と、確かさの言葉・単位の一覧の版
• 生成AIの入力と出力の全文（置き換えた後のもの）
• 照合の結果（数字・時刻・確かさの食い違いの印）
• リーダーが直した行と、直した内容
• 安全方針で止まった行の数と、そのときの対応
• 承認が勤務の始まりに間に合わなかった回と、その理由

5つ目が、用語集と指示を育てる材料になります。 同じ言葉で直しが続くなら、用語集の言い換えがリーダーの言い方に合っていません。

生成AIの入出力は、施設の側にだけ残します。 Responses API は既定で応答のデータを30日保持するので、この構成では Chat Completions API を使い、記録は施設の SharePoint に置きます。