飲食店で働く外国人アルバイトが、AIに客役をさせて日本語の接客を声で練習し、言い回しの直しを母語の説明付きで受ける

処理の起点を決める

アルバイトが練習用のページで場面を選び、「練習を始める」を押したときに始まります。 決まった時刻に動く処理ではありません。ただし、練習はシフトの中で行います。 押せるのは、シフト管理のシステムで「練習」の枠が入っている時間だけにします。

会話の途中は、アルバイトがボタンを押して話し、離したところで1発言とします。離すたびに文字起こし、客役の応答、読み上げを1回ずつ動かします。押して話す形にするのは、厨房の音や他のスタッフの声を拾わないためです。 開きっぱなしのマイクにすると、バックヤードの雑音がアルバイトの発言として文字になります。

添削は、「練習を終える」を押したときに1回だけ動かします。 10分たっても終わらない練習は自動で終えて添削します。画面を閉じただけの練習も記録表の「未添削」に残し、閉店後にまとめて添削します。

入力データを集める

質を決めるのは、2行目の「言ってはいけない言い方」です。 「〜のほうお持ちしました」「よろしかったでしょうか」「1万円からお預かりします」のように、店として使わないと決めている言い方を並べておきます。一覧が無いと、添削役は一般の日本語の感覚で直すかどうかを決め、店長の基準とずれます。

カードには「アレルギーを聞かれる」場面を必ず1枚入れます。 そこで練習するのは食材の答え方ではなく、「確認してまいりますので、少々お待ちください」と言って、社員に代わることです。 この場面の正しい言い回しは、用語の一覧に店の決まりとして書いておきます。

データの取得方法を決める

カード、用語、メニュー、スタッフの情報は、練習用のサーバがスプレッドシートを読むだけです。アルバイトの画面に出すのは、場面の名前と「お客様は2名です」程度の状況だけにし、客が何を頼むかは出しません。先に見えると、練習が台本の読み上げになります。

会話の状態は、OpenAI API の会話の仕組みで持たせます。 Responses API には、過去の発言を自分で並べて送る方法、直前の応答の previous_response_id を渡す方法、conversations.create() で会話のオブジェクトを作る方法があります。会話のオブジェクトは、セッションや端末、処理をまたいで使えるとされています。タブレットの電池が切れても、続きから戻れます。

会話の全文は、添削の前に番号を振った形に並べ直します。 アルバイトの発言に A1、A2、客役の発言に C1、C2 と付け、添削役には直す発言を番号で答えさせます。 店長が記録表で確かめるとき、その番号の行だけを読めば済みます。

AIへ渡す前に整形する

1. 用語の一覧の点検 … カードの場面に対応する用語が「用語」シートにあるかを確かめます。無い場面は選べない状態にします
2. 録音の長さの確認 … 1秒未満の録音は押し間違いとして捨て、30秒を超える録音は「短く区切って話してください」と表示します
3. 文字起こしの手がかり … メニューの名前を keywords に、languages を日本語に、店の業態を prompt に入れます
4. 文字起こしの確認表示 … 文字になった発言を画面に1行で見せ、本人が「違う」を押せるようにします
5. 会話の番号付け … 添削の前に、発言に A と C の番号を振ります
6. 短すぎる練習の除外 … アルバイトの発言が3つ未満で終わった練習は添削せず、「練習として短すぎる」と記録します

4番目を省かないでください。 添削が見るのは文字であって声ではありません。文字起こしが聞き取りを誤れば、本人が言っていない言い回しを直すことになります。 また、文字起こしが聞き取った音を自然な文に寄せて書く可能性もあり、そのときは本人の言い間違いが文字に残りません。「違う」が押された発言は、添削の対象から外します。

同じ理由で、この構成は発音を評価しません。 文字起こしの結果から分かるのは、言い回しの選び方までです。発音の練習が必要な人には、店長か日本語学校の先生が別に付きます。

AIに処理させる

客役にさせるのは、カードの台本の範囲で客を演じ、アルバイトの言ったことに自然に反応することです。 添削役にさせるのは、会話の全文を読み、店の接客用語と合わない言い回しを拾い、用語の一覧から直し案を選び、理由を書くことです。

右端の no_store_phrase が、この構成でいちばん大事な区別です。 店の一覧に無い言い方を添削役が作って直すと、その言い方が店長の確認を経ないまま、店の基準として覚えられます。 一覧に無いものは直さず、店長に「この場面の言い方が一覧に無い」と知らせます。一覧のほうを足すきっかけになります。

最後の行の「うまく言えた発言」も意図して入れています。 直しだけを返すと、本人には自分が何をできているのかが分かりません。次の練習で何を続ければよいかも、直しと同じくらい要ります。

指示内容を固定する

客役への指示です。

あなたは、和食の定食屋に来たお客様です。下のカードの人物として話してください。
相手は、日本語を勉強中のお店のスタッフです。これは接客の練習です。

【カード】{card_script}
【この場面の終わり方】{card_ending}

【守ること】
- カードに書かれた人数、様子、注文、質問の範囲で話してください。
- 1回の発言は短く、1文か2文にしてください。ふつうの速さの、ふつうの日本語で話してください。
- スタッフの言ったことが分からなかったときは、「えっと、もう一度いいですか」と聞き返してください。
  分かったふりをして先に進めないでください。
- スタッフの日本語を直したり、言い方を教えたりしないでください。
- カードに無い注文や質問を自分から増やさないでください。
- アレルギーについて聞く場面では、スタッフが「確認します」と言ったら、
  「お願いします」と答えて待ってください。食材についての答えを求めないでください。
- 場面の終わり方まで進んだら、最後に「ありがとう」と言って終えてください。

添削役への指示です。

あなたは飲食店の接客教育の担当です。下の会話は、日本語を勉強中のスタッフ（A）と、
練習のお客様役（C）の会話です。スタッフの言い回しを、店の接客用語に合わせて直してください。

【この場面の店の接客用語（使う言い方／使わない言い方）】{store_phrases}
【スタッフの母語】{native_language}
【会話（発言に番号付き）】{numbered_transcript}

【直す発言の選び方】
- 次の順で、多くて3つまで選んでください。
  1) not_understood …… お客様に通じなかった（お客様が聞き返した、話がかみ合わなかった）
  2) impolite ………… お客様に失礼に聞こえる、強く聞こえる
  3) not_store_style … 意味は通じるが、店の接客用語の言い方と違う
- 店の接客用語の「使わない言い方」に当たるものは、必ず候補に入れてください。

【厳守事項】
- 直し案は、上の店の接客用語の「使う言い方」から選んでください。
  一覧に合う言い方が無いときは、直し案を作らず、type を no_store_phrase にしてください。
- 一覧より丁寧な言い方や、一覧に無い敬語に直さないでください。
- 発音、声の大きさ、話す速さについては書かないでください。文字しか見ていません。
- 理由は、やさしい日本語で1文、スタッフの母語で1文にしてください。
  母語の文に自信がないときは、母語の欄を空にしてください。
- 直し案の日本語そのものは訳さないでください。
- うまく言えた発言を1つ選び、番号で返してください。
- 点数や合否は書かないでください。

「一覧より丁寧な言い方に直さない」を明記しないと、直しが止まりません。 添削役は、通じている発言にも「より丁寧な言い方があります」と付け足します。直しが多いほど親切だという思い込みを、指示で断ちます。

「母語の文に自信がないときは空にする」も効きます。 言語によっては、説明の訳がぎこちなくなることがあります。誤った訳で理由を伝えるより、やさしい日本語だけのほうが害が少なく、店長が確かめるときにも、空欄の行から読めば済みます。

出力形式を固定する

添削役からは、次の形のJSONで受け取ります。

{
  "session_id": "",
  "card_id": "",
  "staff_id": "",
  "corrections": [
    { "turn": "A3", "type": "not_understood | impolite | not_store_style | no_store_phrase",
      "said": "", "suggested": "", "reason_easy_ja": "", "reason_native": "" }
  ],
  "good_turn": "A5",
  "customer_asked_again": 0
}

corrections は最大3つです。said には文字起こしの文をそのまま、suggested には用語の一覧の言い方をそのまま入れます。

1つ目の理由は、形を固定できることです。 Responses API では text: { format: { type: "json_schema", strict: true, schema: ... } } でスキーマを渡し、required と additionalProperties: false で項目を固定します。type は enum で4つに絞り、corrections の要素数も上限を決めます。記録表の列に、そのまま書き出せます。

2つ目は、直し案が一覧の言い方かどうかを機械で確かめられることです。 サーバが次の規則で点検します。

3つ目は、customer_asked_again で「通じた度合い」を数えられることです。 客役が聞き返した回数で、同じ場面を繰り返したときに減っていくかを見ます。 点数ではなく、本人の進み具合を本人が確かめるための数です。

拒否で答えが返らなかったときは refusal が返り、出力の上限で切れたときは status が incomplete になるとされています。どちらも記録表の「未添削」に残し、閉店後にもう一度動かします。

システムへ連携する

API のキーはサーバの側だけに置き、タブレットには渡しません。 ページから直接 API を呼ぶ形にすると、キーがブラウザから見えます。

読み上げの返却の形式は、既定が mp3 です。 すぐ再生したいときは wav や pcm が速いとされています。ピークの合間の短い練習なので、客役の声が返ってくるまでの間が長いと練習が途切れます。 形式を変えて待ち時間を見ます。

人が確認する

店長は、記録表で自分の店のスタッフの行だけを見ます。 見る順番を決めておきます。

1. no_store_phrase を先に見る … 一覧に言い方が無かった場面です。店長が言い方を決めて一言の欄に書き、本部の教育の担当に一覧への追加を頼みます
2. impolite を見る … 失礼に聞こえると判定された発言です。その番号の行だけを読み、本当に直すべきかを決めます
3. 母語の説明の欄が空の行を見る … やさしい日本語の説明だけで伝わりそうかを確かめます
4. 一言を足す … 「注文の繰り返しが上手になった」など、good_turn を見て、できたことを1つ書きます

3番目は、店長が母語を読めなくても構いません。 母語の説明の正しさまでは確かめられないので、直しの中身はやさしい日本語の欄で確かめます。 母語の説明で混乱した様子があれば、次の練習のときに直接聞きます。

目標は、1回の練習を5分で見ることです。 直しは3つまで、確かめるのは番号の行だけ、という形にしてあるのは、この5分に収めるためです。会話の全文を頭から読むと、10分を超えます。

例外に対処する

上から2行目までが大半を占めます。 どちらもAIの判断ではなく、バックヤードの雑音と、タブレットのマイクの位置の問題です。 練習する場所を決めるほうが、指示を書き直すより効きます。

記録を残す

• 練習ごとの、カードの番号・開始と終了の時刻・会話の全文（番号付き）
• 1発言ごとの文字起こしの結果と、本人が「違う」を押したかどうか
• 添削役が返したJSONの全文と、規則で no_store_phrase に変えた記録
• 店長が消した直し案と、足した一言
• no_store_phrase から用語の一覧に追加した言い方と、その日付
• 音声ファイルそのものは残さない（文字起こしが済んだら消す）

最後の行は、意図して決めています。 声は、文字よりも本人と結びつきやすい情報です。添削に使うのは文字だけなので、音声を持ち続ける理由がありません。 練習用のサーバの一時ファイルも、添削が済んだら消します。