Geminiが声で聞きながら話し、裏で作業もする段へ。今日書くのは受付台本の一枚

電話が鳴る。いちばん手が離せない時間に限って鳴る。誰かが作業を止めて受話器を取り、用件を聞き、メモを取り、折り返しの約束をする。その数分で、さっきまで集中していた仕事の糸は切れている。中小の職場でいちばん静かに削られているのは、この「声で聞いて声で返す」一次対応の時間かもしれません。

9月15日、GoogleがGeminiの音声モデルを二つ公開しました。Gemini 3.8 Live と Gemini 3.8 Live Extended Thinking です。どちらも声でのやりとりに振ったもので、ほぼリアルタイムで聞きながら考え、話しながら裏で作業も進められる、と説明されています(Gemini 3.8 Live と 3.8 Live Extended Thinking の発表)。前者は数をさばく安さ寄り、後者は込み入った作業を多段で考える方に寄せてあります。

で、あなたの会社はどうすればいいか

ここで効くのは、性能の数字より二つの手触りです。一つは、97の言語を会話の途中で自動で切り替える、という点。もう一つは、頼まれた仕事を裏で進めながら会話を続けられる、という点です。人でいえば「少々お待ちください」と言いつつ台帳を引く、あの動きを機械が真似し始めた、ということになります。

ただ、鵜呑みは禁物です。発表を読むと、企業向けの Gemini Enterprise はまだ限定プレビューで、一部は「近く提供」の予定として書かれています。今日から広く触れるのは、Geminiアプリの音声(Gemini Live)と、検索の Search Live のあたり。業務アプリに組み込む Docs Live や Gmail Live は、対象プランや対応言語を絞った並びで書かれています。だから今の距離感は「自社の電話AIをそのまま載せ替える」ではなく、「声で任せる仕事が来たとき、何を任せて何を人に残すかを、先に決めておく」です。

RASHINの見立てでは、声のAIが賢くなるほど、効いてくるのは中身の台本のほうだと考えられます。裏で作業を進められても、何を聞き、どこで人に回すかが決まっていなければ、速いだけの取りこぼしになります。道具が届く前に紙の側を整えておくと、いざ載せるときの迷いが減ります。

試してみるなら

使える環境なら、Geminiアプリを開いて音声モード(Gemini Live)を立ち上げ、こう話しかけてみてください。「これから言う問い合わせの一次対応の台本を作って。受付が最初の15秒で聞くこと、その場で答えていいこと、折り返しにする条件を、箇条書きで分けて」。声で返ってきた内容を紙に起こせば、人が受けるときの手順表にそのまま使えます。

もう一つ。検索の Search Live に、自社でよく聞かれる困りごとを一つ、声で相談してみてください。「電源が入らないときの確認手順を、順番に一つずつ教えて」のように、段取りを一段ずつ返してもらう頼み方だと、そのまま社内の手順書の下書きになります。まずは手元で開ける画面から始めるのが安全です。

つまずきの先回り

提供の段階に差があります。発表は英語圏の並びで書かれていて、Docs Live や Gmail Live のような業務アプリ側は対象プランや対応言語が絞られています。日本語や自社の契約で同じように動くとは限らないので、まずは自社で開ける画面で確認してください。

「裏で作業」は丸投げではありません。バックグラウンドでツールやAPIを呼べると書かれていますが、何を呼ぶかは繋ぎ込み次第です。今日の音声モードでできるのは会話までで、自社の電話システムへの組み込みは開発者向けAPIの領域になります。

音声には印が入ります。AIが作った音声には見えない透かし(SynthID)が織り込まれる、と明記されています。社外に配る音声を作るなら、AI生成である前提で扱うのが無難です。

明日できる小ささは、受付台本を一枚書くことです。誰が最初の15秒で何を聞き、その場で答えていいのはどこまでで、どこから人に回すか。声のAIが来ても来なくても、この一枚があるだけで、鳴った電話への向き合い方は落ち着きます。