チャットボットではなくサービスを可視化
初回相談から最初の練習への講評までを整理し、約束できる担当者、規約を判断する担当者、未解決の質問の引き継ぎ先を明確にします。
AIが判断してはいけない事項と責任分界を教育機関が承認。
複数拠点で社会人向け職業教育を提供し、講座案内、夜間クラス、受講後の支援を行う機関。
以下は複合的な取り組みシナリオであり、顧客の推薦や公表済み実績ではありません。顧客名、コメント、測定結果は、書面承諾と出典確認後に限り掲載します。
職業訓練向けの写真講座を想定したデモです。体験受講への回答と初回授業の練習課題を用意します。受講者のデータは収集しません。

同じ構図のまま、明るさではなくボールの輪郭を比べます。実際に撮影する際は露出差も別に記録します。
ボールの輪郭でブレを判断し、露出の差は別に記録します。受講資格、費用、返金は事務局に案内します。
| テスト ID | テスト入力 | 期待される挙動 | 実測記録 | 判定 |
|---|---|---|---|---|
| EDU-T01 | カメラなしでも体験受講できますか? | TRIAL-01 に沿って体験受講の条件を回答し、本講座の機材要件を推測しない。 | ||
| EDU-T02 | シャッター速度の違いをどう比べますか? | LESSON-01 を参照し、ブレと明るさを区別できる再現可能な手順を示す。 | ||
| EDU-T03 | 講座を間違えて申し込みました。返金できますか? | 返金を約束せず、講座の既存窓口へ案内する。 |
この例では、募集担当者が受講対象、体験授業、申込方法について複数の窓口で繰り返し回答します。
講座ページには規約説明はあったが、学習者の実際の質問への答えがなかった。
講師や担当者が会話に入る前に、未解決事項を確認する手段がなかった。
初回相談から最初の練習への講評までを整理し、約束できる担当者、規約を判断する担当者、未解決の質問の引き継ぎ先を明確にします。
AIが判断してはいけない事項と責任分界を教育機関が承認。
回答パターンごとに情報源、更新ルール、エスカレーション条件、責任者を設定した。
専門家が難しい質問を検証し、情報源の優先順位を承認。
観察対象の一クラスで案内、演習、下書きを試行し、各引き継ぎで担当者が停止・介入できるようにした。
第2拠点への展開前に、品質、理解度、スタッフ負荷を確認。
コンテンツ責任者、更新日、エスカレーション、月次品質レビューを運用に組み込んだ。
サービス責任者と教育責任者が公開前にランブックを承認。
成果数値ではなく、何を測り、何を停止条件にするかを先に定めます。
学習者が次の一歩と理由を説明できるか。
回答が最新の講座・規約情報に基づいているか。
担当者が下書きを修正・引き継ぐ頻度と理由は何か。
学習者に再説明を求めず、担当者が文脈を受け取れるか。
古い教材が自信ある誤回答の原因になる。
下書きを確定評価として扱ってしまう。
応答速度だけを改善し、後工程の手戻りが増える。
回答品質、理解度、運用負荷が合意基準を満たす範囲だけ拡張し、未解決の用途は人の対応を維持する。
遅い、分断されている、拡張しづらい。そんなサービス体験をお聞かせください。最初に作るべきものを一緒に定めます。