要点
音声メッセージは文字に変換して、そのテキストを記録として扱う。話し言葉による指示の問題は、聞くのに時間がかかることではない。三週間後にそれを検索したり、引用したり、作業する人に転送したりできないことだ。住所、数量、日付、名前の表記は聞き間違いが起きやすく、間違えたときの代償も大きい。クライアントが送ってきたものを変換することは自分でコントロールできる。だが、送り方を変えてもらうことは大抵できないので、その習慣と戦うのではなく、それを前提に対策を立てたほうがいい。
文字で送ってくるクライアントもいれば、話して送ってくるクライアントもいる。後者を相手にしているなら、もうその感じはわかっているはずだ。朝七時に届く四十秒のボイスメモに、仕事の内容と住所、それに先週の注文の変更点が一息に詰め込まれていて、そのどれについても文字による記録はどこにも残っていない。
聞くだけなら問題ない。問題は後になって起きる。誰かに「何号室と言われていたか」とか「クライアントは本当に二番目の案を承認したのか」と聞かれたとき、答えが二百回はスクロールしてきたチャットのどこかにある音声ファイルの中に埋もれていることだ。
聞くこと自体はコストではない
四十秒は四十秒だ。運転中なら少し煩わしいが、一週間で見れば大した話ではない。本当のコストはもっと後になって現れる。そして、それは「ないこと」として現れる。音声メッセージは検索できない。八ヶ月前に誰かが文字で打った「請求書」という言葉は、スマートフォンがすぐに見つけてくれる。だが、録音の中にある「請求書」という言葉は見つからない。検索の仕組みにとっては、そこには言葉など存在せず、ただ再生時間を持つファイルがあるだけだからだ。
これが一番響くのは、余計な手間をかけたくないまさにその瞬間だ。仕事が終わって三週間後に出てくる質問は、「だいたい何を話したか」ではない。もっと具体的だ。どの住所だったか。どの仕上げだったか。どの日付だったか。追加の一時間は合意されていたのか、それとも思い込みだったのか。何が合意されたかで意見が分かれたとき、指し示せる一行のテキストは、音声ファイルに常に勝る。それは音声ファイルに同じ情報が入っていても変わらない。音声ファイルでは、相手にそれを座って聞いてもらい、自分の解釈に同意してもらう必要があるからだ。
探す手間の問題もある。ボイスメモの中から一つの情報を見つけるには、再生して、だいたいどのあたりかを推測し、スライダーを戻し過ぎて、また再生する、という作業が必要になる。同じクライアントからの五件のメモでこれをやれば、その作業自体にかけた時間が、本来の作業にかける時間より長くなってしまう。文字の記録があれば、それは検索窓に入力する数秒の作業に変わる。
声はもっとも代償の大きい情報にもっとも弱い
実際に音声で届くものを見てみるといい。抽象的な内容はほとんどない。番地、郵便番号、数量、配達の時間帯、誰かの姓、箱に書かれた型番の読み上げ、といったものだ。これらは聞き間違いが起きやすい情報であり、間違えたときに恥ずかしいだけでなく実害が出る情報でもある。
話し言葉の数字はもろい。早口だと数字同士が混ざり、十五と五十は似た音に聞こえるし、うるさい車の中でスマートフォンのスピーカーから聞くのはさらに条件が悪い。町名や番地は、アクセントや思い込みによって聞き間違えられる。脳が期待している方の言葉で補ってしまうからだ。名前はさらに厄介だ。それらしく聞こえた音をそれらしい形で書き取ってしまうと、その時点から請求書に載る表記はずっと間違ったままになる。これはどれも不注意のせいではない。何かをしながら一度だけ、しかも早い速度で聞くという行為そのものの性質だ。
採用する価値のある原則はシンプルだ。ラベルや請求書、納品書、カレンダーの予定など、後で別の場所に書き写すことになる情報は、書き写す前に一度テキストにしておく。音声から確実に間違えるからというより、音声から間違えたときに、確認できる材料がその同じ録音以外に何もないからだ。しかも、その録音こそが最初に聞き間違えさせた元凶なのだ。
再生できないメッセージは、着手されない仕事になる
テキストは静かだ。会議中でも、電車の中でも、クライアントの家の台所で本人が横に立っていても、集塵機が動いている作業場でも読める。ボイスメモには静かな環境かヘッドホンが必要で、その両方がないことはよくある。
その結果起きることは予想がつくし、それは怠けているからではない。再生できない場所で届いた話し言葉の指示は、対応されるのではなく後回しにされる。車の中で聞こうと思っているうちに、実際に車に乗る時間になっても電話はポケットに入っていて、夕方には三件たまっていて、どれに緊急の内容が入っていたかもわからなくなっている。読むだけなら二十秒で済んだはずの指示が、こちらに届くまでに一日かかってしまう。それでもクライアントの認識では、朝八時に伝えたことになっている。
テキストならその差はなくなる。どこにいても目を通して、緊急かどうかを判断し、その場で対応するか、実際の内容つきでリストに入れておける。「〇〇さんのメモを聞く」という自分向けのメモだけが残る、という事態にはならない。
届いたものを、残せるものに変える
実際的なやり方は、まず変換してから内容に対応することだ。文字起こしをすれば、指示は検索でき、引用でき、転送できるようになる。これで足りなかった部分のほとんどが埋まる。
- 検索できる — 先月の住所は、だいたいどの週に届いたかを覚えていなくても、町名の一部を入力すれば見つかる。
- 引用できる — 何かで意見が分かれたとき、言い換えて相手に反論される代わりに、クライアント自身の文章をそのまま貼り付けられる。
- 転送できる — 実際に作業する人に届くのは言葉そのものであり、どこかプライベートな場所を探して再生しなければならないファイルではない。
WhatsAppでメッセージが届き、パソコンで作業しているなら、WhatsApp Web用のSozAI拡張機能を使えば、各ボイスメッセージの下に文字起こしボタンが表示され、一行の要約とその下に全文がすでにそのチャット内に表示される。処理は自分のブラウザのセッション内で行われ、内容がやり取りに送り返されることはないので、送信者に通知されることもチャットに何らかの印がつくこともない。この点は聞こえるより重要だ。クライアントのメッセージを処理していることを知られたくない、という人は少なくないからだ。
チャットのメッセージ以外、たとえば自分で録音したもの、メールで届いたファイル、話者ラベルが必要な長い音声や別の言語の音声については、iOS、Android、macOSに対応した文字起こしアプリが対応している。多数の言語の音声・動画ファイルを扱える。原則はどちらも同じで、まずテキストにしてから、そのテキストをもとに作業する。
言葉をテキストにしたら、あとは地味な作業をするだけだ。住所は作業指示書に貼り付ける。日付はクライアントの言い回しを添えてカレンダーに入れる。指示が以前に合意した内容を変更するものなら、今の理解している仕事内容を文章でまとめて返信する。文字起こしと文章での確認、この二つが揃えば確かな記録になる。文字起こしだけがチャットにぽつんと残っている状態は、その半分にしかならない。
クライアントに書いてもらうよう頼むべきか
頼んでみる価値はある。コストはかからないし、人によっては効果がある。「言葉で言うより、住所は文字で送ってもらえますか」というのはごく普通の頼み方であり、配達先を間違えないための頼みだと伝えれば、かなりの数のクライアントはそのまま応じてくれる。
それでも、かなりの割合の人はそうしないし、その理由は自分とは関係のないところにある。文字を打つのが本当に苦手な人もいる。いつも運転している人もいる。高齢だったり、読み書きに困難があったり、単に話すほうが速かったりする人にとっては、音声こそが朝七時に何かを送れる唯一の手段だ。無理に押せば、一週間だけ言うことを聞いてもらえて、その後は静かに音声メモに戻り、関係も少し悪くなる、という結果になりやすい。
線を引くべきなのは習慣ではなく内容だ。チャットはチャットのままでいい。間違えると痛い情報、住所、数字、表記、金銭に関わるものだけを具体的に頼む。段落を打つのは嫌でも、郵便番号なら打ってくれる人は多い。それ以外は自分の側で変換すべき問題として扱う。届いたものを変換することは自分でコントロールできるが、相手のコミュニケーションの仕方を変えることは、たいていコントロールできないからだ。
文字起こしにできないこと
文字起こしは、あいまいな指示を明確にはしてくれない。クライアントが「前回と同じでちょっと大きめに」と言ったなら、その文章を文字で持っていられるようになるだけで、それは何もないより良いが、仕様書にはならない。テキストは言われたことの記録であり、それを改善するものではない。読み返してみて、追加で確認すべきことに気づく、というのがよくある使い方だ。
精度にも限界があり、それは最初に文字起こしを欲しくなった原因と同じ情報のあたりに集中する。珍しい姓、町名、製品コード、早口の数字は、ノイズの多い電話音声を扱うどのシステムにとっても難しい。だから、それらは請求書や配送ラベルに反映する前に、元の音声と照らし合わせて確認するべきだ。文章としては合っていても番地が間違っている文字起こしは、二度確認しない限り、何もないより悪い結果を生む。
そして、文字の記録は合意そのものとは違う。クライアントの言葉をテキストで持っていることは、ファイルだけを持っているよりずっと強い立場をもたらすが、ほとんどの争いを終わらせるのは、こちらが理解している仕事内容をその場で同じスレッドに短く返信して確認することだ。文字起こしがあれば、その返信を書く作業は十分ではなく一分で済む。話し言葉の内容を使える形のテキストに変換する仕組みについてもっと知りたい場合は、ボイスメモをテキストに変換するページと音声ファイルをテキストに変換するページで、他のケースについても解説している。
