Gemini 3.8 Liveの日本語と料金を実測｜無人店舗で声のAIを使う場面、使わない場面

Google が9月15日に出した、声で会話するAI「Gemini 3.8 Live」を、私の無人店の音声案内として試しました。 店の案内を日本語で渡し、日本語・繁体字中国語・英語で16問ずつ、計48問を声で聞いています。

先に結論を書きます。出来はよかった。それでも、無人店の店内で会話させるものではない、というのが私の見立てです。今回は試しただけで、店に入れる予定はありません。

返事は1.6秒で返り、1回0.7円。案内に無いことを作り話した答えはゼロで、「ドアが開かない」「スタッフを呼んで」には、 9問すべてで私の店の決めごとどおりに答えました。数字だけ見れば、置かない理由はありません。

それでも置かないのは、声のAIが店内にいること自体が、私の店が売っている「誰もいない」という価値を削るからです。 この記事は、その判断に至るまでの実測と、声のAIを無人店のどこで使い、どこで使わないかの整理です。

理由は二つあります。一つは、無人店では案内が読まれないことです。 当店に来る人の多くは無人店舗が初めてで、入口にも店内にも案内はあるのに、それでも読まれない場面が残ります（無人店舗の課題は機械より人）。開店から1年半で一番効いた改善は、文字以外の手段で伝えることでした。声で答える相手がいたら、その先に行けるのか。

もう一つは、この先のインバウンドです。当店は台湾からのお客様を見据えて、繁體字と英語に対応していく方針です。 今はまだ海外からの予約はほとんどありません。ただ、将来インバウンドの需要はありそうなので、先に実験的に試しておくことにしました。

無人店で多言語の案内をするとき、重いのは翻訳そのものより、言語ごとに案内を作り分けて、直すたびに全部を直す手間です。 日本語の案内を一つ渡すだけで、話しかけられた言語で答えてくれるなら、その手間が消えます。まずそこを確かめたかった。

AIに渡したのは、当店のホームページで公開している料金・使い方・アクセスの内容だけです。お客様の情報は一切使っていません。 あわせて、私の店の決めごとを四つ書きました。

• —案内に無いことは、推測で答えない
• —スタッフが来る・すぐ対応する、とは言わない
• —割引や例外を約束しない
• —話しかけられた言語で、3文以内で答える

質問の声は Mac の読み上げで作り、人が話すのと同じ速さでAIに流し込みました。1問ごとに新しい会話を開いて、前の答えを引きずらないようにしています。

読み上げの声は、実際のお客様の声より聞き取りやすい可能性があります。なまり・雑音・子どもの声では、結果が変わるかもしれません

1.6秒は、店頭で人に話しかけて、少し考えてから返事が来るくらいの間です。言語で差が出なかったのは意外でした。 費用は48問で0.23ドル。1日に何十回使われても、月に数百円です。

料金は Gemini API の公式料金表（2026年9月22日閲覧）：音声入力 100万トークンあたり3ドル、音声出力 12ドル、文字入力 0.75ドル。1ドル150円で換算

一番心配していたのは、AIが「すぐスタッフが参ります」と言ってしまうことでした。無人店でそれを言われたお客様は、来ない人を待つことになります。 9問のうち、そう言った答えは一つもありませんでした。「今お店の前にいるが、暗証番号を入れてもドアが開かない」への答えは、こうです。

「暗証番号は2通目」は、案内にある事実を自分で結びつけて足した部分です。繁体字中国語でも同じ内容でした。 英語は「今すぐ対応できない、LINEへ」だけで、暗証番号の確認には触れませんでした。同じ案内から、言語によって親切さに差が出ます。

「三脚は持ち込めるか」「Wi-Fiはあるか」には、3言語とも「その情報はこの案内にはありません」と答えました。 もっともらしい答えを作ることは、48問を通して一度もありませんでした。

弱点も、はっきり出た

• —聞き違えると、別の質問に正しそうに答える。「着替える場所はありますか？」を「hikari no basho（光の場所）」と聞き取り、 店の住所を答えました。作り話ではないのに、お客様には噛み合わない答えです。案内に無いことには「無い」と言えるのに、聞き違えたことには気づけない
• —中国語の答えの2問が簡体字だった。当店は繁體字だけに対応する方針です。案内に「中国語は必ず繁體字で」と1行足して聞き直すと、16問すべて繁體字になりました
• —店の言葉の訳がぶれる。「モニター割」が、1回目は「螢幕優惠（画面の割引）」、2回目は「評論優惠（口コミの割引）」。どちらも本来の意味から外れています

ここまで読むと、置けばいいように見えると思います。私もそう思いかけました。 それでも店内に置くものではないと考えるのは、AIの出来の問題ではなく、私の店が何を売っているかの問題だからです。

1. 「誰もいない」が、この店の価値だから

お客様の声で一番印象に残っているのは、「最初は写真館なので緊張していたが、自分たちしかいないので緊張が解けて、自然な笑顔で撮れた」でした。 撮影中の部屋にマイクを置いて、話しかければ答える相手がいる。それは、人の目の代わりに人の耳を置くことです。 無人にした意味が、そこで薄くなります。

2. 返事が来ること自体が、期待を生むから

当店は「今すぐ対応が必要な問い合わせは受け付けない」設計にしています（無人店舗が止まったらどうするか）。AIは全問でその決めごとを守りました。 けれど、困った瞬間に話しかけて声が返ってくれば、お客様は「対応してもらえる」と感じます。 答えの中身が「できません」でも、声がある、ということが先に期待を作ってしまう。無人店では、できないことは最初から無いほうがいい。

3. 案内の品質を、揃えたいから

生成AIは、同じ質問に毎回ちがう言い方で答えます。今回も「モニター割」の訳が毎回変わりました。私は、品質のばらつきは人の関与から生まれると考えていて、無人店はそのばらつきを仕組みで消すために作っています。

案内は、毎回同じ言葉で、同じ順番で流れるのが一番いい。揺らぐものを、揃えたい場所に入れることになります。

無人店の一日の流れに沿って、声のAIが合う場面と合わない場面を整理しました。私の店の結論で、業態が変われば線は動きます。

一番筋がいいのは、生成AIは案内を「作る」段階で使い、店の中では毎回同じ音を流す形です。 多言語化の手間は減らせて、店内には揺らぎも、聞いている耳も持ち込みません。

会話がどうしても要るなら、お客様がボタンを押したときだけ、撮影時間の外で、聞き取った質問を画面に出して確かめてから答える。 そこまで絞れば、聞き違いの弱点も、期待を生む問題も、小さくできます。

今回は試してみただけで、私の店に入れる予定はありません。 分かったのは、声のAIの出来そのものより、無人店のどこに置くかのほうが大事だ、ということでした。 置くとしても店内で会話はさせない。多言語の案内に使うなら、生成AIで作って、人が確かめて、決まった音として流す。そこまでが、今回の実験から言えることです。

答えが出なかったことも一つあります。入口で本当に困っている人を、声を使わずにどう助けるか。 その先の答えは、まだ持っていません。無人店を回している方なら、それぞれの答えをお持ちだと思います。

この記事の調べ方

2026年9月22日の夜に、福島の自宅から gemini-3.8-live を使って測りました。質問は私が作った16問を3言語にしたもので、声は Mac の読み上げです。 答えの判定は、私が1問ずつ書き起こしを読んで行いました。Google 社とは関係がなく、紹介料も受け取っていません。

声のAIを店のどこに置くか、海外のお客様への案内をどう作るか。同じことを考えている方は、LINEでご相談ください。私の店で試した分は、隠さずお話しします。