【会議後の常識、再構築へ】第3章：生成AIで会議後が変わる：導入と効果
3-1. 議事録は“生成する”のではなく“抽出する”
従来の議事録作成とは、「誰かが会議の内容を要約し、文書としてまとめる」手作業の積み重ねでした。
そこには当然、個人の理解力・要約力・表現力が強く反映され、記録の質や粒度にも大きな差が生まれます。
しかし生成AI（特にLLM：大規模言語モデル）の登場により、このプロセスは根本から見直されつつあります。
それは──「議事録を“書く”のではなく、会話から“意味を抽出する”という発想」への転換です。
🔍 発言の中にある「意図」や「関係性」を引き出す
LLMを用いた議事録作成では、単に“発言の文字列”をなぞるのではありません。
その発言が、誰に向けられていたのか。
どういった背景・課題意識から発せられたのか。
他の発言とどう関係しているのか──。
こうした「文脈」や「意図」「因果関係」までも含めて、AIが多角的に分析しながら“意味を抽出する”プロセスこそが中心となります。
これは、従来の「誰が・何を言ったか」を記録する議事録では見えにくかった、
「なぜその発言が出たのか」「その発言から何が導けるのか」という洞察の層を言語化するアプローチでもあります。
🧠 情報の“並列保存”から“構造抽出”へ
人が書く議事録は、発言を時系列で記述することが多く、
読み返す際には「この会話、結局どうなったんだっけ？」という読み直しが必要でした。
一方、LLMを活用する議事録では、次のような変化が可能になります：
発言を意味単位で分類（例：「課題提起」「解決案」「懸念点」「確認事項」など）
会議のセクションごとに構造化（例：「冒頭の共有事項」「主議題のディスカッション」「アクションの確認」など）
複数の発言を統合して“論点”単位で再構成
これにより、「読んで理解する」から「見て把握する」へと情報の消化効率が飛躍的に向上します。
✍️ 記録とは、“意味を取り出す仕事”に進化する
重要なのは、**LLMによる議事録生成は「ゼロから何かを勝手に書かせるものではない」**という点です。
むしろ人間が「こういう切り口で情報を整理してほしい」「この論点の背景を深掘りしてほしい」といった意図をプロンプトで設計し、
LLMがそれに従って「会話の中にあった意味を引き出す」ことで初めて、精度と納得感の高い成果物が得られます。
つまり、これは自動生成ではなく「文脈に基づく意味の抽出」。
この思想の転換こそが、“議事録疲れ”から抜け出すための第一歩なのです。
3-2. LLMで実現する3つの変化（要約／行動抽出／構造化）
🧩 変化①：議論全体の要点を「圧縮」する──要約の高度化
会議の記録が膨大になればなるほど、読み返しにかかる時間は増えます。
しかし重要なことは、全ての発言を読むことではなく、判断に必要な要点をつかむことです。
LLMは単なる文字起こしの短縮ではなく、「誰が・何を・なぜ言ったのか」という三要素に基づいて発言の意味を把握し、目的別の要約を自動で生成できます。
📌 実際のプロンプト例
この会議ログから、経営層への報告用に「決定事項」「保留事項」「懸念点」に分けて要約してください。 各カテゴリは200文字以内でまとめてください。
✨ 想定される出力（例）
決定事項：4月以降のリード獲得施策はイベント出展に絞る。担当は営業部・マーケ連携チーム。初回イベントは4/18。
保留事項：イベント出展時の配布資料に関する制作費は未確定。予算超過の可能性あり。
懸念点：営業部側からは人員リソース不足の声あり。過去の出展でも同様の問題が発生していた。
このように、読み手の目的に合わせた要約構成がプロンプトで設計可能であり、従来「担当者の解釈」によってブレが出やすかった要点整理が、明確な分類軸に沿って安定的に再現されます。
🧩 変化②：「誰が・何を・いつまでに」を見える化──アクション抽出の標準化
多くの会議では「やるべきこと」が曖昧に語られます。
「じゃあ、そっちはよろしく」「この点は検討しておきます」──。
しかし、それが誰の責任で、どの期限で、どう完了と見なすのかまでは明示されません。
LLMはこの曖昧な言語を文脈ごと理解し、アクション単位に再構成することができます。
📌 実際のプロンプト例
📢以下の会議ログから、アクション項目を抽出してください。 形式は以下に従ってください：
担当者：
タスク内容：
期限：
補足（あれば）：
✨ 想定される出力（例）
担当者：佐藤（開発）
タスク内容：APIエラー時のログ出力の詳細化仕様を作成する
期限：3月15日
補足：前回リリース時に障害対応が遅れた件への再発防止策として
担当者：田中（営業）
タスク内容：次回提案書に競合製品比較表を追加
期限：3月10日
補足：クライアント側の意思決定者が価格より性能を重視しているため
このように、LLMは行動につながる情報だけを抽出してリスト化することが可能です。
重要なのは、単なるToDoリストではなく、発言の裏にある「目的」と「理由」も拾える点にあります。これにより、実行段階での理解齟齬や優先順位のズレを防げます。
🧩 変化③：「議論の構造」を可視化──要点別に整理された会議ログ
一般的な文字起こしは時系列順で、読んでも「今どこで何の話をしているのか」がわかりにくくなります。
たとえば、課題提起→選択肢の提示→決定事項→次の課題──という流れが、バラバラなまま記録されるためです。
これを解決するのが、**意味ごとに分類された「構造化議事録」**です。
🧠 プロンプト例：議事録の構造化分類
📢以下の会議ログを、以下のように分類して出力してください：
1.課題提起
2.現状の共有
3.検討中の選択肢
4.合意事項
5.未解決の課題
6.次のアクション
それぞれの項目に該当する発言を要約して分類してください。
このように分類することで、「何が決まって」「何がまだで」「誰が次に何をやるか」が一目瞭然になります。
しかもこの構造は、報告資料への転用や、ナレッジDBへの登録にも適しているため、他部署との連携にも強くなります。
3-3. 実際にどうやって使っているのか（流れ概要）
🧷 全体フロー：生成AIを活かした“会議後”プロセスの全体像
生成AIを活用した会議後の業務プロセスは、従来の「記録して終わり」の議事録から脱却し、以下のような情報処理の連鎖へと進化します。
🗺️ 全体プロセスの流れ
会議終了
↓
音声の文字起こし
↓
議事録の要約・構造化（要点・合意点・検討点）
↓
アクション項目の抽出と明文化
↓
未解決課題や潜在的ニーズの分析
↓
用途に応じた再構成（上司報告／現場共有／提案資料化）
👥 参加するプレイヤーの役割分担（例）
役割 対応するステップ 活用目的 会議参加者 会話内容の提供、補足 話しながらリアルタイムに知見を出す 議事録担当 Whisperなどで文字起こし＋初期チェック 認識ミスの修正・タイムスタンプ整備 PM／分析者 LLMで構造化・要約・課題分析 情報の再編集と判断補完 リーダー 報告資料作成・意思決定支援 上層部への判断材料整理 開発／営業 抽出されたアクションの実行 実務レベルでの行動実施
このように、音声→テキスト→構造→意味→行動という階層的な処理を行うことで、「会議後の動きが鈍い」「誰が何をするのか曖昧」「上司にうまく説明できない」といった課題を構造的に解消していきます。
🔧 各ステップの実践：Promptと出力例
① 音声文字起こし → 議事録要約（全体把握用）
🔹 目的：
長文の逐語録から、重要な議論の要点・合意点を抽出する
情報の粒度を揃え、関係者が一読で理解できる形に整える
使用プロンプト（例）：
📢以下は会議の文字起こしです。この会話の中から、主な「議題・結論・議論の流れ」を要点としてまとめてください。箇条書きで10行以内に収めてください。
🧾 出力イメージ：
新機能Xの仕様調整について議論
顧客A社からのフィードバックを元にUI変更を検討
現在の設計案では複数条件の入力が煩雑という課題あり
営業側は現場負担が大きい点を指摘
結論として、次回会議までにUX案を2パターン作成することに決定
🧱 ② 要約 → アクション項目の抽出
🔹 目的：
誰が・いつまでに・何をするか、を明文化し、タスク管理に転用可能な形で出力
🔸 使用プロンプト（例）：
📢上記の会議要約を元に、「アクション項目」として明文化してください。責任者（名前や職種）、期限、タスク内容を整理し、以下のフォーマットで出力してください。
【ToDoリスト形式】
担当：○○、期限：YYYY/MM/DD、内容：△△を実装案としてまとめる
🧾 出力イメージ：
担当：UXデザイナー田中、期限：2025/07/18、内容：新UI案を2パターン作成
担当：営業部佐藤、期限：2025/07/16、内容：A社に現行UIの課題点を再確認
🧠 ③ アクションから「背景課題」を深掘りする
🔹 目的：
表層的なToDoの背後にある「そもそも何が問題だったのか？」を抽出
根本課題の共有や再設計の判断材料に活用
🔸 使用プロンプト（例）：
📢以下のタスクは、どのような背景や問題意識から生まれたと思われますか？課題の構造を含めて分析してください。
🧾 出力イメージ：
UI案の再設計というタスクは、既存システムの入力フローが複雑であるという顧客からのフィードバックに起因。
表面的な要望（例：「もっとわかりやすく」）の背後には、現場での教育コストや運用エラーの多発という構造的な問題がある。
🧩 応用展開：
これらの出力はそのまま：
Notion / Jira / Trello にタスク転記
上司へのレポート資料に引用
インシデント／課題管理台帳に組み込み
といった “次のアクション”への橋渡し にも即応できます。
📈 実務フローにおける導入ポイントと役割分担
生成AIによる議事録支援は、「魔法のような自動化ツール」ではありません。
むしろ重要なのは、“どのタイミングで”どのように使うかという設計です。ここでは、ある IT サービス企業での導入例をもとに、典型的なワークフローを以下に整理します。
🕐 ① 会議中：録音＆メモ（人の役割）
会議中は 音声録音＋キーワードメモ を並行して実施（Zoom録音／Teams字幕など）
人間の役割は「温度感の記録」や「意図の補足」など、非言語的な情報のキャッチ
これらは後のプロンプト入力の背景情報として価値を持つ
🤖 ② 会議後すぐ：文字起こし → 要約生成（AIの第一段）
録音データを自動文字起こし（Whisper系モデル or Teams字幕のログ活用）
その内容をプロンプトに投げて、全体の要約を作成（→ Slack/メール共有）
この段階で初期の「空中戦」だった会話が、ようやく「整理された構造物」になる
🧩 ③ 翌日：アクション項目と背景整理（AI＋人間の協働）
要約をベースにプロンプトを使い、ToDoリストを生成
担当者・期限・目的などが明記された形で出力され、そのままプロジェクトツールに転記
同時に、背景課題や意図も掘り起こし、上司やチーム内への共有資料に反映
🧩 ④ 週次での振り返り・再構成（人間主導＋AI支援）
全体のアクション進捗を踏まえ、**「あの会議の論点は本当に解消したのか？」**を再評価
再度プロンプトを使い、「未解決問題」や「見落とされた課題」がなかったかを洗い出す
必要に応じて、次の会議でのフォローアップ項目として再提示
📌 実務導入のポイント
タイミング 主体 ツール例 成果物 会議中 人間 Teams録音＋手書きメモ 会話温度感・文脈補足 会議直後 AI主導 Whisper, GPT, NotionAI等 要約・要点 翌日 AI＋人間 GPT＋Google Sheets＋Jira ToDo抽出・課題構造化 翌週 人間＋AI補助 GPT＋議事録ログ 振り返り資料・再討議の起点
このように、生成AIは「議事録の代替」ではなく、会議の中身を“業務として再編成”するためのパートナーとして機能します。
🔗 シリーズの総合案内はこちら
生成AIで変わる「会議後」の常識──全章まとめと導入ガイドはこちらからご覧いただけます：
👉 シリーズ総合ページ
