【ITニュース解説】From ‘What Did We Decide?’ to ‘Got It, AI!’ 🤖

会議はビジネスやプロジェクトを進める上で非常に重要な機会だが、多くの人がその効率性について課題を感じている。会議中に素晴らしいアイデアが生まれたり、重要な決定が下されたりしても、数日後にはその内容が曖昧になったり、誰が何をすべきかというタスクが忘れ去られたりすることは珍しくない。議事録が作成されても、それが活用されずに放置されることも多く、結果として会議の時間が無駄になり、チーム全体の生産性が低下してしまうという問題が頻繁に起こっている。

このような問題を解決するために開発されたのが「AIミーティングエージェント」だ。これは単に会議の様子を録音するツールとは異なり、AI（人工知能）の力を活用して、会議の音声や動画を自動的に処理し、構造化された「実行可能な情報」へと変換するシステムである。このエージェントを導入することで、会議での決定事項やタスクが明確になり、責任の所在もはっきりするため、会議がより生産的なものへと変わることを目指している。

このAIミーティングエージェントは、大きく三つの段階を経て機能する。最初の段階は「適応的な選別（Adaptive Triage）」と呼ばれ、アップロードされた会議のメディアファイル、つまり音声ファイルや動画ファイルを受け取り、AIが処理しやすい状態に準備する役割を果たす。会議の録画は、MP4やMOV、AVIといった様々な形式の動画ファイルであることが多いが、AIが会議の内容を分析するために最も重要なのは、その「音声」部分だ。そのため、この段階では、もしアップロードされたファイルが動画であれば、システムが自動的にその動画から高品質な音声ストリームだけを抽出し、AIが利用しやすい形に変換する。これにより、入力されるファイル形式の違いに左右されず、AIは常に適切な音声データを受け取って処理を進めることができる。システムエンジニアの視点から見ると、これは異なる種類の入力データに対応し、システムを安定稼働させるための基盤となる重要な前処理である。例えば、実際のプログラミングでは、JavaScriptのコードを用いてファイルの拡張子を確認し、動画ファイルであれば音声変換が必要であるというフラグを立てることで、どのようなファイルが来ても適切に次の処理へと送れるようにしている。

次の段階は「高精度AI（Precision AI）」と呼ばれ、前段階で準備された音声データが、具体的な情報へと変換される。まず、Google Geminiのような先進的なAIサービスを使って、音声データがすべてテキストデータに文字起こしされる。つまり、会議での発言内容がすべて文字に起こされるのだ。その後、AIは「専門家のアシスタント」としてこのテキストデータに介入し、単なる要約以上の働きをする。ここでAIが行うのは、非常に厳格な「JSONスキーマ」というルールに基づいて情報を整理することである。JSONスキーマとは、データがどのような構造を持つべきかを定義する設計図のようなもので、このルールに従うことで、AIが生成する情報が常に一定の形式を持ち、正確で、かつすぐに実行に移せる形になることが保証される。具体的には、会議全体の短い要約（tldr）、誰が何をすべきかという「タスク（task）」「担当者（owner）」「確信度（confidence）」を含むアクションアイテム、そして各発言者の「発言時間の割合（talk_time_percentage）」や「主要な貢献内容（key_contributions）」といった情報が構造化される。例えば、示されているJavaScriptのコードの一部では、これらの情報がJSON形式でどのように整理されるかが定義されており、これにより「誰が何をやるか」というタスクが曖昧になることなく、責任の所在が明確に記録され、後から確認しやすくなっている。

そして最後の段階は「適応的な配信（Adaptive Delivery）」である。この段階では、前段階でAIによって構造化された情報が、最終的に人間が読みやすく、すぐに実行に移せるような形に整えられ、関係者に届けられる。具体的には、AIが生成した要約やアクションアイテム、発言者統計などの情報を基に、プロフェッショナルな見た目のメールが自動的に作成される。このメールには、会議の内容を簡潔に伝える適切なタイトルが自動的に付けられ、さらに、各発言者の発言時間や貢献内容を分かりやすく表示する動的な表も含まれる。この表はHTMLの形式で生成され、情報を視覚的に理解しやすくするための工夫が凝らされている。例えば、JavaScriptのコードでは、もし会議のタイトルが設定されていない場合に、要約の最初の部分から自動的にタイトルを生成したり、各発言者の統計情報を使ってHTML形式のテーブルを動的に作り出す処理が示されている。こうして作成されたメールは、Gmailなどのメールサービスを通じて関係者へ直接配信される。結果として、会議が終わると同時に、その場で決定された事項や実行すべきタスクが明確に整理された形で参加者の手元に届くため、会議が単なる時間の消費ではなく、具体的な行動を生み出す源となるのだ。

このAIミーティングエージェントの導入によって、会議中に失われがちだった貴重な情報が確実に捕捉され、それぞれのアクションには担当者が割り当てられ、すべてのアイデアが具体的な生産性へと転換される。AIが会議の混沌とした情報を整理し、構造化する作業を代行してくれることで、会議の参加者たちは、本質的な意思決定や新しいアイデアの創出、そしてチーム全体の推進といった、より創造的で重要な活動に集中できるようになる。これにより、会議はもはや面倒なものではなく、チームの生産性を高めるための強力なツールへと生まれ変わる。会議の未来は、このスマートで正確、そして止まることのないAIの「共同操縦者」によって大きく変革されることは間違いない。