議事録の自動化は4段｜文字起こしから登録まで人が確かめる3点

会議が終わった直後、手元には録画データだけが残っています。あとで議事録にしようと思っているうちに、次の会議が始まります。

議事録は、書けないから溜まるのではありません。聞き直す時間が取れないから溜まります。だとすれば、機械に渡す価値があるのは「聞き直す作業」のほうです。

この記事は、録画から議事録とタスクまでをつなぐ4段のパイプラインを扱います。素材は運営元で実際に組んだ構成と、公式ドキュメントです。決定事項・数字・宿題の担当者だけは、最後まで人が確かめる設計にします。

検証環境：claude-opus-5 / Claude Code v2.1.x / whisper turbo / macOS 15 / 2026-08-02検証。

進行役は3人です。高梨課長が自分の手で組む側から聞き、大森部長が任せてよい範囲を判断する側から聞き、鈴木さん（本誌監修）が答えます。

01議事録の自動化と文字起こしは、AIエージェントにどこまで任せられるんですか？

高梨課長

高梨課長の発言

録画を渡せば議事録が出てくる、という理解でいいのでしょうか。

鈴木さん

鈴木さんの発言

下書きまでは出てきます。ただ、出てきたものが合っているかは別の話です。清書を頼んだ相手が、聞き取れなかった箇所を黙って埋めることがある、という前提で見ています。

議事録とタスクの自動生成パイプラインとは、会議の録画を入口にして、文字起こし・構造化・登録までを1本の処理でつなぐ仕組みです。

処理は4段に分かれます。段ごとに、入ってくるものと出ていくものが変わります。

この4段のうち、そのまま機械へ渡してよいのは③までです。④の書き込みは、人が承認するまで実行しません。決定事項・数字・宿題の担当者を、自動の判定だけで確定させる形にはしないということです。

hooksや定期実行との役割分担そのものは、AIエージェントの自動化は4層｜着手する順番と稼働の数え方で扱っています。本記事はそのうち、音声が入口になる業務を1本だけ掘り下げます。

02文字起こしを始める前に、AI導入で用意しておくものは何ですか？

①の録画取得はこの章で前提として扱い、②〜④を次の章から手順として説明します。まず、揃っていないと途中で止まるものを並べます。

• Python実行環境とffmpeg（文字起こし側）
• Whisperのモデルファイル（初回実行時にダウンロードし、以降はローカルで動く）
• 議事録の構造化に使う生成AIモデルのAPIキー
• タスク管理ツール・CRM側のAPIキー（書き込みは承認後のみ使用）
• 録画データの保存先（アクセス制限つきの領域）

文字起こしに使うWhisperは、OpenAIが公開しているオープンソースのモデルです。コードとモデルの重みはMITライセンスで公開されており、ローカル実行が前提になっています（出典: OpenAI Whisper公式リポジトリ）。

用意するものより気をつけたいのは、権限のほうです。権限は3種類に分かれます。録画データへの読み取り権限、議事録の書き込み先への権限、そしてタスク管理ツール・CRMへの書き込み権限です。

3つ目だけは扱いが違います。実行時にすぐ使わず、人が承認した後にだけ使う設計にします。

同じ「鍵を置く」でも、置いた瞬間から回してよいものと、条件が揃うまで回さないものがあります。後者を前者と同じ扱いにすると、承認の設計は形だけになります。

03録画の置き場所と参加者への告知は、議事録のAI活用より先に決めるんですか？

録画の集め方も前提の一部です。Web会議ツールの録画機能か、対面の録音アプリのいずれかで音声・映像データを確保します。

保存先はアクセス制限のある領域に限定します。会議の参加者には、録画とAIによる議事録化を事前に伝えておきます。

置き場は、中間ファイルと確定版を分けておくと迷いません。

meeting-pipeline/
├── recordings/              # 録画・録音の一次保存(アクセス制限つき)
│   └── 2026-08-02_A社商談.mp4
├── transcripts/             # 文字起こし結果(中間ファイル)
│   └── 2026-08-02_A社商談.json
├── minutes/                 # 確定した議事録(人が確認した後の版)
│   └── 2026-08-02_A社商談.md
└── schema/
    └── minutes_schema.json  # 議事録を構造化するJSON Schema

minutes/ に置くのは、人が確認した後の版だけにします。ここを中間ファイルと同じ場所にすると、確認前の下書きが確定版として配られます。フォルダの分け方が、そのまま「どれを信じてよいか」の目印になります。

04文字起こしはローカルで回すんですか、それとも生成AIに投げるんですか？

高梨課長

高梨課長の発言

音声を外へ送らずに済むなら、そのほうが社内の話は早く進みます。

鈴木さん

鈴木さんの発言

文字起こしは手元で回せます。そのあとの構造化だけ、生成AIのAPIを使う形にしています。音声そのものは外に出ない、という分け方です。

文字起こしは、OpenAIが公開しているWhisperのturboモデルをローカルで実行します。turboはlargeモデルから派生した高速版です。公式リポジトリでは、パラメータ数809M、largeモデル比で約8倍の速度と記載されています（出典: OpenAI Whisper公式リポジトリ）。

turboは翻訳タスクには対応しておらず、--task translateを指定しても原言語のまま文字起こしします。議事録は原言語のまま扱うため、この制約は今回の用途に影響しません。

実行は次のコードで足ります。

import json
import whisper

model = whisper.load_model("turbo")
result = model.transcribe("recordings/2026-08-02_A社商談.mp4")

with open("transcripts/2026-08-02_A社商談.json", "w", encoding="utf-8") as f:
    json.dump(result, f, ensure_ascii=False, indent=2)

出てくるのは、発言が並んだテキストです。話者のラベルは付きません。誰が発言したかは、この段階では確定できないまま次へ渡ります。

たとえると、この構成には「書き取る人」と「整える人」はいますが、「誰の声かを聞き分ける人」がいません。いない役の仕事を、後ろの段が代わりに埋めてくれることはありません。

05文字起こしを議事録の形へ組み立てる自動化は、AIエージェントの何が支えているんですか？

文字起こしのテキストは、そのままでは決定事項や宿題が読み取りにくい形をしています。この段で、生成AIに構造化のフォーマットを指定し、JSON形式の会議メモを組み立てます。

Claudeのツールユースにはstrict: trueという指定があります。出力のJSONが定義したスキーマの型に一致することを、グラマー制約付きサンプリングという技術で保証する仕組みです（出典: Anthropic公式ドキュメント）。

保証されるのは、型と必須項目があるという構造だけです。発言内容と一致しているかどうかは、この仕組みの対象外にあたります。

06議事録のスキーマには、生成AIへ何を書いておくんですか？

器の形はstrictが守ります。残るのは、その器に何を入れさせるかの指示です。スキーマの例は次のとおりです。

{
  "name": "extract_meeting_minutes",
  "strict": true,
  "input_schema": {
    "type": "object",
    "properties": {
      "decisions": {
        "type": "array",
        "items": {"type": "string"},
        "description": "決定事項。発言に無い内容は書かない"
      },
      "action_items": {
        "type": "array",
        "items": {
          "type": "object",
          "properties": {
            "task": {"type": "string"},
            "owner": {
              "type": "string",
              "description": "担当者名。特定できなければ'未定'と書く"
            },
            "due_date": {
              "type": "string",
              "description": "期限。特定できなければ'未定'と書く"
            }
          },
          "required": ["task", "owner", "due_date"],
          "additionalProperties": false
        }
      }
    },
    "required": ["decisions", "action_items"],
    "additionalProperties": false
  }
}

運営元WEBMARKSの議事録生成の仕組みでも、担当者や期限が発言から特定できない場合は、推測せず「未定」と明記する設計を採っています（2026-08-02にSKILL定義を確認）。descriptionへ同じ指示を書いておくと、必須項目が空欄のまま処理が止まることを避けられます。

出力される会議メモは、次のような形になります。

{
  "decisions": ["月額プランでの契約を進める"],
  "action_items": [
    {"task": "見積書の再送付", "owner": "未定", "due_date": "今週中"},
    {"task": "契約書ドラフトの確認", "owner": "田中", "due_date": "未定"}
  ]
}

「未定」は、失敗の印ではありません。分からなかったことが分かった、という記録です。ここが埋まってしまうと、あとから確かめる場所そのものが消えます。ここで生成したdecisionsとaction_itemsが、次の段への入力になります。

07議事録から出た宿題の登録を、AI社員に任せて事故は起きないんですか？

大森部長

大森部長の発言

登録まで通してしまえば楽です。ただ、担当を取り違えたときは誰が気づくのでしょうか。

鈴木さん

鈴木さんの発言

誰も気づかない、というのがいちばん困る形です。だから登録の手前に、人が見る画面を1枚だけ挟んでいます。

大森部長

大森部長の発言

そこは自動にしない、ということですか。

鈴木さん

鈴木さんの発言

はい。案は機械が作り、確定は人が押す。その一段だけを分けています。

議事録からのタスク登録は、4段の中でもっとも取り返しがつきにくい処理です。宿題の担当者を誤って登録すると、別の人にタスクが割り当てられたまま気づかれないことがあります。

登録の手順は3段です。

1. 前段で生成したaction_itemsから、登録候補の一覧を作る
2. タスク管理ツール・CRM側を検索し、同じ宿題が既に登録されていないかを確認する
3. 新規・更新・スキップの3種類に分けたdry-run表を提示し、人の承認を待つ

08dry-runを挟むと、エージェントの自動化はどこが変わるんですか？

手順の3段目が、この章の本題です。コードにすると次のとおりです。

plan = []
for item in action_items:
    plan.append({
        "task": item["task"],
        "owner": item["owner"],        # "未定"のまま提示してよい
        "due_date": item["due_date"],
        "operation": "skip" if already_registered(item) else "new",
    })

print_as_table(plan)                   # ここで処理を止め、人の承認を待つ
if not human_approved(plan):
    raise SystemExit("承認が得られるまで書き込みません")

for row in [p for p in plan if p["operation"] == "new"]:
    task_api.create(row)               # 承認後にはじめて書き込む

変わるのは手間の量ではありません。間違いに気づく場所が、登録の後から前へ動きます。

止める場所を先に決めるという考え方は、AIエージェントの承認ゲート｜止める操作4種と3層の選び方で扱っています。誰が何を承認したかの記録も、あとから説明できる形で残します。残す項目のひな型は、AIエージェントの監査ログ｜説明できる5項目と3段の点検にまとめています。

09複数話者や社内の略称は、文字起こしとエージェントのどの段でずれるんですか？

文字起こしの精度は、条件によって変わります。ここでは崩れ方を切り分け、それぞれどの段で人の確認が要るのかを整理します。

複数話者の会議では、発言者を取り違えます。Whisperの公式モデルカードは、話者分類のようなタスクについて「堅牢に評価されていない」と述べています（出典: OpenAI Whisper公式モデルカード）。turboの出力にも話者ラベルは付きません。

3人以上が発言する会議では、「誰が言ったか」が失われたまま次の段へ渡ります。この状態で議事録を自動生成すると、宿題の担当者欄が空欄になるか、直前に名前が出た人物として誤って埋まることがあります。

専門用語や社内の略称は、似た音の一般語に置き換わります。同モデルカードは、技術的な言葉づかいへの耐性向上を改善点の1つに挙げています（出典: OpenAI Whisper公式モデルカード）。裏を返せば、製品名や社内の略称は、一般的な音声データで学習したモデルの語彙に含まれにくい領域だということです。

やっかいなのは、型番や契約金額のような数字を含む固有名詞です。変換ミスがそのまま議事録の「数字」として残ります。文としては通るので、読み返しても引っかかりません。

並べてみると、崩れ方によって落ちるものが違うと分かります。「誰が」が抜ける崩れ方と、「何と」がずれる崩れ方では、確かめる場所も別になります。精度をひとつの言葉でまとめてしまうと、この違いが見えなくなります。

10音が悪い区間で議事録に無い発言が混ざるのは、生成AIの何が原因ですか？

高梨課長

高梨課長の発言

言っていないことが議事録に出る、というのは本当ですか。

鈴木さん

鈴木さんの発言

起こります。聞き取れない区間を、それらしい文で埋めてしまうことがあります。空欄で返されるより自然に見えるぶん、見つけにくい種類の誤りです。

Whisperは弱教師あり学習によって、大規模なノイズを含むデータから訓練されています。そのため実際には音声に含まれていない文章を生成することがあると、公式モデルカードに明記されています（出典: OpenAI Whisper公式モデルカード）。

無音区間やノイズの多い区切り、発言が重なった箇所で、この現象は起きやすいと考えられます。

困るのは、そこで止まらないことです。存在しない発言が「決定事項」としてそのまま構造化される可能性があります。

途中に人が入らなければ、音の悪い数秒が、そのまま誰かの宿題になります。誤りの類型と、確認を挟む関門の設計は、ハルシネーション対策｜誤り5類型を止める関門4か所でも扱っています。

11この議事録の自動化が動いていると、AI導入の現場では何を見て判定するんですか？

4段が動いているかどうかは、できあがった文書ではなく工程を見て判定します。録画から議事録の下書きまでを自動で作れているか、決定事項・数字・宿題の担当者の3点に絞って人が確認しているか、タスク登録がdry-run表を経てから実行されているかを見ます。

• 文字起こしの出力に、音声の長さに対して極端に短い・長いテキストが無い（無音区間での過剰生成が疑われる）
• 議事録のaction_itemsで、担当者・期限が「未定」のまま残っている項目を人が確認済みである
• タスク管理ツール・CRMへの書き込みが、dry-run表の承認後にしか実行されていない
• 決定事項の各行が、文字起こしの該当箇所と突き合わせ済みである

最後の1つが、もっとも見落とされます。決定事項は数が少ないぶん、確認を省きやすい項目です。宿題の担当者を取り違えたまま登録すると、対応すべき人に気づかれないまま期限だけが過ぎます。

3点に絞って厚く見れば、残りの構造化作業は機械に任せられます。全部を疑うと確認が続かず、何も疑わないと誤りが台帳に残ります。続く形にするために、疑う範囲のほうを先に絞ります。

12よくある質問

13まとめ｜今日やる3つのこと

線引きは、工程の名前ではなく「案か、確定か」で決めました。案づくりは機械に渡せます。確定だけは人が押します。

崩れ方は分けて見ます。「誰が」が抜けるのか、「何と」がずれるのか、言っていないことが足されるのか。落ちるものが違えば、確かめる場所も違います。