打ち合わせの録音を置くだけで議事録にする仕組みを作った

会議の音声ファイルをフォルダに置いて「議事録を作って」と一声かけるだけで、文字起こしから固有名詞補正、議事録生成まで全自動で走る仕組みを、製造業の生産技術エンジニアがClaude Codeスキルとして作った。入力はm4a / mp4 / mp3 / wavといった会議の録音・録画ファイルで、出力は相手別テンプレートに沿ったMarkdown議事録と実名化済みの文字起こし全文。処理は人間の依頼の一声と出来上がりの確認・微修正だけで済む。

この設計の秀逸さは「何をAIに任せて、何をスクリプトに任せたか」の判断にある。文字起こしと話者分離の処理はAIの会話能力を一切必要としない。ffmpeg・faster-whisper・pyannote.audioという決定論的なツールで処理し、音声データそのものはローカルの外に出さない。一方、クラウドに送るのはClaudeに「このSPEAKER_01は誰か」「この期限は何月何日を指すか」といった文脈判断だけだ。つまり、精度が要る局面だけにAIを集中させ、推測精度の低い作業はスクリプトに任せている。さらに注目すべきは「要確認事項」という隔離層だ。話者を特定できなかった発言は、推測で実名を当てず、SPEAKER_*のまま残して人間にフラグを立てる。多くのツールは空欄より推測値を埋めたがるが、このエンジニアは「誤った実名を議事録に埋め込むのが一番危険」という原則で構造的に防いでいる。

実測では40分の会議が2時間27分で議事録化される。記事では処理がどこでどれだけ時間を使っているかはまだ切り分けられていないとのことだが、重要なのはスピードより「決定事項・TODO・期限を漏らさず、迷ったら要確認事項へ」という運用ルール自体だ。これはTeamsやZoomの自動文字起こし、スマホ録音アプリの出力にも即応用できる金型プロンプトとして配信されている。中小企業の多忙な現場こそ、議事録の見落としから生まれるトラブル（期限の誤認、担当者の混同）が多い。この「不確かな情報を構造的に隔離する」テンプレートは、議事録作成の失敗パターンを根治する実用的な解だ。