富士通のAIアバター自動プレゼン、Copilotの会話から動画を作る仕組み

入口をMicrosoft 365 Copilotのチャットに置いた設計が、この仕組みの性格を決めています。利用者は新しいツールを覚える必要がなく、日常的に開いている画面に向かって、どの資料を、どの言語で、どのくらいの時間で話させたいのかを自然な文章で伝えるだけで済みます。宣言型エージェント、つまりCopilotの会話の中に機能として組み込まれる形をとったことで、操作の学習コストが限りなく小さくなりました。専門知識を持たない利用者を想定したとき、機能の豊富さよりも到達しやすさを優先したこの判断は筋が通っています。

社内資料の取得をMicrosoft Graph API経由の認証制御に載せた点も、実運用を左右します。資料から自動でプレゼンをつくる仕組みでは、その資料をどう安全に読み取るかが最後の関門になりがちです。OneDriveやSharePointにあるファイルを利用者本人の権限のまま取り出す形にしたことで、資料を別の場所へ複製したり、権限管理を二重に持ったりする必要がなくなりました。

説明文の生成と、声や姿の生成を切り分けて組み合わせた構成も見逃せません。資料の内容を語り口へ変換する処理をAzure OpenAIが受け持ち、Speech Serviceと利用者の顔画像・音声サンプルがアバターとナレーションを担い、最後に一本の動画へ統合されます。コア技術をFujitsu Kozuchiから持ち込む富士通と、Copilot側のエージェントを設計・開発するヘッドウォータースという役割分担も、この構成と対応しています。既存のAI資産は作り直さず、利用者に触れる側だけを新しく組む分業の形です。