戸田建設、リスキル人材が内製したAI議事録ツールが社内数百名に広がるまで

開発を主導した担当者は、以前所属していた事務系部署で議事録を作る機会が多く、その手間を減らしたいと考えていました。一方で、当時出回り始めたAI議事録ツールのうち業務で使えそうなものは高額で、試験的に導入しようと言い出しにくい状況でした。

編集部の見立てでは、ここでの壁は「ツールの値段」そのものより、効果が見えないものに予算をつけにくいという順序の問題だったと考えられます。使ってみなければ価値は分からないのに、価値が分からないから使い始められない。この行き詰まりを、社内に作れる人がいるという条件が解いたのではないでしょうか。

室長が部署内Wikiにシステム構成の図を投稿し、手を挙げた社員が自発的に試作したという、指示ではなく「呼びかけ」で始めた進め方がまず効いています。業務命令にしなかったことで、作る本人の動機と現場の困りごとが最初から重なり、プロトタイプを社内に公開して反応を見る、他部署の要望を受けて正式プロジェクトに格上げする、という段階的な広げ方が自然に成立しました。予算承認を先に取りにいくのではなく、動くものを見せてから仲間を増やす順序が、先に触れた行き詰まりをかわしたと編集部は見ています。

次に、質問の行き先を二層に分けた学習の仕組みです。初歩的な疑問は生成AIに聞き、生成AIで解決しない高度な内容や最新の情報はサーバーレスオペレーションズに定例ミーティングやSlackで相談する。この分担によって、人に聞くことへのためらいが減り、支援側も複数AIモデルを組み合わせる参考実装の提示や、Step Functionsによる処理フロー、話者分離ができるAmazon Transcribeの活用といった、より踏み込んだ助言に時間を割けたと考えられます。

設計面では、現場で使われ続けるための選択肢を利用者側に残した点が目を引きます。音声認識は話者分離ができる方式と高速・高精度な方式から選べ、要約のプロンプトは汎用のほかキックオフやワークショップ向けのテンプレートを用意し、自作も可能にしています。建築・土木の専門用語を登録するカスタムボキャブラリー辞書も、業界特有の言葉が多い会議での認識漏れを抑える工夫として機能しているはずです。

Make-Minutesは社内で数百名に利用され、寄せられるフィードバックが改善に生かされています。人が行う作業は音声ファイルのアップロードと会議名・日時・場所・参加者の入力だけで、最短2クリックで議事録が作れます。1時間の音声の文字起こしにかかる時間は、Whisperで約3分、Amazon Transcribeで15〜18分です。現在は文字起こしデータを活用し、RAG（社内データを検索してAIの回答に生かす仕組み）で会議内容をチャットで問える機能を開発中で、BIMデータとStable Diffusionを使った建築パース生成にも取り組んでいます。一つの内製ツールが、次の開発テーマを生む足場になっている点が成果の意味として大きいでしょう。