生成AIの活用ノウハウや、 注目の技術に関する記事を掲載
公開
更新

NotebookLMで議事録活用【活用編】

はじめに

前編(検索編)では、過去議事録を「聞けば出てくる」状態にする方法を、
中編(生成編)では、文字起こし・メモから「整った議事録」を作る方法をご紹介しました。

生成AI関連
NotebookLMで議事録活用【検索編】
生成AI関連
NotebookLMで議事録活用【生成編】

しかし、議事録の価値は「残した」だけでは発揮されません。
本当に効くのは、複数の議事録を横断して、次の行動と意思決定につなげるところです。

  • ネクストアクションが議事録に埋もれて消える
  • 同じ論点が何度も蒸し返され、結局何が未決なのか分からない
  • 課題が増えるのに、構造化されず、前に進まない

後編では、NotebookLMを「議事録の検索ツール」から一段進めて、議事録を使い倒す運用を紹介します。

活用編のねらい

狙うのは、次の3つです。

  1. 人別ネクストアクション:とある人の宿題を、会議横断で取り出して整理する
  2. 課題の深掘り:未決・懸念・リスクを抽出し、次に決めるべき問いを作る
  3. 要点の可視化:状況を一枚で共有できる形(図・構造)に落とす

いずれも共通して重要なのは、NotebookLMの「ソース(根拠)前提」を崩さないことです。
議事録の活用は、推測が混ざるほど危険になります。

手順

  1. プロジェクト/チーム単位でノートブックを作る(例:PJ-A 議事録)
  2. 議事録(Markdown/PDF/テキスト)を時系列でソース追加する
  3. 補助ソースを追加する

    ・参加者と役割の一覧
    ・用語集/略語集
    ・ToDoの管理ルール
  4. チャットで「横断整理」→「引用で確認」→「差分で修正」を回す

1. とある人のネクストアクションを整理する

議事録の「ToDo」だけを追うのではなく、議論中に出た宿題も含めて拾うのがポイントです。

質問プロンプト例

user.md

ソースに含まれる全議事録を対象に、{人物名} のネクストアクションを一覧化してください。

制約:
- 推測で期限や担当を埋めない(不明は不明と書く)
- 可能ならステータス(未着手/進行中/完了/不明)も、根拠がある場合のみ付ける
- 重要な行は必ず引用を付ける

出力形式:
| 優先度 | タスク | 期限 | ステータス | 関連会議(日付/会議名) | 根拠 |
| ------ | ------ | ---- | ---------- | ----------------------- | ---- |
assistant.md

提供された議事録(Markdown)に基づき、記載されている全担当者(担当者、編集担当、レビュー担当)のネクストアクション(アクションアイテム)を時系列順(最新優先)で一覧化します。
※入力内の`{人物名}`が未指定であったため、議事録に記載された全役割を対象としました。

### ネクストアクション一覧

ステータスの判断基準:
*   **不明**: 最新の議事録で定義され、その後の進捗情報がないもの。
*   **完了**: 翌週以降の議事録の「振り返り」等で、該当記事の公開や反応について言及があるもの。

| 優先度 | 担当者                 | タスク                                                                                                    | 期限     | ステータス | 関連会議                    | 根拠 |
| :----- | :--------------------- | :-------------------------------------------------------------------------------------------------------- | :------- | :--------- | :-------------------------- | :--- |
| -     | 担当者(あなた)       | 記事A(LLM運用): 運用テンプレ(監視/ログ/評価/リリース)を箇条書き作成、各項目に「最低限の実装例」を付与 | 記載なし | 不明       | 2026-01-06 (LLM運用)        |      |
| -     | 担当者(あなた)       | 記事B(コスト最適化): コスト削減策を5つ列挙し、効果/副作用/適用条件を1行ずつ整理                         | 記載なし | 不明       | 2026-01-06 (LLM運用)        |      |
| -     | 編集担当               | 図表案:運用フロー(入力→推論→評価→改善)の1枚図を作成                                                    | 記載なし | 不明       | 2026-01-06 (LLM運用)        |      |
| -     | レビュー担当(SRE/ML) | 監視指標の妥当性と、運用用語の定義を確認(SLO/SLA、アラート閾値の表現など)                               | 記載なし | 不明       | 2026-01-06 (LLM運用)        |      |
| -     | 担当者(あなた)       | 評価テンプレ(表形式)を作成:Retrieval、Answer、E2E                                                      | 記載なし | 完了       | 2025-12-30 (RAG評価)        |      |
| -     | 担当者(あなた)       | 失敗パターンを5分類し、各分類に対して対策を2つずつ用意                                                    | 記載なし | 完了       | 2025-12-30 (RAG評価)        |      |
| -     | 編集担当               | 図表のレイアウト案作成(マトリクス、チェックリスト)                                                      | 記載なし | 完了       | 2025-12-30 (RAG評価)        |      |
| -     | レビュー担当(ML)     | 指標の説明が過度に学術寄りになっていないか確認                                                            | 記載なし | 完了       | 2025-12-30 (RAG評価)        |      |
| -     | レビュー担当(ML)     | 誤解を招く表現(「正解率」等)の言い換え提案                                                              | 記載なし | 完了       | 2025-12-30 (RAG評価)        |      |
| -     | 担当者(あなた)       | 記事A(プロンプト): 構成案を作成(失敗例3つ、改善例3つ)                                                 | 記載なし | 完了       | 2025-12-23 (プロンプト設計) |      |
| -     | 担当者(あなた)       | 記事B(プロンプト): Rubric例(5項目)と評価表の雛形を作成                                                | 記載なし | 完了       | 2025-12-23 (プロンプト設計) |      |
| -     | 編集担当               | タイトル案を各3案、SEOキーワード候補を整理                                                                | 記載なし | 完了       | 2025-12-23 (プロンプト設計) |      |
| -     | レビュー担当(ML)     | 例の妥当性チェック(ハルシネーション誘発点、禁止事項)                                                    | 記載なし | 完了       | 2025-12-23 (プロンプト設計) |      |

### 補足事項(次回確認事項)

最新の議事録(2026-01-06)において、タスク実行時に遵守すべき以下の確認事項が定義されています。

*   **一般化**: 例示は特定環境の内部情報にならないよう「一般化した値」にする。
*   **チェックリスト**: 可能であれば、各記事にコピペ可能なチェックリストを付ける。

ネクストアクションの整理

使い方のコツ

  • 「人物名」の表記揺れがある場合は、先に「人物と表記の対応表」をソース化する
  • ToDoに担当が書かれていない議事録が多いなら、まず「担当者が曖昧なToDoだけ抽出」して運用改善に回す
  • 次回会議前にこの表を作ると、1on1や定例の質が上がります

2. 課題を深掘りする

会議が増えるほど「未決の論点」が散らばり、追うのが難しくなります。
NotebookLMは、複数議事録から未決事項を拾って、次の問いを作るのが得意です。

質問プロンプト例:未決の棚卸し

user.md

全議事録から「未決・保留・懸念」を抽出し、論点ごとにまとめてください。

各論点について、次を出してください:
- 現状(何が未決か)
- これまでに出た選択肢
- 次に決めるべき判断(問い)
- 判断に必要な追加情報(誰に聞くべきか)

重要箇所には必ず引用を付けてください。
assistant.md

ご提示いただいた議事録(2025-12-23〜2026-01-06)に基づき、未決事項・保留事項・懸念点を論点別に整理しました。

なお、議事録上では多くの項目が「決定事項」として処理されていますが、運用上の継続的なリスクや、将来に先送りされた検討事項が以下の通り存在します。

### 論点1:ガバナンス(権限・監査・PII)記事の具体化時期と内容

*   **現状(何が未決か)**
    *   「権限・監査・PII」に関する記事化は、次々週以降に計画されており、具体的な公開日と構成詳細が決まっていない。
    *   直近の記事(LLM運用)では、本文末に用語定義を追記する対応にとどまっている。
*   **これまでに出た選択肢**
    *   別枠として扱う方針。
    *   先に用語定義だけを行う暫定対応。
*   **次に決めるべき判断(問い)**
    *   ガバナンス記事をいつの週に配置するか。
    *   用語定義だけでなく、どのような実務テンプレ(チェックリスト等)を提供するか。
*   **判断に必要な追加情報(誰に聞くべきか)**
    *   **編集担当・レビュー担当(SRE/ML):** 今後のスケジュール調整および、監査・PIIに関する技術的な裏付け(議事録に参加していない法務等の確認が必要かどうかの判断含む)。

### 論点2:評価指標・運用用語の厳密性とわかりやすさのバランス

*   **現状(何が未決か)**
    *   専門用語(Top-k, MRR等)や評価指標(「正解率」等)について、過度に学術的または誤解を招く表現になっていないかの確認が必要な状態である。
    *   運用用語(SLO/SLA、アラート閾値)の定義について、SRE/ML担当の合意が得られていない(アクションアイテムとして確認待ちの状態)。
*   **これまでに出た選択肢**
    *   Top-k等の説明は最小限にする。
    *   「正解率」などの誤解を招く言葉は言い換える。
    *   あくまで「実務手順」に集中し、評価が目的依存であることを明記して回避する。
*   **次に決めるべき判断(問い)**
    *   提示された「言い換え提案」や「定義」を採用するか否か。
*   **判断に必要な追加情報(誰に聞くべきか)**
    *   **レビュー担当(ML/SRE):** 学術的な正確さと、ブログ読者(実務者)へのわかりやすさの妥協点。

### 論点3:記事における「機密情報の秘匿」と「具体性」の両立

*   **現状(何が未決か)**
    *   運用・コストの話は抽象化しがちである一方、読者は具体的な値を求めているというジレンマがある。
    *   社外秘情報(特定環境の内部情報)が含まれないよう、すべての例を「一般化した値」や「ダミーデータ」にする必要があるが、その作成・確認は完了していない(アクションアイテム段階)。
*   **これまでに出た選択肢**
    *   コード/設定は「再現性のある最小例」に限定する。
    *   社外秘に触れないダミーデータで再現する。
    *   一般化した値にし、特定環境の内部情報にならないようにする。
*   **次に決めるべき判断(問い)**
    *   作成された「一般化された値・ダミーデータ」は、読者にとって有用な具体性を保てているか、また本当に内部情報を含んでいないか。
*   **判断に必要な追加情報(誰に聞くべきか)**
    *   **レビュー担当(SRE/ML):** 作成された事例・数値の妥当性チェック、ハルシネーション誘発点や禁止事項の確認。

### 論点4:記事構成の最適解(離脱率対策)

*   **現状(何が未決か)**
    *   「具体例が多いと滞在時間が長い」一方で「前提説明が長いと離脱が増える」という傾向があり、最適な構成テンプレートが固定化しきれていない(毎週改善・修正が行われている)。
*   **これまでに出た選択肢**
    *   サンプル(入力→出力)を必ず2セット以上入れる。
    *   TL;DR(3行)を冒頭に置く。
    *   前提説明を省き、冒頭で結論を出す。
    *   「質問→検索結果→生成回答→評価結果」の4点セット掲載。
*   **次に決めるべき判断(問い)**
    *   次回(LLM運用記事)において、図表(運用フロー)やチェックリストが、過去の失敗(抽象度が高いと離脱)を回避できる構成になっているか。
*   **判断に必要な追加情報(誰に聞くべきか)**
    *   **編集担当:** 図表案・レイアウト案の作成と、それが「一目でわかる」ものになっているかの判断。

未決の棚卸し

質問プロンプト例:深掘り:5 Whys

user.md

「{課題テーマ}」について、議事録に書かれている範囲だけを根拠にして、
原因の仮説を5 Whys形式で整理してください。

注意:
- 議事録にない背景は推測しない
- 断定ではなく「仮説」と明記する
- 追加で確認すべき質問も最後に列挙する
assistant.md

ご提示いただいたクエリ内の `{課題テーマ}` がプレースホルダーのままでしたため、提供された全議事録を通じて繰り返し議論されている最大の課題である**「抽象度の高い記事の離脱が早い(滞在時間が短い)」**をテーマとして設定し、5 Whys形式で整理します。

### テーマ:抽象度の高い記事の離脱が早い(滞在時間が短い)

議事録の記述に基づく原因の仮説は以下の通りです。

1.  **Why?(なぜ離脱が早いのか)**
    *   読者が「具体例(入力→出力)」や「実務での測定・改善方法」といった具体的な情報を求めているのに対し、記事の内容が抽象的であるため。

2.  **Why?(なぜ内容が抽象的、またはニーズと乖離して見えるのか)**
    *   記事構成において「前提説明」が長く、読者が知りたい「結論」や「評価結果」が後回しになっているため。
    *   また、サンプル数が不足している(1セット未満など)、あるいは評価観点(コスト/速度/品質)が明示されていないため。

3.  **Why?(なぜ前提が長くなったり、具体例が不足したりするのか)**
    *   特に「運用」などのテーマは、性質上どうしても抽象的な概念論になりやすいため。
    *   また、執筆段階で「結論を先に出す」という構成ルールが徹底されていなかった可能性があるため。

4.  **Why?(なぜ抽象的になりやすいテーマに対し、具体的な構成が作れていなかったのか)**
    *   「監視指標・アラート例」 や「評価データ・メトリクス」 といった、実務に直結する定量的な要素や、「再現性のある最小例」 を提示する準備(型化)が不足していたため。

5.  **Why?(根本的な要因の仮説)**
    *   当初のプロンプト設計や記事構成において、読者がそのまま使える「実務テンプレート(チェックリスト、マトリクス、コピペ可能なコード)」を提供するという方針・フォーマットが完全に確立されていなかったため。
    *   *補足:議事録の時系列(12/23→1/6)に伴い、テンプレートやチェックリストの必須化が進められていることから、この点が改善の核であると推測されます。*

---

### 追加で確認すべき質問(最大2件)

議事録の範囲外、または断定できない事項について確認が必要です。

1.  **定量的な離脱ラインの定義について**
    *   「離脱が早い」「滞在時間が長め」 とされていますが、具体的に「何秒以内を離脱とみなすか」「目標とする読了率は何%か」という数値基準は設定されていますか?(議事録上は数値なし)
2.  **ターゲット読者の技術レベルについて**
    *   「実務で使える」 ことを重視していますが、ターゲット層は「コードを書いて実装するエンジニア」と「運用設計を行うマネージャー」のどちらに比重を置いていますか?(記事により「SRE/ML」 等の記載はあるが、主要ターゲットの前提知識レベルが不明)

5 Whys

この「未決→問い」に落とせるようになると、会議の目的が「共有」から「意思決定」になります。

3. 要点を可視化する

文章で共有し続けると、忙しい人ほど読まなくなります。
議事録から「要点」を取り出し、一枚に収まるインフォグラフィックにすると、一気に伝わる場面が増えます。
ここでは、インフォグラフィック用の素材を作るパターンと、意思決定を時系列で残すパターンを紹介します。

パターンA:状況サマリ

NotebookLMのインフォグラフィック機能を用いて、状況を可視化します。

インフォグラフィック

user.md

全議事録を対象に、1枚のインフォグラフィックに載せる「状況サマリ」を作ってください。

ルール:
- 推測しない(書けないものは「不明」)
- 本文は短文にする(1行=40文字程度、各セクション最大3項目)
- 本文中は引用を [1] のように番号参照にする
- 最後に「引用一覧」を出す(番号→原文引用)

出力形式:
# タイトル(例:PJ-A 週次サマリ)
## 3行サマリ
## Key numbers(数字があるものだけ)
## 決定事項(最大3)
## リスク/懸念(最大3)
## ネクストアクション(担当/期限/タスク)
## 主要日程(時系列)
## 引用一覧

状況サマリ

ポイントは、本文(インフォグラフィックに載せる文)を短くして、根拠は別枠の「引用一覧」に逃がすことです。

パターンB:意思決定タイムライン

「この決定はいつ決まった?」は頻出です。タイムラインにするとレビューが速くなります。

user.md

全議事録を対象に、「意思決定ログ」を時系列で作ってください。

出力形式:
| 日付 | 会議名 | 決定事項 | 影響範囲 | 根拠(引用) |
| ---- | ------ | -------- | -------- | ------------ |

注意:推測で埋めない。議事録にない項目は「不明」。

意思決定タイムライン

これを毎週更新しておくと、新しく入ったメンバーのキャッチアップが劇的に楽になります。

運用のコツ

  • 議事録の見出しを揃える(## 決定事項 / ## 未決・検討中 / ## ToDo)
  • ToDoには可能な限り「担当」「期限」を書く(抽出の精度が上がる)
  • 同じ会議の改訂版が混ざると答えがブレるため、古い版は削除する
  • 重要なアウトプット(意思決定ログ/ToDo一覧)は、別ソースとして保存して育てる

注意点

  • 引用が付かない/薄い回答は信用しない(引用必須で聞き直す)
  • 生成物は「議事録に基づく編集結果」であり、最終判断は人間が行う
  • 機密情報を扱う場合、フィードバックを送信しないこと

NotebookLM ヘルプ > NotebookLM の詳細 > NotebookLM でデータを保護する仕組み

まとめ

NotebookLMを使うと、議事録は「残すもの」から「使うもの」に変わります。
ポイントは、議事録を横断して、人別アクション・未決の論点・意思決定の履歴に変換することです。
3編を通して、NotebookLMを「議事録の保管庫」ではなく、議事録を使い倒すための道具として設計するのがコツだとお伝えしました。
ぜひ、ご自身のチームの運用に合う形にテンプレを育ててみてください。

生成AI活用支援サービスのご紹介

Tech Funでは、お客様のフェーズに合わせ、生成AI活用に向けた支援を3つのパックでご提供しています。

  1. 無料診断パック:業務・プロセスの現状を無料で診断し、生成AI活用の可能性をレポートします。
  2. 検証(PoC)パック:診断で有効性が確認された業務を対象に、プロトタイプ構築を支援します。
  3. コンサルティングサービス:生成AI導入戦略の策定から運用体制構築までを包括的に支援します。

生成AIに限らず、Web・業務システム開発やインフラ設計など、技術領域を問わずご相談を承っています。「何から始めれば良いか分からない」という段階でも構いませんので、ぜひお気軽にお問い合わせください。

執筆・編集

Tech Fun Magazine R&Dチーム
Tech Funの生成AI研究に携わるエンジニアが、最新のAIモデル動向やプロンプト設計、実業務への応用手法など、生成AIに特化した知見を執筆・編集しています。
モデル評価や業務シナリオに応じたAI活用設計など、日々のR&D活動で得られる実践的なノウハウをわかりやすく紹介します。

ARTICLE
生成AI関連記事一覧

生成AI関連

Amazon Bedrock Managed Knowled…

生成AI関連

Google Sheets canvasはどこまで業務アプリ…

生成AI関連

Amazon BedrockのRerank APIで検索順位…

生成AI関連

OpenAI Agents APIとは?本番運用に必要な5つ…

生成AI関連

Codex App Serverとは?Pythonでの使い方…

生成AI関連

Amazon Bedrockの基盤モデルパーサーを実測する―…

生成AI関連

ChatGPT WorkのScheduled TasksをW…

生成AI関連

Amazon Bedrock Knowledge Bases…

生成AI関連

ChatGPTのChat・Work・Codexの違い|5時間…

記事一覧を見る