要旨
会議の議事録は、決定に関する組織の記憶です。 AI システムがこれらの議事録を生成すると、根本的な質問は「何が議論されたか?」から変わります。 「議事録が議論を正確に反映していることをどうやって検証できるのか？」従来の AI 要約では、流暢で一貫性のあるテキストが生成されますが、流暢さと正確さは比例関係にあります。よく書かれた要約は、決定を間違った人物のせいにしたり、決して行われていない約束を捏造したりするものであっても、要約をまったく作成しないよりも悪いものです。
このペーパーでは、MARIA Meeting AI の証拠リンク アーキテクチャについて説明します。このアーキテクチャでは、抽出されたすべての要素 (意思決定、アクション アイテム、ディスカッション セクション、未解決の質問) が証拠の根拠として特定のトランスクリプト セグメントを参照する必要があります。このシステムは必須の引用チェーンを強制します。議論されたトランスクリプトセグメントへのポインタがなければ、議事録にはいかなる決定も存在できません。この制約により、構築によって幻覚が発生する時間が排除されます。AI がサポートするセグメントを見つけられない場合、その決定は含まれません。
証拠リンクの制約をカバレッジ指標として形式化し、ライブ会議中に議事録を生成および更新する増分要約アルゴリズムを提示し、構造化された出力形式 (セクション、決定、アクション、未解決の質問) によって下流のガバナンスと MARIA OS 意思決定パイプラインの統合が可能になることを示します。
1. The Meeting Minutes Trust Problem
1.1 Why Traditional Minutes Fail
Manual meeting minutes have always suffered from three pathologies:
1. 選択バイアス: メモを取る人は重要だと思うことを記録しますが、それは客観的に重要だったことと一致しない可能性があります。現時点では明らかだと思われる決定は省略される場合があります。メモを取る人の興味を引くような、的外れな議論が過剰に表現される可能性があります。 2. 帰属エラー: 展開の速いディスカッションでは、メモを取る人が発言を間違った発言者のものと帰してしまう可能性があります。これは、帰属が説明責任を決定する意思決定やコミットメントの場合に特に問題となります。 3. 再構成のドリフト: 議事録は、会議後に、まばらなメモによって補足された記憶に基づいて書かれることがよくあります。再構成された説明は、メモ作成者の解釈と事後的な合理化を組み込んでおり、必然的に実際の議論から乖離しています。
AI によって生成された議事録では、自信のある幻覚という 4 番目の病理が紹介されています。大規模な言語モデルは、十分な情報が不足している場合でも、流暢で権威のあるテキストを生成します。ノイズが多く断片化された記録から議事録を生成するように依頼されたモデルは、実際には行われなかったもっともらしい意思決定をでっち上げたり、行動を自発的に参加したことのない参加者に帰したりする可能性があります。出力の流暢さにより、コンテンツの信頼性の低さが隠蔽されます。
1.2 Evidence Linking as an Architectural Constraint
MARIA Meeting AI addresses these pathologies by making evidence linking a structural requirement, not a best-effort optimization. The system's output schema requires every element to include a segmentRefs array — a list of transcript segment IDs that serve as the evidentiary basis for the element.
これは、AI がテキストを生成してからサポートするセグメントを検索する、事後的な引用メカニズムではありません。代わりに、証拠リンクは、同じ構造化出力の一部として、コンテンツと同時に生成されます。 AI は、関連するセグメントを特定し、単一の推論パスで要約を作成し、コンテンツが特定の転写証拠に基づいていることを確認する必要があります。
2. The Structured Output Schema
2.1 Minutes Artifact Structure
The minutes artifact is a structured document with four component types, each requiring evidence links:
Sections represent topical clusters of discussion:
{
title: string, // Topic heading
summary: string, // Narrative summary of the discussion
segmentRefs: string[] // Transcript segments that comprise this topic
}Decisions represent commitments or conclusions reached during the meeting:
{
text: string, // The decision statement
segmentRefs: string[], // Segments where the decision was discussed/made
confidence: number // Model confidence in extraction (0-100)
}Action Items represent tasks assigned to specific individuals:
{
text: string, // Task description
owner: string | null, // Assigned person (null if unassigned)
dueDate: string | null,// Deadline if mentioned
segmentRefs: string[] // Segments where the action was discussed
}Open Questions represent unresolved issues identified during the meeting:
{
text: string, // The unresolved question
segmentRefs: string[] // Segments where the question arose
}2.2 引用範囲の指標
引用範囲 を、少なくとも 1 つの有効な分節参照を持つ議事録要素の割合として定義します。
ここで、$M$ は議事録内のすべての要素のセット、$T$ はすべてのトランスクリプト セグメント ID のセットです。引用範囲 1.0 は、議事録内のすべての要素に、トランスクリプトへの有効な参照が少なくとも 1 つあることを意味します。
We also define citation density as the average number of segment references per element:
Higher citation density indicates that elements are supported by multiple transcript segments, which correlates with extraction reliability. Decisions with $|\text{segmentRefs}| \geq 2$ are significantly more likely to be accurate than those with a single reference, as they represent topics discussed across multiple speaking turns.
3. Incremental Summarization Algorithm
3.1 The Live Minutes Problem
ライブ会議では、トランスクリプトは継続的に増加します。分は段階的に更新する必要があります。15 秒ごとにドキュメント全体を最初から再生成するのは無駄であり、ライブ ビューに不快な不連続性が生じる可能性があります。増分要約アルゴリズムは、次の 3 つの競合する目的のバランスをとる必要があります。
1. Freshness: New decisions and actions should appear in the minutes within one update cycle (15 seconds). 2. Stability: Existing content should not change unless new information genuinely contradicts or refines it. 3. Coherence: The minutes should read as a unified document, not as a series of appended fragments.
3.2 The Incremental Update Protocol
The algorithm operates in two modes:
Live mode (during the meeting): Every MINUTES_UPDATE_INTERVAL_MS (15 seconds), the system feeds the new transcript segments plus the existing minutes state to the Gemini model. The prompt instructs the model to:
- Add new sections if a new topic has emerged
- Extend existing sections if the topic continues
- Add new decisions, actions, or open questions as they are identified
- Update confidence scores based on accumulated evidence
- Never remove previously identified decisions unless explicitly contradicted
The existing minutes state is passed as context, not as immutable truth. The model can refine earlier sections but is instructed to preserve structural stability.
最終モード (会議後): 会議が終了すると、システムはトランスクリプト全体に対して単一の包括的なパスを実行します。この最終パスには会議の完全なコンテキストが含まれており、増分更新よりも一貫性があり、よりよく整理されたドキュメントを作成できます。最後の議事録には、人間によるレビューと配布に適した値下げエクスポートが含まれています。
3.3 バージョンの追跡
更新が分ごとにバージョン カウンターが増加します。分アーティファクトは、その状態を次のように追跡します。
ライブ時間の状態は「live」で、バージョン番号が増加します。最後の包括的なパスでは、「最終」状態ドキュメントが生成されます。下流の消費者 (ダッシュボード UI、意思決定パイプライン) は、リアルタイムの認識のためにライブ分を表示するか、ガバナンス目的で最終バージョンを待つかを選択できます。
4. Evidence Linking in Practice
4.1 迅速なエンジニアリングの課題
Enforcing evidence linking through the LLM prompt requires precise instructions. The system prompt for the minutes engine includes explicit rules:
- Every decision MUST reference at least one segment_id as evidence
- Every action item MUST reference at least one segment_id as evidence
- Never fabricate content not present in the transcript
- If a speaker is uncertain, use the speaker label as-is
- Output valid JSON matching the specified schema
Gemini API 呼び出しで responseMimeType: 'application/json' を使用すると、API レベルで構造化出力が強制され、必須フィールドを省略した自由形式のテキストがモデルで生成されるのを防ぎます。
4.2 Handling Ambiguous Decisions
Not all decisions are explicitly stated. Some emerge through consensus ('so we are going with option A?', followed by silence or nods). The system handles these implicit decisions by:
1. Lowering the confidence score: Implicit decisions receive confidence scores below 80, signaling that human verification may be needed. 2. Referencing the surrounding context: The segment references include not just the decision statement but the preceding discussion segments that led to it. 3. Flagging as open questions: When the model is uncertain whether a statement was a decision or a suggestion, it may classify the element as an open question rather than a decision.
This graduated confidence system prevents the over-extraction of decisions (counting suggestions as commitments) while still capturing implicit agreements that the participants likely intended as decisions.
4.3 Multilingual Evidence Linking
MARIA ミーティング AI が日本語と英語の会議をサポートします。日本のビジネス会議では、証拠のリンクに関して次のような特有の課題が生じます。
- Indirect agreement patterns: Japanese speakers often indicate agreement through backchannels (そうですね, はい) rather than explicit statements.
- Hierarchical deference: Decisions may be attributed to the most senior person present, even when the proposal originated from a junior participant.
- Omitted subjects: Japanese grammar frequently omits the subject, making action item attribution more difficult.
The system prompt includes language-specific instructions for Japanese meetings, and the confidence calibration is adjusted to account for these linguistic patterns.
5. Integration with MARIA OS Decision Pipeline
5.1 数分から意思決定まで
会議議事録はエンドポイントではなく、MARIA OS 意思決定パイプラインへの入力です。最後の議事録が生成されると、システムは自動的に次のことを実行できます。
1. Create decision records: Each extracted decision with confidence above 85 can be registered as a proposed decision in the pipeline.
2. Create action items: Each action item can be registered as a task with the identified owner and due date.
3. Link evidence: The transcript segment references serve as the evidence bundle for the decision, satisfying the Decision Pipeline's requirement that every decision must have a traceable evidence chain.
This integration closes the loop between meeting intelligence and organizational governance. A decision discussed in a Tuesday morning meeting becomes a traceable, auditable record in the Decision Pipeline before the meeting room is empty.
5.2 言論から統治までの証拠の連鎖
The complete evidence chain is:
At each link, the chain is traceable. The transcript segment includes the speaker label and timestamp. The minutes decision includes the segment reference. The governance record includes the minutes artifact. An auditor can trace any organizational decision back to the exact moment in the meeting where it was discussed.
6. 結論
Evidence-linked meeting minutes represent a paradigm shift from AI summarization to AI documentation. The distinction is critical: summarization produces a readable account of what happened; documentation produces a verifiable record of what was decided. By enforcing mandatory citation chains — where every decision must point to its source in the transcript — MARIA Meeting AI eliminates the hallucination problem that plagues LLM-generated content and creates a foundation for organizational accountability.
The incremental summarization algorithm ensures that minutes are available in real-time, not just after the meeting ends. The structured output format (sections, decisions, actions, open questions) enables programmatic integration with downstream systems. And the confidence scoring provides a calibrated signal for human reviewers, distinguishing explicit decisions from implicit agreements that may need verification.
The result is a meeting intelligence system where trust is not assumed but constructed — link by link, segment by segment, decision by decision.