結局、このアプリは捏造ゼロを保証しているのですか？

保証していません。AIへの3つの制約と、実際の会議での継続的な計測と、報告書から全文・元音声へ戻れる導線で担保する設計です。「間違いが起きない」と約束するのではなく、「間違いを確かめに行ける」形にしています。

AIが作った議事録は、共有前にどこを確認すればいいですか？

名前と対象、数字と条件、決定か提案か、担当と期限の4つです。この4つの確認と、コピーして使える議事録プロンプトの全文は、開発日誌1本目にあたる当ブログの「文字起こしができたのに、議事録にならないのはなぜか」の記事で公開しています。

議事録以外の社内AI導入にも、同じことが言えますか？

言えます。工程を細切れにして安全装置を足すほど、AIの出力は硬直して現場で使われなくなります。任せる範囲を先に決めて守りを積むのではなく、丸ごと任せた実物を測ってから、壊れると困る場所にだけ守りを置く順番をおすすめします。

レコレポとは、どんなアプリですか？

会議や現場の会話を録音して止めると、文字起こしと報告書が自動でできるiPhone・Android向けアプリです。2026年8月24日から公開していて、無料枠（公平利用の範囲で文字起こし月3,000分など）があります。機能の全体像は、当ブログの現場報告アプリの記事で解説しています。

音声認識と議事録の生成には、何のAIを使っているのですか？

2026年9月時点で、音声認識はSoniox（話者分離・単語ごとのタイムスタンプ・語彙の登録に対応）、議事録の生成はAnthropicのClaude Haiku 4.5です。ただしモデルは固定ではなく、実測で品質と原価を比べて入れ替える前提で運用しています。

AI議事録の捏造は、チェック工程を増やせば防げるのか？──安全装置を6段積んで「使い物にならない」と自分で書いた開発日誌

「AIの議事録って、言ってないことを書くんでしょ？」──録音を止めると文字起こしと報告書が自動でできるAIアプリ「レコレポ」を開発している私が、いちばんよく受ける質問です。正直に言うと、私自身もそれが一番怖く、開発の最初は捏造を防ぐ安全装置を6段積みました。

結果どうなったか。捏造ゼロは実測できました。そして出てきた議事録に、私は開発ログでこう書きました。「見にくい・意味が薄い・使い物にならない」。

この記事は、レコレポ開発日誌の2本目です。捏造対策を積み上げて失敗し、その日のうちに設計を全部ひっくり返した2026年7月の記録を、日付と数字ごと公開します。AIの出力の「守り方」を設計している方に、そのまま持ち帰れる話です。

Q01AI議事録の捏造は、チェック工程を増やせば防げますか？

防げます。ただし引き換えに、議事録が読めなくなります。私は音声認識の結果を分類・補正・抽出・検証と何段ものAI工程に通す作りで、2026年7月15日の実測では13ケースで捏造ゼロを達成しました。それでも、その議事録は現場で使えるものになりませんでした。

最初の設計は、守りの積み上げでした。音声認識の結果を「分類」して、「補正」して、要点を「抽出」して、「検証」する。抽出した値には根拠になる発話のIDを必ず紐づけ、根拠がなければ機械的に捨てる。最後は決まった形の一枚図テンプレートに流し込む。この精度改善のループを6周まわしました。

2026年7月15日の実測（13ケース）：文字誤り率（CER）平均4.8%
カテゴリ判別：13ケース中13ケース正解
捏造：0件

数字の上では、勝っていました。当時の私は「これで安心して出せる」と思っていました。問題は、この数字が「読んで動ける議事録かどうか」を何も測っていなかったことです。

Q02捏造ゼロのAI議事録が「使い物にならない」のは、なぜですか？

工程を細かく切るほど、AIは各工程で許されたことしか書けなくなるからです。分類は分類だけ、抽出は根拠つきの値だけ、テンプレートは決まった枠だけ。会話の流れも、なぜそう決まったのかという文脈も、どこかの段で落ちます。守りを1段足すたびに、議事録から意味が1段抜けていきました。

2026年7月22日、自分の31分の会議音声を通しました。出てきた一枚図を見て、開発ログに「見にくい・意味が薄い・使い物にならない」と書きました。6周まわした精度改善が、自分の一言で終わった日です。

しかも原価は1本で42.73円。内訳は音声認識が16.86円、多段のAI処理が25.87円でした。高くて、読めない。捏造ゼロは本物でしたが、読む人が欲しいのは捏造ゼロの表ではなく、 読んで動ける議事録 です。

Q03では、AI議事録の捏造対策はどう設計すればいいのですか？

「防ぐ」工程を積むのをやめ、AIに丸ごと任せたうえで、守りを「測る」と「戻れる」に置き換えます。レコレポでは方針転換の当日に多段工程を廃止し、話者分離つきの全文（上限20万字）をAIに1回だけ渡してMarkdownの議事録を書かせる形にしました。制約は3つだけ残し、捏造の有無は実際の会議で測り続け、報告書から全文・元音声へ戻れる導線を置いています。

2026年7月22日、単一生成に切り替えた当日のシミュレータ画面。本文はテスト用のダミー文で、報告書の上部に全文ボタンが見える

画面は切り替え当日のものです。6周かけた多段の設計より、丸ごと任せた1回の生成のほうが読める議事録が出てきました。ただし、捏造が怖い気持ちが消えたわけではありません。AIへの指示に残した制約は、次の3つだけです。

提案を決定に変えない
数字の条件を変えない
根拠のない担当・期限を補わない

そして「戻れる」導線。報告書の上部に「全文」ボタンを置き、気になった行から文字起こしへ、さらに端末に残っている元音声へ戻れるようにしました。見出しや箇条書きの形は、生成のあとにプログラムで整えます。プロンプトでお願いするだけでは、形は崩れるからです。

守り6段の多段構成から、丸ごと任せて測る・戻れる構成への転換図。原価の変化も記載

学びを一言にすると、 捏造を出さない仕組みより、捏造を見つけに行ける導線のほうが、現場では信頼される 。レコレポはここに賭けました。

Q04議事録AIには、高性能な大きいモデルを使うべきですか？

大きいモデルが勝つとは限りません。2026年8月5日に60分級の会議で3系統のAIを比べる日本語品質の審査を行い、採用したのは軽量モデルのClaude Haiku 4.5でした。小見出しで話題を区切り、決定・TODO・未決を巻末に集約する構成力が3系統で最良で、原価は1分あたり0.55円から0.35円に下がりました。

上位モデルのSonnetは、敬体の自然さと担当者名の保持では最良でした。ただ、本文と決定事項を重複して書く癖があった。ベンチマークの点数ではなく、自分の用途の実物で審査しないと、この差は見えません。

モデル選びの結論は用途ごとに違う、が実測の答えです。議事録という用途では、軽いモデルで品質が足り、原価が下がりました。これは試すまで分かりませんでした。

Q05多段の工程なしでAIに丸ごと任せられるのは、なぜですか？

前提が3つ揃ったからです（2026年時点）。会話をそのまま全文で返してくれる音声認識があること。20万字を一度に読めるAIがあること。そして軽いモデルで議事録の品質が足りること。どれか1つ欠けていたら、私はまだ6段の守りを積み続けていたと思います。

丸ごと任せる設計が成立した3つの前提。全文を返す音声認識、20万字を読める文脈長、軽いモデルで足りる品質

これは議事録に限った話ではありません。社内にAIを入れるとき、工程を細切れにして各段に安全装置を足したくなります。でも、足すほど出力は硬直して、現場で使われなくなります。 任せて、測って、戻れるようにする 。任せる範囲を先に決めるのではなく、実物で測ってから守りを置く。この順番が、私が6周分の遠回りで得た結論です。

正直な限界も書いておきます。レコレポは捏造ゼロとは言いません。精度何%という保証もしません。全文と元音声に戻って確かめられる形で、担保しています。

よくある質問（FAQ）

Q. 結局、このアプリは捏造ゼロを保証しているのですか？: A. 保証していません。AIへの3つの制約と、実際の会議での継続的な計測と、報告書から全文・元音声へ戻れる導線で担保する設計です。「間違いが起きない」と約束するのではなく、「間違いを確かめに行ける」形にしています。
Q. AIが作った議事録は、共有前にどこを確認すればいいですか？: A. 名前と対象、数字と条件、決定か提案か、担当と期限の4つです。この4つの確認と、コピーして使える議事録プロンプトの全文は、開発日誌1本目にあたる当ブログの「文字起こしができたのに、議事録にならないのはなぜか」の記事で公開しています。
Q. 議事録以外の社内AI導入にも、同じことが言えますか？: A. 言えます。工程を細切れにして安全装置を足すほど、AIの出力は硬直して現場で使われなくなります。任せる範囲を先に決めて守りを積むのではなく、丸ごと任せた実物を測ってから、壊れると困る場所にだけ守りを置く順番をおすすめします。
Q. レコレポとは、どんなアプリですか？: A. 会議や現場の会話を録音して止めると、文字起こしと報告書が自動でできるiPhone・Android向けアプリです。2026年8月24日から公開していて、無料枠（公平利用の範囲で文字起こし月3,000分など）があります。機能の全体像は、当ブログの現場報告アプリの記事で解説しています。
Q. 音声認識と議事録の生成には、何のAIを使っているのですか？: A. 2026年9月時点で、音声認識はSoniox（話者分離・単語ごとのタイムスタンプ・語彙の登録に対応）、議事録の生成はAnthropicのClaude Haiku 4.5です。ただしモデルは固定ではなく、実測で品質と原価を比べて入れ替える前提で運用しています。

AUTHOR

黛政隆（まゆずみまさたか）

株式会社GembaShift 代表取締役CEO

エンジニア歴20年、PM経験50件超。生成AIの導入を、現場に入って一緒に組む仕事をしています。この記事の内容は、著者自身が実際に手を動かして業務で検証した実体験に基づいています。