会議録音からマインドマップを作る：図がリストに勝つ瞬間

短い答え

会議録音をマインドマップ化する最短ルート：まず 98.7% 精度の文字起こしを生成し、AI に「階層構造抽出」プロンプトを流し込み、出てきた Markdown または Mermaid 構文を Markmap、XMind、MindNode、Miro、FigJam のどれかに貼る——どれも 1 分以内に描画される。90 分の戦略ミーティングなら全体で約 12 分。手で聞きながら書き起こす？1 時間でも足りない。

最初に断っておきます。このワークフローは議事録やアクションアイテム抽出の代わりではありません。「決議を残す会議」ではなく「アイデアを生む会議」に向いた、別の出力形式です。

マインドマップが救う会議と、ぶち壊す会議

トニー・ブザン（Tony Buzan）が現代的マインドマップを 1974 年に広め始めて以来、「脳は中心概念から枝分かれする放射状で情報を組織する。直線的なノートは構造を捨てている」という主張が続いてきた。理論の強い形を信じるかは置いといて、教室研究の方向は一貫している：マインドマップで学ぶ学生は、箇条書きで学ぶ学生より素材を覚えている。東京大学の 2018 年の研究では、1 週間後の想起テストで約 32% の改善が観測された。

ただし、この効果が出るのは「関連性のあるコンテンツ」だけだ。枝分かれする、つながる、そういうアイデア。取引的なコンテンツでは出ない。「Q3 予算が 7 対 0 で承認、可決」をマインドマップにする必要は誰にもない。それはただのリストだ。無理に図にすると、ノード 40 個・構造ゼロのゴミができあがる。

正直、「AI マインドマップ」系の解説のほとんどはこの判断をすっ飛ばしている。ツールだけ見せて、「ほら描けたでしょ」で終わる。落とし穴はそこだ。

12 分

90 分戦略ミーティングの AI ワークフロー全体（人によるレビュー込み）

約 32%

教室研究で観測されたマインドマップ式ノートの想起向上

98.7%

クリーン音声における Atter AI の文字起こし精度

90+

対応言語数（多言語混在のブレストにも対応）

マインドマップ化する価値がある会議は 4 種類

判断基準はシンプル：会議の目的が「生み出す」（アイデア、テーマ、選択肢、仮説）ならマインドマップ。「記録する」（決議、コミットメント、ステータス）ならリスト。

直感テスト：会議を一文で要約してみる。「我々は X を探索した」ならマインドマップ。「我々は Y を決定した」なら議事録。

Step 1 — 使える音声を録る

ブレストは文字起こしが最も難しい会議形式、断言できる。みんな話し被せる、文は途切れる、テンション上がると声がデカくなり、下がるとモゴモゴする。実戦的な対策は 3 つ：

• プラットフォームのローカル録音を使う、机の真ん中のスマホはダメ。 Zoom の「このコンピュータに録画」、Teams の SharePoint 保存、Webex のローカル取り込み、いずれも会議室中央のマイク 1 本より 4-6 倍クリーンだ。Zoom 中心のチームならZoom 文字起こし手順のエクスポート設定が参考になる。
• 冒頭 20 秒の自己紹介を入れる。 簡単な「順番に名前と役割を」だけで AI に話者ごとの音声指紋を渡せる。6 人のアイデア出しの話者識別率はコールドスタートの約 76% から 93% 以上に跳ね上がる。
• 発言の間に短い間を入れる。 不自然に感じるが、被り発言の復元率が倍になる。ブレストの勢いはアイデアにはプラスだが、AI のクリーンアップにはマイナスだ。

Atter AI は録音時間に上限がないので、3 時間の合宿型会議も 1 ファイルでそのまま処理できる。これがブレストでは効く——テーマの流れは 30 分の区切りに従ってくれない。

Step 2 — 可視化の前にまず文字起こし

「音声をマインドマップに変換」ツールに直接ぶち込みたくなる気持ち、わかる。でも待って。最終的なマインドマップの品質は、文字起こしが各アイデアの実際の言い回しを捉えたかにかかっている。「東京で試そう」が「徳島で試そう」と聞き取られた瞬間、誰も言っていない都市ノードがマインドマップに生える。

マインドマップ用途で特に重要な文字起こしの 3 属性：

• 話者ラベル — 後で「この枝は誰の発言から来た」が辿れる。クレジットとフォローアップに必要。
• キーフレーズの逐語保持 — マインドマップのノードは参加者の実際の言葉を使うべきだ。AI が言い換えると、特徴的なアイデアが平凡な管理用語に潰される。
• 10-20 秒ごとのタイムスタンプ — どのノードからでも音声の元位置に戻れる。誰かが「そんなこと言ったか？」と疑った時の検証用。

文字起こしの基本フローが未経験なら、AI で会議を文字起こしする方法から読むといい。マインドマップはその上に乗るレイヤーだ。

Step 3 — 階層抽出プロンプトを流す

90 分のブレスト文字起こしをマインドマップ用構造に変換するプロンプトがこれ。Atter AI の AI Chat に文字起こしと一緒に貼り付ける：

汎用「要約してくれ」プロンプトとの 3 つの重要な違い：

• 中心テーマを 1 つに強制する。 マインドマップはルートが 2 つあると崩壊する。AI に 1 つ選ばせると、その会議が本当に何について話していたかが浮き彫りになる。AI が選べないこと自体も貴重な情報だ。
• 発明された関連を禁止する。 汎用要約モデルは「X と Y は関連している」みたいな、誰も言っていない構造を作りたがる。マインドマップは実際に話されたことに基づくべきだ。
• 対立を保持する。 2 つの対立意見を「中庸な統合見解」に潰したマインドマップは、その会議で最も価値ある部分を捨てている。

Step 4 — マインドマップツールでレンダリング

Markdown アウトラインがこのフローの「ポータブル形式」。現代のマインドマップツールはほぼ全て Markdown を取り込めるし、対応していないものも Mermaid mindmap 構文に対応している（プロンプトに「Mermaid 形式でも出力」と一行追加すれば AI が生成する）。

マインドマップアプリを触ったことがなければ、まず markmap.js.org を開いて Markdown を左ペインに貼ればいい。右ペインに即座にインタラクティブな樹形図が出る。SVG や独立 HTML へのエクスポートは 2 クリック。

多言語ブレストの場合

国際的なデザインチームやグローバルリサーチチームでは、英語と日本語、ポルトガル語、中国語などを 1 文の中で切り替えながら議論することがある。Atter AI は 90+ 言語の混在を一発処理できる。上の階層抽出プロンプトに「マインドマップ全体を日本語でレンダリングし、非日本語話者の重要発言は原文をイタリック体で保持」と一行加えれば、日本語チームには読みやすいまま、「実際にどう言ったか」のテクスチャは失われない。

例：東京-サンパウロのプロダクトチームが日本語・ポルトガル語・英語の混在で月次シンセシス会議をしている場合、日本語（または英語）マインドマップを 1 枚出し、葉ノードには原語の引用を残す——参加していない同僚が分からない表現に出会った時、当事者に直接確認できる。

よくある落とし穴

落とし穴 1：ステータス会議をマインドマップ化する。 会議の 80% が「今週やったこと」なら、マインドマップは間抜けな見た目になる。会議要約テンプレートを使う方が早い。

落とし穴 2：AI に関連を発明させる。 汎用要約モデルは「X と Y は関連している」みたいな、会議で実際は描かれていない関連を作りたがる。上のプロンプトでは禁止しているが、成果物は 5 分かけて文字起こしと突き合わせて抽出するのが安全。

落とし穴 3：散らかった部分を切り過ぎる。 ブレストは散らかったマインドマップになるのが正解。完璧にバランスの取れた 4 つの枝になっていたら、たぶん編集しすぎて「計画書」になっている。

落とし穴 4：文字起こしステップを飛ばす。 「この音声をマインドマップ化」系ツールは存在するが、中間検証可能な成果物がない分だけ幻覚率が高い。文字起こしの価値は、同僚が 90 分音声を再聴せずにマインドマップを監査できることにある。

落とし穴 5：タイムスタンプを忘れる。 ノードにタイムスタンプがないと、議論の余地のあるアイデアを後から検証できない。AI に「葉ノードに [HH:MM:SS] を追記して」と依頼すれば良い。

FAQ

マインドマップと会議ノートの違いは？

会議ノートは通常「時系列」の線形記録——発言順に並ぶ。マインドマップは「主題別」の階層構造——発言順は無視してアイデアを主題で束ねる。同じ 90 分ブレストが、4 ページのノートにも 1 枚のマインドマップにもなる。両方価値はあるが、マインドマップは一目で全体が見える。

マインドマップ化すべきでない会議は？

「時系列」や「正式記録」が価値の本体である会議：取締役会、証言録取、営業 discovery コール、評価面談、朝会、カスタマーサポート記録。これらは議事録、通話要約、時系列文字起こしを使う。取締役会をマインドマップ化すると、最重要な「動議の順序」がぐちゃぐちゃになる。

AI は本当に Mermaid mindmap 構文を生成できる？

できる。Mermaid は 9.5（2023 年 2 月）から mindmap 構文を導入した。主要 AI モデルは文字起こしから直接生成できる。出力は GitHub README、Notion（Mermaid プラグイン）、Obsidian など Mermaid に対応した Markdown ビューワーで直接表示される。

多言語ブレストはどう扱う？

Atter AI は 90+ 言語の混在音声を 1 パスで処理する。階層抽出プロンプトに任意のターゲット言語でレンダリングするよう指示でき、非ターゲット言語話者の発言は原文引用として保持できる——多国籍チームが 1 枚の共有可能な成果物を欲しい時に有用。

有料のマインドマップアプリは必要？

不要。Markmap は無料・OSS、ブラウザで動き、登録不要。AI から出た Markdown を直接貼ればインタラクティブな樹形図がレンダリングされ、SVG として書き出せる。有料アプリ（XMind、MindNode、FigJam）は協働、プレゼン書き出し、視覚的な仕上げが追加されるが必須ではない。

AI の階層構築精度は？

4-6 人の焦点が定まったブレストのクリーン文字起こしなら、AI は 1 回目で中心テーマを当て、主要な枝の 80-90% をヒットする。残り 10-20% は通常 5 分のレビューで解決——枝を 1〜2 個並べ替えたり、葉ノードを別の親に移動したり。それでもゼロから書くより 10 倍速い。

生成後に編集できる？

できる。やるべき。AI 出力は出発点であって完成品ではない。最速ワークフローは、まず Markmap でレンダリングして全体形状を見る。仕上げる価値があれば XMind や MindNode に貼って視覚編集。約 70% のケースでは Markmap 版そのまま出して問題ない。

アップロードした録音は AI モデル学習に使われる？

使われない。Atter AI はアップロード録音をモデル学習に使わない。録音と文字起こしはアカウント内に留まる。マインドマップに乗りやすい戦略・アイデア系コンテンツは、まさに会社が公開モデルに食わせたくないタイプの素材だ。

Atter AI でこのワークフローを動かすのにいくら？

ライフタイム買い切り、年額、週額の 3 プランがあり、3 日間の無料トライアル（クレジットカード不要）が付く。試用期間で 1〜2 個の実際の録音にこのワークフローを通してから決められる。