meeting-analyzer

会議インサイト分析

maximcoding が最初に提供し、claude-skills チームが拡張・統合しました。

会議の文字起こしを、コミュニケーションのパターン、リーダーシップの振る舞い、対人関係の動きに関する、具体的で根拠に基づいたフィードバックに変換します。

コアワークフロー

1. 取り込みと目録作成

対象ディレクトリで、文字起こしファイル（.txt、.md、.vtt、.srt、.docx、.json）を検索します。

ファイルごとに次の処理を行います。

• ファイル名または内容から会議の日付を抽出します（YYYY-MM-DD の接頭辞、または埋め込みタイムスタンプを想定）。
• 話者ラベルを特定します。Speaker 1:、[John]:、John Smith 00:14:32、VTT/SRT のキュー形式などのパターンを探します。
• ユーザーが誰かを特定します。曖昧な場合は質問し、それ以外の場合は最も頻繁に発言する話者、またはファイル名の手がかりから推定します。
• ファイル名、日付、所要時間（タイムスタンプから算出）、参加者数、単語数を記録します。

本格的な分析を始める前に、対象範囲をユーザーが確認できるよう、簡潔な目録表を表示します。

2. 文字起こしの正規化

ツールによって出力形式は大きく異なります。分析の前に、すべてを共通の内部構造に正規化します。

{ speaker: string, timestamp_sec: number | null, text: string }[]

形式ごとの処理：

• VTT/SRT：キューのタイムスタンプとテキストを解析します。話者ラベルはインライン（<v Speaker>）または接頭辞として付与されている場合があります。
• プレーンテキスト：各行の Name: または [Name] の接頭辞を探します。話者ラベルがない場合は、話者ごとの分析が限定されることをユーザーに警告します。
• Markdown：書式を取り除いてから、プレーンテキストとして扱います。
• DOCX：テキスト内容を抽出してから、プレーンテキストとして扱います。
• JSON：speaker／text フィールドを持つオブジェクトの配列を想定します（Otter／Fireflies の一般的なエクスポート形式）。

タイムスタンプがない場合は、適切に処理を縮退させます。タイミングに依存する指標（発話ペース、一時停止の分析）は省略しますが、テキストベースの分析は実施します。

3. 分析

以下の該当する分析モジュールをすべて実行します。各モジュールは独立しています。該当しないもの（例：話者ラベルがない場合の発言比率の分析）は省略します。

---

モジュール：発言の動態

話者ごとに次の項目を算出します。

• 会議全体の単語数に対する単語数と割合
• 発言ターン数 — 各人が発言した回数
• 平均発言ターン長 — 中断されずに話した1ターンあたりの単語数
• 最長の独話 — 60秒または200語を超える発言ターンにフラグを付けます。
• 割り込みの検出 — 前の話者の最後のタイムスタンプから2秒以内に始まる発言ターン、または文の途中での割り込み

会議ごとの概要と、文字起こしが複数ある場合は会議横断の平均を作成します。

注意すべき兆候：

• 1対多数の会議で、ユーザーの発言が60％を超える（会話を支配している）
• ユーザーが進行役を務める会議で、発言が15％未満（関与が低い、または委任しすぎている）
• 一度も発言しない参加者がいる（発言の機会を排除されている）
• 割り込み比率が2：1を超える（ユーザーが割り込まれる回数の2倍の頻度で他者に割り込んでいる）

---

モジュール：対立と率直さ

ユーザーの発言をスキャンし、曖昧さや回避を示す表現を検出します。

曖昧な表現（会議ごとに集計し、出現ごとにスコアを付与）：

• 限定表現：「たぶん」「なんというか」「ある意味」「だと思います」「可能性があります」「とも言えます」
• 許可を求める表現：「よろしければ」「〜してもよろしいでしょうか」「間違っているかもしれませんが」
• 判断の委ね：「あなたの考えに任せます」「お任せします」「どちらでも大丈夫です」
• 反対意見を述べる前の緩和表現：「反対するつもりはありませんが」「ばかな質問かもしれませんが」

対立回避のパターン（より多くの文脈が必要です。確信度を付けてフラグを立てます）：

• 緊張が生じた後の話題変更（話者 A が問題を提起 → ユーザーが事務的な話題に切り替える）
• 口先だけの同意：「そうですね、まったくそのとおりです」に続いて、行動やフォローアップがない
• 他者の懸念を実際より小さく捉え直す：「たぶん、そこまで大きな問題ではないでしょう」
• 1 対 1 の面談で、業績に関する話題が想定されるにもかかわらず、フィードバックがない

フラグを立てた各事例について、以下を抽出します。

• 引用全体（前後 2 ターンの文脈を含む）
• 重大度タグ：low（単独の曖昧な言葉）、medium（1 回のやり取りにおける曖昧表現のパターン）、high（必要な会話を明らかに回避している）
• 書き換え案：より率直に言うとどう聞こえるか

---

モジュール：フィラーと言葉の癖

次の表現の出現回数を数えます：「えーと」「あの」「なんか」（比較の意味ではない場合）、「ご存じのとおり」「実際」「基本的に」「文字どおり」「ですよね？」（付加疑問）、「そうですね」「つまり」

報告項目：

• 会議ごとの合計数
• 発話 100 語あたりの割合（会議の長さの違いを補正）
• フィラーの種類ごとの内訳
• 文脈に応じた増加：特定の状況（例：上級の関係者への返答、否定的なフィードバックを伝えるとき、準備なしで質問されたとき）にフィラーが増えているか

割合が 100 語あたり約 3 回を超える場合にのみ、問題としてフラグを立てます。それを下回る場合は、通常の話し方です。

---

モジュール：質問の質と傾聴

ユーザーの質問を分類します。

• 閉じた質問（はい／いいえで答えられる）：「レポートは完成しましたか？」
• 誘導質問（答えが含まれている）：「もっと早くリリースすべきだと思いませんか？」
• 本質的なオープン質問：「何が障害になっていますか？」
• 確認質問（直前の発言者の発言を参照）：「X とおっしゃったとき、Y という意味でしたか？」
• 発展的な質問（他の人のアイデアを広げる）：「それは興味深いですね。さらに Z も加えたらどうでしょう？」

傾聴ができていることを示す指標：

• 確認質問や発展的な質問（積極的に内容を理解していることを示します）
• 言い換え：「つまり、私が聞いたところでは……」
• 会議の前半で誰かが述べた点に言及する
• 発言の少ない参加者に意見を求める

傾聴が不十分であることを示す指標：

• すでに回答された質問をする
• 相手の返答に触れずに自分の主張を繰り返す
• 質問に対して無関係な話題で答える

オープン質問／確認質問／発展的な質問と、閉じた質問／誘導質問の比率を報告します。

---

モジュール：ファシリテーションと意思決定

ユーザーが会議の主催者またはファシリテーターである場合にのみ適用します。

次の点を評価します。

• アジェンダの遵守：会議は構成に沿って進みましたか。それとも脱線しましたか？
• 時間管理：各議題にかかった時間は、予定と比べてどうでしたか？
• 参加の促進：ファシリテーターは発言の少ない参加者に積極的に発言を促しましたか？
• 決定事項の明確さ：決定事項は明確に述べられましたか？（「では、選択肢 B で進めます。金曜日までのフォローアップは Sarah が担当します。」）
• アクションアイテム：担当者と期限を決めましたか。それとも曖昧なままにしましたか？
• 保留事項の管理：議題から外れた事項を認識して後回しにしましたか。それとも会議の進行を妨げましたか？

---

モジュール：感情と活気

会議全体を通したユーザーの発言の感情的な推移を追跡します。

• 肯定的な指標：熱意のある同意、励まし、ユーモア、称賛
• 否定的な指標：苛立ち、軽視、皮肉、そっけない返答
• 中立／平坦：活気のない返答、一語だけの回答

活気の低下にフラグを立てます。これは、ユーザーの関与が目に見えて低下する場面（発言が短くなる、内容のある返答が減る）を指します。こうした低下は、不快感、退屈、回避と関連していることがよくあります。

4. レポートを出力する

最終出力は、まとまりのある単一のレポートとして構成します。このひな形を使用してください。不足しているデータがあるセクションは省略します。

# Meeting Insights Report

**Period**: [earliest date] – [latest date]
**Meetings analyzed**: [count]
**Total transcript words**: [count]
**Your speaking share (avg)**: [X%]

---

## Top 3 Findings

[Rank by impact. Each finding gets 2-3 sentences + one concrete example with a direct quote and timestamp.]

## Detailed Analysis

### Speaking Dynamics
[Stats table + narrative interpretation + flagged red flags]

### Directness & Conflict Patterns
[Flagged instances grouped by pattern type, with quotes and rewrites]

### Verbal Habits
[Filler word stats, contextual spikes, only if rate > 3/100 words]

### Listening & Questions
[Question type breakdown, listening indicators, specific examples]

### Facilitation
[Only if applicable — agenda, decisions, action items]

### Energy & Sentiment
[Arc summary, flagged drops]

## Strengths
[3 specific things the user does well, with evidence]

## Growth Opportunities
[3 ranked by impact, each with: what to change, why it matters, a concrete "try this next time" action]

## Comparison to Previous Period
[Only if prior analysis exists — delta on key metrics]

5. フォローアップの選択肢

レポートを提示した後、次の選択肢を提示します。

• 特定の会議やパターンを詳しく分析する
• ユーザーが改善すべき上位 3 つの習慣をまとめた、1 ページの「コミュニケーション用チートシート」を作成する
• トラッキングを設定する — 現在の指標をベースラインとして保存し、今後の比較に使用する
• パフォーマンスレビューで使用できるよう、Markdown または構造化 JSON 形式でエクスポートする

---

エッジケース

• 話者ラベルがない場合：最初にユーザーへその旨を伝えます。テキストレベルの分析（フィラーワード、文字起こし全体における質問の種類）は実行しますが、話者ごとの指標は対象外とします。話者ダイアライゼーションを有効にして再エクスポートするよう提案します。
• 会議が非常に短い場合（5 分未満または 500 語未満）：分析は実行しますが、短い会議で見られたパターンは代表的でない可能性があることを注記します。
• 英語以外の文字起こしの場合：フィラーワードとヘッジ表現の辞書は英語を中心に構成されています。他の言語ではこの制約を説明し、構造的な分析（発話比率、会話の交代、質問数）に重点を置きます。
• 単一の会議か、複数の会議のデータか：文字起こしが 1 件のみの場合、傾向や比較に関する表現は避けます。その会議単体の所見に焦点を当てます。
• ユーザーを特定できない場合：確認しても、どの話者がユーザーなのか判断できない場合は、分析を進める前に質問します。推測してはいけません。

文字起こしの取得方法

ユーザーが文字起こしの取得方法に迷っているように見える場合のみ、このセクションを出力に含めます。

• Zoom：Settings → Recording → 「Audio transcript」を有効にします。クラウド録画から .vtt をダウンロードします。
• Google Meet：自動文字起こしは、カレンダーの予定にある Drive フォルダ内の Google ドキュメントに保存されます。
• Granola：Markdown 形式でエクスポートできます。一般向けツールの中では、話者ラベルの品質が最も優れています。
• Otter.ai：ウェブダッシュボードから .txt または .json としてエクスポートします。
• Fireflies.ai：.docx または .json としてエクスポートできます。どちらも使用できます。
• Microsoft Teams：文字起こしは会議チャットに表示されます。.vtt としてダウンロードします。

時系列で簡単に分析できるよう、YYYY-MM-DD - Meeting Name.ext という命名規則を推奨します。

---

アンチパターン

アンチパターン	失敗する理由	より良いアプローチ
話者ラベルなしで分析する	人ごとの指標を算出できず、一般的なワードクラウドしか得られません	話者の識別を有効にして再エクスポートするようユーザーに依頼します
5 分間の朝会にすべてのモジュールを適用する	過剰です。フィラーワードと対立の分析には、20 分以上の会議が必要です	会議の長さを自動検出し、関連性のないモジュールをスキップします
指標を文脈なしで提示する	ベンチマークなしで「『えーと』を 47 回使いました」と伝えると、ユーザーの意欲を損ないます	常に標準値と比較し、時間の経過に伴う推移を示します
1 回の会議だけを単独で分析する	1 回の会議はスナップショットであり、パターンではありません。結論の信頼性に欠けます	傾向に基づくコーチングには、最低 3 回以上の会議を必要とします
発話時間の均等さを目標にする	ファシリテーターは話す時間を減らすべきであり、プレゼンターは話す時間を増やすべきです	会議の種類と役割に応じて、発話比率を評価します
すべてのヘッジ表現を否定的に扱う	ブレインストーミングでは、「私はそう思います」や「たぶん」は適切です	意思決定の会議（ヘッジ表現は望ましくない）とアイデア出し（ヘッジ表現は問題ない）を区別します

---

関連スキル

スキル	関連性
project-management/senior-pm	より広範な PM の支援範囲です。プロジェクト計画、リスク、ステークホルダーに使用します
project-management/scrum-master	アジャイルのセレモニーに対応します。振り返りの質を高めるため、meeting-analyzer と併用します
project-management/confluence-expert	会議分析の結果を Confluence ページとして保存します
c-level-advisor/executive-mentor	経営層向けのコミュニケーションコーチングです。補完的な視点を提供します