商談録画をAIで解析する｜ネクストアクション抽出は形になり、感情分析は精度が課題

商談の振り返りは重要ですが、録画を見返す時間はなかなか取れません。そして「刺さっていたかどうか」の判断は、どうしても担当者の主観に寄ります。

Zoom商談の録画と文字起こしをAIで自動解析し、ネクストアクションの抽出と、相手の反応の可視化を試みました。文字起こしの活用は形になった一方、感情解析には精度のばらつきという課題が残っています。

この検証の概要

本記事は自社での検証記録です。工数削減や精度の定量測定は行っていないため、数値は掲載していません。

結論：文字起こしの活用は形になった

この検証で最も実用に近づいたのがこれです。

Zoom AIコンパニオンの出力をプロンプトで加工し、「営業メンバーが即座に動けるネクストアクション」として抽出する手法を確立しました。

商談の文字起こしはそのままだと長すぎて読まれません。要約しても「こういう話をしました」で終わってしまい、次の行動に繋がらないことがあります。出力の形を「次に何をするか」に固定することで、読まれる情報に変わりました。

あわせて、商談終了後の文字起こしデータをDiscordへ自動通知し、スプレッドシートに記録する基本フローも設計しています。

構成

Zoom（商談終了・録画完了）
    ↓  Webhook
Make（データ取得）
    ↓
文字起こしをプロンプトで加工
    ↓
Discord へ通知 ＋ スプレッドシートへ記録

つまずいたこと1：長時間動画は丸ごと解析できない

Gemini APIで動画解析（感情推定、声のトーン分析）を試みた際の技術的な発見です。

長時間動画をそのまま解析しようとすると、API制限に引っかかります。商談は30分〜1時間が普通なので、この制約は避けて通れません。

現実的な解として特定できたのは次の2つです。

• 5分単位で分割して処理する（ffmpeg等を使う）
• Geminiアプリへ手動でアップロードする

全自動にこだわると詰まりますが、分割するか手動を挟むかを許容すれば動きます。

つまずいたこと2：感情解析の精度にばらつき

今回の主要な課題がこれです。動画解析における「感情変化のサマライズ」の精度にばらつきが出ました。

「刺さり具合を定量化する」という当初の目的に対して、現時点の出力は判断材料として信頼しきれません。日によって、あるいは商談によって、結果の質が揺れます。

検討している対策：ハイブリッド解析

対応として検討しているのが、解析をAIに丸投げせず、2つを組み合わせる方式です。

数値化できる部分は専用のツールに任せ、AIには解釈だけをさせるという切り分けです。感情のような曖昧な対象ほど、全部をAIに投げると再現性が落ちます。

コスト面の課題：MakeからGASへ

実行基盤についても見直しの必要が出ました。

MakeやZapierは実行コストが高いため、今後はGAS（Google Apps Script）による自前実装へシフトする方針です。ただしその場合、OAuth認証の壁を突破する必要があります。

ノーコードツールは立ち上がりが速い反面、実行回数が増えるほどコストが効いてきます。検証段階はMake、運用段階はGAS、という切り替えは現実的な選択です。

よくある質問

まとめ

• Zoom AIコンパニオンの出力を加工し、営業が即座に動けるネクストアクションとして抽出する手法を確立
• 文字起こしをDiscordへ通知しスプレッドシートに記録する基本フローを設計
• 長時間動画は丸ごと解析できない。5分単位の分割か手動アップロードが現実解
• 感情変化のサマライズは精度にばらつき。表情スコアの数値化＋AIの文脈解釈というハイブリッドを検討中
• Make/Zapierは実行コストが高いため、運用段階はGASへのシフトを想定

曖昧な対象をAIに評価させるときは、丸投げせず「数値化できる部分」と「解釈する部分」を分けたほうが安定します。今回はその設計に至った検証でした。

株式会社AI棒では、こうしたAI活用の検証を日々行い、企業の営業DXとAI導入を支援しています。ご相談はお問い合わせフォームから、継続的な伴走支援についてはAI参謀をご覧ください。