1on1メモのAI要約、発言を取り違える3つの型
画像出典: ぱくたそ (gori)
1on1のメモからフィードバック文案を作るAIは、文字に残った発言だけを材料に「整理→テーマ抽出→評価的な文章への変換」という順で出力を組み立てます。取り違えが起きるのは主に、皮肉や謙遜を字面どおりに読む、誰の発言かを混ぜる、1回の発言を経緯から切り離す、の3つの型です。変換の段階だけを人が検算すれば、下書きの速さは保ったまま評価の誤りを防げます。
面談中はうなずきながら箇条書きを打ち込んで、終わってから文章に起こす。この「起こす」部分が重いので、AIに渡したくなるのは自然なことです。実際、AI議事録を業務会議で使う専門職は2026年時点で75%に達し、利用者は週あたり約4時間の節約を報告しています。
問題は、出てきた文案が読み心地だけは完璧なことです。ハルシネーションの厄介さは、誤っていても文章が自然で説得力を持ち、読み手が気づきにくい点にあります。評価の文脈では、この「気づきにくい誤り」がそのまま部下に渡ってしまいます。
だからといって手書きに戻る必要はありません。AIがどの工程で何をしているかが分かれば、検算すべきなのは出力全体ではなく、たった1工程だけだと分かります。
AIは1on1メモをどう「フィードバック文案」に変えているのか？
まず土俵を合わせます。多くの人がイメージするのは「メモを入れたら文案が出てくる」という1段の箱ですが、実際の処理は3つの段を通ります。ここを分けて見られるかどうかが、後の検算の精度を決めます。
- 整理断片的な箇条書きや文字起こしを、話題ごとのかたまりに並べ替える。順序の入れ替えと重複の削除が中心で、ここでは新しい意味は足されません。
- テーマ抽出並べ替えたかたまりから「キーポイント」「テーマ」「アクションアイテム」を取り出す。商用の1on1ツールでもこの抽出が中心機能になっています。
- 評価的な変換抽出したテーマを「〜という強みがある」「〜に課題が見られる」という評価の言い回しに書き換える。ここで初めて、メモに書かれていない判断が文章に加わります。
取り違えのほとんどは3段目で起きます。1段目と2段目は材料の組み替えなので、元のメモと突き合わせれば一致を確認できます。一方3段目は、材料にない「評価」を言語モデルが埋める工程です。ここだけは原理的に人の確認が必要になります。
この記事で挙げる利用率や時間節約の値は、民間メディアやツール提供事業者が公表した集計値です。国内の公的機関が「1on1×AI」を名指しした統計は公表されていません。目安として読んでください。
仕組みのうえで「渡していない情報」は何か？
AIが出力を組み立てる材料は、記録された発言・学習データ・入力された文脈の3つだけです。逆に言えば、この3つに入らなかったものは出力に反映されません。1on1でいちばん情報量があるのに記録に残らないのは、次のようなものです。
- 声のトーン・表情・答えるまでの間（言い終わるまでに3秒黙った、という事実）
- その場にいた人だけが知っている経緯（前の案件で何があったか）
- 本人が言葉にしなかった遠慮や、少数の立場からの経験
- チーム内でしか共有されていない暗黙の進め方
管理職が面談で読み取っているのは、むしろこちら側です。つまりAIに渡っているのは、あなたが受け取った情報のうち文字になった分だけ。この差を忘れると、「自分が面談で感じたこと」が文案に入っていないのを、AIの出力の雰囲気で上書きしてしまいます。
手元のノートに書いた一行と、パソコンに打った箇条書きが別の場所に残るのも、この情報差を広げます。AIに渡すのはたいてい後者だけなので、ノート側に書いた「表情が曇った」という一言は最初から処理の外にいます。
取り違えの3つの型とは？
3段目で何が起こるかには、繰り返し現れる型があります。先に型を知っておくと、文案を読むときに目が止まる場所が変わります。
型1: 皮肉・謙遜を字面どおりに読む
「いやもう、全部自分でやった方が早いなと思っちゃって」という発言は、文脈によって自責の謙遜にも、分担への不満にも、単なる疲れの吐露にもなります。AIは記録された文字列から確率的に意味を決めるため、最も字面に近い解釈が選ばれやすい。結果、謙遜がそのまま「協働に消極的」という評価文になることがあります。
日本語の1on1はとくに直接的でない言い方が多いので、この型は出やすい部分です。皮肉・謙遜・比喩のある発言は、一般に取り違えが指摘される箇所として扱われています。
型2: 誰の発言かを混ぜる
これはAI要約ツールの既知の弱点として複数の技術解説で指摘されています。上司が投げかけた仮説を部下の意見として要約する、複数人の発言を一つの主張にまとめる、といった形で現れます。
話者ラベルのない箇条書きメモはこの型をいちばん招きます。面談中に「本人発言」と「自分の問いかけ」を記号で分けておくだけで、材料の段階から混ざらなくなります。
型3: 1回の発言を経緯から切り離す
「今期は手一杯でした」という一文は、前期に異動があったのか、欠員を1人でカバーしていたのかで意味が反転します。入力した文脈にその経緯が含まれていなければ、AIはその一文だけを材料に評価的な文章へ変換します。人事・評価の領域では、AIが経歴やスキルを誤って解釈し評価が不正確になるリスクも指摘されています。
対策はシンプルで、プロンプトに前提を足すことです。「本人は7月に異動、現在のチームでは3か月目」「前回の1on1での合意事項は◯◯」を2〜3行添えるだけで、3段目の変換の材料が変わります。
検算はどこを見ればいい？
出力全体を読み直すと、文章が自然なぶん「だいたい合っている」と感じて終わります。工程で分けて、2か所だけ見ます。
- 評価の言い回しを一つずつ発言に戻す — 「主体性に課題」と書かれていたら、元のメモのどの発言が根拠かを指で追う。対応する発言が見つからなければ、それはAIが埋めた判断です
- 主語を確認する — 「〜したいと考えている」の主体が本人なのか自分なのか、メモの話者ラベルと突き合わせる
この2点は慣れると文案1本あたり2〜3分です。OpenAIが公開している管理職向けガイドでも、AIはメモの整理と下書きメッセージの作成を担い、最終的な判断と評価の責任は管理職が持つという前提が明確にされています。工程の切り分けは、この前提を手順に落としたものです。
プロンプトに足すと3段目が安定する要素
同ガイドでは、評価コメント作成の際に評価基準・実績・強み・改善点・希望文字数を入力して下書きを作らせ、評価者はその確認と自分の言葉への調整に時間を割く運用が紹介されています。1on1の文案でも同じ考え方が使えます。
- 役割と目的「部下との1on1メモから、本人に渡す建設的フィードバックの下書きを作って」と用途を明示する。ガイドでも「指示を多く必要とする部下への建設的フィードバックを手伝って」のような具体依頼が例示されています
- 前提の2〜3行在籍期間、現在の担当、前回の合意事項。型3への直接の対策になります
- 話者の区別メモ内で「【本】本人発言／【上】自分の問いかけ」と記号を分けて渡す
- 禁止事項「メモに書かれていない評価や推測を加えないで」「根拠となる発言を各項目に括弧で添えて」と指定する。根拠の併記は、検算の1点目をAI側に用意させる指示です
うまくいかない時、どこが原因か切り分ける
文案が使い物にならない時、原因は3つのどれかです。順に試すと一手で済みます。
- 1. 指示文の問題か — 同じメモのまま、禁止事項（推測を加えない・根拠を併記）だけを足して再生成する。これで改善するなら指示が足りなかっただけです
- 2. 渡した資料の問題か — メモを見直し、話者ラベルと前提の経緯が入っているか確認する。箇条書きの断片だけだった場合、どんな指示文でも3段目の材料が足りません
- 3. 機能やプランの制限か — メモが長く後半が無視されている、添付ファイルが読み込まれていない、といった兆候が出ます。要約が前半に偏っていたら、メモを話題ごとに分けて複数回に渡す
見分け方の目印は、出力が「毎回同じように外れる」なら指示文か資料、「長い時だけ外れる」なら制限側です。短いメモで試して正しく出るなら、指示文は機能しています。
懲戒や評価査定に直結する記録、本人が強い不満や体調の話をした面談は、AIに下書きさせる前に自分の言葉で書いた方が早く、かつ安全です。ニュアンスが結論を左右する内容ほど、3段目の変換で落ちる情報の比重が大きくなります。また、面談内容を外部サービスに入力する際は、自社の情報取り扱いルールの範囲内かを先に確認してください。
検証環境の明示も一言添えておきます。ここで扱った仕組みは、公表されている管理職向けガイドやツールの機能説明をもとにした処理工程の説明です。利用できるモデルや入力できる文量の上限はプランや時期で変わるため、手元で試す際は使っているプランとモデル名、試した日付をメモに残しておくと、うまくいった設定を再現できます。
AI要約の導入後にアクションアイテムの完了率が上がったという報告もあります。整理と下書きの速さは受け取りながら、評価の一語だけは自分で持つ。1on1の文案に関しては、この線引きがいちばん現実的なところです。
よくある質問
1on1のメモをAIに要約させると、具体的にどの工程で誤りが混ざるのですか？
誤りが混ざりやすいのは、抽出したテーマを「〜という強みがある」「〜に課題が見られる」といった評価の言い回しに書き換える工程です。それ以前の整理・テーマ抽出は元のメモの材料を組み替える処理なので突き合わせで確認できますが、評価的な変換ではメモに書かれていない判断が加わるため、人の確認が必要になります。
AIが1on1の文脈を取り違える代表的なパターンは何ですか？
大きく3つです。1つ目は皮肉・謙遜・比喩を字面どおりに解釈し、評価の向きが反転すること。2つ目は誰の発言かの取り違えで、上司の問いかけを部下の意見として要約したり複数人の発言を混在させるもので、AI要約ツールの既知の弱点として指摘されています。3つ目は1回の発言を過去の経緯や評価から切り離して評価文に変換することです。
AIが生成したフィードバック文案はそのまま部下に渡してよいのでしょうか？
渡す前の確認が必要です。ハルシネーションは誤りでも文章が自然で説得力を持つため読み手が気づきにくく、生成AIの幻覚率はスタンフォード大学の調査で22%〜94%の範囲が確認されています。OpenAIの管理職向けガイドでも、AIはメモの整理と下書き作成を担い、最終的な判断と評価の責任は管理職が持つという前提が示されています。
面談で感じたトーンや表情は、AIの要約に反映されますか？
反映されにくいとされています。AIは記録された発言・学習データ・入力された文脈のみから出力を組み立てるため、声に出なかった非言語情報（トーン・表情・間）、少数派の経験、現場でしか共有されていない暗黙知は出力に乗りません。これらを文案に含めたい場合は、管理職が自分の言葉で書き足す必要があります。
※記事で使用した内容・数値は変更される場合があります。最新情報は公式サイトをご確認ください。