Notion AIで議事録を自動生成する3つのワークフロー

会議の議事録作成に毎週数時間費やしているなら、Notion AI + 文字起こしツールの組み合わせで大幅短縮できます。私自身、GramShift 開発の打ち合わせや個人開発の意思決定記録に、3つの異なるワークフローを試してきました。この記事では3パターンを実コストと精度の実測値で比較し、それぞれの向き不向きを共有します。

ワークフロー1: Otter.ai + Notion AI 要約

最もシンプルなアプローチが、文字起こしを Otter.ai に任せ、生成されたテキストを Notion に貼り付けて Notion AI で要約する流れです。3工程で完了します。

1. 会議中に Otter.ai で録音 + リアルタイム文字起こし
2. 会議終了後、Otter.ai から文字起こしテキストをエクスポート
3. Notion ページに貼り付け、Notion AI に「要約して」と指示

このワークフローの実測値はこうなります。

• 1時間の会議録音 → Otter.ai 文字起こし完了まで約 5分
• Notion AI 要約生成 → 約 30秒、約 500-800字の要約
• 月コスト: Otter.ai Pro $16.99/月 + Notion AI $10/月 = 約 4,000円
• 精度: 日本語文字起こし精度は 90-95%、Notion AI 要約は議題の取りこぼしが約 10%

欠点は Notion AI 単体だと「議題の構造化」が弱く、時系列ベースの要約になりやすいことです。「決定事項」「アクションアイテム」「未解決事項」のように分類するには、追加の指示が必要です。

ワークフロー2: Otter.ai + Claude Haiku 4.5 で構造化

Notion AI の構造化弱点を補うために、要約だけ Claude Haiku 4.5 にやらせるパターンです。Notion AI は最終的なフォーマット整形に使います。

// scripts/structure-meeting.mjs (Claude API 呼び出し例)
import Anthropic from '@anthropic-ai/sdk';
import { readFile, writeFile } from 'node:fs/promises';

const client = new Anthropic({ apiKey: process.env.ANTHROPIC_API_KEY });

const transcript = await readFile('meeting-transcript.txt', 'utf8');

const response = await client.messages.create({
 model: 'claude-haiku-4-5',
 max_tokens: 2000,
 messages: [{
 role: 'user',
 content: `以下の会議文字起こしを、Markdown形式の議事録に整理してください。\n\n` +
 `必須セクション:\n` +
 `## 議題\n## 決定事項\n## アクションアイテム (担当者と期限つき)\n## 未解決事項\n## 次回会議メモ\n\n` +
 `文字起こし:\n${transcript}`
 }]
});

const markdown = response.content[0].text;
await writeFile('meeting-summary.md', markdown);
console.log('Saved:', markdown.length, 'chars');

この構成の実測値は以下です。

• Claude Haiku 4.5 で構造化 → 約 5-10秒、約 800-1,500字の議事録
• API コスト: 1回あたり約 2-3円
• 月コスト: Otter.ai $16.99 + Claude API 数百円 = 約 2,800円
• 精度: 議題抜け 5%以下、アクションアイテムの担当者特定は約 85%

構造化精度が明確に上がり、月コストもワークフロー1より安くなります。私の現在のメイン構成はこれです。

ワークフロー3: Zapier 経由のフル自動化

「録音から Notion 投稿までを完全無人化」する最大効率パターンです。3ツール (Otter.ai + Zapier + Notion API) を連携させます。

1. Otter.ai が文字起こしを完了するとwebhookを送信
2. Zapier がwebhookを受信、文字起こしテキストを取得
3. Zapier から Claude API に POST し、構造化された Markdown を取得
4. Zapier が Notion API にPOST し、新規ページを作成

会議終了から議事録 Notion 投稿まで、人間が介入する箇所がゼロになります。実測の所要時間は会議終了から約 10分です。

コスト構成はこうなります。

• Otter.ai Pro $16.99/月
• Zapier Starter $19.99/月 (multi-step zap が必須)
• Claude API 月数百円
• Notion API は無料
• 合計: 約 5,300円/月

ただしこの構成は「会議の頻度が週3回以上」「議事録を即時 Notion 共有する必要がある」というチームでないとオーバースペックです。週1の打ち合わせならワークフロー2で十分です。

3パターン比較表

項目	WF1 (Notion AI)	WF2 (Claude API)	WF3 (Zapier フル自動)
月コスト	約 4,000円	約 2,800円	約 5,300円
議事録1本所要	約 10分 (人手介在)	約 8分 (人手介在)	約 10分 (人手0)
構造化精度	中	高	高
初期構築工数	1時間	3-4時間	1日
向くケース	月1-2回会議	月数回-週1	週3回以上

失敗ケース — 文字起こし精度を過信してハマった話

運用初期にハマったのが、Otter.ai の日本語文字起こし精度を過信して、内容確認なしに議事録だけ参照していたケースです。1時間の会議録音の中で、Otter.ai が「ウェブアプリ」を「Web AP」と誤認識し、Claude API がそれを「Web AP (Web Application Performance)」と勝手に解釈して、議事録に存在しない仕様が書かれていました。発覚は2週間後、「あの議事録に書いてある Web AP って何の話?」と聞かれて初めて気づきました。

対策としては、初回の数回は文字起こし結果と要約結果を必ず人間が照合する、信頼できる結果が出てから無人化する、というステップが必要です。

議事録以外の AIワークフロー例は AIワークフローカテゴリ、AIツール比較全般は AIツール実用カテゴリ に蓄積しています。

このような AI 連携を含む大規模運営のメタワークフローは Claude Code で 3サイト114記事のアフィリンク最適化を半日完走させた実装ログ も実例として参考になります。