はじめに：ZoomにおけるAI

Zoom Workplace、Webinars、およびEvents向けZoom AIホワイトペーパーの紹介

人工知能は急速に進化し、日常生活に欠かせない存在になりつつあり、大規模・小規模の言語モデルから専門的なアルゴリズム機能まで、あらゆるものを支えています。生成AIは、コンテンツ作成、問題解決、意思決定において人と機械のシームレスなやり取りを可能にしますが、AIはより専門的なアプリケーションにも存在しています。自動化ツールはワークフローを効率化し、字幕起こしや翻訳のようなサービスはコミュニケーションの障壁を取り除き、コラボレーションをより効率的かつ利用しやすいものにします。AIが進化を続ける中、そのアプリケーションは効率性、精度、イノベーションを高めることで業界別を変革し、企業の業務のあり方を根本から再構築しています。

現代の職場においてAIの役割が拡大する中、この文書ではZoomプラットフォーム全体でAIがどのように使われているかを説明します。Zoomの共有AI基盤、さまざまなZoom製品に組み込まれた製品固有のAI機能、そして会話から完了までユーザーの前進を支援する、より広範なAI作業面としてのZoomMateについて解説します。これらのセクションは、コミュニケーション、コラボレーション、生産性、そして実行までを通じてZoomがAIをどのように活用しているかを理解する助けとなることを目的としています。

Zoom AI

Zoom AIは、Zoomプラットフォーム全体でAI対応の体験を支える共有の人工知能レイヤーです。これには、Zoomが製品全体でインテリジェントな機能を提供するために使う、より広範なAI技術、モデル、支援システムが含まれます。実際には、Zoom AIは、AIを単独の機能やアプリケーションに限定するのではなく、コミュニケーション、コラボレーション、生産性、そして実行までを通じたAI支援体験をZoomが提供できるようにする基盤です。

この共有AIレイヤーは、ZoomMateだけでなく、リアルタイム翻訳、文字起こし、ミーティング内質問、個人オーディオ分離、チャット作成、その他のAI支援体験など、幅広い製品固有の機能も支えています。ここには、ZoomのマルチモデルおよびマルチデプロイメントのAIアプローチが含まれ、連邦型アーキテクチャ、ZoomホストAIモデルプラス（ZM+）、ZoomホストAIモデル完結型 (ZMO)、オンプレミスAI提供などが含まれます。これらのアプローチが組み合わさって、Zoomプラットフォーム全体のAIの技術基盤を形成しています。

AI機能

AI機能: Zoom製品全体で的を絞った支援を提供する組み込み型AI機能

Zoom AI機能は、特定のZoom製品やワークフロー内で人工知能を活用する製品固有の機能であり、通常はその作業が発生する場所に直接組み込まれています。会議の要約作成、チャットメッセージの下書き作成、メール返信案の提案、ライブミーティング中の質問への回答、通話後の要約生成など、特定の活動を支援するよう設計されています。

これらの機能は、表示される製品内で単独でも動作しますが、より広範なZoomMate体験を支える出力を生み出すこともできます。たとえば、Zoomミーティング後に作成されたミーティング要約は、その後ZoomMateにとって有用な文脈になることがあります。一方、チャット作成やミーティング内質問のような機能は、主にその場の製品体験を支援するために設計されています。このように、Zoom AI機能はZoom全体に分散した製品レベルのAI層です。

例としては、ミーティング、チャット、ホワイトボード、イベント、メール、カレンダー、電話にまたがる機能があり、ミーティング要約、ミーティング内質問、文字起こし、My Notes、チャット作成、チャット要約、チャネル要約、翻訳、メールの下書き作成と返信、スケジュール作成支援、通話要約、ボイスメール機能、タスク抽出などが含まれます。

ZoomMate

ZoomMate: 会話から完了まで、より多くを実現するインテリジェントな職場のチームメイト

ZoomMateは、Zoom Workplaceプラットフォームの中核にある、インテリジェントで対話型のデジタルなチームメイトであり、生産性の向上、コラボレーションの効率化、従業員の業務負荷軽減を目的としています。

日々、AIツールは現代の労働現場にますます組み込まれ、データ入力の自動化、メールの下書き作成、レポート生成、基本的なアルゴリズム機能の実行といった特定の作業だけに限定されなくなっています。むしろ、登場しつつあるAIツールは変革的な転換を示し、私たちの働き方を根本から変えています。ZoomMateはその好例であり、単純なタスクの自動化を超えて、会話から完了までユーザーがより多くを実現できるよう支援する専任のチームメイトとして機能します。

たとえば、重要な顧客ミーティングに向けて準備を進める営業リーダーを考えてみてください。作業は、最近のZoomミーティングから始まるかもしれません。そのミーティングでは、チームが顧客の優先事項、競合上のリスク、未解決の技術的な質問について話し合います。その会話から、ZoomのAI機能はミーティング要約を生成し、アクションアイテムを特定し、さまざまなチームメンバーに割り当てられたフォローアップの責任を明らかにできます。その後、ユーザーは別のツールで最初からやり直すのではなく、ZoomMateに引き継いで作業を続けることができます。

Zoom Workplace全体および接続されたシステムの文脈を使って、ZoomMateはミーティング要約を収集し、関連するチャットのやり取りを確認し、Zoom Canvas内の補助資料を参照し、接続されたCRMからアカウントの文脈を取得し、承認済みの社内外ソースから追加の調査を取り込みます。これらを組み合わせた文脈から、ZoomMateは顧客向けブリーフィングの作成、提案書のアウトライン作成、フォローアップタスクの作成、構造化された戦略ドキュメントの生成を支援できます。ユーザーがその成果を提示する必要がある場合は、ZoomMateは同じ基盤となる文脈をZoom Slidesを使ったプレゼンテーション資料へと変換する支援もできます。

ZoomMateが従来の生成AIアシスタントと異なるのは、作業が要約や下書き作成で終わらないことです。ZoomMateは、元の会話から、行われた決定、そしてその後に続くドキュメントやアクションまで、プロセス全体にわたって文脈を引き継ぐ支援ができます。そうした意味で、ZoomMateは単一目的のツールというより、情報をつなぎ、フォローアップを調整し、進行中の作業を完成した成果へと変えるのを助ける職場のチームメイトのように機能します。

インターフェースプロトコル

より詳細な機能やデータフローに入る前に、ZoomのAI機能を支える基盤となるいくつかのプロトコルを理解しておくと役立ちます。このセクションでは、AIがツール、データ、ワークフロー、その他のエージェントに接続するのを支援する主要な相互運用性標準の1つであるModel Context Protocol (MCP) について説明します。

Model Context Protocol

Model Context Protocol (MCP): AIをツールに接続中し、より多くを実現するための標準

AIアーキテクチャの一部として、ZoomはModel Context Protocol (MCP) を使用しています。MCPは、モデル、ツール、データソース、ワークフロー間の安全な接続を可能にするオープン標準です。MCPは、各企業が個別に構築・維持しなければならないその場限りの統合の必要性を置き換えることで、エージェント型AIの進化において重要な役割を果たします。代わりに、AIモデルに機能を一貫した方法で公開する、共有された構造化フレームワークを提供します。この基盤により、AIシステムは、質問に答えるだけでなく、ユーザーが依存するシステム内で直接アクションを起こすことで、よりインテリジェントなエージェントのように振る舞えるようになります。

詳細についてはZoomのDeveloper Docsを参照してください Zoom における MCP.

MCP の実際の仕組み — メニューから注文するように

その中核では、MCPはクライアント・サーバーモデルに基づいています。AI環境（ChatGPTやClaudeのようなもの）を作業を進めたいクライアントと考え、Jira、Confluence、またはデータベースのような外部システムを、オンラインで利用可能な機能を公開するサーバーと考えてください。各サーバーは、「ナレッジベースを検索する」や「タスクを作成する」のような機能の明確な一覧を提供します。AIクライアントは、会話の途中で、ユーザーに応答する際にこれらの機能をいつ呼び出すか（通話ではなく、機能の呼び出し）を判断します。

つまり、MCPサーバーにAIを接続するのは、レストランで注文するのと同じです。あなた（AI）はレストランに入り、メニュー（MCPサーバー経由でオンライン利用できるサービスや機能の一覧）を受け取り、あなた（AI）は欲しいものを伝え、それに対して応答が返ってきます。何が利用できるのか、あるいは利用できないのかを推測する必要はありません。すべてが最初からメニューに用意されています。

以下のセクションでは、MCPの仕組みについてさらに詳しく説明します。

ステップ1: サーバーを通じて機能を公開する

どのシステムでもMCPサーバーを実行できます。そのサーバーは「メニュー」として機能し、サポートするアクションの構造化された説明を公開します。たとえば、Jiraは「課題を検索する」や「チケットを更新する」といった機能を公開できます。これらの機能はMCPの共有フォーマットに従っているため、AIはカスタム開発なしですぐに理解できます。

ステップ2: AI がクライアントとして振る舞う

一方で、AI環境はクライアントの役割を果たします。利用可能な機能のメニューを読み取り、それらを記憶し、ユーザーに応答する際にどれを呼び出すか（通話ではなく機能の呼び出し）を判断します。つまり、接続時に何がオンラインで利用可能かを知るだけでよく、何千もの統合を事前にプログラムしておく必要はありません。

ステップ3: コンテキストを安全に渡す

MCPは、コンテキストと権限がどのように受け渡されるかも定義します。これにより、AIが機能を使用する際、ユーザーに許可された範囲内でのみ動作することが保証されます。たとえば、ユーザーに自分のチームのJiraチケットだけを見る権限がある場合、MCPはAIがその範囲を尊重するようにします。このセキュリティ層こそが、エンタープライズ利用においてMCPを実用的にしている要因であり、機密データとアクセス制御は妥協できません。

MCPが重要な理由

AIが外部システムに接続する方法を標準化することで、MCPはカスタム統合の手間を取り除き、安全性と一貫性を確保します。ユーザーにとっての利点は、AIが質問に答えるだけでなく、さまざまなツールにまたがって情報に基づくアクションを、シームレスかつ安全に実行できることです。