はじめに：ZoomにおけるAI

Zoom Workplace、Webinars、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、日常生活に不可欠な一部となっています。大規模および小規模の言語モデルから、特化した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間と機械のシームレスな対話を可能にする一方、AIはより専門的なアプリケーションにも存在します。自動化ツールはワークフローを効率化し、キャプション作成や翻訳などの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が進歩し続けるにつれて、そのアプリケーションは効率、精度、イノベーションを高めることで業界を変革し、企業の運営方法を根本的に変えています。

現代の職場においてAIの役割が拡大していることを踏まえ、このドキュメントでは、Zoomのプラットフォーム全体でAIがどのように使用されているかを説明します。Zoomの共有AI基盤、各種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を支援する、より広範なAIワークスペースとしてのZoomMateについて説明します。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、フォローアップ全体でZoomがどのようにAIを活用しているかを読者が理解できるようにす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対応の体験を実現する共有人工知能レイヤーです。Zoomが製品全体にインテリジェントな機能を提供するために使用する、幅広い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を単一のスタンドアロン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、フォローアップ全体でAI支援の体験を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に加え、リアルタイム翻訳、文字起こし、ミーティング内質問、パーソナルオーディオ分離、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をサポートします。これには、連合アーキテクチャ、Zoom-Hosted Models Plus（ZM+）、ZoomホストAIモデル完結型 (ZMO)、オンプレミスAIサービスなど、ZoomのAIに対するマルチモデルおよびマルチデプロイメントのアプローチが含まれます。これらのアプローチが一体となって、Zoomプラットフォーム全体におけるAIの技術基盤を形成しています。

AI機能

AI機能：Zoom製品全体で集中的な支援を提供する組み込みAI機能

Zoom AI機能は、特定のZoom製品およびワークフロー内で人工知能を使用する製品固有の機能であり、通常はタスクが発生する製品体験に直接組み込まれています。ミーティングの要約、チャットメッセージの下書き、メール返信の提案、ライブミーティング中の質問への回答、通話後の要約の生成など、特定のアクティビティを支援するように設計されています。

これらの機能は、表示される製品内で単独で動作できますが、より広範なZoomMate体験を支える出力を生成することもできます。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、後でZoomMateにとって有用なコンテキストとなる場合があります。一方、チャット作成やミーティング質問などの機能は、主にその時点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全体に分散された製品レベルのAIレイヤーです。

例としては、ミーティング要約、ミーティング内質問、文字起こし、マイノート、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、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、電話にわたる機能が挙げられます。

ZoomMate

ZoomMate：会話から完了まで、より多くを達成できるよう支援するインテリジェントなWorkplaceチームメイト

ZoomMateは、Zoom Workplaceプラットフォームの中核を担うインテリジェントな会話型デジタル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、従業員の作業負荷の軽減を目的として設計されています。

AIツールは日々、現代の労働力にますます統合されており、データ入力の自動化、メールの下書き、レポートの生成、基本的なアルゴリズム機能の実行といった特定のタスクに限定されなくなっています。むしろ、新たなAIツールは変革的な転換を示しており、私たちの働き方を根本的に変えています。ZoomMateはこの例であり、単純なタスク自動化を超えて、会話から完了までユーザーがより多くを達成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、重要度の高い顧客ミーティングの準備をしている営業リーダーを考えてみましょう。作業は、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う、最近のZoomミーティングから始まる場合があります。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、異なるチームメンバーに割り当てられたフォローアップ責任を提示できます。その後、ユーザーは別のツールで最初から始めるのではなく、ZoomMateに移行してそこから作業を続けることができます。

Zoom Workplaceおよび接続されたシステム全体のコンテキストを使用して、ZoomMateはミーティング要約を収集し、関連するチャットディスカッションを確認し、Zoom Canvas内の補足資料を参照し、接続されたCRMからアカウントのコンテキストを取得し、承認済みの社内または外部ソースから追加の調査情報を取り込むことができます。統合されたコンテキストに基づき、ZoomMateは顧客向けブリーフィングの作成、提案書の概要の下書き、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。ユーザーがその作業を提示する必要がある場合、ZoomMateはZoom Slidesを使用して、同じ基礎コンテキストをプレゼンテーション資料に変換することも支援できます。

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で終わらない点です。ZoomMateは、元の会話、下された意思決定、それ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コンテキストを引き継ぐ支援を行えます。この意味で、ZoomMateは単一目的のツールというよりも、ユーザーが情報をつなぎ、フォローアップを調整し、進行中の作業を完成した成果物へと変換するのを支援する職場のチームメイトとして機能します。

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進む前に、ZoomのAI機能を支える基盤プロトコルの一部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ための主要な相互運用性スタンダードの一つであるModel Context Protocol（MCP）について説明します。

Model Context Protocol

Model Context Protocol（MCP）：AIをツールに接続して、より多くを達成するためのスタンダード

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。これは、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スタンダードです。MCPは、各企業が個別に構築・維持しなければならない一回限りの統合の必要性をなくすことで、エージェント型AIの発展において重要な役割を果たします。代わりに、AIモデルに対して一貫した方法で機能を公開する、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システムは単に質問に回答するだけでなく、ユーザーが依存するシステム内で直接アクションを実行する、よりインテリジェントなエージェントのように動作できます。

詳細については、Zoomの開発者向けドキュメントを参照してください ZoomにおけるMCP.

実践でのMCPの仕組み：メニューから注文するように

MCPの中核は、クライアント・サーバーモデルです。AI環境（ChatGPTやClaudeなど）は作業を完了したいクライアント、外部システム（Jira、Confluence、データベースなど）は実行可能なことを公開するサーバーだと考えてください。各サーバーは、「ナレッジベースを検索」や「タスクを作成」といった機能の明確なリストを提供します。AIクライアントは会話の途中で、これらの機能をいつ、どのように使用するかを決定します。

言い換えると、AIをMCPサーバーに接続することは、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サーバーを通じて利用可能なサービスまたは機能のリスト）を受け取り、あなた（AI）が望むものを伝えると、サーバーが応答します。何が利用可能か、または利用できないかを推測する必要はありません。すべてが事前にメニューで提供されます。

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」や「チケットを更新」といった機能を公開できます。これらの機能はMCPの共有形式に従うため、AIはカスタムエンジニアリングなしで直ちに理解できます。

ステップ2：AIがクライアントとして機能する

もう一方では、AI環境がクライアントのロールを担います。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を決定します。つまり、AIを何千もの可能な統合で事前にプログラムする必要はありません。接続が確立された時点で、何が利用可能かを学習するだけです。

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の引き渡し方法も定義します。これにより、AIが機能を使用する際、ユーザーにアクセスが許可されている範囲内でのみ使用することを確実にします。たとえば、ユーザーに自分のチームのJiraチケットのみを閲覧する権限がある場合、MCPはAIがその範囲を遵守するようにします。このセキュリティレイヤーにより、機密データとアクセス制御が譲れない要件であるエンタープライズでの利用において、MCPは実用的になります。

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はカスタム統合に伴う摩擦を取り除き、安全性と一貫性を確保します。ユーザーは、AIが質問に答えるだけでなく、シームレスかつ安全に感じられる方法で、さまざまなツール全体にわたり十分な情報に基づくアクションを実行できるというメリットを得られます。