1. イントロ —— AIが「人の中の構造」を読む時代へ

営業の1on1は、これまで「評価のための面談」として扱われることが多くありました。
しかし本来の1on1は、メンバーが自分の思考や行動を整理し、学びを深めるための学習の場です。

そして今、その学びの構造をAIが読み取れるようになりました。
たとえばGoogle Meetで行った1on1をGeminiが自動で文字起こしし、誰が何を話し、どんな反応があったかを「行動」「反応」「心理」といった単位で整理してくれる。

AIが対話ログを構造化できるようになった今、その記録は「振り返り用メモ」から「人の成長を可視化するデータ資産」へと変わります。

どんな行動が成果につながったのか。
どの局面で迷いや停滞があったのか。

AIは、こうした変化のパターンを読み取り、次の1on1のテーマ設定や育成方針にまで活かすことができます。

つまりAIは、単なる要約ツールではなく、学習を設計するパートナーとして機能する段階に入ったのです。

では、AIが人の中の構造を正しく読み取り、成長の文脈として再現できるようにするには、どのような仕組みや設計が必要なのでしょうか。

AIの構造設計次第で、チームの学びの質も大きく差がつく。
今回の記事では、その基盤となる1on1ログの取得から分析までの実践法を解説していきます。

2. Meet or ドキュメント —— ログ取得の最適解

AIに1on1の内容を正確に読み取らせるうえで、もっとも重要なのは「ログの質」です。
つまり、どのように音声や発言を記録するかによって、分析の精度が大きく変わります。

その点で、Google Workspace（Business Standard以上）を利用中であれば、Google Meetの録画機能が現時点での最適解となります。

Meetで記録されたログは、発話者ごとに（話者分離）時系列で整理されるため、Geminiが「行動」「反応」「心理」を正確に分離できます。
マネージャーが「どの質問にどんな反応をしたか」を振り返る際にも、構造が明確で、分析効率が圧倒的に高まります。
Meetが使える環境であれば、オンラインでも対面・オフラインでも、まずは優先的に活用しましょう。
対面でも、PCを間に置いてMeetを起動し、文字起こし機能だけを利用するだけで、Geminiが文字起こしと要約を実施してくれます。

一方、オフラインでの1on1や、すぐに記録を残したいケースでは、Google ドキュメントでの同時記録も有効です。
ドキュメント上でメモを取りながら、会話の要点を「発言者名：内容」という形式で残すだけでも、Geminiは十分に構造を認識できます。

結論

精度を重視するならMeet。スピードと手軽さを優先するならドキュメント。
どちらもドライブ直結でGeminiが即参照できるため、現場の環境に合わせて柔軟に選択できます。

3. 1on1ログの分析設計 —— 一次分析と二次分析の二段階アプローチ

AIに1on1を「読ませる」だけでは、表面的な要約に留まってしまいます。
本当に意味のある学びを得るには、AIと人の役割を分けた二段階設計が欠かせません。

ここで言う二段階とは、
1️⃣ AIがログを構造化する「一次分析」
2️⃣ マネージャーがAIと対話しながら洞察を引き出す「二次分析」
のことです。

この2ステップを明確に設計することで、1on1ログは過去の記録から未来を導くデータへと変わります。

🔹 一次分析（構造化）—— ログを「AIが理解できる型」に整える

一次分析では、GeminiがMeetやドキュメントで取得した文字起こしデータをもとに、1on1を業務フェーズごとに分解し、行動・反応・心理を整理します。

📌 業務フェーズ分類例

フェーズ例：
- Lead（アポ・リード接触）
- Preparation（資料・提案準備）
- Presentation（商談・プレゼン）
- Closing（交渉・クロージング）
- CustomerSuccess（フォロー・既存対応）

それぞれのフェーズごとに、Geminiは以下のような要素を単一のドキュメントにMarkdown形式で出力します。

📌 マークダウン出力例

## [Presentation] 提案・商談フェーズ
- 行動：具体的な発言・提案内容
- 反応：相手の理解・共感・迷い
- Insight：AIが捉えた文脈上の意味や気づき
- 次の一手：次回アクションの提案

この「構造化」工程によって、1on1ログは単なる文章データではなく、再利用可能な学習データベースとして整備されます。

🔹 二次分析（洞察）—— AIと対話しながら「成長を読み解く」

一次分析で整ったログをもとに、マネージャーはGeminiと対話を行います。
この段階で重要なのは、AIを使って考えることです。

たとえば、以下のようなプロンプトを投げかけることで、AIが複数回の1on1から成長の傾向や変化を抽出します。

📌 プロンプト例

過去3回分のCloseフェーズを比較して、
- 行動パターンの変化
- メンバーの心理的変化
- 次に意識すべきテーマ
を3行でまとめてください。

ここで得られるのは「評価」ではなく、成長の文脈です。
AIは、データの中に潜む変化の兆しを見つけ、マネージャーが次の対話テーマを設計するための材料を提供してくれます。

一次分析で構造を整え、二次分析で洞察を引き出す。
この流れを定着させることで、1on1は単なる振り返りの時間から、「AIと共に人を育てる学習サイクル」へと変わっていきます。

4. Workspace構造と自動分類フロー —— ログを育成データとして整える

1on1のログを資産化するうえで欠かせないのが、Google ドライブ上の構造設計です。
AIにとって「どのファイルが、誰の、どの時期のデータなのか」が明確であるほど、分析の再現性が高まります。

たとえば、以下のような人単位×期間単位のフォルダ構造を整えることで、Geminiが特定のメンバーの成長を時系列で読み取りやすくなります。

📌 フォルダ構造例

📁 Sales_Development
└── 📂 Yamada_2025Q2
    ├── 1on1_20250520_raw.md
    └── 1on1_20250520_structured.md

raw.mdはMeetまたはドキュメントから取得した生ログ、structured.mdはGeminiによる一次分析で自動生成されるフェーズ別構造化ログです。

🔹 Geminiに渡す一次分析プロンプト例

Geminiは生ログをこの構造に合わせて分解し、Markdown形式で整形します。
以下のようなプロンプトを使うと、最小限の手動操作でフェーズ分類と要約を実行できます。

📌 プロンプト例

この1on1ログを以下のフェーズに分類し、各フェーズごとに「行動／反応／Insight／次の一手」でまとめ、単一のドキュメントにMarkdown形式で出力してください。
- Lead（アポ・リード接触）
- Preparation（資料・提案準備）
- Presentation（商談・プレゼン）
- Closing（クロージング・交渉）
- CustomerSuccess（既存対応・フォロー）

出力されたMarkdownをドライブに保存するだけで、「フェーズ別の再現性ある成長ログ」として蓄積されていきます。

🔹 自動分類フローの考え方

1. Meetまたはドキュメントで1on1を実施→ログをドライブに保存
2. Geminiが一次分析プロンプトを実行（マイ Gem／手動実行）
3. ドライブ内で過去ログを横断検索・比較分析可能に

この一連の流れを定着させることで、各メンバーの「行動・反応・心理」の変化を時系列で追えるようになります。

AIは人の成長の断片を拾い、構造的に並べ替えることが得意です。
そのため、記録フォーマットを固定化しておくことで、AIが文脈を理解する精度が劇的に高まるのです。

5. 分析の実行方法 —— 「マイ Gem」で半自動化

1on1ログを構造化したら、次はそれをどのように分析運用へ乗せるかです。
ここでは、現場導入のハードルを考慮して、Geminiの「マイ Gem」を活用した半自動化のパターンを紹介します。

🥇 マイ Gemで半自動化

マイ Gem（Gemini Advancedのカスタム指示）には、セクション4で紹介したプロンプトを「テンプレート」として登録します。
これにより、マネージャーはログを読み込ませた後、ワンクリックで定型的な一次分析（構造化）を実行できます。

📌 myGem設定例

あなたは、営業マネージャーの優秀なアシスタントです。
提供された1on1の文字起こしログ（rawデータ）を分析し、以下のタスクを実行してください。

# タスク
1. ログ全体を読み、以下の営業行動フェーズに分類します。
2. 各フェーズについて、「行動」「反応」「Insight」「次の一手」の4つの観点で要点を抽出・要約します。
3. すべての分析結果を、単一のMarkdown形式で出力します。

# 営業行動フェーズ
- Lead（アポ・リード接触）
- Preparation（資料・提案準備）
- Presentation（商談・プレゼン）
- Closing（クロージング・交渉）
- CustomerSuccess（既存対応・フォロー）
- その他（キャリア・雑談など）

# 出力形式 (Markdown)
## [Lead]
- 行動：
- 反応：
- Insight：
- 次の一手：

## [Preparation]
- 行動：
- 反応：
- Insight：
- 次の一手：

（以下、検出された全フェーズを同様に出力）

📌 マイ Gem（半自動）の利用フロー

マイ Gemを使ったフローは、Web版Geminiか、ドキュメントのサイドバーかで若干異なります。

1. Web版Gemini（gemini.google.com）で実行する場合

1. Gemini（Web版）を開く
2. +ボタン（ファイルのアップロード）またはGoogle Workspace連携で該当のraw.mdファイルを指定
3. 続けて保存済みのマイ Gemを呼び出して実行
4. 1on1_20250520_structured.mdのようなファイル名でドライブに保存

2. Google ドキュメントのGeminiサイドバーで実行する場合

1. Meetのログから自動生成されたGoogle Docファイルを開く
2. Geminiサイドバーを開き保存済みのマイ Gemを呼び出して実行
3. Geminiがサイドバーに分析結果を出力
4. 結果をコピーし、1on1_20250520_structured.mdのようなファイル名でドライブに保存

このフローにより、プロンプトを毎回コピペする手間が省け、分析の「型」がチーム全体で標準化されます。

6. フィードバックテンプレートと二次分析プロンプト —— AIと共に成長を読み解く

一次分析でGeminiが1on1ログを構造化したら、次は「そのデータをどう読むか」の段階です。
ここで重要になるのが、人の問いがAIの思考を導くという発想。

マネージャーの質問設計ひとつで、AIが見つけ出す成長の方向性はまったく変わります。
以下では、実際のフィードバックテンプレートと、洞察を深めるためのプロンプト例を紹介します。

🔹 一次出力の標準テンプレート（Markdown）

マイ Gemの構造化出力を踏まえ、最終的なログは以下のような形になります。
このフォーマットがそろっていれば、Geminiは過去ログを比較しやすく、成長傾向を抽出しやすくなります。

📌 要約例

# 1on1ログ要約（2025/05/20）

## [Lead] 新規アプローチ
- 行動：新規リード獲得に向けた電話・メールを3件実施。
- 反応：1件で好感触あり、残りは検討中。
- Insight：初期接触での質問精度が向上。
- 次の一手：スクリプト改善と再接触タイミングの調整。

## [Preparation] 提案準備
- 行動：提案資料の更新、価格構成の見直し。
- 反応：上長コメントで差別化ポイントの強化を指摘。
- Insight：情報整理力が安定してきた。
- 次の一手：顧客課題別の資料テンプレ化を検討。

このようにMarkdownで統一することで、Geminiは文脈をブロック単位で認識し、「前回のLeadフェーズと比較してどう変化したか」を瞬時に解析できます。

🔹 二次分析プロンプト例 —— 問いがAIを導く

1on1の質を高めるのは、AIの性能ではなく、人の問いの質です。
以下のようなプロンプトを活用することで、単なる要約ではなく、成長の解釈をAIから引き出せます。

📌 比較・傾向分析系

以下の3回分の1on1ログ（Leadフェーズ）を比較し、
- 行動パターンの変化
- メンバーの心理的変化
- 成長の方向性
を3行でまとめてください。

📌 フィードバック設計系

この1on1ログをもとに、次回の1on1で確認すべき質問を5つ提案してください。
目的は「本人の自律的な気づきを促す」ことです。

📌 チーム横断洞察系

過去1ヶ月分の全メンバーの1on1ログから、共通して見られる課題や停滞フェーズを3つ抽出してください。

これらはすべて、既存の構造化ログ（Markdown）を直接読み込ませるだけで機能します。
複数ファイルを扱う場合も、Geminiはドライブ上のファイルパスを参照できるため、「人×フェーズ×時系列」で横断的な比較が可能です。

🔹 フィードバック文化を定着させるポイント

AIが優秀でも、問いが定まっていなければ学びは進みません。
したがって、現場での定着には以下の3ステップを推奨します。

1. 記録の型をそろえる（マイ Gemテンプレの統一）
2. 分析の問いを共通化する（定例のプロンプトを共有）
3. AIの出力を会話に戻す（人が読み、人に返す）

こうしてAIが構造を整え、人が意図を読み解く循環が生まれたとき、1on1は「管理の時間」から「学びの時間」へと変わります。

💬 7. まとめ —— AIが読む「人の成長構造」をチームに根づかせる

AI時代の1on1で求められるのは、分析の精度ではなく、成長の構造を見抜く習慣です。
Meetで記録し、Geminiで構造化し、問いを通じて学びを深める。
この一連の流れを日常に落とし込めたチームこそ、AIを育成の伴走者として活かせます。

💬 最終チェック

以下のチェックリストを、あなたの1on1ログ分析の起点として確認してみてください。

• ☐ Meetまたはドキュメントで1on1の文字起こしログを残し、話者分離や要点を正確に記録できているか？
• ☐ ドライブ上に「人単位×期間単位」のフォルダ構造を整え、AIが時系列で学習ログを追える状態にしたか？
• ☐ マイ Gemに一次分析（構造化）プロンプトを登録し、チーム全員が同じテンプレートで分析できるようにしたか？
• ☐ Geminiで複数回の1on1を比較し、行動・反応・心理の変化を成長文脈として読み取らせているか？
• ☐ AIの分析結果をそのまま終わらせず、人の問い（フィードバック設計）によって次の1on1テーマへ還元しているか？

これらが整えば、あなたのチームはすでに「AIと共に人の成長構造を読み解く組織」へと進化しています。

🧩 3秒まとめ