2026年版 AI Agent 構造化出力5手法の比較：JSON Schemaから会議データ活用まで

「JSONで返答してください」とプロンプトに一文書けば、AI Agentの出力が構造化されると思っている人は多い。

実際に動かしてみるとすぐにわかる：JSONの構文は問題ないのに、フィールド名が毎回違う；フィールド名は合っていても型が違う；ようやく安定したと思ったら、Agentが途中でツールを2回余計に呼び出し、最終的な出力がまたずれる。

正直なところ、これはモデルが言うことを聞かないのではなく、最初から「フォーマット」を「規約」と混同しているのだ。フォーマットは構文であり、規約こそが仕様である。本当にシステムに組み込める構造化出力には、フィールド定義、型検証、そしてエラー後のリトライ機構が必要だ。

本記事ではまず構造化出力が何をしてくれるのかを明確にし、次に5つの一般的な手法を比較し、最後にTinrecを使ってこのロジックが会議記録にどう適用されるかを示す。

AI Agentの構造化出力でできること

シーン1：会議終了後、ToDoがそのまま表になる

以前は会議が終わると、文字起こしは長いテキストの塊で、「誰が何をいつまでにやるか」を自分で一つずつ拾い出す必要があった。

Tinrecを例にすると、文字起こし完了後にToDoを直接抽出し、担当者、項目、期限を分けてリスト化する。これが構造化出力の最も実用的な形だ：文章ではなく、プロジェクト表にそのまま入れられるリストを提供する。

シーン2：十数本のインタビュー録音が、並べて比較できるデータになる

ユーザーインタビューを行う人なら誰でも知っているが、最もつらいのは取材ではなく、会後の整理だ。

Tinrecは各インタビューを要約、章節、ポイントに分解し、フィールドは固定で構造が一致している。異なる回答者をクロス比較するとき、十数時間の録音を聞き直す必要はなく、対応するフィールドを見るだけでよい。

シーン3：多言語会議で原文と訳文を対にして表示

Tinrecはリアルタイム翻訳に対応し、原文、訳文、バイリンガル表示を切り替えられる。

会議の結論を異なる言語の同僚に共有する必要がある人にとって、この対になった出力は後から翻訳ツールに入れるより信頼できる——少なくともどの翻訳がどの原文発言に対応するかわからなくなることはない。

シーン4：会後の成果物をゼロから書かなくてよい

TinrecのAgent後処理は会議内容に基づいてレポート、表、文書を生成できる。

このステップが重要だ。「記録」を「成果物」に変える。会議が終わって受け取るのは、まだ加工が必要な素材ではなく、そのまま上申できるものだ。

AI Agent構造化出力の核心的な能力とは

能力1：フィールドと型の制約、単なる構文の正当性ではない

多くのモデルAPIはJSONモードを提供し、出力が有効なJSONであることを保証するが、フィールド名と型は保証しない——任意の構造を返す可能性がある。

これは特に注意が必要だ。構文の正当性とデータの可用性は別物である。

Tinrecのアプローチは、まず出力形状を固定することだ：要約、章節、ToDo、担当者を分けて表示する。受け取るのは固定構造であり、毎回異なるテキストではない。

能力2：ツール呼び出しで、Agentが必要なデータを自ら取得

Function Callingにより、AIは単に「JSONを出力する」だけでなく、定義した関数を自ら呼び出し、構造化されたパラメータを返すことができる。これがAgent構築の基礎だ。

会議シーンに対応させると：Tinrecデスクトップ版はPCのシステム音声を直接キャプチャし、Zoom、Google Meet、Microsoft Teams、Webexなどのオンライン会議を処理する。追加の会議ボットは不要だ。フロントのキャプチャ、中間の文字起こし、後段の整理、それぞれに明確な入力と出力がある。

能力3：検証とリトライ、間違えたら間違えたと言う

優れた構造化出力プロセスは、結果がスキーマに合わない場合に再プロンプトを出す；リトライ回数を使い切っても合わなければ、エラーを返す。中途半端なデータを無理に渡すことはない。

一方で、人間による検証層も省略できない。Tinrecは文字起こしと録音のタイムスタンプを保持しており、重要な数字や約束事項は元の録音に戻って確認することを推奨する。

能力4：複数ラウンドのツール使用後も、同じ構造であること

Agentが一連のツール呼び出しを行った後、最終的にもスキーマに合致する結果を返す必要がある。これは単一ラウンドのリクエストよりはるかに難しい。

だからこそ「モデルを直接つなぐ」のと「整理されたツールを使う」のでは結果が大きく異なる。Tinrecは文字起こし、要約、章節、ToDo、Q&Aを固定フローに組み込み、中間状態を自分で管理する必要がない。

能力5：出力が実際に下流で使えること

構造化出力は見た目のためではなく、データベースに入れ、APIをつなぎ、既存のバックエンドに接続するためにある。

Tinrecは多形式エクスポートに対応し、結果をNotion、Google Docs、OneNote、Dropboxなどのツールに持ち込んで加工できる。このステップがうまくいかないと、前の構造がどんなに美しくても一箇所に留まるだけだ。

5つの構造化出力手法の比較

手法	動作方式	利点	制限	適した用途
プロンプト規約	system promptにフィールド要件を明記	コスト最低、変更最速	モデルの自由裁量に依存、安定性最低	一度きりで人間が結果を見るタスク
JSONモード	JSON出力パラメータを有効化	構文の正当性を保証	フィールド名と型は保証しない	迅速にプログラムに接続する場面
JSON Schema	事前にフィールドと型を定義し、項目ごとに検証	構造が制御可能、比較可能	スキーマのバージョン管理が必要	データベースに入れる、長期運用するフロー
Function Calling	Agentが定義した関数を呼び出し、構造化パラメータを返す	自らデータを取得してから出力できる	関数設計が悪いとエラーが拡大	多段階推論が必要なAgent
型付きSDK＋検証リトライ	型モデルで構造を定義し、不一致なら再プロンプト	型安全、エラー追跡可能	開発ハードルが高い	正式製品、チーム協業フロー

これら5つは排他的ではなく、実務では通常重ねて使う：Schemaで形状を定義し、Function Callingでデータを補い、型検証でチェックし、リトライ機構で締める。

Tinrecを例にすると、実は後半部分を製品に組み込んでいる——自分でスキーマを書いたり、リトライロジックを書いたりする必要はなく、要約、章節、ToDoを選べば、出力はその形状になる。

実際の応用シーン

会議記録と会後成果物

週次会議、レビュー会議、部門横断会議で最もよく起こるのは「終わったけど結論が散らばる」ことだ。

Tinrecで録音すれば、文字起こし、要約、章節、ToDoが一度に揃い、会後すぐに議事録を書いたり、Agent後処理でレポートや表を生成したりできる。

顧客インタビューと要件整理

営業やカスタマーサクセスチームが最もよく遭遇する問題は：顧客がたくさん話した後、「あのとき予算はいくらと言っていたか」を探せないことだ。

TinrecのAI Q&Aは会議内容について直接質問できる。例えば「顧客が言及した予算範囲は？」「どの機能に懸念を持っているか」など、文字起こしを最初からめくる必要はない。

コンテンツ制作と知識の蓄積

インタビュー、講座、ライブ配信の録音はそれ自体が素材庫だ。

Tinrecは音声・動画ファイルのアップロード文字起こしに対応し、一部のWebリンクインポートにも対応している。整理した文字起こしから文書や表を再生成でき、大量のコンテンツを制作する人にとって、節約できるのはタイピング時間だけではない。

チーム協業と引き継ぎ

個人版のデータは個人アカウントで管理；チーム版は独立したチームスペースで、会議データはチームに帰属する。

Tinrecチーム版はロールとシートを区別する：ロールは誰がチーム、メンバー、監査を管理できるかを決め；シートはメンバーが録音、アップロード、編集、エクスポートできるかを決める。有効だがシートを持たないメンバーも、チームデータの閲覧、再生、読書は可能だ。

また、メンバーが退出または削除される場合、担当していたチームリソースを他の有効なメンバーに引き継ぐ必要があり、データが人とともに消えることはない。

ツール選びで注意すべき5つのポイント

1. 出力構造が固定されているか、検証できるか

「AI要約対応」といった記述だけを見てはいけない。問うべきは：出力フィールドは固定か？自分のシステムに組み込む場合、安定した構造が得られるか？

Tinrecの要約、章節、ToDoは分かれた固定ブロックであり、すべてを一つの文章に混ぜ込むのではない。

2. 元の録音と文字起こしのタイムスタンプが保持されているか

AIの整理がどんなに良くても、細部を漏らしたり誤解したりする可能性がある。本当に使えるツールは、原文に戻って確認できるようにする。

Tinrecは録音と文字起こしを保持し、重要な情報はタイムスタンプを照合して再生確認できる。

3. 中国語と中英混在の処理

台湾の会議で純粋な中国語は少なく、通常は中国語に英語の製品名や技術用語が混ざる。

Tinrecは中国語、繁体字中国語、多言語の会議シーンに対応し、チームのホットワードをサポートして社内用語の認識をより安定させる。実際の効果は録音品質、アクセント、背景ノイズ、複数人の発言重なりに影響される。

4. 既存のワークフローにエクスポートできるか

どんなに優れたツールでも、結果がその中に留まるだけなら価値は半減する。

Tinrecは多形式エクスポートとサードパーティツール連携に対応し、構造化結果を得た後も元のフローで加工を続けられる。

5. チームガバナンス能力の程度

一人で使うだけならこの項目は飛ばしてよい。しかし二人以上が関わるなら、問うべきは：メンバー管理、権限分割、利用量の確認方法だ。

Tinrecチーム版はメンバーとシート管理、利用量分析、監査ログ、音声ゴミ箱を提供する。現在、チーム版の初回資格試用は7日間、無料シート1つ、チーム共有インポート枠300分；有料プランは月払いUSD 29.80／有料シート／月、年払いUSD 199／有料シート／年（約USD 16.58／月）、各有料シート月2,000分のチーム共有インポート枠が付く。有効なチームパッケージでのリアルタイム録音は、現在分単位の控除はない。

価格と権益は正式購入ページを基準とする。

よくある質問

Q1：構造化出力と「AIにJSONで返して」の違いは？

違いは拘束力にある。AIにJSONで返してと頼むのは単なるプロンプトで、モデルは従うことも従わないこともできる；構造化出力はフィールドと型を仕様として書き、合わなければリトライまたはエラーを出す。前者は運に頼り、後者は仕組みに頼る。

Q2：JSONモードを使えば必ずエラーにならない？

そうとは限らない。JSONモードが保証するのは構文の正当性であり、フィールド名と型の正確性は保証しない。構文は完璧だが全く使えない構造を返す可能性がある。安定させるには、やはりSchema定義と検証に戻る必要がある。

Q3：Agentが途中でツール呼び出しに失敗した場合、どう知る？

これは構造化出力で最も見落とされやすい部分だ。各ラウンドでどのツールを呼び、何を送り、何が返ったかを記録することを推奨する。プロセスが成功を報告しても、正しいことをしたとは限らない。

Q4：Tinrecの出力はエクスポートできる？

できる。Tinrecは多形式エクスポートに対応し、Notion、Google Docs、OneNote、Dropboxなどのツールに持ち込んで続けて使える；文字起こし、要約、ToDoも一緒に持ち出せる。

Q5：チーム版と個人版の違いは？

個人版のデータは個人アカウントに帰属；チーム版は独立したチームスペースで、メンバー招待、ロールとシート管理、共有権益、利用量分析、監査ログ、音声ゴミ箱が追加される。音声はゴミ箱に入った後、永久削除が始まる前なら復元可能で、現在の保持期間は30日。

Q6：無料版で足りる？

たまに録音を整理するだけなら、まず無料版から試せばよい。短期間に会議やインタビューが集中するなら週カードを検討；毎週安定した需要があるならProが適している；長期的に録音データを蓄積するなら年カードの月換算がより安い。

まとめ

構造化出力で難しいのは、いつも「AIにJSONを吐かせる」ことではなく、毎回吐き出されるものが同じ形で、検証でき、接続できるようにすることだ。

たまにAIにテキスト整理を頼むだけなら、プロンプト規約で十分だ。しかしこれが繰り返し発生し、データベースに入り、他人に引き継がれるなら、Schema、検証、リトライは省略できない。

会議記録はまさに練習に最適なシーンだ：明確な入力（録音）があり、明確な出力（要約、章節、ToDo、レポート）があり、しかも毎週発生する。

Tinrecはこの部分を製品に組み込み、録音、文字起こし、整理が終われば、固定構造の結果が得られる。自分で分解する必要のあるテキストではない。まず無料版から試し、2〜3回の会議を回して、この「受け取ればすぐ使える」感覚の差を実感することを勧める。

参考ソース

• AI Agent 教学：四个元件，组出会自己做事的 AI
• Structured Output 構造化出力ガイド | Mason AI Lab
• インテリジェントエージェントとの構造化出力 | Microsoft Learn
• エージェントから構造化出力を取得 - Claude Code Docs
• エージェント能力を持つAIアーキテクチャ：パターンと例