この記事でわかること
Loomが「動画を録画して渡すツール」から「チームの文脈を貯める情報ハブ」に変わってきた流れ
会議後の議事録作成・Jira起票が、どこまで自動化されるのか
文脈が貯まると、RovoやClaudeなどのAIの精度が上がる理由
1. Loomの元々の使い方: 文章にしづらいものを残す
用途できること説明（要件・引き継ぎ）複雑な要件や引き継ぎ内容を、話しながら録画するだけで共有できます。思考の共有（判断理由）「なぜそう決めたか」という背景を、テキストでは伝えにくい温度感ごと残せます。会議の代替（非同期）全員が同じ時間に集まらなくても、録画を見ることで同じ情報を共有できます。
2. Loomの歴史
Loomはリモートワーク時代に急成長した非同期動画共有ツールです。2023年にAtlassianが買収しました。この頃のLoomは「説明を録画して渡す」ツールでした（Zoomは同期、Slackはテキスト）。
その後、会議録画サービスのRewatchを買収し、次の機能が加わる下地ができました。
会議録画
ノート作成
アクションアイテム抽出・担当割当
フォローアップ送信
3. 現在のLoom: 話した内容が書き起こされ、要約される
録画・共有: 画面・カメラ・音声を録画し、すぐに共有できます。Teams/Zoomなどのオンライン会議にも自動で参加して録画します。
自動書き起こし: 録画内容が自動でテキスト化され、検索・参照ができます。
AIサマリ/タスク化支援: AIが要点をまとめ、次のアクションを提示します。今後はJiraのタスク化も支援される予定です。
会議録画の進化: 3世代の変化
世代フロー何が変わったか元のLoom（第0世代）録画 → 動画共有動画を共有できるようになった第1世代会議録画 → 書き起こしテキスト化のみ。人が読んで判断する第2世代録画 → サマリ（Confluence）+ タスク抽出AIが要点を保存する。Jira登録は手動。Rovo MCPでConfluenceを参照できる第3世代（今後）録画 → サマリ（Confluence）→ Jiraタスク作成会議・ナレッジ・タスクが最初から文脈でつながる
第3世代では、Loomのカレンダー画面から会議ごとにJiraプロジェクトとConfluenceスペースを事前に設定できます。繰り返し会議のページは入れ子で蓄積されます。
4. Teams/Zoomの会議を録画し、Confluenceに残す流れ
カレンダー連携: Microsoft 365とGoogleカレンダーに対応しています。会議の開始時にLoomが自動で参加します。
録画の開始: 録画を許可すると録画が始まり、続きます。許可しない場合は数分でログアウトされるため、参加範囲をコントロールできます。
その場で書き起こし: 以前は会議終了後の処理でしたが、現在は多少の遅延はあるものの、会議中に近いタイミングで書き起こしが進みます。
Recapの生成: 録画の終了後に、会議全体を要約したRecap（まとめ）が自動で作られます。
Confluence連携: Recapを、ボタン1つでConfluenceのページとして保存できます。議事録として蓄積・共有できます。
得られる価値
会議ごとにLoomを手動で起動する必要がなく、録画漏れを防ぎやすくなります。
書き起こしを待たずに、会議の流れを覚えているうちに内容を確認できます。
議事録作成の手間がほぼゼロになり、参加できなかったメンバーもすぐに内容を把握できます。
繰り返し行う会議ほどConfluence上にページが積み重なり、過去の議論や判断の履歴がチームの知識資産になります。
5. 保存先のConfluence・Jiraスペースを指定する
Loomの設定で、会議ごとに保存先のConfluenceスペースとJiraプロジェクトを指定できます。
Confluenceスペースの指定: 繰り返し会議の議事録・書き起こしが、同じ場所に入れ子で積み上がります。
Jiraプロジェクトとの紐付け: 会議で出たタスクや対応事項を、指定したJiraプロジェクトにつなげられます。
文脈の自動蓄積: 「なぜその判断に至ったか」「何を決めたか」を後から追えます。
設定の手軽さ: Loomのカレンダー画面から会議ごとに設定でき、一度の設定が繰り返し会議にも引き継がれます。
6. Atlassian連携: 話す → まとまる → 実行される
録画が終わった瞬間から、人の手を介さずに次の流れが続きます。
Loom録画 → 書き起こし → Confluenceにサマリを自動保存 → Jiraタスクを自動作成
作成されたJiraタスクには「どの会議で」「誰が」「何を決めたか」という背景が自動でひも付きます。作業指示だけでなく、意思決定の経緯まで残ります。
7. AIの精度は「コンテキストの質」で決まる
AIの答えの質を左右するのは、何を聞くかよりも、どれだけ豊かな事前情報を持っているかです。高性能なLLMでも、判断材料が足りなければ最適な答えを出せません。
ナレッジ増加: Loomの録画の蓄積が、Confluenceの情報密度を高めます。
コンテキスト蓄積: 「なぜそう決まったか」「誰がどう判断したか」が記録されます。
AI精度向上: このコンテキストが、RovoをはじめとするすべてのAIの精度を引き上げます。開発系のAIも、判断材料を多く持てます。
会議の書き起こし、サマリ、決定事項、タスクが1つの流れで残ると、AIは単発のメモではなく、意思決定の前後関係まで含めて参照できます。Rovoや外部LLM（Claudeなど）による要約・提案・検索・次アクションの整理が、より正確になります。
蓄積されたコンテキストは、人のためだけでなく、AIにとっての判断材料にもなります。
機能の提供状況（特に第3世代の「今後」の機能）は、Atlassianの最新情報をご確認ください。