会議メモとメールを食わせるだけで「仕事の記憶」が育つ — オープンソースAI同僚Rowboatの仕組み

AIアシスタントに繰り返し同じ文脈を説明するのが面倒——この感覚は、ChatGPTやClaudeを仕事に使い込んでいる人ほど強いはずだ。「先週のAさんとの会議で、Bプロジェクトの予算をCに変更したんだけど」と毎回前置きするのは、まるで毎朝リセットされる同僚と働くようなもの。

Rowboatは、この「記憶のない同僚」問題に真正面から取り組んだオープンソースのAIコワーカーだ。メール、会議メモ、Slackのやりとりを読み込み、そこから人物・プロジェクト・意思決定・約束事のナレッジグラフを自動構築する。そしてそのグラフは、使い続けるほど育つ。

Obsidianのように透明、AIのように賢い

Rowboatが面白いのは、構築したナレッジグラフをObsidian互換のMarkdownファイルとしてローカルに保存する点だ。

AIが「何を記憶しているか」がプレーンテキストで全部見える。ブラックボックスの中に自分の仕事の文脈が吸い込まれていく不安がない。気に入らない情報があれば、テキストファイルを編集するだけで修正できる。この透明性は、企業が導入を検討する上でも大きなアドバンテージになる。

データは完全にローカルに留まる。メールも会議メモもナレッジグラフも、Rowboatのサーバーには一切送信されない。Apache 2.0ライセンスのオープンソースで、GitHubにはすでに9,000以上のスターがついている。

具体的に何をしてくれるのか

記憶が育った状態のRowboatは、たとえばこんなことができる。

会議の前に、過去のやりとりから関連する意思決定・未解決の質問・保留中のタスクを引っ張り出して、簡潔なブリーフィングを作る。メールを書くとき、相手との過去のやりとりや約束事を踏まえた文面を提案する。「先月、クライアントXに納期を2週間延ばすと伝えたはず」といった記憶を、Rowboatが裏付ける。

MCPを通じてGmail、Googleカレンダー、Granola、Slack、Linear、Jira、GitHubなどと接続できる。つまり、仕事のデータソースが増えるほどナレッジグラフが豊かになり、Rowboatの回答精度が上がる好循環が生まれる。

NotionやFathomと何が違うか

Notion AIも「ワークスペースの文脈を理解するAI」を提唱しているし、Fathomは会議の文字起こしと要約に強い。Rowboatはこれらと何が違うのか。

最大の違いはナレッジグラフだ。NotionやFathomは個々のドキュメントや会議を単位として扱う。Rowboatは、複数ソースの情報を「人」「プロジェクト」「意思決定」のノードとエッジに構造化する。Aさんとの過去3回の会議、5通のメール、Slackでの2つのスレッドが、一つのプロジェクトノードに紐づく。

もう一つはローカルファースト。NotionもFathomもクラウドサービスだ。Rowboatはデータが手元から出ない。情報セキュリティが厳しい企業——法律事務所、医療機関、金融系——にとって、この差は導入可否を分ける。

まだ「初期のOSS」という前提で見るべき

率直に言って、現時点ではいくつかの制約がある。

まずセットアップの手間。Dockerとコマンドラインの知識が必要で、「インストールしてすぐ使える」とはいかない。技術に明るくないビジネスパーソンが一人で導入するのは厳しい。今後デスクトップアプリの完成度が上がれば変わるだろうが、現時点ではエンジニアか、エンジニアのサポートがあるチーム向けだ。

次に、LLMのAPI費用。Rowboat自体は無料だが、裏でOpenAIやAnthropicのAPIを呼ぶため、利用量に応じたAPI費用がかかる。大量のメールや会議メモを処理すると、月数十ドル程度のランニングコストは見ておく必要がある。

最後に、ナレッジグラフの精度。自動構築されるグラフは完璧ではなく、誤った関連付けや重複ノードが生まれることもある。定期的に確認・修正する手間はゼロにはならない。

「仕事の記憶」が個人に戻ってくる

SlackやNotionに散らばった仕事の文脈を、自分の手元にナレッジグラフとして構造化できるのは、地味だが強力だ。転職しても、ローカルのMarkdownファイルは自分のものとして残る。会社のSaaS契約が切れても記憶は消えない。

「仕事の記憶」がクラウドサービスのロックインから解放される——Rowboatが提示しているのは、そういうビジョンだ。完成度はまだこれからだが、方向性には賭ける価値がある。