
AIで情報をマインドマップにしたら、何が見えるのか? — Gmailで試してみた
AIが作った構造を、人間が動かしながら探り、その時点の形を記録する。情報を「整理してもらう」だけでなく、「探索する」ための使い方があるのかもしれません。
はじめに
情報の並べ方を変えたら、何かが見えるのか
普段、一覧や文章として扱っている情報を、AIでマインドマップに変換してみたら、何か新しい発見があるのではないか。
そんなことを考え、私が開発中の3Dマインドマップアプリ「Mindverse」で、実験してみることにしました。対象に選んだのは、Gmailの受信トレイです。
AIにメールの情報を整理させ、Mindverseで可視化したところ、42個のマインドマップが生成されました。

当初の目的は、特定のメールを探すことではありません。普段とは違う構造で、情報を眺めてみることでした。
ところが、実際にマップを操作していくうちに、使い方が少しずつ広がっていきました。検索で特定のテーマを浮かび上がらせ、関連するマップを別のspaceに集め、マップ同士に関係線を引き、最後はその構造をObsidianに保存する、という流れです。
本記事は、その実験の記録です。うまくいったことだけでなく、「これは本当にMindverseを使う必要があったのか」という疑問も含めて、考えたことをお話しします。GmailやObsidianの詳しい操作方法や、アプリの販売告知は扱いません。
なお、Mindverseは、私がClaude Codeを使って開発している試作中のアプリで、製品として完成したものではありません。開発の経緯は前回の記事で紹介していますが、本記事だけでも読めるよう、必要なところは簡単に説明します。
第1章 情報を「構造」として眺めてみたい
受信トレイは、一覧と本文でできている
Gmailの受信トレイを開くと、送信者、件名、日時などが一行ずつ並んだ一覧が表示されます。一行をクリックすると、そのメールの本文が開きます。
このように、メールにはスレッドも含め、もともと整理された情報があります。Gmailには検索もラベルもありますし、表示の仕方もある程度は変えられます。普段メールを処理するには、これで十分です。
ただ、この一覧と本文という形のままでは、「どの送信者から、どんな話題のメールが、どのくらい届いているのか」を、枝分かれした構造として見渡すことはできません。
マインドマップとは
マインドマップとは、中心となるテーマから関連する情報やアイデアを枝分かれさせ、視覚的に整理する方法です。文章や一覧とは異なり、情報の階層やつながりを見渡せるのが特徴です。詳しくは、Lucidの解説(参照1)をご覧ください。
一覧は時間の流れに沿って情報を並べるのが得意で、マインドマップは情報を階層や関係として並べるのが得意です。同じ情報でも、並べ方が違えば、見えるものも変わるはずだと考えました。

Mindverseとは
Mindverseは、独立した複数のマインドマップを、一つの3D空間に並べて、マップ同士を関係線で結べるアプリです。マップを並べる空間を「space(スペース)」と呼んでいます。同じマップを複数のspaceに置くこともでき、マップ同士の関係線はspaceごとに別々に持てます。
一つのマップを巨大にするのではなく、マップを独立させたまま、その間のつながりを表現する。これが、もともとの設計の考え方です。
今回の実験で役立った二つの機能
Mindverseの開発を進める中で、さまざまな機能を追加してきました。その中でも、今回の実験で特に有効だったのが、AIとの連携とワード検索です。
① AIとの連携
AIからMindverseのマップやノードを読み取り、作成・編集できる機能です。現時点で接続できるのはClaudeだけですが、情報の構造化からマップの生成までを、AIに任せられるようになりました。
② ワード検索
ノードの名前、ラベル、メモに含まれる言葉を検索する機能です。検索すると、一致したノードがハイライト表示され、一致しなかったノードはグレーアウトします。
検索結果だけを抜き出すのではなく、周りの構造を残したまま、該当する情報の位置を確認できます。この点が、後の実験で大きな意味を持ちました。
実験の対象に、受信トレイを選んだ理由
今回試してみたかったのは、普段は一覧や文章として扱っている情報を、AIによってマインドマップの構造に変換し、可視化することでした。情報の並べ方が変われば、これまで気づかなかった関係性や、新しい切り口が見つかるかもしれません。
その実験対象として選んだのが、Gmailの受信トレイです。日々メールが蓄積され、送信者や件名、本文、スレッドなど、さまざまな情報が含まれています。AIがこれらを整理してMindverseに書き込めれば、普段とは違う方法で情報を眺められるのではないか。そう考えて、実際に試してみることにしました。
第2章 AIに受信トレイを構造化してもらう
Claudeへの指示
ClaudeにGmailとMindverseの両方を使ってもらい、Mindverseのプロジェクトに新しいspaceを作ってもらいました。マップの作り方は、次のように指示しました。
ルートノード:メールの発信元
子ノード:メールの件名
メモ:メールの要約
ラベル:本文から拾ったキーワード
スレッド:返信のつながりは、ノードの親子関係で表す
つまり、発信元ごとに一つのマップができ、その中に件名が枝として並び、各ノードに要約とキーワードが付く、という構造です。

42個のマップができた
こうして生成されたのが、42個のマップです。ここで念のため補足しておくと、これは42通のメールという意味ではありません。発信元ごとにマップを作っているので、42は発信元の数にあたり、それぞれのマップの中に、その発信元からのメールが入っています。
発信元ごとにきれいに整理されたこと自体は、狙いどおりでした。受信トレイが、どこから、どんな話題で構成されているのかが、構造として表現されています。
でも、見やすくはなかった
一方で、42個のマップを一度に表示すると、画面はかなり密集します。正直に言うと、全体を眺めただけで何かが分かる、という見やすさではありませんでした。
AIによる構造化は成立しました。しかし、構造化して可視化すれば、それだけですべてが読みやすくなる、というわけではなかったのです。
第3章 42個のマップを眺めて、検索を試す
密集したマップの中で、何を見るか
42個のマップが並ぶ空間を、回転させたり近づいたりしながら眺めていても、個々のノードの文字までは追いきれません。全体の形は分かっても、中身にはなかなか届きません。
そこで、ワード検索を使ってみることにしました。検索は、もともとこうした場面で使うことを想定して実装していた機能です。ここで新しい使い方を発見した、というわけではありません。
「情報漏洩」で検索してみる
最近、企業の情報漏洩に関するニュースを目にする機会が増えています。私自身も、個人情報漏洩の対象になっており、関連する通知メールを受け取っていました。
それで、試しに「情報漏洩」というキーワードで検索してみることにしました。
すると、一致するノードがハイライトされ、それ以外のノードはグレーアウトしました。42個のマップが密集した画面の中で、該当する情報が浮かび上がります。私の受信トレイでは、6件のメールが該当しました。

ここで大事だったのは、一致しなかったノードが消えるのではなく、薄く残っていることです。どの発信元のマップの、どのあたりに該当するメールがあるのか、全体の構造の中での位置が分かります。結果だけのリストでは、この「どこにあるか」は見えません。
次にやりたいことが見えてきた
浮かび上がったノードを見ているうちに、「この関係するマップだけを、別の場所にまとめてみたらどうだろう」と思いつきました。
振り返ると、検索はゴールではありませんでした。発信元別という最初の構造を、別の切り口から探るための操作だったのです。
第4章 検索した情報から、新しい構造を作る
「情報漏洩」のspaceを作る
そこで、「情報漏洩」という名前の新しいspaceを作り、検索で該当したメールを含むマップを、そこに配置しました。
ここで行ったのは、元のマップを削除して作り直すことではありません。最初のspaceには、発信元別に整理された42個のマップがそのまま残っています。新しいspaceは、その中から「情報漏洩」というテーマに関わるマップを、発信元をまたいで集めた、もう一つの見方です。
Mindverseでは同じマップを複数のspaceに置けるので、マップの中身は共通のまま、置く場所によって違う文脈で眺めることができます。

マップ同士に、関係線を引く
新しいspaceに集めたマップを眺めていると、あるサービスの事業者からの通知と、ある法律事務所からの通知が、内容の面で関係していることが分かりました。そこで、この二つのマップを関係線で結びました。
ここで、言い方には気をつけたいと思います。この二つの通知の関係は、メールの中身として最初から存在していたものです。Mindverseが、誰も知らなかった関係を新たに発見したわけではありませんし、AIやGmailでは見つけられなかった、と言いたいわけでもありません。
私がしたのは、その関係を、マップの間の線として目に見える形で明示したことです。

「グリグリ試す」という作業
この章で行ったことを並べると、次のようになります。
全体を眺める
検索して、該当するノードを浮かび上がらせる
関係するマップを選ぶ
新しいspaceを作って、そこに置く
マップ同士に関係線を引く
別の視点から、もう一度眺め直す
どれも一つひとつは単純な操作です。ただ、この一連の作業は、決まった一覧を上から順に読んでいくのとは、かなり性質が違います。自分の関心に合わせて、構造そのものを動かしながら、次にどこを見るかを決めていく作業です。私はこれを、画面の中を「グリグリ試す」感覚だと感じていました。
役割分担を振り返る
ここまでの流れで、AIと私の役割ははっきり分かれていました。
AIの役割:受信トレイを読み、発信元・件名・要約・キーワードという最初の構造を作る
人間の役割:その構造を眺め、どの切り口で見直すかを決め、どの関係を採用して線にするかを判断する
初期の構造はAIが作り、そこから先の探索と再編成は、人間が画面上で行いました。この分担が、今回の試行の中心だったと考えています。
第5章 探索の結果を、スナップショットとしてObsidianへ保存する
見つける場所と、残す場所
Mindverseでは、情報を眺め、検索し、別のspaceに配置し直したり、マップ同士の関係性を考えたりできます。こうした操作を繰り返す中で、情報の新しい切り口を見つけ、構造を組み替えていきます。「情報漏洩」のspaceも、別の言葉で検索すれば、また違う形に組み替わるかもしれない、作業の途中の姿です。
一方で、そこで得られた構造を、後から参照できる形で残しておきたいとも考えました。そこで今回は、ある時点で切り出した構造をObsidian向けのMarkdown文書として保存し、二つのツールの役割を次のように分けました。
Mindverse:情報を探索し、新しい切り口や関係性を見つける場所
Obsidian:探索によって得られた構造を、スナップショットとして保存・参照・再利用する場所
断っておくと、これはツールそのものの優劣ではありません。ObsidianにもリンクやCanvasなど、構造を扱う機能があります。あくまで今回の使い方の中で、こう役割を分けた、という話です。

文書に残したもの
書き出したMarkdownには、次のような内容が含まれていました。
発信元ごとの見出し
各メールの受信日、件名、要約、ラベル
元のメールへのリンク
関係線で結んだ、関連先の情報
つまり、Mindverseのspaceで組み立てた「情報漏洩」というテーマの構造が、そのまま読める文書の形になっています。実際の文書には個人の受信内容が含まれるため、本記事では中身を載せず、構造だけを紹介しています。

「スナップショット」の意味
ここでいう「スナップショット」は、3Dの画面の見た目や、マップの配置の座標を、そのまま保存するという意味ではありません。
保存しているのは、その時点で選び取った情報の内容と階層、そして文書で表現できる範囲の関係性です。探索の途中で「ここまで分かった」という地点を、文書として固定しておくイメージです。
こうして、AIが構造化し、Mindverseで人間が探索し、Obsidianでその結果を固定する、という一つの流れがつながりました。
第6章 Mindverseを使う意味は、あったのか?
個人的には、有効だと感じた
今回のワークフローを、私は使ってみて有効だと感じました。受信トレイを構造として眺め、検索で浮かび上がらせ、テーマごとにまとめ直し、最後に文書として残す。一連の流れには、手応えがありました。
ただし、これは私個人の感想です。作業が速くなった、見落としが減った、といった効果を測ったわけではありません。
後から湧いてきた疑問
作業を終えてから、一つの疑問が浮かびました。
最終的に「情報漏洩」についてのMarkdownを作るだけなら、最初からAIに直接頼めば済んだのではないか。
正直に言えば、その可能性は十分にあります。「受信トレイから情報漏洩に関するメールを抜き出して、発信元ごとに要約し、関連するものを示して」と頼めば、似た文書は得られたかもしれません。
目的が、いつ決まるか
この疑問を考えていくと、分かれ目は「目的がいつ決まっているか」にあるように思えてきました。
目的が最初から決まっている場合
何を探したいか、どんな文書がほしいかが最初から分かっているなら、AIに直接指示して、抽出・要約・文書化してもらうほうが、効率的に進められる可能性があります。この場合、Mindverseを間に挟むことは必須ではありません。
目的や切り口が、探索の途中で変わる場合
今回の私は、まさにこちらでした。最初は、情報を別の構造で可視化することで、何か新しい発見が得られるのではないかと考えていました。その検証対象に選んだのが、Gmailの受信トレイです。「情報漏洩」というテーマに注目したのは、42個のマップを生成し、検索を試す段階になってからでした。最初の時点では、AIに何を頼めばよいのか、私自身が分かっていませんでした。
このように、見ているうちに問いが変わっていく場合には、AIが作った構造を手元に残し、それを見ながら検索したり、別のspaceに並べ直したり、関係を付けたりできることに、価値があるのかもしれません。

それでも、Mindverseでなければならないとは言えない
ただ、ここでも留保が必要です。探索の途中で切り口を変えていくことは、AIとの対話を重ねることでもできるかもしれませんし、Obsidianなど別のツールでも実現できるかもしれません。今回は比較を行っていないので、これがMindverseならではの強みだとは言えません。
次に確かめたいこと
もし確かめるとすれば、同じ情報と同じ目的に対して、「AIだけ」で進める場合と「AIとMindverse」で進める場合を比べてみることになるでしょう。見てみたいのは、たとえば次のような点です。
完了までにかかる時間
見落としの有無
関係の見つけやすさ
別の文脈での再編集や再利用のしやすさ
要約や関連付けの正確さ
これは今後の検証の案であり、今回はまだ実施していません。
三つを分けて考える
この章の話を整理すると、次の三つは分けて考える必要があります。
実現したこと:Gmail→AI→Mindverse→Obsidianという流れが、一通りつながった
価値を感じたこと:探索しながら切り口を変えていく使い方に、私は手応えを感じた
未検証のこと:それがAI単独や他のツールより優れているかどうか
三つ目が分からないまま、一つ目と二つ目を語ることには意味があると考えています。新しい使い方は、まず「やってみたらこうなった」という記録から始まるものだからです。
結び 情報を整理することから、探索することへ
振り返ってみると
始まりは、普段は一覧や文章として扱っている情報を、別の構造に変えて眺めたら、何か新しい発見があるのではないか、という問いでした。その実験の対象に選んだのが、Gmailの受信トレイです。
AIが受信トレイを構造化して42個のマップを作り、私はそれを眺め、検索し、テーマごとのspaceにまとめ直し、関係線を引きました。そして、その時点の構造をObsidianに文書として残しました。「情報漏洩」という切り口を最初から決めていなかったからこそ、たどり着いた流れだったと思います。
では、最初の問いにあった「新しい発見」はあったのでしょうか。今回見つけたのは、誰も知らなかった情報や関係ではありません。メールの中にもともとあった情報を、発信元別とは異なる切り口で集め直し、関係を目に見える形にして残す、という情報の新しい見方と使い方でした。私にとっての発見は、こちらのほうだったと考えています。
AIに整理してもらう、の先へ
AIの使い方というと、答えを出してもらう、要約してもらう、という形をまず思い浮かべます。今回の試行で私が感じたのは、それとは少し違う可能性です。
AIが作った構造を、人間が手で動かしながら、「次にどこを見るか」「どの切り口で残すか」を考える。情報を整理してもらうだけでなく、整理された情報の中を探索するために、AIと可視化を組み合わせる使い方があるのかもしれません。
残っている問い
もっとも、可視化を挟むことが、AIだけで進めるより本当に役立つのかは、まだ確かめていません。これは、次に試してみたい問いとして残しておきます。
Mindverseはまだ開発の途中にあるアプリです。今回の記事は、その開発の過程で見つけた一つの使い方を提案してみました。
このアプリは、将来公開することを目指していますが、まだ開発途上です。ご質問や、アイデアがありましたら、是非コメントをお寄せください。
あなたの受信トレイや、たまったメモやファイルも、一覧ではなく構造として眺めてみると、いつもとは違う問いが浮かんでくるかもしれません。
※ 本記事の評価は、筆者が自分の受信トレイと開発中のMindverseで試した個人的な使用感です。AIとMindverseを組み合わせた方法が、AI単独や他のツールより効率的・効果的であることを示すものではありません。
※ 「42個のマップ」「6件」は筆者の実験時の数字です。記事中の画像・動画は、個人情報を保護するため、匿名化または再現データで作成しています。図解は情報の構造を説明するための概念図であり、実際のアプリ画面ではありません。
最後に MindGravity v1.0 βテストのお知らせ
2026年11月14日、βテストを開始いたしました。もちろん、無料でお使いいただけます。
感想の受付は、2026年12月13日まで。アプリは、2027年2月11日ごろまで、お使いいただけます。
詳細は、次の記事に掲載しています。
引用・参照
Lucid(Lucidspark ブログ)「マインドマップとは」。アイデアや情報を視覚的に整理するマインドマップの考え方と書き方を解説している。第1章のマインドマップの説明に対応。
筆者「Mindverse機能追加ログ」(2026年11月4〜5日、非公開の開発ログ)。検索機能の対象(ノード名・ラベル・メモ)と表示(ハイライトとグレーアウト)、AIとの連携、ObsidianのMarkdown入出力の記録。第1章・第5章に対応。仕様は公開時点で再確認。
筆者「非構造状態を構造化する実験」(2026年11月6日、非公開の実験記録)。AIへの指示内容、発信元をルートにした構造、42マップ、検索で該当した6件、space作成と関係線の記録。第2〜4章に対応。
筆者「情報漏洩まとめ_2026-11-06」(非公開)。Obsidian向けに書き出したMarkdownの実例。個人の受信内容を含むため、本記事では構造の説明のみを用いた。第5章に対応。