AI 會議紀錄 · 自動摘要
AI Meeting Notes
什麼是 AI 會議紀錄?
- 分為語音辨識與摘要兩個階段運作
- 準確度取決於麥克風與術語詞典,而非模型本身
- 摘要只是草稿,決議事項須由人員確認
AI 會議紀錄真正改變的不是打字的勞力,而是會議的進行方式。當年資較淺的員工不再需要抱著筆電在角落打字,所有與會者都能專注於討論;原本要等兩天才傳閱的文件,在會議結束 30 分鐘內就能分享。更明顯的變化在發言習慣。摘要品質取決於的不是模型效能,而是結論有沒有被明確說出口,例如「那就這樣決定,負責人是朴組長,週五前完成」。導入工具會先改變會議的說話習慣。把結論大聲說出來確認的習慣,會比會議紀錄更早在組織中扎根。
工具大致分為三類。一是 Teams、Zoom、Google Meet 內建的形式;二是以參與者身分加入會議連結的機器人形式;三是用筆電或手機錄音、事後再上傳的本機應用程式形式。選擇標準不是功能,而是語音資料儲存在哪裡、是否被用於訓練。若處理合約或人事會議,應先確認是否支援國內或區域儲存、能否關閉訓練用途(選擇退出),以及能否指定保存期限。訂定企業標準時,依會議等級區分可用工具的做法最為實際。
也最好事先掌握準確度的條件。3~4 位發言者的線上會議幾乎沒有問題,但 8 人以上圍著圓桌、彼此搶話的面對面會議,發言者辨識會急劇失準。語音辨識的錯誤率與摘要品質是兩回事,即使逐字稿很乾淨,在把兩小時的討論濃縮成十行的過程中,反對意見也可能整段消失。逐字稿、摘要與正式會議紀錄是不同的文件。特別是董事會會議紀錄這類需要法律效力的文件,應將 AI 產出只當作草稿使用,另行完成簽署程序。
現場最常出事的,是抱持「有摘要就不用看」的心態。模型會把討論中冒出的提案當成決議記下來,當事人不知情的工作就連同負責人姓名一起列入待辦清單並派發出去。兩個月後若有人說「那時不是說好了嗎」,會議紀錄就成了爭議的依據。保留錄音原檔的做法也有風險。若高層的一句重話被逐字留存,在稽核或人事糾紛時就會被翻出來,結果反而讓會議上沒有人敢坦白發言。外部會議若有機器人自動入會,對方公司的機密也常會累積在我方的伺服器中。因此保存期限與自動刪除規定應在導入第一天就訂定。
語音辨識技術的準確度大幅提升,並結合語言模型後開始實用化。遠距與混合會議成為常態後,此功能逐漸內建為協作工具的基本功能。
以假設的案例來看:員工 180 人的工業閥門製造商 A 公司,每週一都會舉行 1 小時 30 分鐘的週會,與會者為生產、品管與業務部門。會議紀錄由經營支援部門的代理平均花 90 分鐘撰寫,發送要等 2〜3 天。在這段期間,決議事項口頭傳達出現錯誤,每季都會發生六、七件圖面返工。
- 經營支援團隊的金課長在導入前花了兩天,把「水錘」「ISO 5208」等 140 個公司內部縮寫,以及經常與會的 12 位成員的姓名與職稱登錄到工具詞典中。試營運的會議中,說話者辨識錯誤明顯減少。
- 第一次會議開頭,生產本部長花了 3 分鐘說明:「從今天起開始錄音,有協力廠商參加的會議,會事先另行取得同意後再進行。」同時也約定,有外部人員參加的會議,一律關閉機器人自動入會。
- 會議結束前 5 分鐘,主持人會大聲複誦「今天決定的三件事、負責人、期限」。導入這項規則後,摘要的待辦清單中漏掉負責人的項目,從每場 4〜5 件降到 1 件以下。
- 第二週,品質組長發現了摘要稿中「協力廠商單價調漲已核准」這句話。實際發言是「決定再研究看看」。因為這件事,加入了「主持人審核前不分享會議紀錄」的流程。
- 三個月後,會議紀錄的撰寫時間從 90 分鐘縮短為 15 分鐘,發送時間從 2〜3 天縮短為當天下午,因決議事項傳達錯誤而返工的次數從每季 7 件降為 1 件。錄音原始檔設定為 30 天後自動刪除,避免了保存上的爭議。
金鍾赫
Seung-tae Park