Корпоративный ИИ

Корпоративная память встреч

Руководитель видит решения и проблемы команд. Отделы получают общий контекст, новые сотрудники быстрее входят в проект.

Спроектировал архитектуру обработки встреч и руководил ML-направлением: от распознавания речи и протоколов до интеграции в рабочий процесс.

Прозрачность работы командрешения, проблемы и договорённости — с опорой на первоисточник
Открыть демо памяти встреч
Ответ по истории встреч и карточки найденных источников
01 / 05Вопросы по истории встреч

Сотрудник получает ответ по истории обсуждений со ссылками на встречи, в которых нашлась нужная информация.

2023 — настоящее времяВ эксплуатации

Сервис разработан в составе команды корпоративного продукта.

Задача

Обсуждения идут параллельно в разных командах. Чтобы понять, какие решения приняты и какие проблемы поднимаются, руководителю приходится участвовать во встречах или собирать пересказы. Соседние отделы и новые сотрудники восстанавливают ту же историю отдельно.

Решение

Система готовит протоколы и объединяет встречи в доступную для поиска историю. Руководитель находит решения и открытые вопросы по нескольким встречам, команды уточняют договорённости, новые участники изучают предысторию. Ответы можно сверить с исходным обсуждением.

Практическая польза

Прозрачность для руководителя

Видеть, что обсуждают команды, какие решения принимают и к каким проблемам возвращаются, без присутствия на каждом созвоне.

Согласованность между отделами

Понимать договорённости, основания решений и ограничения смежных команд по общей истории обсуждений.

Ввод сотрудников и передача проектов

Изучать предысторию самостоятельно и реже отвлекать коллег на повторные объяснения. Контекст доступен и при смене участников.

Результат

  • Сервис подготовки протоколов и поиска по истории встреч используется в корпоративной работе.
  • Поиск связывает ответ с конкретными встречами; например, помогает выяснить, почему изменили требования к проекту.

Подробности

Как устроено

Технологии

  • Python
  • PyTorch
  • Whisper
  • Transformers
  • FastAPI
  • PostgreSQL
  • Qdrant
  • Docker

Последовательность обработки

  1. запись встречи
  2. ASR
  3. NLP-суммаризация
  4. хранилище
  5. рабочий интерфейс
Данные и проверка

Данные

  • аудиозаписи встреч
  • расшифровки
  • обезличенные целевые протоколы

Критерии качества

  • полнота договоренностей
  • качество итогового протокола
  • объем ручных правок

Ограничения

  • Качество зависит от записи речи и структуры встречи.
  • Работа с закрытыми встречами требует защищенного контура и разграничения доступа.