Trợ lý AI cho cuộc họp: Hướng dẫn đầy đủ

Một trợ lý AI họp lắng nghe cuộc gọi của bạn, chuyển lời nói thành văn bản theo thời gian thực, và biến cuộc trò chuyện thành ghi chú có cấu trúc, các quyết định và các việc cần làm. Những trợ lý tốt hơn còn giúp bạn trong khi cuộc gọi diễn ra, hiển thị một câu trả lời, một câu hỏi tiếp theo, hoặc một lời hứa mà ai đó vừa đưa ra khi bạn vẫn còn đang nói.

Tôi là người sáng lập Natively, một trợ lý AI để bàn mã nguồn mở (AGPL-3.0) dành cho các cuộc họp và phỏng vấn. Tôi đã dành hai năm quan sát cách mọi người thực sự sử dụng một trong những công cụ này, qua các luồng hỗ trợ, báo cáo lỗi, và các cuộc gọi hàng ngày của chính tôi. Hướng dẫn này là những gì tôi đã mong ai đó đưa cho tôi trước khi bắt đầu: những trợ lý này hoạt động như thế nào, chúng thực sự hữu ích ở đâu, và cách chọn một trong số đó mà không bị cuốn vào các chiêu marketing.

Trợ lý AI họp thực sự là gì

Trợ lý AI họp là phần mềm ghi lại âm thanh của một cuộc gọi, chuyển đổi giọng nói thành văn bản, và sử dụng một mô hình ngôn ngữ để tạo ra bản tóm tắt, danh sách các quyết định và các việc cần làm phát sinh từ cuộc trò chuyện. Đó là vòng lặp cốt lõi. Mọi thứ khác chỉ là một biến thể của nó.

Tuy nhiên, các biến thể quan trọng hơn tên của hạng mục. Một số công cụ tham gia cuộc gọi của bạn với vai trò người tham dự có thể thấy được, một bot có tên trong danh sách người tham dự. Những công cụ khác ghi âm ở cấp độ hệ điều hành và không bao giờ xuất hiện với ai khác. Một số gửi mọi giây âm thanh lên một máy chủ đám mây. Những công cụ khác chạy việc chuyển văn bản và tóm tắt trên chính máy của bạn. Hai sản phẩm có thể đều được gọi là "trợ lý AI họp" nhưng lại hoạt động hoàn toàn khác nhau ở những điểm thực sự quan trọng.

Đây là một định nghĩa rõ ràng đáng để nhớ. Chuyển văn bản trực tiếp là việc chuyển đổi liên tục âm thanh được nói thành văn bản ngay khi các từ được nói ra, thường trong vòng một hoặc hai giây, để bạn có thể đọc cuộc trò chuyện trong khi nó diễn ra thay vì sau khi nó kết thúc.

Ba việc mà mọi trợ lý đều làm (và nơi chúng khác biệt)

Bỏ qua thương hiệu, mọi công cụ trong lĩnh vực này đều đang làm ba việc. Nó ghi lại âm thanh, viết ghi chú, và nếu đủ tham vọng, giúp bạn ngay trong lúc đó. Những khác biệt thú vị xuất hiện ở cách mỗi việc được thực hiện.

Hầu hết các công cụ nổi tiếng chọn cột bên trái. Đó là con đường ít trở ngại nhất, và với một buổi đồng bộ nhóm hàng tuần mà mọi người đều mong có bản ghi âm, điều đó hoàn toàn ổn. Cột bên phải tồn tại vì một bot tên "Otter.ai" xuất hiện trong một cuộc gọi khách hàng, một cuộc nói chuyện tuyển dụng, hay một buổi thuyết trình gọi vốn sẽ làm thay đổi không khí trong phòng. Mọi người nói chuyện khác đi khi biết có một thiết bị ghi âm của bên thứ ba đang lắng nghe.

Hỗ trợ theo thời gian thực là phần mà mọi người đánh giá thấp

Bản tóm tắt sau cuộc gọi rất hữu ích. Nhưng đó cũng là phần dễ của vấn đề. Phần khó, nhưng có giá trị, là giúp bạn khi cuộc trò chuyện vẫn đang diễn ra, và hầu hết các công cụ phổ biến đều bỏ qua phần này.

Hãy nghĩ về thời điểm. Trong một cuộc gọi tìm hiểu bán hàng, một khách hàng tiềm năng đưa ra một lời phản đối mà bạn đã trả lời năm mươi lần, nhưng đầu óc bạn trống rỗng trong một giây. Trong một cuộc thảo luận kỹ thuật, ai đó nhắc đến một chỉ số từ quý trước và bạn cần nó ngay lúc này, không phải trong bản tổng kết sau đó. Khoảng thời gian mà một trợ lý có thể hữu ích được tính bằng giây, không phải bằng email đến hai mươi phút sau.

Đây là ràng buộc thiết kế mà tôi đã xây dựng Natively xoay quanh nó. Nếu trợ lý không thể đưa một câu trả lời liên quan lên màn hình đủ nhanh để sử dụng trước khi khoảnh khắc đó trôi qua, thì tính năng thời gian thực chỉ là trình diễn. Trên phần cứng của riêng tôi, Natively hiển thị câu trả lời lên màn hình trong chưa đầy 500 mili giây từ đầu đến cuối, và con số đó là sự khác biệt giữa một công cụ bạn chỉ lướt qua và một công cụ bạn thực sự dựa vào giữa câu nói.

Ghi chú sau cuộc gọi và hỗ trợ trực tiếp là những sản phẩm khác nhau mang cùng một nhãn. Hãy quyết định bạn cần loại nào trước khi so sánh các tính năng. Nếu bạn thực hiện nhiều cuộc gọi trực tiếp rủi ro cao, hãy đặt trọng số lớn cho cột trực tiếp. Nếu các cuộc gọi của bạn chủ yếu là nội bộ và bạn chỉ muốn một bản ghi sạch, cột ghi chú là nơi bạn nên nhìn vào.

Dữ liệu cuộc họp của bạn đi đâu

Một trợ lý họp xử lý một số âm thanh nhạy cảm nhất mà bạn tạo ra trong cả ngày. Các cuộc gọi tuyển dụng, trao đổi về lương, phàn nàn của khách hàng, lộ trình chưa công bố, các vấn đề pháp lý. Mô hình xử lý không phải là chi tiết phụ, đó là toàn bộ hồ sơ rủi ro.

Các công cụ trên đám mây tải âm thanh của bạn lên, chuyển văn bản trên máy chủ của họ, và lưu bản ghi trong tài khoản của bạn theo chính sách lưu trữ của họ. Điều đó tiện lợi và, với nhiều nhóm có quy trình đồng ý rõ ràng, có thể chấp nhận được. Nó cũng có nghĩa là một bản sao của cuộc trò chuyện tồn tại trên hạ tầng mà bạn không kiểm soát, phụ thuộc vào an ninh của họ và những thay đổi chính sách trong tương lai của họ.

Giải pháp thay thế là xử lý cục bộ. Natively có thể chạy việc chuyển văn bản bằng một mô hình Whisper cục bộ và tóm tắt thông qua một LLM cục bộ qua Ollama, nghĩa là âm thanh không bao giờ rời khỏi máy của bạn và không có lưu lượng mạng nào để chặn. Bạn cũng có thể dùng API key riêng của mình, vậy nên bên thứ ba duy nhất nhìn thấy dữ liệu là nhà cung cấp mô hình mà bạn đã tin tưởng, được tính phí theo token. Tôi đi sâu hơn vào các sự đánh đổi này trong hướng dẫn về quyền riêng tư cho công cụ ghi chú, và về cách tiếp cận không cần bot trong ghi chú họp riêng tư không cần bot.

Một lưu ý không liên quan đến bất kỳ sản phẩm nào. Luật về ghi âm và chuyển văn bản khác nhau theo khu vực pháp lý và loại cuộc họp. Việc một công cụ vô hình với những người tham dự khác không miễn trừ nó khỏi các quy tắc đồng ý. Hãy tuân theo chính sách công ty của bạn và luật áp dụng, đặc biệt là trong các cuộc gọi bên ngoài và các buổi phỏng vấn.

Khớp công cụ với cuộc họp

Không có một trợ lý tốt nhất duy nhất, chỉ có sự phù hợp tốt nhất với loại cuộc gọi bạn đang tham gia. Một cuộc họp standup hàng ngày và một cuộc gặp riêng một-một bí mật có những yêu cầu đối lập nhau, và một công cụ làm tốt ở cuộc này có thể sai hoàn toàn ở cuộc khác.

Nếu các cuộc gọi của bạn chạy trên một nền tảng, hãy bắt đầu với thiết lập dành riêng cho nền tảng đó. Tôi đã viết các hướng dẫn từng bước cho Zoom và Google Meet bao gồm việc ghi âm, sự đồng ý, và cách nhận hỗ trợ trực tiếp mà không làm chậm cuộc gọi. Riêng với bán hàng, một trợ lý cuộc gọi bán hàng chuyên biệt vượt trội hơn một công cụ ghi chú thông thường vì nó được xây dựng xoay quanh các lời phản đối và các bước tiếp theo.

Natively phù hợp ở đâu, nói thật

Natively là lựa chọn đúng nếu bạn muốn hỗ trợ thời gian thực trong các cuộc gọi riêng tư mà không có bot trong phòng, và nếu bạn quan tâm âm thanh của mình sẽ đi đâu. Nó chạy trên máy tính để bàn thay vì là một tiện ích mở rộng trình duyệt, ghi âm hệ thống trực tiếp, vô hình khi chia sẻ màn hình, và cho bạn tùy chọn xử lý cục bộ, tự mang API key, hoặc xử lý được quản lý. Nó là mã nguồn mở, vậy nên các tuyên bố về quyền riêng tư có thể được kiểm chứng thay vì chỉ là một lời hứa trên trang marketing.

Nó không phải là lựa chọn đúng cho tất cả mọi người. Nếu nhóm của bạn đang sống trong một quy trình ghi chú họp chung với các tích hợp CRM và lịch sâu, một sản phẩm đám mây trưởng thành như Otter hay Fireflies đã có nhiều năm công sức tích hợp mà Natively chưa theo kịp. Chúng tôi là một nhóm nhỏ, phạm vi tích hợp nhỏ hơn, và tôi muốn nói thẳng với bạn điều này hơn là để bạn bỏ cuộc vào tuần thứ hai. Với một văn hóa dựa trên bot, nơi mọi người đều nhận bản ghi âm, những công cụ đó phù hợp hơn. Natively xứng đáng được chọn khi cuộc gọi nhạy cảm, sự hỗ trợ cần phải trực tiếp, và dữ liệu phải thuộc về bạn.

Câu hỏi thường gặp

Trợ lý AI cho cuộc họp là gì?

Đó là phần mềm ghi lại âm thanh cuộc gọi của bạn, chuyển văn bản theo thời gian thực, và tạo ra ghi chú, quyết định và các việc cần làm. Những cái mạnh hơn còn cung cấp câu trả lời và gợi ý trong khi cuộc gọi diễn ra, không chỉ là bản tóm tắt sau đó.

Tôi có cần một bot để tham gia cuộc gọi không?

Không. Một số công cụ tham gia với vai trò người tham dự có thể thấy được, nhưng những công cụ khác ghi âm hệ thống trên thiết bị của riêng bạn và không bao giờ xuất hiện với ai khác. Với các cuộc gọi riêng tư hoặc bên ngoài, một phương pháp không cần bot thường là lựa chọn tốt hơn, miễn là bạn vẫn tuân theo các quy tắc đồng ý.

Trợ lý AI họp có thể hoạt động mà không gửi âm thanh lên đám mây không?

Có. Natively có thể chuyển văn bản bằng một mô hình Whisper cục bộ và tóm tắt bằng một LLM cục bộ qua Ollama, nên âm thanh vẫn ở trên máy của bạn mà không có lưu lượng mạng. Hầu hết các trợ lý khác xử lý trên đám mây theo mặc định.

Sử dụng trợ lý AI họp có hợp pháp không?

Có thể, nhưng điều đó phụ thuộc vào vị trí của bạn, loại cuộc họp, và việc âm thanh có được ghi lại hay không. Luật về sự đồng ý khác nhau, vậy nên hãy tuân theo chính sách công ty và xin phép khi cần, đặc biệt là trong các cuộc gọi bên ngoài và các buổi phỏng vấn.

Sự khác biệt giữa công cụ ghi chú AI và trợ lý AI họp là gì?

Một công cụ ghi chú chủ yếu ghi lại và sắp xếp những gì đã được nói. Một trợ lý họp đầy đủ bổ sung thêm sự hỗ trợ trực tiếp trong cuộc gọi: câu trả lời, gợi ý, và các đề xuất phù hợp với ngữ cảnh khi cuộc trò chuyện vẫn đang diễn ra.

Bắt đầu với cuộc gọi tiếp theo của bạn

Chọn cuộc họp mà sự rõ ràng quan trọng nhất tuần này, một cuộc gọi khách hàng, một buổi phỏng vấn, một cuộc nói chuyện bán hàng, và thử một trợ lý ở đó trước, thay vì triển khai khắp mọi nơi cùng một lúc. Bạn sẽ học được nhiều hơn từ một cuộc gọi rủi ro cao so với một tháng đầy các buổi standup.

Nếu bạn muốn câu trả lời trực tiếp và ghi chú riêng tư mà không có bot trong phòng, Natively miễn phí để thử với API key của riêng bạn hoặc một mô hình cục bộ. Hãy đọc so sánh các công cụ tiếp theo nếu bạn muốn xem các lựa chọn so sánh với nhau như thế nào trước khi quyết định.