AI-mötesanteckningar: från transkript till granskade åtgärder

Ett kundmöte slutar inte när någon klickar på "lämna". Det slutar först när rätt person har fått rätt uppgift, kundlöftet är rimligt formulerat och ingen skickar något som borde ha granskats först.

Det är där mötes-AI börjar bli intressant. Inte som ännu en magisk sekreterare, utan som ett arbetsflöde: läsa mötesmaterial, plocka ut beslut, föreslå uppföljning och stanna innan något går iväg.

Mötesmaterial betyder här transkript, sammanfattningar, inspelningar, anteckningar, agendor, whiteboards, deltagarlista och annan metadata som hör till ett möte. Det är inte samma sak som fri åtkomst till hela företaget. Det är just därför flödet måste designas med konto, källa och granskning från början.

Vad som faktiskt har ändrats

Manus släppte den 9 juni en Zoom Connector som låter Manus arbeta med Zoom-möten och mötesfiler som det anslutna kontot redan har åtkomst till. Deras exempel handlar om att summera ett kundsamtal, hämta citat, lista uppföljningar, hitta produktönskemål och köra återkommande granskningar av säljsamtal, onboardingmöten eller projektmöten.

Källa: Manus, "Introducing Zoom Connector: Turn Every Zoom Meeting Into Your Next Workflow"

Samma dag beskrev Anthropic hur Claude Managed Agents kan köras på schema och använda skyddade miljövariabler i vaults. Det låter tekniskt, men poängen är enkel: agenter kan starta återkommande jobb utan en separat schemaläggare och använda sparade behörigheter utan att modellen ser hemligheten direkt. Det gör veckovisa mötesgenomgångar mer praktiska, men också mer känsliga.

Källa: Claude, "New in Claude Managed Agents" och Claude docs om schemalagda körningar

Google visade också Gemini 3.5 Live Translate: nära realtidsöversättning av tal till tal i fler än 70 språk. Det är relevant för möten över språkgränser, men Google är tydliga med att Live Translation inte är en agent. Det är en tolkningspipeline för ljud in och översatt ljud ut, inte ett verktyg som ska fatta beslut eller skicka uppgifter.

Källa: Google DeepMind om Gemini 3.5 Live Translate och Gemini Live API-dokumentation

Det säkra första målet: måndagens utkast

Ett bra första projekt är nästan pinsamt konkret:

Fredagens kundsamtal blir måndagens utkast till uppföljning.

Inte ett automatiskt mejl. Inte ett nytt CRM-kaos. Bara ett utkast med tre saker: vad kunden bad om, vilka beslut som faktiskt togs och vilka frågor som fortfarande är öppna. En människa godkänner innan något skickas, flyttas eller lovas.

Det här passar mötestunga processer där samma typ av samtal återkommer: säljdemos, onboarding, supportgenomgångar, föräldra- eller elevmöten, projektavstämningar och konsultmöten. Vinsten ligger inte i att AI "minns allt". Vinsten ligger i att ni slipper börja om från noll efter varje samtal.

Sex grindar innan AI får göra mer

Bygg flödet som en serie grindar. Då går det att öka automationsgraden utan att tappa kontrollen.

1. Bestäm vilka möten som ingår. Välj en tydlig kategori, till exempel "kundsamtal med onboarding" eller "veckans projektmöten".
2. Kontrollera vilket konto som får läsa materialet. AI ska bara se möten, transkript och inspelningar som kontot faktiskt har rätt till.
3. Välj vad AI får producera. Börja med sammanfattning, öppna frågor, föreslagna uppgifter och utkast till svar.
4. Lägg in mänskligt stopp före sändning. Kundlöften, pris, avtal, personalfrågor och känsliga uppgifter ska inte gå ut utan granskning.
5. Logga källa och ägare. Varje föreslagen uppgift behöver möteskälla, datum, ansvarig och status.
6. Testa avstängning. Ta bort åtkomst för ett testkonto och verifiera att agenten inte längre kan läsa mötet eller använda behörigheten.

Det här är mindre glamoröst än en demo där agenten skickar allt själv. Det är också mycket närmare hur verkliga arbetsflöden överlever månad två.

När återkommande granskning är värd det

Schemaläggning är användbart när frågan är stabil men mötena byts ut. Återkommande invändningar i veckans säljsamtal är rimligt att fråga efter. Löften till nästa kund kräver mer försiktighet.

En rimlig veckorutin kan se ut så här:

• AI läser tillgängliga mötesmaterial från veckan.
• Den grupperar återkommande teman, risker och önskemål.
• Den skapar ett kort utkast till intern uppdatering.
• En ansvarig person godkänner, korrigerar eller stoppar utkastet.
• Godkända punkter blir uppgifter i rätt system.

Det räcker långt. För många organisationer är det här mer värdefullt än en agent som försöker vara autonom överallt.

Språk, samtycke och fel tonfall

Liveöversättning gör mötesflödet ännu mer användbart, särskilt i skolor, support och internationella kundsamtal. Men översatt ljud är inte samma sak som ett granskat beslut.

Skriv därför ner reglerna innan första skarpa användning:

• Deltagare ska veta när AI-översättning eller transkribering används
• Transkript ska sparas bara när det finns ett tydligt syfte
• Känsliga möten behöver mänsklig tolk eller extra granskning
• Sammanfattningar ska märkas som utkast
• Viktiga beslut ska bekräftas på originalspråk när det behövs

Det låter försiktigt. Bra. Mötes-AI får ofta till formen innan den får till ansvaret.

Börja med en kontrollerad möteskedja

Om detta liknar ert arbete, välj en enda möteskedja och bygg den från slutet: vilket beslut, vilken uppgift eller vilket kundsvar ska bli bättre?

Hammer kan hjälpa till att sätta upp ett sådant Verktygssmide: källor, behörigheter, utkastmallar, återkommande körning, granskningssteg och enkel loggning. Det är inte ett stort AI-program. Det är en praktisk rutin som gör att mötet faktiskt blir arbete utan att AI får skicka iväg saker på egen hand.