Kdy se vyplatí automatický přepis schůzek a kdy raději ne?

Kde se projekty lámej

Typická chyba je rezignovat po prvním automatickém e-mailu. Další je poslat zboží zpět bez reklamačního protokolu a bez popsání závady. Tím se ztíží prokazování a prodejce získá prostor tvrdit, že šlo o jiné poškození. Stejně chybné je přijmout opravu „na počkání" bez záznamu o tom, co bylo opraveno. Pokud vada přetrvává, opakovaná reklamace stejného problému posiluje pozici spotřebitele, ale musí být doložená.

Začněte malým korpusem, ověřte kvalitu vyhledávání, a teprve pak přidávejte dokumenty. Dobrý RAG není o velikosti indexu, ale o tom, jak přesně dokáže dodat správný kontext ve správný čas.

Náklady na nástroj nejsou jen licence. Počítejte s časem na zavedení, migrací dat, proškolením týmu a úpravami, které vyplynou z praxe. Tyto položky často převýší samotný poplatek za používání. Běžná chyba: vedení koupí komplexní řešení pro celou firmu, ale personální oddělení využije desetinu funkcí. Zaměstnanci pak obcházejí systém a vedou si soukromé tabulky, takže se data rozcházejí a automatizace vyrábí chyby rychleji než dřív ruční práce.

Automatický přepis schůzek vypadá jako jednoduché řešení, ale v praxi narazíte na řadu úskalí. Nejde jen o to zapnout funkci a čekat, až se text sám objeví. Kvalita výstupu závisí na kvalitě zvuku, jazyce, odbornosti tématu i na tom, co s přepisem dál děláte. Pokud si myslíte, že tím ušetříte čas, možná ano – ale jen za určitých podmínek.

RAG systém stojí na dvou pilířích: na tom, jak dobře umíte najít relevantní části dokumentů, a na tom, jak z těch částí sestavíte kontext pro model. Většina lidí začne vektorovou databází a embeddingy, ale zapomene na chunking. Právě dělení textu rozhoduje o tom, jestli vyhledávač vrátí smysluplný úryvek, nebo půlku věty bez kontextu. Chunk by měl odpovídat jedné myšlence, typicky 200–500 tokenů, s překryvem 10–20 %, aby se informace na hranicích neztratila.

Automatický přepis se vyplatí tehdy, když máte opakované schůzky s jasnou strukturou, kvalitní zvuk a ochotu dělat korektury. Naopak u krátkých neformálních rozhovorů nebo v hlučném prostředí vám přinese více práce než užitku. Vyzkoušejte jeden nástroj na malém vzorku, změřte si čas strávený opravami a porovnejte s ručním zápisem. Teprve pak se rozhodněte, zda do toho jít.

Typické chyby: příliš velké chunky, které míchají témata; chybějící metadata; jeden embedding model pro různé jazyky; ignorování fulltextu; a prompt bez instrukcí, takže model halucinuje. Vyhodnocujte průběžně. Připravte si sadu otázek se známými odpověďmi a měřte, kolik odpovědí je správných a kolik citací sedí. Sledujte i latenci a náklady na dotaz. Bez měření nepoznáte, jestli změna chunku nebo modelu pomohla, nebo jen přesunula problém jinam.

Typická chyba je spoléhat na stoprocentní přesnost. Automatický přepis nikdy nebude dokonalý, zvláště když se mluví rychle, překrýváte se nebo používáte nespisovné výrazy. Vždy počítejte s korekturou. Vyplatí se zavést pravidlo, že přepis po schůzce projde alespoň jeden člověk a opraví klíčové pasáže – jména, čísla, úkoly. Bez toho se může stát, že zásadní informace zmizí nebo se zkomolí.

Představte si, že stavíte nad firemní dokumentací. Nejprve sesbírejte zdroje, převeďte je na čistý text a odstraňte hlavičky, patičky a navigační prvky. U PDF pozor na dvousloupcovou sazbu, kterou nástroje často čtou po řádcích a míchají dohromady. U tabulek a obrázků s textem je lepší je popsat ručně nebo vynechat než do indexu pustit šum. Každý chunk opatřete metadaty: název dokumentu, sekce, datum platnosti. Bez nich nebudete moci filtrovat a výsledky budou zastaralé.

Vektorové hledání samo nestačí Embeddingový model převede chunk na vektor a uložíte ho do indexu. Pro české texty se vyhněte modelům trénovaným výhradně na angličtině, jinak si blízké významy nesednou. Při dotazu převedete otázku stejným modelem a hledáte nejbližší vektory. Jenže vektorové hledání selhává u přesných názvů, kódů a čísel. Kombinujte ho s fulltextovým vyhledáváním a výsledky slijte pomocí recipročního pořadí. Teprve pak získáte robustní kandidáty.

Základem je čistý zvuk. Mluvte do kvalitního mikrofonu, ideálně jeden na osobu, nebo používejte stolní konferenční mikrofon s potlačením ozvěny. Vyhněte se místnostem s tvrdými povrchy, kde se zvuk odráží. Pokud sedíte daleko od mikrofonu nebo šustíte papíry, přepis bude plný chyb. Vždy předem otestujte nahrávku na krátkém úseku a poslechněte si ji – zjistíte, zda je řeč srozumitelná i pro stroj.

Další častou chybou je ukládat přepisy bez dalšího zpracování. Přepis sám o sobě není výstup, ale surovina. Rozdělte ho na sekce, označte rozhodnutí a přiřaďte úkoly konkrétním lidem. Pokud máte nástroj, který umí integraci s kalendářem nebo projektovým systémem, využijte to. Ale pozor na soukromí – nahrávky mohou obsahovat citlivé údaje. Zjistěte, kde jsou data uložena, kdo k nim má přístup a zda jsou šifrována. U některých nástrojů si můžete nastavit automatické mazání po určité době.