Momentum AI

Blog

Mødereferater med AI: fra optagelse til opgaveliste

Et AI-mødereferat bliver kun så godt som mødet og prompten bag. Sådan forbereder, holder og efterbehandler I mødet, så referatet ender som en opgaveliste.

Nærportræt af Mads-Bjørn Hjelmar, der taler i en mikrofon

Af Mads-Bjørn Hjelmar8 min. læsning

mødercopilot

Et bølgende ark i lilla og fersken, der flader ud under et glaskort med Microsoft Teams-ikonet og en opgaveliste med tre afkrydsningsfelter

Hvad skal der til, før et mødereferat skrevet med AI er til at stole på? De fleste har efterhånden set, hvor hurtigt et værktøj som Microsoft Copilot i Teams kan lave en opsummering af et optaget møde. Men et AI-mødereferat, der kun er hurtigt, er ikke nødvendigvis brugbart. Det brugbare referat svarer på tre ting: hvad blev besluttet, hvem gør hvad, og hvornår. Den del afhænger mere af arbejdsgangen omkring mødet end af værktøjet.

Denne artikel følger ét møde hele vejen fra dagsorden til opgaveliste. Principperne gælder, uanset om I bruger den AI, der er bygget ind i jeres mødeværktøj, eller indsætter en transskription i ChatGPT, Claude eller et andet godkendt værktøj.

Hvad der sker, når AI laver et referat

Et AI-mødereferat bliver typisk til i to trin. Først omsættes talen til tekst, en “transskription”. Derefter får en sprogmodel transskriptionen og en instruks om at opsummere den.

Begge trin kan give fejl, og det er nyttigt at vide hvilke. Transskriptionen kan tage fejl af navne, fagtermer, tal og ord, der ligner hinanden, især når flere taler samtidig. Sprogmodellen er et statistisk system, der beregner, hvilken tekst der sandsynligvis passer bedst som fortsættelse på det, den har fået. Den har ingen “sandhedssans”, der kan skelne mellem det, der lyder rigtigt, og det, der er rigtigt. I et referat viser det sig på en bestemt måde: En diskussion kan blive gengivet som en beslutning, fordi referater typisk indeholder beslutninger, og en opgave kan blive tildelt den person, der talte mest om emnet, selvom ingen påtog sig den.

Det er ikke en sjælden undtagelse. Det er en forventelig fejltype, og arbejdsgangen skal indrettes efter den. Hvorfor modellen opfører sig sådan, har vi forklaret nærmere i vores introduktion til generativ AI.

Før mødet: dagsordenen er konteksten

Jo mindre kontekst du giver, jo mere skal modellen gætte. Til et referat er den vigtigste kontekst dagsordenen. Den fortæller, hvilke punkter mødet skulle nå igennem, og giver referatet en struktur, der ikke er opfundet undervejs.

Vi tager et gennemgående eksempel: en projektgruppe i en kommune, der holder statusmøde om udskiftningen af et bookingsystem til borgerservice. Dagsordenen har fire punkter: status på test, tidsplan for undervisning af medarbejdere, en uafklaret fejl i integrationen til kalenderen og eventuelt.

Tre ting gør en dagsorden bedre som grundlag for et AI-mødereferat:

  • Formuler punkterne som spørgsmål, når der skal træffes en beslutning. “Skal undervisningen flyttes til efter sommerferien?” giver et klarere svar i referatet end “Undervisning”.
  • Skriv deltagernes fulde navne og roller i indkaldelsen. Så har I noget at rette transskriptionens stavemåder op imod.
  • Afklar på forhånd, om mødet må optages og transskriberes, og sig det til deltagerne. Hvilke møder der må optages, er en beslutning, der hører hjemme i jeres AI-politik, ikke hos den enkelte mødeleder.

Under mødet: sig beslutningerne højt

Her ligger den største forbedring, og den koster næsten ingenting. Modellen kan kun opsummere det, der er sagt. Hvis en beslutning bliver truffet med et nik og et “det gør vi så”, står den svagt i transskriptionen og risikerer at forsvinde eller blive gengivet forkert.

Mødelederen kan derfor afslutte hvert punkt med én sætning, der gentager beslutningen, ansvaret og fristen: “Vi har besluttet at flytte undervisningen til uge 34. Projektlederen booker lokalerne inden fredag.” Det er samme vane, som gør et håndskrevet referat godt, og den virker på samme måde for en sprogmodel.

Det samme gælder det, der ikke blev besluttet. “Den her tager vi op igen, når leverandøren har svaret” er en vigtig oplysning, og den står kun i referatet, hvis nogen har sagt den højt.

Sådan viser vi det på Copilot-workshoppen

Når en virksomhed ønsker en Copilot-workshop med en gennemgang af Copilot i Teams, plejer vi at lave en live demonstration af de steder, hvor vi ser det største potentiale. Demonstrationen følger et møde fra start til slut.

Først opretter vi et møde og viser, hvordan Copilot aktiveres. Derefter viser vi, hvordan transskriptionen fungerer i Teams, og hvordan talen løbende bliver til tekst. Det er den tekst, alt det efterfølgende bygger på. Derfor er det også her, det bliver tydeligt, hvorfor beslutningerne skal siges højt.

Så åbner vi Copilot-fanen inde i selve mødet. Den er hver deltagers egen, private Copilot: Det, du spørger om, kan de andre deltagere ikke se. Den har direkte adgang til transskriptionen med kun en kort forsinkelse, så den kan bruges, mens mødet stadig er i gang. Kommer du for sent ind, kan du bede om en opsummering af det, der er sket indtil nu. Nævner nogen et begreb eller en forkortelse, du er i tvivl om, kan du spørge, hvad det betyder, uden at afbryde mødet. Copilot fungerer på den måde som en slags “rådgiver”, du kan læne dig op ad undervejs. Den kan også bruges som kontrol: Beder du om en liste over de beslutninger, der er truffet indtil videre, kan du opdage det allerede i mødet, hvis en beslutning ikke er blevet sagt tydeligt nok.

Til sidst viser vi, hvad Copilot kan bruges til, når mødet er slut, fx en opsummering af mødet og eksport af transskriptionen. Eksporten er nyttig, hvis I vil arbejde videre med transskriptionen i en anden sprogmodel, som jeres organisation har godkendt, fx med de to prompts herunder.

Efter mødet: prompten til et brugbart AI-mødereferat

Den indbyggede opsummering i mødeværktøjet er et fint første udkast. Vil du have et referat i jeres faste form, skal du bede om det med en egentlig opgavebeskrivelse. Her hjælper bogens tre promptkomponenter, som vi har gennemgået i artiklen om gode prompts: mål, kontekst og forventninger.

For statusmødet om bookingsystemet kan prompten se sådan ud:

Skriv et referat af mødet ud fra transskriptionen herunder. Mødet er et statusmøde i projektgruppen for det nye bookingsystem i borgerservice. Referatet sendes til projektgruppen og til styregruppen, som ikke deltog. Følg dagsordenens fire punkter i rækkefølge. Under hvert punkt: to-fire sætninger om drøftelsen og derefter beslutningen, hvis der blev truffet en. Skriv “Ingen beslutning” under punkter, hvor der ikke blev besluttet noget. Medtag kun beslutninger, der er sagt udtrykkeligt i transskriptionen, og tilføj ikke oplysninger, der ikke står der. Deltagernes navne staves sådan: [liste over navne]. [dagsorden] [transskription]

Målet står i første sætning. Konteksten er mødets formål, modtagerne og dagsordenen. Forventningerne fylder mest, og det er med vilje: formatet (punkternes rækkefølge og længde), indholdet (drøftelse og beslutning) og kvalitetssikringen (kun udtrykkelige beslutninger, ingen tilføjelser, rigtige navne). Det er især den sidste del, der beskytter mod den fejltype, vi beskrev ovenfor.

Fra referat til opgaveliste

Opgavelisten er en anden opgave end referatet, og den bliver bedre, når den stilles for sig. Når vi underviser, anbefaler vi at bede om den i en ny prompt i samme samtale:

Lav en opgaveliste ud fra samme transskription som en tabel med kolonnerne Opgave, Ansvarlig og Frist. Medtag kun opgaver, som en navngiven person har påtaget sig eller fået tildelt på mødet. Er der ikke nævnt en ansvarlig eller en frist, så skriv “Ikke aftalt” i stedet for at gætte. Opgaver, der blev nævnt uden at nogen påtog sig dem, samles under tabellen som “Uafklarede opgaver”.

“Ikke aftalt” og “Uafklarede opgaver” er de to vigtigste ord i prompten. Uden dem vil modellen typisk udfylde tabellen, fordi en udfyldt tabel er det sandsynlige mønster. Med dem får I en ærlig liste, og de uafklarede punkter bliver noget, mødelederen kan følge op på, i stedet for noget, der forsvinder.

Den færdige tabel kan derefter flyttes ind i det værktøj, I styrer opgaver i. Automatiserer I det skridt, er det endnu vigtigere, at listen er kontrolleret først.

Kontrollen, der ikke kan springes over

Et referat er et dokument, andre handler på. Derfor er bogens tre kontrolspørgsmål relevante her: “Er det vigtigt, at resultatet er sandt?”, “Har jeg kompetencer til selv at verificere svaret?” og “Er jeg villig til at tage ansvar for eventuelle fejl?” For et referat er svaret på det første spørgsmål næsten altid ja, og den bedst egnede til at verificere det er den, der ledte mødet.

Læs dette igennem, før referatet sendes:

  • Står hver beslutning, som den blev truffet, og er der ingen beslutninger, som ikke blev truffet?
  • Er hver opgave tildelt den rigtige person, og har den en frist, der faktisk blev aftalt?
  • Er navne, tal, datoer og beløb korrekte?
  • Er der udtalelser i referatet, som deltagerne ikke ville genkende eller skrive under på?

Gem gerne transskriptionen og prompten sammen med referatet, i hvert fald for møder, hvor beslutningerne har betydning for andre. Det er den enkleste form for sporbarhed: Opstår der senere tvivl om, hvad der blev aftalt, kan I se både kilden og det, der blev bedt om.

Vores anbefaling er at lade AI skrive udkastet og et menneske udsende referatet. Det tager få minutter at læse et referat igennem, man selv har været med til at skabe grundlaget for. Det tager væsentligt længere at rydde op efter en opgave, der blev tildelt den forkerte.

Begynd med ét fast møde

Vælg et tilbagevendende møde, som du selv leder, fx det ugentlige teammøde eller et fast projektmøde. Skriv dagsordenen med spørgsmål, sig beslutningerne højt, og brug de to prompts ovenfor. Gem prompterne som skabeloner, og justér dem efter de første par gange. Efter tre-fire møder ved du, hvad der skal rettes i dem, og hvor meget tid referatet reelt tager.

Mødereferater er en af de opgaver, vi arbejder med på Copilot-workshoppen, hvor deltagerne øver sig på deres egne møder og mails i Teams og Outlook. Opsummering af møder er i øvrigt et godt eksempel på informationsarbejde, en af de fire slags opgaver, vi anbefaler at starte med.

Vil I træne det i jeres egne opgaver?

I Copilot-workshoppen arbejder jeres medarbejdere i deres egne værktøjer med deres egne opgaver og går hjem med teknikker, de kan bruge med det samme.

Om forfatteren

Nærportræt af Mads-Bjørn Hjelmar, der taler i en mikrofon

Mads-Bjørn Hjelmar

Medstifter med baggrund i digital marketing og content. Underviser med udgangspunkt i konkrete arbejdsgange og i, hvad AI kan gøre for dem i praksis.

Alle indlæg

Kontakt

Lad os tage en snak

Fortæl kort om jeres organisation, og hvad I overvejer, så vender vi tilbage med et konkret forslag. I er også meget velkomne til at ringe, hvis I gerne vil drøfte jeres behov og muligheder direkte.

Ring til os

60 15 42 25

Adam Hjelmar

ash@momentum-ai.dk

Mads-Bjørn Hjelmar

mbsh@momentum-ai.dk

Skriv gerne lidt om, hvad I overvejer, og hvor mange medarbejdere det drejer sig om.