Femton år för det grundaste lagret

2011 visste jag att det borde gå att göra. Jag såg hur mycket som försvann varje dag, i möten och samtal, i skillnaden mellan vad folk faktiskt sa och vad som hamnade i protokollet efteråt. Problemet var att tekniken inte höll.

2022 kom Whisper, och plötsligt gick det.

2026 har i princip alla det. Det ligger inbyggt i Teams. Det följer med licensen. Ingen behöver längre övertygas om att det är möjligt.

Femton år från att jag visste att det borde gå, till att det är en självklarhet.

Och det vi nådde fram till är det grundaste av lagren.

Det är inte ett gnäll

Jag vill vara tydlig med att det här inte är en klagan över att marknaden är långsam. Det är en observation om var vi faktiskt står, och den är intressantare än den låter.

Ett transkript är ett referat av ett tillfälle. Det vet inte vad det handlar om. Det vet inte vad det hör ihop med. Det vet inte vem som sa något, och nästan aldrig till vem. Det är en ordagrann text av en händelse, och det är allt.

Det är ett bra första lager. Det är bara inte särskilt djupt.

Och just nu läser nästan hela samtalet om AI och möten som om det vore målet. Man skaffar transkribering, man får en sammanfattning, och så är projektet klart.

Tre lager, tre frågor

Det blir enklare att se om man frågar vad varje lager faktiskt svarar på.

Transkriptet svarar på: vad sades?

Strukturen svarar på: vad hör ihop?

Härkomsten svarar på: vem sa det, och till vem?

Tre frågor, tre lager, i den ordningen. Man kan inte hoppa över något av dem, och man kan inte börja i toppen.

Varför det första lagret är färdigt

Det finns en sak som är lätt att missa med transkribering: den är i praktiken avklarad, och det är goda nyheter.

Kvaliteten är tillräcklig. Svenskan fungerar. Det finns en handfull leverantörer som gör det bra, det ligger inbyggt i verktygen de flesta redan betalar för, och priset rör sig mot noll. Om något är det sista tecknet på att ett problem är löst -- när det slutar vara en produkt och börjar bli en funktion.

Det betyder att lagret inte är någonstans att bygga en fördel. Det är inte heller någonstans att lägga sin uppmärksamhet. Det är avklarat, och man ska vara glad för det, för det tog femton år.

Frågan är vad man gör med det.

Att samla ihop är det lätta

Det andra lagret är där arbetet faktiskt är.

Tio transkript i en mapp är inte ett underlag. Det är en hög. Det som gör högen till något användbart är strukturen mellan dokumenten -- vad som är vad, vad som hör ihop, hur något utvecklats över tid, vilka som återkommer och i vilka sammanhang.

Först där kan man ställa en fråga till helheten i stället för till ett dokument. Och det är en annan sorts fråga. Inte "vad sade vi på mötet i april", utan "vad är det egentligen den här kunden alltid kommer tillbaka till".

Att samla ihop är det lätta. Att veta vad det betyder är det svåra.

Det är också därför det andra lagret inte kommer att bli en funktion i någons licens på samma sätt som det första blev. Det går inte att leverera generiskt, för strukturen måste passa den som ska använda den.

Och sedan är det någon som lovade något

Det tredje lagret är det nästan ingen pratar om.

Ett transkript kan vara perfekt strukturerat och ändå inte kunna driva ett projekt, av ett enda skäl: det vet inte vem som sa vad till vem. "Vi bestämde att offerten ska ut före fredag" är en anteckning. Någon måste ha tagit på sig det, inför någon, för att det ska bli ett åtagande.

Det lagret har jag skrivit om separat, för det förtjänar en egen text och det har en obekväm sida som behöver hanteras ordentligt. Här räcker det att säga att det finns, att det är sist i ordningen, och att det är det som skiljer ett välordnat arkiv från något som faktiskt får saker att hända.

Tvärs igenom alla tre

En sak går igenom hela trappan och blir svårare ju högre upp man kommer: vad materialet får vara med om.

En röstanteckning till mig själv har inga särskilda krav. Ett lönesamtal har det. Kravet är en egenskap hos materialet, inte en inställning i systemet, och det avgörs vid inspelningen och inte i efterhand.

På det första lagret är det enkelt -- ett möte, en typ, ett krav. Ju längre upp man kommer, desto mer material blandas ihop i samma svar, och desto viktigare blir det att veta vad som får blandas med vad. Det är inte ett skäl att låta bli. Det är ett skäl att bestämma tidigt.

Var vi faktiskt står

Femton år för att nå det första lagret. Det andra är påbörjat av ett fåtal. Det tredje är i praktiken obesatt.

Jag tycker att det är en uppmuntrande bild, inte en dyster. Det betyder att det som ser ut som en mogen kategori -- möten, transkribering, AI-sammanfattningar -- är en kategori där nästan allt återstår.

Det mesta som sägs om AI just nu handlar om modeller som blir bättre. Men modellen har inte varit det svåra på ett tag nu. Det svåra är att veta vad man saknar.

Se även: Tre kanaler, ett ställe och Resten blir gammalt.