Hvad er AI-mødereferater?

AI-mødereferater er automatisk genererede noter fra et møde, typisk baseret på lyd, transskribering og en sprogmodel, der samler beslutninger, opgaver og hovedpointer. De kan spare manuel notetagning, men de bør behandles som et udkast, fordi fejl i talegenkendelse og opsummering kan ændre betydningen.

Hvad dækker begrebet AI-mødereferater?

Et AI-mødereferat er et digitalt referat, hvor kunstig intelligens hjælper med at registrere, strukturere eller opsummere det, der bliver sagt på et møde. Det kan være en kort opsummering, en liste over beslutninger, en opgaveliste eller et længere referat med temaer og afsnit.

Begrebet dækker ikke kun én bestemt funktion. Nogle værktøjer laver referatet direkte i mødeplatformen, mens andre arbejder med en lydfil, en optagelse eller et transskriberet dokument bagefter. Fælles for dem er, at de bruger AI-transskribering og sproglig opsummering til at gøre mødeindhold lettere at bruge efter mødet.

Et godt AI-mødereferat er ikke bare en forkortet udgave af samtalen. Det skal gøre det klart, hvad mødet handlede om, hvilke beslutninger der blev taget, hvilke opgaver der følger efter, og hvor der stadig mangler afklaring. Derfor er kvaliteten tæt knyttet til mødeformen, lydkvaliteten, sproget, deltagerne og den efterfølgende menneskelige kontrol.

Hvordan bliver et møde omdannet til et referat?

Processen begynder normalt med lyd. Et system optager eller behandler samtalen, omdanner tale til tekst og forsøger at skelne mellem emner, beslutninger og opgaver. Nogle løsninger prøver også at identificere, hvem der taler, men taleropdeling er vanskeligere, når flere taler i munden på hinanden, bruger samme mikrofon eller skifter sprog undervejs.

Efter transskriberingen arbejder en sprogmodel med teksten. Den kan gruppere beslægtede emner, fjerne gentagelser, udlede mulige beslutninger og formulere opfølgningspunkter. Den type generering ligger i familie med GPT og andre generative sprogmodeller, hvor systemet producerer ny tekst ud fra mødekonteksten.

Den tekniske kæde kan forenkles sådan:

1. Lyd fra mødet indsamles gennem mødeplatform, mikrofon eller optagelse.
2. Talegenkendelse omdanner lyden til en transskription.
3. Systemet opdeler samtalen i emner, talere eller tidsafsnit.
4. En sprogmodel opsummerer indholdet og foreslår struktur.
5. Referatet gemmes, deles eller sendes til gennemgang.

Hver del kan påvirke resultatet. Hvis transskriptionen hører et ord forkert, kan opsummeringen senere gøre fejlen mere synlig. Hvis mødet mangler klare beslutninger, kan referatet formulere noget som en beslutning, selv om gruppen kun drøftede en mulighed.

Hvad er forskellen på transskribering, resume og referat?

Transskribering, resume og referat bliver ofte blandet sammen, men de løser forskellige opgaver. En transskription er tæt på råmaterialet. Et resume er en komprimeret gengivelse. Et referat skal være mere styrende, fordi det typisk bruges til at fastholde beslutninger, ansvar og næste skridt.

AI-mødereferater fungerer bedst, når formatet er valgt på forhånd. Et projektmøde har ofte brug for opgaver og ejere. Et statusmøde kræver måske korte afvigelser og beslutninger. Et undervisningsmøde kan have større værdi af emner, spørgsmål og materialer end af en klassisk opgaveliste.

Hvilke oplysninger kan et AI-mødereferat typisk indeholde?

Et AI-mødereferat kan indeholde mødeemner, hovedpointer, beslutninger, uafklarede spørgsmål, opgaver, ansvarlige personer og foreslåede deadlines. Nogle værktøjer kan også markere kapitler, citatnære passager eller linke til tidsstempler i en optagelse.

Indholdet afhænger af værktøjet og mødeopsætningen. I nogle mødeplatforme kan AI-noter gemmes i et delt dokument efter mødet. Andre sender en opsummering til inviterede deltagere eller lægger den i en mødechat. Flere systemer giver værten mulighed for at starte og stoppe opsummeringen, så følsomme dele af mødet ikke nødvendigvis indgår i referatet.

Et brugbart referat bør skelne mellem fire typer information:

• Beslutninger, der faktisk blev accepteret af mødedeltagerne.
• Opgaver, der har en tydelig ansvarlig og et realistisk næste skridt.
• Baggrund eller kontekst, der forklarer hvorfor beslutningen blev taget.
• Åbne spørgsmål, som kræver afklaring efter mødet.

Hvis de fire typer blandes sammen, bliver referatet mindre pålideligt. En AI kan skrive et flydende afsnit, men den kan ikke alene afgøre, om gruppen faktisk nåede til enighed, hvis samtalen var uklar.

Hvornår giver AI-mødereferater mest værdi?

AI-mødereferater giver mest værdi i møder, hvor samtalen har et klart formål, og hvor deltagerne har brug for at dele konklusioner bagefter. Det gælder især projektmøder, kundemøder, interne statusmøder, researchinterviews, undervisningsplanlægning og længere koordineringsmøder.

Værdien er mindre i møder, hvor formålet er fortrolig sparring, forhandling, personsager eller uformel idéudveksling uden beslutninger. Her kan en automatisk opsummering skabe mere administrativt arbejde, fordi deltagerne skal rette misforståelser, fjerne følsomme passager eller diskutere, hvem der må se referatet.

En praktisk tommelfingerregel er at bruge AI-mødereferater, når mødet allerede burde ende med en skriftlig opfølgning. Hvis mødet ikke har et naturligt skriftligt output, bør du først afklare formålet med at optage eller opsummere det.

Hvor kan teknologien tage fejl?

Fejl kan opstå på flere niveauer. Talegenkendelsen kan høre navne, fagudtryk, tal eller produktnavne forkert. Opsummeringen kan udelade et forbehold. Sprogmodellen kan formulere en klar beslutning, selv om deltagerne kun drøftede en mulighed. Den kan også tildele en opgave til den forkerte person, hvis samtalen ikke var eksplicit.

Generativ AI kan producere tekst, der virker sikker, men ikke stemmer med inputtet. NIST beskriver dette som konfabulation: fejlagtigt eller falsk indhold, der præsenteres overbevisende. I mødekontekst kan konsekvensen være, at et referat ser færdigt ud, selv om det mangler en betingelse, en indvending eller en vigtig nuance.

De mest almindelige fejlkilder er:

• Dårlig lyd, ekko, støj eller deltagere langt fra mikrofonen.
• Flere personer, der taler samtidig eller afbryder hinanden.
• Skift mellem sprog, dialekter, forkortelser og interne navne.
• Uklare beslutninger, hvor ingen opsummerer konklusionen højt.
• Slides, chatbeskeder eller tavlenoter, som ikke indgår i lydsporet.

Derfor bør et AI-mødereferat ses som et kvalificeret udkast, ikke som et automatisk sandhedsbevis. Jo mere referatet bruges til ansvar, aftaler eller dokumentation, desto vigtigere bliver menneskelig gennemgang.

Hvordan bør du kontrollere et AI-mødereferat?

Kontrollen bør ske kort efter mødet, mens deltagerne stadig kan huske sammenhængen. Start med de elementer, der kan få praktiske konsekvenser: beslutninger, ansvarlige personer, deadlines, økonomiske tal, kundeløfter, juridiske forbehold og følsomme oplysninger.

En enkel gennemgang kan følge denne rækkefølge:

1. Slet passager, der ikke burde være med i referatet.
2. Ret navne, tal, datoer og fagudtryk mod mødematerialet.
3. Kontrollér om alle beslutninger faktisk blev truffet.
4. Bekræft opgaver med de personer, der står som ansvarlige.
5. Marker åbne spørgsmål som uafklarede i stedet for at lade dem ligne konklusioner.
6. Del den endelige version gennem den kanal, organisationen normalt bruger til referater.

Den vigtigste redaktionelle handling er at adskille, hvad der blev sagt, hvad der blev besluttet, og hvad der er næste skridt. Et referat med færre, men kontrollerede punkter er ofte mere værd end en lang opsummering, der blander status, idéer og aftaler.

Hvilke data- og samtykkespørgsmål følger med?

Møder kan indeholde personoplysninger, forretningshemmeligheder, kundedata, medarbejderoplysninger og fortrolige strategiske emner. Når lyd optages, transskriberes, lagres eller sendes til et AI-system, er der ikke kun tale om notetagning. Der sker en teknisk behandling af mødeindholdet.

I EU-retten defineres personoplysninger bredt som oplysninger om en identificeret eller identificerbar person, og behandling omfatter blandt andet indsamling, lagring, strukturering, brug og deling. I praksis betyder det, at et møde med navne, stemmer, roller eller konkrete personsager kan udløse krav til formål, adgang, opbevaring og sletning.

Før et AI-værktøj bruges til møder, bør organisationen derfor afklare:

• Hvem der må starte optagelse, transskribering eller AI-noter.
• Hvordan deltagere bliver informeret om, at teknologien er aktiv.
• Hvor lyd, transskription og referat gemmes efter mødet.
• Hvem der får adgang til udkastet og den endelige version.
• Om eksterne deltagere, kunder eller borgere er omfattet.
• Hvordan data slettes, hvis referatet ikke længere skal bruges.

Hvis referatet sendes gennem eksterne AI-tjenester, bliver databehandleraftaler, leverandørvilkår og tekniske sikkerhedsindstillinger centrale. Det ligger tæt på de samme spørgsmål, som opstår, når organisationer undersøger, hvordan data beskyttes ved brug af AI-APIer.

Hvad betyder det for arbejdspladser i Danmark?

For arbejdspladser i Danmark er AI-mødereferater mest relevante som en arbejdsgangsændring. Teknologien flytter noget af arbejdet fra at skrive under mødet til at kontrollere, redigere og godkende efter mødet. Det kan give mere nærvær i selve samtalen, men det ændrer også, hvem der har ansvar for det skriftlige resultat.

En organisation bør ikke indføre AI-mødereferater som en usynlig standardfunktion. Deltagerne skal kunne se, hvornår teknologien er aktiv, og der bør være klare regler for møder, hvor AI-noter ikke bruges. Det gælder især møder om HR, sygdom, konflikter, strategi, kunder, borgere eller andre følsomme forhold.

Teknologien kan være nyttig i offentlige og private organisationer, hvis den placeres rigtigt: som støtte til hukommelse, koordinering og opfølgning. Den bør ikke erstatte ansvarlig mødeledelse. En mødeleder bør stadig opsummere beslutninger højt, fordele ansvar eksplicit og sikre, at referatet ikke bliver den første gang, deltagerne ser konklusionen.

Hvordan vælger du mellem indbygget møde-AI og eksterne værktøjer?

Indbygget møde-AI i platforme som videomødesystemer og kontorpakker har den fordel, at noter, transskriptioner og adgangsregler ofte hænger sammen med organisationens eksisterende brugere og kalender. Det kan gøre deling og adgangsstyring enklere, hvis administratorindstillingerne er korrekt sat op.

Eksterne værktøjer kan til gengæld tilbyde mere specialiserede referatformater, integrationer med CRM, projektstyring eller vidensbaser og bedre efterbehandling. Ulempen er, at flere systemer får adgang til mødeindholdet, og at data kan flytte længere væk fra den platform, hvor mødet fandt sted.

Valget bør afhænge af mødetypen. Interne statusmøder kan ofte håndteres i den eksisterende platform. Kundemøder, interviews og møder med følsomt indhold kræver en mere detaljeret vurdering af dataflow, sprogunderstøttelse, adgang, retention og mulighed for manuel redigering.

Hvordan kan AI-mødereferater indgå i en arbejdsgang?

Et AI-mødereferat giver mest nytte, når det kobles til en fast arbejdsgang. Uden en aftalt proces risikerer referatet at ende som endnu et dokument, ingen ejer. Med en proces kan det blive et mellemled mellem mødet, opgaverne og den videre koordinering.

En enkel arbejdsgang kan være, at mødelederen starter AI-noterne, opsummerer beslutninger højt undervejs, gennemgår udkastet efter mødet og sender en kort godkendt version til deltagerne. Derefter kan konkrete opgaver flyttes til projektværktøjet, mens baggrundsnoter og transskription bevares eller slettes efter den aftalte politik.

Her er AI-mødereferater beslægtet med bredere automatisering af workflows med AI. Værdien ligger ikke i, at alt bliver automatisk. Værdien ligger i, at rutinearbejde bliver lettere, mens mennesker stadig kontrollerer beslutninger, prioriteringer og ansvar.

Den mest robuste brug opstår, når referatet har en tydelig ejer. Hvis alle antager, at AI’en har styr på detaljerne, bliver fejl sværere at fange. Hvis én person har ansvar for at godkende referatet, kan teknologien fungere som støtte uden at overtage den organisatoriske dømmekraft.

Hvilke kilder ligger til grund?

Beskrivelsen af konkrete mødefunktioner bygger blandt andet på Googles dokumentation for Take notes for me in Google Meet og Zooms dokumentation for Meeting Summary with AI Companion. Begge viser, at AI-mødenoter afhænger af abonnement, administratorindstillinger, sprog, adgangsdeling og mødekontekst.

De tekniske og risikomæssige afsnit bygger desuden på NISTs Generative AI Profile, forskningsartiklen Summaries, Highlights, and Action Items om LLM-drevne meeting recaps og GDPR-definitionerne i Regulation (EU) 2016/679.