Transkrypcja i notatki ze spotkań z AI

Jeśli prowadzisz małą firmę, spora część Twojego dnia to rozmowy: spotkania z klientami na Teams, telefony od podwykonawców, cotygodniowe ustalenia z zespołem. Po każdej z nich ktoś powinien spisać, co ustalono i kto co robi. W praktyce robi to rzadko kto, a po dwóch tygodniach nikt nie pamięta, czy klient zgodził się na termin, czy tylko "pomyśli".

Transkrypcja z AI rozwiązuje ten problem prawie za darmo. Nagranie rozmowy zamienia się w tekst, a tekst w notatkę: krótkie streszczenie, lista ustaleń, lista zadań z osobami i terminami. Do tego dochodzi rzecz, której nie da żaden zeszyt: możliwość wyszukiwania po treści rozmów. Wpisujesz nazwę klienta albo słowo "rabat" i widzisz wszystkie spotkania, na których o tym była mowa.

Zanim włączysz nagrywanie

Nagrywanie rozmowy to przetwarzanie danych osobowych, więc obowiązują tu zasady RODO. Bezpiecznym minimum jest poinformowanie wszystkich uczestników, że spotkanie jest nagrywane i do czego nagranie posłuży, i danie im możliwości sprzeciwu. Większość narzędzi wyświetla komunikat o nagrywaniu automatycznie, ale przy rozmowach telefonicznych musisz powiedzieć to sam.

Jeśli nagrania mają zawierać dane klientów albo trafiać do zewnętrznej chmury, warto skonsultować się z osobą, która zajmuje się u Ciebie RODO, i dopisać transkrypcję do rejestru czynności przetwarzania. To nie jest porada prawna, tylko wskazówka, o co zapytać. Więcej o tym temacie piszemy w artykule AI a prawo.

Porównanie narzędzi

Narzędzi do transkrypcji jest kilkadziesiąt. Poniżej cztery ścieżki, które w małej firmie mają największy sens. Ceny podaję orientacyjnie, stan na 2026, bo zmieniają się co kilka miesięcy.

Otter.ai

Otter to asystent, który dołącza do spotkania jako dodatkowy uczestnik, nagrywa, transkrybuje na żywo i po spotkaniu wysyła streszczenie z listą zadań. Działa z Zoomem, Teams i Google Meet, ma też aplikację mobilną do nagrywania rozmów na żywo.

Język polski jest obsługiwany, ale to nie jest mocna strona Ottera. Przy dobrym mikrofonie transkrypt jest czytelny, przy rozmowie kilku osób przez słabe słuchawki pojawia się sporo błędów, szczególnie w odmianie nazwisk i nazw firm. Nagrania i transkrypty trafiają do chmury Otter (serwery w USA). Jest plan darmowy z limitem minut miesięcznie, płatne plany zaczynają się od kilkunastu dolarów na osobę miesięcznie.

Fireflies.ai

Fireflies działa na podobnej zasadzie: bot "Fred" wchodzi na spotkanie i nagrywa. Wyróżnia się integracjami. Notatki mogą lądować automatycznie w CRM (HubSpot, Pipedrive), w Slacku czy w Notion, a wyszukiwarka pozwala przeszukiwać wszystkie rozmowy w firmie po słowach kluczowych.

Polski jest wspierany i w naszych testach wypada odrobinę lepiej niż Otter, ale nadal odstaje od angielskiego. Dane trafiają do chmury Fireflies. Plan darmowy jest mocno ograniczony, sensowny plan płatny to również kilkanaście do dwudziestu kilku dolarów na osobę miesięcznie.

Wbudowane w Teams, Google Meet i Zoom

Jeśli Twoja firma płaci już za Microsoft 365, Google Workspace albo Zoom, prawdopodobnie masz transkrypcję w cenie. Teams potrafi nagrywać i transkrybować po polsku, a w wyższych planach (Copilot) generuje też notatki i zadania. Google Meet ma napisy i transkrypcję w wybranych planach Workspace, Zoom ma podobną funkcję "AI Companion".

Zalety: zero nowych narzędzi, dane zostają u dostawcy, którego już używasz i z którym masz podpisaną umowę powierzenia. Wady: jakość polskiego jest przeciętna, a streszczenia często ogólnikowe. Koszt: w zasadzie w abonamencie, choć niektóre funkcje AI wymagają dopłaty rzędu kilkudziesięciu złotych na użytkownika miesięcznie.

Whisper (OpenAI, open source) uruchamiany lokalnie

Whisper to model rozpoznawania mowy, który OpenAI udostępniło za darmo z otwartym kodem. Możesz uruchomić go na własnym komputerze. Nie potrzebuje internetu, nie ma abonamentu, a nagranie nigdy nie opuszcza Twojego dysku.

Zaskoczeniem dla wielu osób jest jakość polskiego. Większe wersje modelu (medium, large) radzą sobie z polską odmianą i szykiem zdania wyraźnie lepiej niż Otter czy Fireflies. Wadą jest to, że Whisper robi tylko transkrypcję: nie dołączy do spotkania, nie rozpozna sam, kto mówi, nie zrobi streszczenia. Musisz sam nagrać rozmowę (w Teams albo dyktafonem), wrzucić plik, a notatkę zrobić osobno w ChatGPT lub Claude. Koszt: zero, poza prądem i czasem obliczeń. Godzinne nagranie na laptopie bez mocnej karty graficznej może przetwarzać się kilkanaście minut.

Whisper lokalnie, krok po kroku

Nie musisz być programistą. Powstało kilka aplikacji desktopowych, które opakowują Whispera w zwykłe okienko. Na Windows i Mac popularne są np. Buzz i MacWhisper, na Linuksie Speech Note. Wszystkie działają podobnie:

Zainstaluj aplikację jak każdy inny program. Przy pierwszym uruchomieniu pobiera model Whispera (od kilkuset MB do kilku GB, zależnie od wersji).
Wybierz model. Na start "small" lub "medium". Model "large" daje najlepszy polski, ale na słabszym komputerze jest wolny.
Ustaw język na polski. Automatyczne wykrywanie działa, ale wymuszenie języka ogranicza dziwne wstawki po angielsku.
Wrzuć plik z nagraniem (mp3, m4a, wav, mp4) i kliknij transkrybuj.
Zapisz wynik jako tekst. Część aplikacji eksportuje też do formatu SRT ze znacznikami czasu, co ułatwia znalezienie fragmentu w nagraniu.

Cały proces odbywa się offline. Możesz w trakcie wyłączyć Wi-Fi, żeby to sprawdzić. To istotne przy rozmowach o finansach, sprawach kadrowych czy negocjacjach z klientami.

Jeśli masz w firmie kogoś z IT, wystarczy mu jedna komenda. Po zainstalowaniu Pythona i pakietu faster-whisper (szybsza wersja oryginalnego Whispera):

whisper-ctranslate2 spotkanie.mp3 --language pl --model medium --output_format txt

Wynik pojawi się w pliku spotkanie.txt obok nagrania. Taką komendę łatwo wpiąć w skrypt, który co wieczór przetwarza wszystkie nowe nagrania z folderu.

Z transkryptu do notatki

Surowy transkrypt godzinnego spotkania to kilkanaście stron tekstu. Nikt tego nie przeczyta. Potrzebna jest notatka, a tę zrobi ChatGPT albo Claude w kilkanaście sekund. Poniższy prompt sprawdza się w większości spotkań biznesowych:

Poniżej jest transkrypt spotkania w mojej firmie. Transkrypt pochodzi
z automatycznego rozpoznawania mowy, więc mogą w nim być błędy w nazwiskach,
nazwach firm i kwotach. Nie poprawiaj ich na siłę, zaznacz je znakiem (?).

Przygotuj notatkę ze spotkania w tej strukturze:

1. Streszczenie: 3-5 zdań, o czym było spotkanie i jaki jest jego wynik.
2. Ustalenia: lista decyzji, które zostały podjęte. Tylko to, na co
   uczestnicy się zgodzili, nie propozycje.
3. Zadania: tabela z kolumnami Zadanie | Osoba | Termin.
   Jeśli osoba lub termin nie padły w rozmowie, wpisz "nie ustalono".
4. Sprawy otwarte: pytania, które zostały bez odpowiedzi.

Pisz po polsku, krótko, bez ozdobników. Nie dodawaj niczego,
czego nie ma w transkrypcie.

Transkrypt:
[wklej transkrypt]

Skrócony przykład wyniku dla spotkania z klientem o wdrożeniu sklepu internetowego:

Streszczenie
Spotkanie dotyczyło zakresu i terminu wdrożenia nowego sklepu dla firmy
Nowak Meble (?). Klient chce start przed sezonem jesiennym. Ustalono
zakres pierwszego etapu i sposób rozliczenia.

Ustalenia
- Pierwszy etap obejmuje sklep z 200 produktami i integrację z Przelewy24.
- Integracja z systemem magazynowym przechodzi do drugiego etapu.
- Rozliczenie w dwóch ratach: 40% po podpisaniu umowy, 60% po odbiorze.

Zadania
Zadanie                                   | Osoba        | Termin
Wysłanie umowy z zakresem etapu 1         | Marta        | 12 września
Przekazanie zdjęć i opisów produktów      | klient (Piotr)| 20 września
Wycena integracji magazynowej             | Tomek        | nie ustalono

Sprawy otwarte
- Czy sklep ma mieć wersję angielską w etapie 1?
- Kwota za hosting: padło 300 zł (?) lub 3000 zł (?) rocznie, do potwierdzenia.

Zwróć uwagę na znaki zapytania. Model dostał wyraźny zakaz zgadywania, więc niepewne miejsca oznaczył zamiast wymyślić coś, co brzmi wiarygodnie. To najważniejsza linijka tego promptu.

Jeśli używasz ChatGPT lub Claude w wersji dla firm (Team, Enterprise), transkrypty nie są używane do trenowania modeli. W wersji darmowej sprawdź ustawienia prywatności albo wklejaj tylko fragmenty bez danych osobowych.

Jak to wpiąć w firmę

Sama transkrypcja nic nie zmieni, jeśli notatki wylądują w losowych plikach na pulpicie. Potrzebne jest jedno miejsce i prosty nawyk.

Jeden folder na klienta (na dysku sieciowym, w SharePoint lub Google Drive). W nim podfolder "spotkania", a w nim pliki nazwane datą i tematem: 2026-09-09 Nowak Meble - zakres etapu 1.md. Sama notatka na górze, pełny transkrypt pod spodem.
Zadania od razu do narzędzia, w którym zespół faktycznie pracuje: Planner, Trello, Asana, choćby wspólny arkusz. Notatka jest źródłem prawdy, ale nikt nie będzie jej codziennie otwierał.
Link do notatki w CRM przy kliencie. Handlowiec przed kolejną rozmową ma pod ręką, co obiecano ostatnio.

Wyszukiwanie po rozmowach na początku załatwi zwykła wyszukiwarka systemu plików, bo notatki są tekstem. Po roku, gdy masz kilkaset spotkań, przydaje się coś lepszego: wyszukiwanie po sensie, nie po dokładnym słowie. Pytasz "co ustaliliśmy z Nowakiem w sprawie rat" i dostajesz właściwy fragment, nawet jeśli w notatce padło słowo "transze".

Takie rozwiązanie można postawić lokalnie, na serwerze w firmie, bez wysyłania dokumentów do chmury. Indeksuje notatki, umowy, oferty i maile, a odpowiedzi generuje model działający na miejscu. Jeśli chcesz zobaczyć, jak to wygląda w praktyce, opisujemy takie wdrożenie na stronie dla firm.

Pułapki

Jakość audio decyduje o wszystkim. Żaden model nie odtworzy słów, których nie słychać. Rozmowa przez głośnik telefonu w kuchni da transkrypt pełen dziur. Prosta zasada: słuchawki z mikrofonem u każdego uczestnika, a przy spotkaniach na żywo dyktafon albo telefon na środku stołu, nie w kieszeni.

Nazwiska, nazwy firm i kwoty. To trzy miejsca, w których transkrypcja myli się najczęściej, a błąd kosztuje najwięcej. "Kowalczyk" staje się "Kowalskim", "trzynaście tysięcy" zamienia się w "trzydzieści tysięcy". Wszystkie kwoty i terminy z notatki sprawdzaj z nagraniem, zanim wyślesz je klientowi. Dobrą praktyką jest podanie modelowi na początku promptu listy nazwisk i nazw firm, które padły w rozmowie. Sporo błędów znika.

Poufne rozmowy w chmurze. Bot na spotkaniu oznacza, że nagranie rozmowy o zwolnieniu pracownika, sporze z kontrahentem albo cenach zakupu leży na serwerze firmy trzeciej, zwykle poza Unią. Dla wielu rozmów to akceptowalne, dla niektórych nie. Warto mieć prostą regułę: spotkania handlowe i projektowe mogą iść przez Otter czy Fireflies, sprawy kadrowe, finansowe i prawne tylko przez Whispera lokalnie albo w ogóle bez nagrywania.

Uczestnicy zmieniają zachowanie. Część osób przy włączonym nagrywaniu mówi ostrożniej i mniej. Jeśli spotkanie ma być otwartą burzą mózgów, czasem lepiej nie nagrywać i spisać tylko wnioski.

Zacznij od jednego typu spotkań, na przykład cotygodniowej rozmowy z zespołem. Nagraj trzy kolejne, przepuść przez Whispera i prompt powyżej, porównaj notatki z tym, co zapamiętaliście. Po miesiącu będziesz wiedzieć, czy chcesz to rozszerzyć na rozmowy z klientami i którego narzędzia użyć.

Najlepsza notatka ze spotkania to ta, którą da się znaleźć za pół roku.