Ценность ИИ для встреч — не в стенограмме, а в том, что происходит, когда все уже отключились от звонка.
Звонок заканчивается в 15:47.
Вы ещё не успели закрыть вкладку, а результаты уже пришли. Полная стенограмма с разметкой по спикерам и таймкодами до секунды. Саммари с аккуратными заголовками. Пять задач, выделенных жирным. Ссылка на запись. А если инструмент из новых — возможно, ещё и майнд-карта.
Это действительно впечатляет. Ещё недавно для этого нужен был человек с блокнотом и добрая половина дня.
А потом наступает четверг.
Кто-то спрашивает, ушло ли клиенту исправленное предложение. Никто не уверен. Задача существует — в документе, который больше никто не открывал. Тот, кому её поручили, помнит разговор иначе. Срок прозвучал вслух, но в календарь так и не попал. Жалоба клиента, всплывшая на 31-й минуте, до CRM не дошла, а «быстрый созвон на следующей неделе» так никто и не назначил.
Встречу зафиксировали идеально. А потом просто оставили позади.
В этом тихий парадокс сегодняшних ИИ-ассистентов для встреч. Они научились блестяще описывать разговор ровно в тот момент, когда описание перестало быть проблемой. Заметки готовы. Работа — нет.
Гонка вооружений вокруг заметок
Рынок пришёл сюда узнаваемыми этапами, и каждый решал проблему предыдущего.
Этап 1: запись. «Давайте запишем встречу». Полезно тем, кто её пропустил, но пересматривают такие записи редко. Час видео — это всё равно час видео.
Этап 2: расшифровка. «Давайте превратим речь в текст». По разговору вдруг стало можно искать.
Этап 3: саммари. «Давайте спросим ИИ, что было». Языковые модели сжали стенограмму на 5000 слов до страницы, которую люди действительно читают.
Этап 4: аналитика встреч. «Давайте выделим решения, темы, риски и задачи». Вместо абзаца — структура: что решили, кто за что отвечает, что осталось открытым.
Этап 5: агентная работа. «А теперь пусть ИИ действительно поможет выполнить то, что решили».
Первые четыре этапа теперь встроены в инструменты, которыми большинство и так пользуется. Функция «Take notes for me» в Google Meet складывает саммари, задачи и полную стенограмму в Google Doc, а с июня 2026 года она доступна и обычным подписчикам Google AI Pro и Ultra, не только бизнес-аккаунтам. Агент Facilitator в Teams, по описанию Microsoft, «подводит итоги по ключевым решениям и открытым вопросам». Notion в 2025 году добавил в своё рабочее пространство AI Meeting Notes.
Вендоры уже произносят пятый этап вслух. Zoom назвал запуск AI Companion 3.0 в декабре 2025 года частью «нашего превращения из компании для встреч в пионера интеллектуальной оркестрации работы, построенной вокруг ИИ». Otter запустил агента для встреч, который, по словам самой компании, отвечает на вопросы по всей истории встреч организации, а ещё умеет «назначать повторные встречи и готовить черновики писем». Granola, привлекая в марте 2026 года 125 млн долларов, построила объявление вокруг контекста и назвала стенограммы «самым богатым источником контекста о том, что происходит в вашей компании».
С направлением никто не спорит. Открытый вопрос в другом: что нужно, чтобы туда дойти.
Почему первых четырёх этапов недостаточно? Потому что каждый из них заканчивается документом. А документ, как бы хорошо он ни был структурирован, — пассивный объект. Он ждёт, пока его прочтут. И понятия не имеет, случилось ли то, что в нём описано.
Почему расшифровка стала обыденностью
Здесь стоит быть аккуратным: «обыденность» легко услышать как «неважность». Это не так.
Точная расшифровка — сложная инженерная задача. Голоса, перебивающие друг друга, акценты, профессиональный жаргон, плохие микрофоны и люди, которые переходят на другой язык посреди фразы, — всё это ломает наивные системы. Важно, кто именно что сказал: «выкатим в пятницу» из уст техлида значит одно, а из уст продавца — совсем другое. Важны таймкоды: с ними можно вернуться к первоисточнику, а не верить пересказу. Важна поддержка нескольких языков: всё больше команд не говорят на одном родном языке.
Всё это правда. Но возможность становится обыденностью не тогда, когда её легко сделать, а когда она есть везде и идёт в комплекте. Когда платформа, на которой вы и так проводите встречи, сама пишет за вас заметки, стенограмма перестаёт быть причиной выбрать продукт. Это необходимый минимум.
И даже идеальная стенограмма — ещё не результат. Это сырьё.
Стоит держать в голове два различия:
Информация — это не действие. Если вы знаете, что решение приняли, оно от этого не выполнится.
Зафиксировать разговор — не то же самое, что управлять работой, которую этот разговор породил.
Встреча, помимо прочего, — машина по производству обязательств. Люди что-то обещают, называют сроки, поднимают проблемы и откладывают вопросы на потом. Стенограмма фиксирует момент, когда эти обязательства появились. Но ничего не делает, чтобы их довели до конца.
Настоящая проблема начинается после встречи
Возьмём обычную продуктовую встречу. За сорок минут:
- команда договаривается сдвинуть запуск на две недели;
- инженер говорит, что посмотрит проблему с производительностью;
- кто-то говорит, что страницу с ценами «надо бы обновить до этого»;
- всплывает проблема клиента, о которой отдел продаж не слышал;
- упоминается дизайн-документ, но ссылку на него никто не даёт;
- звучит «давайте на следующей неделе сверимся с юристами», и все кивают.
Теперь проследите, куда эти шесть вещей уходят из комнаты.
Новая дата запуска живёт у кого-то в голове, пока не всплывёт в треде в Slack. Проверка производительности превращается в тикет — если инженер не забудет. У страницы с ценами нет владельца, потому что это сказал «кто-то». Проблема клиента попадает в письмо аккаунт-менеджеру — или не попадает. Созвон с юристами ждёт, пока кто-нибудь найдёт свободное окно в трёх календарях.
Это фрагментация, и дело не в недостатке дисциплины. Проблема структурная. Встреча дала одно связное понимание (эти шесть вещей связаны, относятся к одному запуску, одни зависят от других), а инструменты дальше по цепочке способны принять его только разрозненными кусками.
Исследования подсказывают, что это распространённая жалоба, а не частный случай. В опросе Microsoft для Work Trend Index 2023 года 55% участников сказали, что следующие шаги после встреч им неясны. Исследование Harvard Business Review, в котором участвовали 137 сотрудников трёх компаний из списка Fortune 500, показало, что они переключаются между приложениями около 1200 раз в день — в сумме это чуть меньше четырёх часов в неделю только на то, чтобы заново сориентироваться. По данным Microsoft за 2025 год, в основные рабочие часы сотрудников прерывают каждые две минуты. Встречи создают работу, а потом эта работа разбрасывается по тем самым инструментам, которые то и дело отвлекают людей.
Что подводит нас к главному вопросу этого эссе:
Если ИИ понял встречу, почему это понимание должно исчезать, когда встреча заканчивается?
В большинстве сегодняшних систем оно исчезает. Ассистент строит подробную модель разговора (кто, что, когда, зачем), сплющивает её в текст и отдаёт. Всё, что он понял о связях между пунктами, теряется на этапе экспорта.
От заметок к решениям
Первое, что должно измениться, — что именно извлекается.
Саммари отвечает на вопрос «что обсуждали?». Для работы это неправильный вопрос. Полезные вопросы конкретнее:
- Решения: о чём действительно договорились, а что лишь прозвучало как вариант?
- Открытые вопросы: что всплыло и осталось нерешённым?
- Обязательства: кто что пообещал и кому?
- Ответственные: кто отвечает и согласился ли он с этим?
- Сроки: какие даты назвали прямо или подразумевали?
- Зависимости: что должно произойти, прежде чем станет возможным что-то другое?
- Риски: что может всё сорвать?
- Продолжение: какие будущие разговоры пообещали?
Вот как выглядит разница на практике.
Саммари говорит:
Майя предложила перенести запуск функции на следующий месяц. Команда обсудила готовность маркетинга.
Разбор, по которому можно действовать, говорит:
Решение (предварительное): запуск переносится на следующий месяц. Предложила Майя, возражений не было, формально не подтверждено.
Ответственный: Майя, за реализацию.
Зависимость: маркетингу нужны материалы к запуску. Ответственного пока нет.
Открытый вопрос: выходит ли вместе с ним изменение цен?
Продолжение: упоминали проверку перед запуском. Не назначена.
Вторая версия длиннее, и читать её не так приятно. Зато по ней можно действовать. Она отделяет предложенное от решённого, отмечает работу без владельца и замечает, что встречу подразумевали, но так и не назначили.
Первое из этих различий — предложение или решение — сложнее, чем кажется, и именно здесь многие ИИ для встреч тихо ошибаются. Живая речь полна оговорок: «можно было бы», «наверное», «давайте ориентироваться на». Система, которая превращает каждое «можно было бы» в решение, производит уверенный, красиво оформленный вымысел. Система, которая сохраняет неопределённость, производит то, чему можно доверять.
От решений к действиям
Когда у решений и обязательств появляется структура, открывается новая возможность. Ассистент может помочь провести их через жизненный цикл:
Большинство инструментов останавливаются на первой стрелке. Самое интересное — в трёх остальных.
Возьмём фразу, которая каждый день звучит на тысячах встреч:
«Давайте посмотрим предложение в четверг».
Саммари, скорее всего, внесёт в задачи «Посмотреть предложение в четверг». Ассистент, который действительно понимает фразу, замечает сразу несколько вещей:
- это продолжение, будущая встреча, а не выполненная задача;
- четверг — ограничение, которое нужно уточнить: какой именно четверг и в чьём часовом поясе;
- речь о конкретном документе, и он где-то лежит;
- люди на этом звонке — видимо, те, кто и будет его смотреть;
- заранее не помешает напоминание;
- всё это относится к определённому проекту или клиенту.
Исходя из этого, полезный ассистент может предложить событие в календаре на четверг — с этими участниками, приложенным предложением и привязкой к клиенту, о котором идёт речь.
Обратите внимание на слово предложить.
ИИ не должен вслепую выполнять всё, что вытекает из встречи. Люди говорят «давайте посмотрим в четверг», а потом отменяют. Ответственные отказываются. Следующая встреча меняет план. Ассистент, который автоматически создаёт каждую задачу и бронирует каждое событие, не сокращает работу. Он создаёт новую работу — разгребать за ним. С этим считаются даже крупнейшие платформы: предложенные следующие шаги в Google Meet — это то, что вы «просматриваете и редактируете… и даже назначаете», а не список, который исполняется сам.
Правильная схема — та, которой всегда пользовались хорошие ассистенты руководителей: подготовить всё, а потом спросить. ИИ извлекает, уточняет и готовит черновик. Человек тратит секунду на подтверждение. Права доступа, контекст и последнее слово остаются за тем, чьё имя стоит под работой.
Контекст ценнее ещё одного саммари
Теперь посмотрим шире одного звонка.
В понедельник продуктовая команда обсуждает запуск. В четверг тот же запуск всплывает на звонке с клиентом, и клиент упоминает блокер. На следующей неделе маркетинг собирается по запуску — без продакт-лида.
Обычный ассистент для встреч выдаст вам три саммари. Каждое по отдельности точное. Вместе они почти бесполезны, потому что ценная информация не лежит ни в одном из них. Она — в разнице между ними:
В понедельник дата запуска сдвинулась. В четверг клиент назвал блокер, который на неё влияет. Маркетинг всё ещё планирует под исходную дату.
Ни одна отдельная встреча не может породить такую фразу. Для этого нужен постоянный контекст: память, которая переживает отдельный звонок и связывает его со всем, что вокруг.
Постоянный контекст, если по-простому, означает, что система помнит, как всё связано: какие встречи посвящены одному и тому же, кто из людей за что отвечает (и кому ещё не сказали), к какому проекту относится разговор, какие обязательства стали задачами, что стоит в календаре, а что пообещали, но так и не назначили, какие документы задействованы и какие прежние решения тихо пересматриваются.
Вот где живёт настоящий интеллект. Не «что сказали на этой встрече», а «что изменилось и что это значит для работы, которая уже идёт?».
Время AI-пространств
Всё это указывает на продукт другой формы.
Большую часть последнего десятилетия каждый вид работы жил в собственном инструменте. Сервис встреч выдавал стенограммы. Календарь хранил события, трекер — задачи, база знаний — документы, а ИИ-чатбот выдавал ответы.
Каждый инструмент хорошо делает своё дело. Ни один не знает того, что знают другие. Связующим слоем служит человек: копирует, вставляет и держит всё в голове.
AI-пространство — это система, в которой разговоры, знания, задачи, календарь и ИИ-агент делят один контекст, поэтому то, что понято в одном месте, доступно во всех остальных.
Разница не в количестве функций. Функций хватает во многих офисных пакетах. Разница в том, может ли ИИ рассуждать поверх них: может ли обязательство со встречи стать задачей, знает ли эта задача, к какому проекту относится, и знает ли агент, который отвечает на ваш вопрос в пятницу, о чём договорились в понедельник.
Открытые стандарты делают это практичнее. В ноябре 2024 года Anthropic представила Model Context Protocol (MCP) как «открытый стандарт, который позволяет разработчикам строить безопасные двусторонние соединения между своими источниками данных и инструментами на базе ИИ». На практике это общая розетка, через которую ИИ-агент дотягивается до инструментов и данных без отдельного коннектора под каждый. Сам по себе MCP общего контекста не создаёт: кому-то всё равно нужно решать, что стоит запоминать и как одно связано с другим. Но он удешевляет доступ агента к тем местам, где на самом деле идёт работа.
AI-пространство — не идея одной компании и не сложившаяся категория. Крупные платформы подходят к нему со стороны офисных пакетов, небольшие инструменты — со стороны встреч. И те и другие пришли к выводу, что умная стенограмма — не конечная точка.
Шесть вопросов к любому ИИ для встреч
Если цель — непрерывность между разговорами и работой, то вот из каких слоёв она складывается и какой вопрос стоит задать любому инструменту, включая тот, которым вы пользуетесь сейчас.
1. Захват
Точно ли он слышит разговор: кто говорил, когда и на каком языке?
Всё, что дальше, наследует ошибки, сделанные здесь.
2. Понимание
Отличает ли он решение от предложения, а обязательство — от реплики?
Здесь саммари превращается в структуру, и здесь же самоуверенное извлечение наносит
больше всего вреда.
3. Связи
Знает ли он, к какому проекту, клиенту или прошлому разговору относится эта встреча?
Решение без контекста — просто фраза.
4. Действие
Может ли он превратить обязательство в задачу, напоминание или событие в календаре — с вашего подтверждения?
Действие без подтверждения — это риск. Подтверждение без возможности действовать — это
список дел, который всё равно придётся набирать вручную.
5. Память
Будет ли он через месяц помнить, о чём договорились сегодня, и заметит ли, если это изменится?
Именно память превращает череду встреч в историю.
6. Помощь
Перед следующим разговором сможет ли он сказать, что открыто, у чего подходит срок и что изменилось?
Круг замыкается, когда итог одной встречи становится подготовкой к следующей.
Большинство инструментов на рынке сильны в первых двух пунктах. Конкуренция, которая важна сейчас, идёт за последние четыре.
Где здесь Whisperer
Whisperer построен вокруг простого наблюдения: работа не происходит внутри изолированных приложений. Она происходит между ними, и немалая её часть начинается с разговора. Поэтому вместо того чтобы делать стенографиста получше, мы взялись строить пространство, в которое стекаются заметки.
Захват — без бота на встрече. Приложения для macOS и Windows записывают микрофон и системный звук прямо на вашем компьютере, поэтому работают с Zoom, Google Meet, Teams и другими сервисами звонков, не подключая к звонку бота. Стенограмма идёт в реальном времени, с таймкодами. Можно сделать скриншот слайда или сообщения об ошибке, и ИИ его прочитает, а синхронный перевод выручает, когда встреча идёт не на родном для всех языке.
Понимание со ссылкой на источник. После звонка Whisperer извлекает решения, обязательства, риски и открытые вопросы, и у каждого решения и обязательства сохраняется источник: какая встреча, какой момент, кто сказал.
Стенограмма полезнее, когда из неё может получиться задача. Обязательство можно отправить на канбан-доску со сроком, а двусторонняя синхронизация с календарями Google, Microsoft и CalDAV превращает договорённость о продолжении в настоящее событие.
Задача полезнее, когда она относится к проекту. Работа организована в хабы: клиент, проект или набор на вакансию. Встречи попадают в них по сигналам вроде серии в календаре и состава участников, а когда соответствие неочевидно, Whisperer спрашивает, а не угадывает. Хаб показывает, что буксует: обязательства, у которых подходит срок, открытые решения, работу без владельца.
Проект полезнее, когда его контекст переживает отдельные встречи. Leo, ИИ-агент Whisperer, умеет прослеживать тему через несколько встреч, находить прошлые решения и искать по базе знаний, а ещё ведёт долговременную память, которую можно просматривать и править.
И ИИ-ассистент полезнее, когда может рассуждать поверх всего этого. Leo готовит задачу, событие или напоминание, а вы подтверждаете их, прежде чем что-то изменится. MCP-сервер позволяет Claude, ChatGPT или Cursor работать с тем же контекстом — в рамках разрешений, которые вы одобрили.
Ничто из этого не отменяет сложных проблем. К ним и перейдём.
Трудность не в том, чтобы сделать ещё одного ИИ-стенографиста
Стоит честно сказать, где на самом деле трудность, — потому что она не там, куда указывает большинство продуктовых демо.
Подключить модель распознавания речи к большой языковой модели и вывести саммари — сегодня это проект на выходные. Проблемы, которые отделяют демо от того, на что люди полагаются, куда менее фотогеничны:
- Выдуманные задачи. Модель, которая сочиняет задачу, о которой никто не договаривался, хуже, чем отсутствие модели: теперь кто-то должен её заметить и удалить. Ложные срабатывания подрывают доверие быстрее, чем пропуски.
- Кто есть кто и кто отвечает. «Я посмотрю» — это обязательство? И чьё, если трое говорили одновременно? Чтобы назначить ответственного, нужно знать, кто есть кто, а с именами в стенограммах всегда неразбериха.
- Рассуждения о времени. «В следующий четверг», сказанное в среду. «Конец квартала» в компании, у которой финансовый год не совпадает с календарным. «После запуска», когда запуск переносили уже дважды. Даты в речи относительны, двусмысленны и часто меняются.
- Память между встречами. Запоминать легко. Трудно запоминать нужное, замечать, когда более поздняя встреча отменяет прежнее решение, и давать устаревшим фактам уходить.
- Права доступа. Не каждому в рабочем пространстве положено видеть каждую встречу. Агент, который рассуждает поверх ваших разговоров, обязан соблюдать границы, заданные тем, кого на встречу пригласили.
- Надёжные действия. Каждая запись — это место, где система может ошибиться у всех на виду. Шаг подтверждения должен быть достаточно быстрым, чтобы им пользовались, и достаточно понятным, чтобы его действительно читали.
- Приватность. На встречах звучит едва ли не самая чувствительная информация, которая есть у компании. Пользователи заслуживают прямых ответов: что хранится, как долго и кто это обрабатывает — в том числе когда ответ звучит как «внешний поставщик модели».
- Интеграции. Контекст хорош ровно настолько, насколько далеко он дотягивается, а каждое подключение к другому инструменту — это новое место для сбоя и новое разрешение, которым нужно управлять.
Сбой, который выглядит как тихая встреча
Вот один урок, который достался нам дорого.
Whisperer читает длинную стенограмму частями и просит языковую модель вытащить из каждой решения, обязательства и риски. Время от времени провайдер модели отвечал совершенно обычным успешным ответом с пустым телом. Наш конвейер ничего не разбирал, записывал, что в этой части ничего нет, и сообщал об успехе.
Снаружи «на этом отрезке встречи никто ничего не решил» и «извлечение молча сломалось» выглядели абсолютно одинаково.
Мы поймали это, прогоняя через извлечение реальные записанные встречи и сравнивая прогоны. Пустые ответы оказались случайными: два прогона одной и той же встречи теряли разные части. Значит, одна повторная попытка исправит большую часть ущерба — так и вышло. На трёх наших собственных встречах число извлечённых пунктов выросло с 20 до 45, как только каждый пустой ответ получил один повтор. На одной встрече из 149 реплик — с 4 до 22. Теперь часть, которая и после повтора возвращается пустой, учитывается и попадает в отчёт, а не выдаётся за тишину.
Похожая ошибка заставляла нашего агента отвечать «за этот период решений нет» при полном архиве: решения хранились без даты, по которой фильтровал поиск. Ничего не падало, и каждый ответ звучал уверенно.
Этот урок шире нашего продукта. Для ассистента, который действует по итогам встреч, самая опасная ошибка — не неверный ответ, а отсутствующий ответ, который выглядит как настоящий. «Ничего не решили» — это тоже утверждение, и система должна его заслужить.
Всё это связывает одно — доверие. Ассистент, который пишет саммари, может позволить себе быть примерно прав. Ассистент, который действует, должен быть прав — или явно показывать, что не уверен, — каждый раз. Это другая инженерная дисциплина, и именно на ней следующее поколение таких продуктов выиграет или проиграет.
Чем могут стать ИИ-ассистенты для встреч
Здесь заманчиво раздавать громкие прогнозы. Полезнее описать направление.
Похоже, ассистенты для встреч движутся от пассивных записывающих устройств к рабочим ИИ-компаньонам. Разницу легко сформулировать.
Пассивный:
Вот что произошло.
Активный:
Вот что произошло, что изменилось с прошлого раза, что важно, что вы пообещали и что дальше требует вашего внимания.
Пассивный ассистент смотрит назад, на один разговор. Активный смотрит вперёд, на все сразу: приносит на следующую встречу три открытых пункта с прошлой и напоминает об обещании до того, как оно просрочено, а не после.
Ничто из этого не требует, чтобы ИИ взял управление на себя. Лучшая версия ближе к начальнику штаба, чем к автопилоту: готовит, связывает и напоминает, а решают люди.
Встреча — лишь один момент
Несколько лет история ИИ для встреч была историей о захвате: записать всё, расшифровать всё, пересказать всё. Эта история в основном рассказана. Заметки теперь хорошие.
Будущее ИИ для встреч — не в заметках получше. Оно в непрерывности между разговорами и работой: чтобы то, что решили в комнате, не приходилось выносить из неё на руках.
Встреча — лишь один момент.
Настоящая ценность начинается, когда она заканчивается.
Источники и что почитать
- «Gemini can now take notes in Google Meet for Google AI Pro and Ultra subscribers», Google (The Keyword), 29 июня 2026.
- «„Take notes for me“ in Google Meet now captures next steps», Google Workspace Updates, 18 февраля 2025.
- «Facilitator in Microsoft Teams meetings», Microsoft Support (документация продукта).
- «Zoom launches AI Companion 3.0 with agentic workflows, transforming conversations into action», Zoom Newsroom, 15 декабря 2025.
- «Otter.ai Breaks $100M ARR Barrier and Transforms Business Meetings Launching Industry-First AI Meeting Agent Suite», Otter.ai, 25 марта 2025.
- «Granola raises $125M to put your company's context to work», Granola, 25 марта 2026.
- «Will AI Fix Work?» (Work Trend Index 2023), Microsoft WorkLab, май 2023.
- «Breaking down the infinite workday» (специальный отчёт Work Trend Index), Microsoft WorkLab, 17 июня 2025.
- «How Much Time and Energy Do We Waste Toggling Between Applications?», Rohan Narayana Murty, Sandeep Dadlani, Rajath B. Das, Harvard Business Review, 29 августа 2022.
- «Introducing the Model Context Protocol», Anthropic, 25 ноября 2024.