Transkrypcja AI w firmie usługowej: rozmowy, oferty, wiedza

Klient przez godzinę tłumaczy Ci, czego chce, a do oferty trafiają trzy linijki z notesu. Transkrypcja AI łata tę dziurę: nagrywasz rozmowę albo spotkanie, model zamienia głos na tekst, a asystent ai wyciąga z niego ustalenia, zadania i dosłowne słowa klienta. Sam tekst niewiele zmienia. Zysk pojawia się, gdy zapis trafia dalej: do oferty, do karty klienta i do bazy wiedzy, z której zespół korzysta, kiedy właściciel jest na urlopie.

Gdzie w małej firmie usługowej giną słowa klienta

Zanim wybierzesz narzędzie, sprawdź, w którym miejscu Twoja firma dziś gubi informacje. W małych firmach B2B, z którymi rozmawiam, takich miejsc jest zwykle kilka naraz.

Rozmowa, z której zostaje notes

Wtorek, 16:30. Wracasz z wizji lokalnej. Klient powiedział, że poprzedni wykonawca spóźnił się dwa miesiące, że termin to „najpóźniej marzec” i że budżet jest „w granicach rozsądku, byle bez niespodzianek”. W notesie masz: „marzec, budżet?”. W czwartek o 22:00 siadasz do oferty i odpowiadasz na notatkę. Rozmowa została w samochodzie. Zdanie o spóźnionym wykonawcy, najcenniejsze w całym spotkaniu, nie trafia nigdzie.

Oferty w firmach usługowych są drogie w przygotowaniu. Wspólnik firmy montażowej z pięcioosobowym biurem opowiadał mi, że przy wycenie całej instalacji przygotowanie zajmuje „z kilka, no nawet kilkanaście godzin całego zespołu”: jedna osoba liczy, druga sprawdza, potem wysyłka, rewizje, czasem wizja lokalna. Każda godzina spędzona na odtwarzaniu z pamięci, co klient właściwie powiedział, to godzina odjęta od liczenia.

Spotkanie wspólników bez notatki

Drugie miejsce to spotkania wewnętrzne. Dwóch wspólników ustala przy kawie, kto dzwoni do klienta, kto zamawia materiał, kiedy wysyłacie poprawioną ofertę. Tydzień później każdy pamięta coś innego. Ten sam wspólnik mówił o tym wprost: CRM to tablica w Trello, „bardzo prymitywny”, reszta siedzi w pamięci, a „część się pamięta, aczkolwiek to jest bardzo zawodne”.

Nagrane spotkanie z automatyczną listą zadań (co, kto, do kiedy) nie wymaga nowego systemu. Lista może trafić do tego samego Trello, tyle że z pełną treścią zamiast skrótów, które po tygodniu nikomu nic nie mówią.

Wiedza, która wyjeżdża na urlop

Trzecie miejsce boli najbardziej. Jak robicie odbiór instalacji, który klient chce fakturę z numerem zamówienia, komu nie wysyłać oferty w piątek po południu. To wszystko siedzi w głowie właściciela. W tamtej firmie montażowej procedury napisał kiedyś jeden pracownik i nikt z nich nie korzysta.

Pisanie procedur to robota, której nikt nie lubi i na którą nigdy nie ma czasu. Mówienie idzie dużo łatwiej. Stąd pomysł na bazę wiedzy firmy głosem: dyktujesz, AI przepisuje i układa, Ty poprawiasz.

Transkrypcja spotkań AI krok po kroku

Cała mechanika ma trzy etapy: nagranie, zamiana na tekst, obróbka tekstu. Większość firm zatrzymuje się na drugim i dziwi się, że w pracy nic się nie zmieniło.

Krok 1: nagranie i zgoda rozmówcy

Zacznij od jednego zdania na początku rozmowy: „Nagrywam, żeby przy ofercie nic mi nie umknęło, w porządku?”. Jeśli ktoś się nie zgadza, robisz notatki jak dotąd. Zasady nagrywania rozmów i przechowywania nagrań (RODO, zapisy w umowach z klientami) sprawdź z prawnikiem, zanim wdrożysz to w całym zespole. To wymaga weryfikacji w Twojej konkretnej sytuacji.

Jakość nagrania decyduje o jakości transkrypcji. Telefon leży na stole między Wami, nie w kieszeni marynarki. Na spotkaniu online nagrywasz w narzędziu do spotkań. Wizja lokalna na hali z pracującymi maszynami da słaby zapis, więc tam lepiej podyktować podsumowanie w samochodzie, tuż po wyjściu, dopóki pamiętasz szczegóły.

Krok 2: narzędzie do transkrypcji rozmów z klientami

Masz trzy drogi. Każda pasuje do innej firmy.

Transkrypcja wbudowana w narzędzie do spotkań online. Część platform do wideorozmów ma ją w swoich planach. Sprawdź w swoim planie, czy obsługuje polski, gdzie trzyma zapis i kto ma do niego dostęp (dostępność i cena: NIE SPRAWDZONO, zależą od dostawcy i planu).

Dla kogo: firma, która większość rozmów z klientami prowadzi online. Słabszy wybór dla tej, która spotyka się głównie na budowach i w halach.

Whisper uruchomiony lokalnie. To otwarty model rozpoznawania mowy od OpenAI, który działa na Twoim komputerze i obsługuje język polski (repozytorium Whisper na GitHubie). Nagranie nie opuszcza komputera, więc rozmowa z klientem nie jedzie do żadnej chmury. Minus: ktoś musi go raz zainstalować i potem uruchamiać.

Dla kogo: firma, która boi się o dane klientów i ma osobę bez lęku przed terminalem. Nie dla kogoś, kto chce kliknąć jeden przycisk w aplikacji.

Aplikacja do dyktowania i transkrypcji w chmurze. Nagrywasz telefonem, plik idzie do usługi, wraca tekst. Najprostsze w użyciu. Przed wyborem przeczytaj regulamin: gdzie przechowują nagrania, jak długo i czy używają ich do trenowania modeli (to wymaga weryfikacji u konkretnego dostawcy, cenniki: NIE SPRAWDZONO).

Dla kogo: właściciel, który chce dyktować notatki w samochodzie i nie omawia w nich danych wrażliwych. Nie dla firmy z klauzulami poufności w umowach.

Krok 3: z tekstu do oferty i karty klienta

Surowa transkrypcja jest długa, pełna „yyy”, powtórzeń i zdań urwanych w połowie. Nikt jej nie przeczyta drugi raz. Wartość daje drugi krok: asystent AI, który ma na stałe opis Twojej firmy i instrukcję stałą, co zrobić z każdym zapisem.

Tu firmy powtarzają błąd znany z poczty. Wspólnik firmy montażowej używał już ChatGPT do maili i sam nazwał problem: „to jest taki właśnie toporny sposób, że trzeba dać mu ten cały kontekst”, za każdym razem od nowa. Z transkrypcjami jest identycznie. Jeśli do każdej rozmowy wklejasz od nowa, kim jesteście, co robicie i jak wygląda Wasza oferta, po tygodniu przestaniesz.

Ustaw to raz: projekt albo asystent z instrukcją stałą, do którego wrzucasz tylko nowy plik. Wynik to notatka do karty klienta, lista zadań i szkic punktów do oferty. Wszystko przechodzi przez człowieka. Moja skrzynka działa w tym samym układzie: agent czyta wiadomości i przygotowuje wersję odpowiedzi, ja ją zatwierdzam albo poprawiam, dopiero wtedy wychodzi. Nic nie wychodzi w świat beze mnie. Z notatkami po spotkaniach ta zasada działa tak samo.

baza wiedzy firmy głosem

Dyktujesz w samochodzie zamiast pisać wieczorem

Dwadzieścia minut jazdy do klienta. Zamiast radia włączasz dyktafon i opowiadasz, jak wygląda u Was odbiór instalacji. Kto przyjeżdża, co sprawdzacie, jaki dokument podpisuje klient, co najczęściej się sypie. Mówisz chaotycznie, wracasz do wątków, poprawiasz się w pół zdania. Nie szkodzi.

Wieczorem wrzucasz nagranie do transkrypcji, a tekst do asystenta z poleceniem: ułóż z tego procedurę. Rano masz szkic na jedną stronę, który poprawiasz przy kawie. Jedna procedura tygodniowo daje po kwartale kilkanaście opisanych procesów, których wcześniej nie było nigdzie poza Twoją głową.

Format, który ktoś faktycznie przeczyta

Procedury w tamtej firmie montażowej leżą nieczytane. Długi, ogólny dokument pisany z głowy trafia do szuflady. Ustaw asystentowi stały format: cel w jednym zdaniu, kroki po kolei, kto odpowiada, czego nie robić, najczęstszy błąd. Maksymalnie jedna strona.

Zapisana procedura to połowa roboty. Zespół musi mieć jak z niej korzystać. Najprostsza wersja: folder z procedurami podpięty do asystenta AI, któremu pracownik zadaje pytanie („jak wystawiamy protokół odbioru dla tego klienta?”) zamiast dzwonić do szefa na urlopie. Odpowiedź przychodzi z Waszego dokumentu, a nie z ogólnej wiedzy modelu z internetu.

Baza, która rośnie z każdej rozmowy

Transkrypcja rozmów z klientami zasila bazę sama. Po każdej rozmowie karta klienta dostaje kilka linijek: czego chce, co go denerwuje, jakie terminy padły, jakie obawy zgłosił. Po roku masz historię, której żaden ze wspólników nie pamiętał w całości.

U siebie mam sześć obszarów obsługiwanych przez asystentów AI: poczta, oferty, faktury, dane o klientach, baza wiedzy, marketing. Pracuję solo, bez zespołu i bez agencji. Jedna lekcja z tego: nic takiego nie działa od pierwszego dnia. Agent, który pisze w moim stylu, dostał wszystko, co wcześniej napisałem, a potem uczył się przez używanie: piszę, poprawiam, on wdraża poprawki. Dopiero po jakimś czasie brzmi jak ja. Pierwsze procedury i notatki w Twojej bazie też będą nierówne. Poprawiasz format, a nie wyrzucasz całość.

Zły prompt vs dobry prompt do transkrypcji

Ta sama transkrypcja da notatkę bezużyteczną albo gotową do oferty. Różnicę robi polecenie, które dostaje asystent. Poniżej trzy pary, które możesz skopiować i dopasować do swojej branży.

Streść to spotkanie.

Jesteś asystentem biura w firmie usługowej B2B (montaż i serwis instalacji przemysłowych).
Poniżej transkrypcja rozmowy z klientem przed ofertą, nagranej za jego zgodą.
Zadanie: przygotuj notatkę do karty klienta.
Format:
1. Czego klient chce: 3 do 5 cytatów dosłownych z transkrypcji.
2. Termin, budżet, ograniczenia. Jeśli czegoś nie powiedział, wpisz: brak w rozmowie.
3. Obawy klienta i złe doświadczenia z poprzednimi wykonawcami.
4. Ustalenia: co, kto, do kiedy.
5. Pytania, które musimy zadać przed wysłaniem oferty.
Zasady: nie dopisuj niczego, czego nie ma w tekście. Niezrozumiałe fragmenty oznacz [niejasne]. Kwoty i nazwiska przepisz dokładnie i dodaj obok [sprawdź].

Zrób z tego procedurę.

Poniżej transkrypcja mojego nagrania głosowego: opisuję, jak robimy odbiór instalacji u klienta. Mówię chaotycznie i wracam do wątków.
Zadanie: ułóż z tego procedurę do bazy wiedzy firmy.
Format (maksymalnie jedna strona):
Cel: jedno zdanie.
Kroki: numerowane, jeden krok to jedna czynność.
Kto odpowiada: przy każdym kroku.
Czego nie robić: lista.
Najczęstszy błąd: jeden akapit.
Zasady: używaj moich słów tam, gdzie się da. Jeśli krok jest niejasny albo czegoś brakuje, nie zgaduj. Dopisz na końcu listę pytań do mnie.

Po każdej rozmowie otwierasz nowy czat.
Wklejasz opis firmy, cennik, przykładową ofertę i transkrypcję.
Piszesz: zrób notatkę i szkic oferty.
Kopiujesz wynik do maila do wspólnika.
Nagranie zostaje w telefonie, notatka w skrzynce.

Raz ustawiasz asystenta (projekt w narzędziu AI) z instrukcją stałą: opis firmy, format notatki, format procedury.
Po rozmowie wrzucasz tylko transkrypcję.
Asystent robi notatkę według formatu, Ty ją czytasz i poprawiasz.
Zatwierdzona notatka trafia do karty klienta (choćby w Trello), zadania na listę z osobą i terminem.
Nagranie usuwasz albo archiwizujesz według jednej ustalonej zasady.

Gdzie transkrypcja AI nie ma sensu i jak chronić dane

Trzy sytuacje, w których sam odradzam AI

Klientom mówię wprost, gdzie AI nie pomoże. Duże wyceny ryczałtowe: decyduje doświadczenie i wizja lokalna, AI zrobi szkic i podliczy pozycje, ostatnie słowo zostaje po stronie firmy. Robota raz na kwartał: jeśli zadanie zajmuje kwadrans co trzy miesiące, wdrożenie zje więcej czasu, niż odda. Obszar bez historii: bez archiwum ofert, korespondencji albo dokumentów model nie ma się na czym oprzeć, wtedy najpierw zbieramy dane. Tę listę mam też publicznie na stronie wdrożenia AI.

W przypadku transkrypcji wygląda to tak. Masz dwie rozmowy z klientami w miesiącu? Wystarczy dyktafon i jeden dobry prompt, bez asystentów i folderów. Transkrypcja nie wyceni za Ciebie instalacji, ale da osobie, która liczy, pełny zapis tego, co klient powiedział.

Nie na siłę

Właściciel firmy usługowej powiedział mi na rozmowie: „nie chcę tego robić na siłę, żeby wpychać AI tam, gdzie nie ma takiej potrzeby”. W ciągu 30 minut ani razu nie padło „zespół AI” ani „system”. Padały nazwy zadań: poczta, oferty, faktury, dane o klientach.

Z transkrypcją zacznij tak samo. Wybierz jedno miejsce, gdzie gubisz najwięcej: rozmowy przed ofertą, spotkania wspólników albo wiedzę właściciela. Sprawdź przez miesiąc, czy notatki faktycznie trafiają do oferty i do zespołu. Jeśli nie trafiają, problem leży w kroku trzecim, a nie w jakości transkrypcji.

Dane klientów: co zostaje u Ciebie

Lęk o dane klientów w chmurze jest uzasadniony. Zanim wybierzesz narzędzie, odpowiedz sobie na pięć pytań:

• Gdzie fizycznie leży nagranie i transkrypcja?
• Jak długo dostawca je przechowuje i czy można je usunąć?
• Czy dostawca używa ich do trenowania modeli (sprawdź w regulaminie, to wymaga weryfikacji u każdego z osobna)?
• Kto w Twojej firmie ma dostęp do nagrań?
• Co robicie z nagraniem po zrobieniu notatki?

Rozmowy z danymi wrażliwymi przepisuj lokalnie, na przykład przez Whisper na własnym komputerze. Zwykłe notatki głosowe o procedurach mogą iść przez wygodniejszą aplikację. Jedna firma może używać obu dróg, byle każdy w zespole wiedział, co gdzie idzie.

Klient mówi, czego chce, raz. Jeśli jego słowa kończą w notesie na siedzeniu pasażera, oferta odpowiada na trzy linijki. Jeśli trafiają do karty klienta, za rok ktoś z Twojego zespołu otworzy ją i przeczyta dokładnie to, co padło tamtego wtorku.

FAQ

Czy transkrypcja AI radzi sobie z językiem polskim?

Tak, Whisper obsługuje polski. Jakość zależy głównie od nagrania: hałas, kilka osób mówiących naraz i telefon w kieszeni psują wynik. Nazwy własne, nazwiska, kwoty i żargon branżowy zawsze sprawdzaj ręcznie, bo tam model myli się najczęściej.

Czy mogę nagrywać rozmowy z klientami?

Uprzedź rozmówcę na początku i zapytaj o zgodę. Szczegóły prawne (RODO, przechowywanie nagrań, zapisy w umowach) wymagają weryfikacji z prawnikiem w Twojej sytuacji.

Ile kosztuje transkrypcja spotkań AI?

Whisper jest otwartym modelem, który uruchamiasz na własnym komputerze, więc płacisz głównie czasem konfiguracji. Ceny usług w chmurze i transkrypcji wbudowanej w narzędzia do spotkań: NIE SPRAWDZONO, sprawdź aktualny cennik u konkretnego dostawcy.

Od czego zacząć w małej firmie usługowej?

Od rozmów przed ofertą. Przez miesiąc nagrywaj je za zgodą klientów, przepisuj i przepuszczaj przez jeden stały prompt do notatki. Jeśli notatki realnie skracają pisanie ofert, dokładasz spotkania wspólników i bazę wiedzy głosem.