Reason8 es un asistente de inteligencia para gerentes y reuniones

Gracias a la tecnología, hacer una grabación de audio de una reunión es una tarea trivialmente fácil en estos días. Si bien los servicios de voz a texto pueden ayudar a abordar el tedio de la transcripción, esto solo invita a una serie de nuevos problemas: la necesidad de limpiar y confirmar las transcripciones. Para verificar quién dijo qué. Por no hablar de tener que garantizar que todos accedieran a ser grabados, y reciban una copia oportuna de los minutos posteriores de la reunión.

En el lado de agregar valor, un gerente también podría desear una manera fácil de generar un resumen de los puntos clave después de una reunión. Y una herramienta que puede enumerar automáticamente cualquier tarea para que no tenga que volver atrás y seleccionarla de sus notas. El análisis de la productividad de las reuniones también podría ser útil, ayudando a responder preguntas como: ¿Mis reuniones se están ejecutando a tiempo? ¿Qué oradores tienden a dominar? ¿Cuántas decisiones se toman y se toman medidas?

Estas son las clases de capacidades de asistencia que la firma incorporada en los Estados Unidos, Reason8, tiene en proceso para su servicio de transcripción alimentado por la inteligencia artificial, que se está lanzando fuera de beta hoy desde la etapa TechCrunch Disrupt Berlin.

Más adelante, el equipo reconoce que la tecnología también podrá ofrecer a los usuarios análisis lingüísticos y de voz, con el potencial de actuar como un coach y ofrecer orientación individual para mejorar el rendimiento de las reuniones.

“Las reuniones presenciales son el campo menos digitalizado en comunicaciones personales”, dice el co-fundador Vlad Belyaev, discutiendo la idea detrás del producto. “Es un gran mercado. Todos nosotros hacemos reuniones y hacemos notas para las reuniones, redactamos resúmenes de reuniones y actas de reuniones.

“Nuestro primer nicho es enfocarnos en los gerentes que dedican una gran cantidad de tiempo a realizar actas de reuniones y a rastrear las tareas que le dieron a sus empleados”.

El usuario objetivo de Auroom es un administrador intermedio que tiene de tres a cuatro reuniones por día y, por lo tanto, dedica mucho tiempo a destilar aire caliente en resúmenes y tareas rastreables. “Estamos tratando de hacerles la vida más fácil y más productiva”, es su resumen conciso del objetivo del producto.

Se requieren al menos dos teléfonos inteligentes para registrar cualquier reunión a través de la aplicación. Esto proporciona suficientes datos de entrada de audio para que la IA con la que se separa el hablante pueda trabajar, y también significa que múltiples participantes en la reunión pueden participar en tomar el registro de la reunión si así lo desean. Por lo tanto, su objetivo es ayudar con el problema del consentimiento y la propiedad.

Belyaev dice que la idea de la aplicación surgió después de que él trabajó como secretario y asistente ejecutivo, y pasó mucho tiempo compilando y compartiendo minutos de reuniones. El desafío de mantener informados a los participantes de la reunión en múltiples zonas horarias fue otro punto de dolor que alimentó la idea de la aplicación.

El equipo se incorporó a Delaware en mayo de 2016 y en noviembre del año pasado recaudó $ 1.2 millones en fondos de la etapa inicial de los inversores informales rusos para ayudar a financiar el desarrollo de su MVP.

La aplicación es solo iOS por ahora, ya que es más fácil calibrar micrófonos a través del hardware de iPhone más homogéneo que la diversa gama de dispositivos de Android. Pero una versión de Android está planeada para el próximo año, dice Belyaev.

Reason8 está utilizando la API de voz en la nube de Google para la conversión de voz a texto del audio de reunión capturado a través de su aplicación, por lo que lo primero que debe tenerse en cuenta es que no intenta replicar la tecnología de reconocimiento de voz competitiva y robusta que ya está disponible en el mercado.

Por el contrario, se centra en hacer que la tecnología existente sea más útil en el contexto de reuniones y gerentes. Su salsa especial es un modelo de aprendizaje profundo entrenado para poder identificar diferentes voces y así separar a los hablantes dentro de una transcripción, lo que significa que el usuario no solo recibe un gran bloque de texto.

Esto funciona sin que los usuarios necesiten entrenarlo, de acuerdo con Belyaev, quien dice que AI puede separar oradores de la primera reunión. (Y una vez que los usuarios individuales se hayan identificado en la aplicación, pueden vincular su nombre con su huella de voz para incluir su nombre real en las transcripciones de las reuniones, también).

“Utilizamos el aprendizaje profundo para comprender mejor su huella digital de su propia voz”, señala. “Lo hacemos de una manera totalmente no supervisada. Por lo tanto, no necesitamos datos para aprender a distinguir los hablantes entre sí “.

La segunda parte de la tecnología patentada de Reason8 es un motor de procesamiento de lenguaje natural que está utilizando para identificar automáticamente las tareas específicas acordadas en la reunión.

Este motor, que el equipo capacitó utilizando conjuntos de datos abiertos, se desarrolló a partir de un producto anterior que implementaron en el mercado ruso, destinado a ayudar a las empresas a mejorar el rendimiento de sus servicios de atención al cliente.

“Desarrollamos nuestro propio motor de comprensión del lenguaje natural. Una de las principales características de este motor fue y es que podemos trabajar con muy poca cantidad de datos “, dice, y agrega:” Muy pocas empresas tienen datos para capacitar al modelo. Por eso creamos la solución que es capaz de identificar el sentido de las frases.

“Podemos clasificar este significado e identificar, por ejemplo, tareas de decisiones y de ideas”.

¿Cómo evita el sistema confundirse con la palabra ensalada codificada que se puede utilizar en las reuniones? Al centrarse en analizar frases en lugar de palabras individuales, dice sobre eso.

“No analizamos las palabras exactas, analizamos las frases completas”, le dice a TechCrunch. “Es por eso que analizamos el significado de las frases. Hemos estado desarrollando nuestro motor de lenguaje natural durante el último año y esto nos dio la oportunidad de comprender mejor el significado de frases exactas que las personas mencionan “.

El enfoque inicial en la extracción de tareas también es una forma para que el equipo reduzca su tamaño y aborde el desafío del contexto lingüístico que constituye el núcleo de lo que están tratando de hacer. “Las tareas tienen una intención muy clara, por lo que puede mencionar que alguien tiene que hacer algo con un plazo actual y esto es más fácil de identificar”, dice. “Decidimos centrarnos en un problema muy estrecho: identificar tareas y luego tomar decisiones e ideas”.

La ambición es que el motor NLP sea lo suficientemente inteligente como para poder crear automáticamente resúmenes de reuniones también en el futuro. Para eso, otra característica actual de la aplicación es la clave: un botón resaltado que los usuarios pueden tocar manualmente dentro de la aplicación para marcar secciones importantes de una reunión.g mientras está sucediendo. Esto le dice al técnico que tome nota. Cualquier parte resaltada se incorporará en el informe de la reunión que entrega.

Pero estos resaltos manuales también son una señal de aprendizaje para la tecnología. Belyaev dice que los está alimentando en el modelo para ayudarlo a mejorar la comprensión de la entonación vocal durante momentos importantes en las reuniones.

“Con esta información, podemos capturar conjuntos de datos que se definen no solo por el significado, sino también por la entonación, por el contexto en el que dices algo importante”, explica. “Cuando digo algo importante que trato de ser preciso, trato de hacer pausas y enfatizar la entonación en él.

“Así que con toda esta información de contexto, no solo del texto sobre el que ya tenemos una gran experiencia, sino también de los sonidos, podemos identificar mejor y ofrecer una mejor calidad para nuestro motor de integración”.

“Mirando más allá, nuestra visión es proporcionar a las personas una herramienta con la que puedan hacer que los minutos de la reunión y los resúmenes de las reuniones sean fáciles y una ruta habilitada digitalmente para reunir estos conjuntos de datos autoejecutables”, agrega. “Entonces, si las personas utilizan nuestro producto, mejoran su productividad con borradores de minutos de reunión, luego hacen sus propios minutos de reunión y se los envían a sus colegas”.

Por ahora, el motor puede identificar tareas. Pronto, “en las próximas semanas”, también podrá clasificar “ideas y decisiones”. Pero aún no es capaz de servir resume reuniones plenas. En cambio, los usuarios obtienen un breve informe con los aspectos más destacados manuales que desencadenan.

Belyaev dice que el plan es agregar integraciones con otras herramientas de comunicación, como Google Hangouts, Zoom y Slack, para “capturar más información y mejorar nuestro motor de integración”. Y están dibujando a lápiz en la primavera de 2018 para la función completa de síntesis de reuniones impulsada por inteligencia artificial para su lanzamiento, agrega.

También planean integrarse con los sistemas de gestión de proyectos existentes para ampliar aún más la utilidad del producto. Entonces, por ejemplo, una tarea extraída automáticamente de la transcripción de una reunión también podría ingresarse automáticamente en un PMS.

“Una transcripción es excelente, pero para las reuniones de negocios en persona, las actas de las reuniones y los resúmenes de reuniones añaden más valor que solo una transcripción”, argumenta. “Porque sí, una transcripción da más valor que solo un registro, pero lo que es aún mejor es un resumen y extracción de tareas automáticas e integraciones adicionales con sistemas de gestión de proyectos como SNA o Jira … Por lo tanto, crea automáticamente tareas en los sistemas de gestión de proyectos. Por lo tanto, sería genial para mejorar la productividad de los gerentes y creo que para muchos otros usuarios potenciales “.

Aunque también enfatiza que el sistema no va a ser 100% perfecto en el contexto de análisis, por lo que tampoco podrá reemplazar por completo a los asistentes. Más bien está pensado como una ayuda para aumentar la productividad.

La función de transcripción separada por el hablante funciona para cualquier idioma que ya cuente con el apoyo de la tecnología de voz a texto de Google, según Belyaev.

Pero los modelos preformados que potencian la tarea y (próximamente) la identificación de decisiones se han entrenado en el habla en inglés, por lo que actualmente no pueden admitir idiomas adicionales. Aunque dice que planean entrenar modelos en conjuntos de datos en otros idiomas en el futuro para expandir el soporte.

Tags:
, Wire, Artificial Intelligence Newswire, United States, Spanish