Eine Entscheidung ohne Ownership ist eine Frage
Meeting-Zusammenfassungen sind leicht zu erzeugen und eine Woche später fast nutzlos. Was ein Team braucht, ist eine kurze Tabelle: was entschieden wurde, wer es besitzt, und wann es fällig ist. Diese Tabelle liegt in einem Gespräch begraben, das sie nie klar sagt.
Das Risiko beim Extrahieren dieser Tabelle ist nicht, einen Punkt zu verpassen, sondern einen zu erfinden. Ein Modell, das nach Ownership und Daten gefragt wird, wird sie liefern, und eine selbstsicher zugeordnete Entscheidung, der niemand zugestimmt hat, ist schlechter als keine Zusammenfassung.
Die nützliche Ausgabe hat zwei Hälften. Punkte mit benannter Ownership und Datum gehen in den Tracker. Punkte, bei denen das Gespräch nie eine Ownership geklärt hat, gehen als offene Fragen an das Team zurück, weil das das ist, was sie sind.
Die Liste offener Fragen ist die, die Verhalten ändert. Sie ist auch die Liste, die eine menschliche Zusammenfassung still abrundet.
So läuft der ActionFlow auf der Canvas
Zwei Knoten übernehmen die Aufnahme: Document Upload für die Datei, dann Transcribe Audio, um sie in Text zu wandeln. Haben Sie ein Transkript, empfängt Start es direkt und beide Knoten fallen weg.
Ein Generate Object-Knoten führt einen einzelnen Extraktionsdurchgang gegen eine strikte Form aus: Entscheidung, Ownership, Datum und ein Konfidenzwert. Jedes Feld muss aus dem Transkript kommen oder leer sein. In ein Objekt zu extrahieren statt in eine Zusammenfassung macht den nächsten Schritt möglich.
Ein Validate-Knoten prüft die Struktur und weist Zeilen mit leerer Ownership oder leerem Datum zurück. Das ist der Knoten, der Erfindung davon abhält, den Tracker zu erreichen.
Ein Filter-Knoten teilt das Set dann. Vollständige Zeilen gehen weiter nach Notion oder Linear als nachverfolgte Punkte. Unvollständige Zeilen gehen in eine Slack-Nachricht an die Meeting-Leitung, die jede Entscheidung ohne verantwortliche Person listet. Die Teilnahmeliste im Extraktionsschritt als Kontext mitzugeben, verbessert die Zuordnung spürbar, weil das Modell gegen bekannte Namen abgleicht statt Rollen aus Sprechmustern zu erschließen. Wo ein Name mehrdeutig ist, sind die leere Ownership und die Slack-Nachricht das korrekte Ergebnis.
Die Modellwahl zählt hier. Extraktion gegen ein langes Transkript belohnt ein Modell mit großem Kontextfenster, und die Tokenzahl für diesen Aufruf wird als Knotenausgabe berichtet, die Sie neben dem Lauf protokollieren können.
Knoten, die dieser ActionFlow verwendet
- Document Upload (Data): nimmt die Aufnahme- oder Transkriptdatei.
- Transcribe Audio (AI Core): wandelt die Aufnahme in Text. Wird übersprungen, wenn schon ein Transkript existiert.
- Generate Object (AI Core): extrahiert Entscheidung, Ownership, Datum und Konfidenz in eine feste Struktur.
- Validate (Data): weist Zeilen mit leerer Ownership oder leerem Datum zurück, sodass nichts Erfundenes den Tracker erreicht.
- Filter (Data): trennt vollständige Zeilen von unvollständigen.
- Linear (Integration): empfängt vollständige Punkte als nachverfolgte Arbeit. Jira, Monday und Notion passen in denselben Slot.
- Slack (Communication): sendet die nicht zugeordneten Entscheidungen als offene Fragen an die Meeting-Leitung zurück.
Häufige Fragen
Newsletter
Produktupdates erhalten
Neue Nodes, Agents und Produktnotizen. Wir senden E-Mails nur, wenn sich das Öffnen lohnt.