我们把公司例会、部门周会和客服复盘会的会议纪要全部交给 AI 处理已经两年多,时间线大致是这样:第一年很满意,觉得「能生成纪要」就已经值回票价;第二年发现问题越来越离谱——同一个模型在「生成一份漂亮的纪要」上能做到 97% 的满意度,在「决定下周谁该干什么」上只有 58% 的准确率。
这篇讲我们怎么从这个坑里爬出来。核心一句:会议纪要的正确用法,不是替你写纪要,是帮你进入「可决策状态」。下面的数字来自 320 场真实会议的人工复盘,场次里有 41 场是我们自己的,其余是合作方授权给我们的脱敏样本。
一、先承认失败:我们第一版怎么做砸的
第一版的目标函数很朴素:把转写稿交给模型,输出一份「结构化纪要」——议题、结论、行动项、负责人、截止日期。上线三周后收到的反馈几乎全是负面的,但大家的抱怨方式非常不一样:
- 产品经理:「行动项是列了,但把 A 部门认成了 B 部门,下周要出人命。」
- 销售 leader:「责任人识别准确率不行,我宁可回去自己看稿子。」
- 技术负责人:「它把『待研究』和『已决定』混在一栏,我觉得我参加的是另一个会。」
复盘发现,我们犯的根本错误是把「纪要的美观度」当成了「纪要的有效性」。一份读起来干净的纪要和一份能让团队动起来的纪要,是两个不同的产品。
二、320 场会议的硬数据:四类能力的真实水位
我们把「生成一份可用的周报式纪要」拆成四项能力,各用 320 场会议做了人工标注:
| 能力项 | 准确率 | 最常见的错误形态 | 影响 |
|---|---|---|---|
| 议题切分(话题边界) | 94.7% | 长会里小话题被合并 | 中,阅读成本 |
| 关键信息抽取(数字、日期、金额) | 89.2% | 口语量词换算错误,「两周」变「十四天」 | 低,可核对 |
| 行动项召回(有没有写全) | 71.6% | 被中途打断、口头带过、「回头再说」类承诺全部丢失 | 高 |
| 责任人识别(认对人、认对粒度) | 58.4% | 把「设计这边看看」指派给唯一在场设计师;把反馈者当成负责人 | 极高 |
行动项召回 71.6% 和责任人识别 58.4%,就是整个问题的答案。前两项高,是因为它们本质是「文本到文本」的映射,语言模型天生擅长。后两项低,是因为它们本质是「对话到组织架构和执行语义」的映射,模型没有人事关系的先验,也没有「谁最后拍板」的世界模型。
特别值得看的一个切片:责任人错误的 63.8% 不是「认错人」,而是「把一份模糊的集体责任指派给了某个具体的人」。比如会上说「设计这边看看这个落地页要不要重做」,模型会把它记成「@设计师甲 重做落地页,本周内」。会上没有任何人说这是甲的决定,但纪要读起来就像有人决定了。
三、转折点:会议纪要给的是「半个答案」,不能假装是全的
改版的核心不是换模型、不是调 prompt,而是重新定义了产品的输出契约:
我们不承诺「纪要 = 决策」,我们承诺「纪要 = 可核对的决策草稿」。
落到具体设计上是三条:
- 单点失败。宁可标「无明确责任人」,绝不让模型猜一个名字。猜错的成本远高于漏记。
- 状态分级。每条行动项必须带三态之一:
已决定、待决定、仅被提及。三态的判定我们花了 6 周做规则+小模型混合,但它是整个产品里最值得的一项投入。 - 可追溯。每条行动项后面挂原文时间戳,点一下能跳回转写稿。不是为了好看——是为了让被骗过的人能快速自证。
这三条上线后的第一个月,「参会者的信任度」调研从 3.1 升到 4.4(5 分制),而纯粹的内容满意度从 4.2 掉到 3.8。我们觉得这个交换是对的:用户宁愿要一份更短、更诚实的纪要。
四、把准确率从 58% 做到 82% 的四个动作
按 ROI 排序,前两条几乎零成本,后两条是长期投入:
4.1 会前下发「角色对齐单」——成本最低、收益最大
现在每场会的前一天,系统自动发一封只有三行的邮件:
本次会议可能涉及的行动项,请在会前确认: 1. 你可能担任负责人的事项(如:XX 落地页重做) 2. 你不负责但会被问到的领域 3. 本次你真正想要达成的结果(一句话)
回收率一开始只有 34%,我们把它做成了议程页的必填项,回收率升到 71%。有了这个,责任人识别准确率从 58.4% 直接拉到 74.1%——因为模型不再需要从对话里猜谁是负责人,而是从一个短名单里匹配。
4.2 会后 24 小时内的「双人核对」,最反技术但最有效
模型生成草稿后,强制一个轻量的核对流程:会议发起人和指定记录员二人,各自花 60 秒确认「行动项和责任人」。不核对,责任人准确率停在 61%;加了 2 分钟的核对,升到 82%。这 21 个百分点比任何模型改进都便宜。
4.3 语义角色标注,而不是关键词匹配
我们放弃了「谁的名字出现在行动项后面谁就是负责人」这种规则,改成给每个对话角色标注语义:谁在发起、谁在承诺、谁在反对、谁在复议。其中「承诺」和「发起」是两个最容易被误判的角色——模型看到「我来跟」就认为承诺,但会上 41% 的「我来跟」其实是附议。
4.4 状态分级的三态判定
我们训练了一个很小的分类器专门判三态,用的是「动词时态 + 条件从句 + 模态词」三类特征。它最擅长识别的一种句式是:「如果可以的话,我们就先怎么怎么样」——这是人类语言里伪装得最好的「仅被提及」,但对机器来说模式非常稳定。
五、「帮你进入可决策状态」到底长什么样
最后给你一个我们内部叫「会前卡片」的东西。它不试图替你做决定,它替你做的是:让你在 30 秒内看清自己一周的时间债。
| 区块 | 内容 | 设计意图 |
|---|---|---|
| 你承诺的 | 状态为「已决定」且你是负责人的事项 | 不可协商区 |
| 你被提到的 | 状态为「待决定」、你参与过的事项 | 需要你表态,别拖 |
| 跨度超期的 | 历史会议里属于你、且截止日已过的事项 | 必须先处理的旧账 |
| 悬而未决的 | 三周以上停留在「待决定」的事项 | 要么推进,要么承认放弃 |
一名销售 leader 给我们的反馈很准:「你们这个卡片对我唯一有用的地方,是让我知道自己欠了多少没答应的事。」这就是「可决策状态」——它不告诉你该选什么,它让你没得骗自己。
总结
320 场会议、两年时间,我们学到的就一句话:不要用「生成得像不像一份纪要」来验收会议 AI,要用「团队下一步清不清楚自己该干什么」来验收。前者是文本任务,后者是组织任务。把纪要生成变成任务管理的入口,需要的是克制——宁可写「无明确责任人」,也不要猜一个名字;宁可标「仅被提及」,也不要替会议下结论。
大势上,会议 AI 的竞争正在从「写得漂亮」转向「让人敢用」。而让人敢用的前提,是它承认自己只给出了半个答案。
互动提问:你们公司的会议纪要,行动项召回和责任人的真实准确率是多少?有没有和「参会者信任度」对照着量过?
互动提问:如果 AI 纪要固执地要在负责人栏填一个名字,你更希望它空着,还是填一个最可能的猜测?
— IMAI 编辑部 | 2026-11-08