회의, 메모, 보고 / AI로 실제로 할 수 있는 일

회의, 메모, 보고

거친 메모와 긴 녹음을 깔끔한 글로 바꾸는 일이야말로 AI가 일상 업무 시간을 가장 많이 아껴 주는 영역입니다. AI는 구조를 초안으로 만들어 주고, 모든 사실은 여러분이 책임집니다.

거친 상담이나 방문 메모를 구조화된 사례 기록으로 바꾼 뒤, 기억하는 내용과 대조해 모든 줄을 바로잡으십시오.
팀 회의나 긴 통화를 결정 사항과 실행 항목으로 요약하고, 각 항목마다 담당자와 다음 단계를 명시하십시오.
승인된 녹음의 녹취록이 있다면 이를 짧고 쓸모 있는 요약으로 압축하되, 불분명한 내용을 확인할 수 있도록 녹취록은 보관하십시오.
수치와 성과 목록을 바탕으로 후원 기관에 보낼 성과 서술이나 진행 상황 보고서 초안을 작성하되, 제공한 수치에서 벗어나지 않게 하십시오.
메모를 바탕으로 슈퍼비전 요약이나 인계 요약 초안을 작성해, 다음 담당자가 전체 그림을 파악하도록 하십시오.
자동 녹취는 이름, 약물명, 금액, 낯선 용어를 잘못 알아들을 수 있다고 예상하고, 각각을 녹음이나 메모와 대조해 확인하십시오.
녹취록을 요약하는 과정은 두 번 압축된다는 점을 기억하십시오. 한 번은 녹취 단계에서, 또 한 번은 요약 단계에서 압축되므로, 어느 단계에서든 세부 정보가 사라질 수 있습니다.

작동 원리와 실패 지점

녹취는 소리에 대한 추측이며, 이름과 숫자가 약점입니다

자동 녹취, 즉 음성 인식(speech recognition)은 각 소리 구간에서 가장 가능성이 높은 단어를 예측해 음성을 텍스트로 바꿉니다 (Radford 외, 2022). 명확하고 흔한 발화에서는 잘 작동하지만, 기관 업무에서 가장 중요한 부분, 즉 고유명사, 약물명, 금액, 훈련 중 거의 들어 보지 못한 용어에서는 어려움을 겪습니다. 정확도는 화자에 따라서도 다릅니다. 주요 음성-텍스트 변환 시스템을 다룬 한 연구는, 시스템이 잘 처리하지 못하는 억양과 방언 때문에 흑인 화자의 오류율이 백인 화자보다 거의 두 배 높다는 사실을 발견했습니다 (Koenecke 외, 2020). 억양이 있거나 제2언어로 말하는 클라이언트의 경우 더 많은 오류를 예상하고, 모든 이름과 숫자를 확인하십시오.

그런 다음 요약이 녹취록에서 이미 바뀐 내용을 다시 압축합니다

회의 요약은 대개 다른 모든 텍스트 초안 작성에 쓰이는 것과 같은 다음 단어 예측 과정을 녹취록에 적용하므로, 오류가 겹겹이 쌓입니다. 먼저 녹취록이 한 단어를 잘못 알아들을 수 있고, 그다음 요약이 어떤 요점을 빠뜨리거나 다르게 표현할 수 있습니다. 언어 모델은 훌륭한 임상 요약과 회의 요약을 만들어 낼 수 있고, 연구들은 이것이 때로 전문가가 작성한 요약과 맞먹는다는 사실을 보여 주지만, 같은 연구는 결과물이 세부 사항을 빠뜨리거나 바꿀 수 있으므로 사용 전 여전히 사람의 검토가 필요하다는 점을 강조합니다 (Van Veen 외, 2024). 어떤 결정이나 기록이 그에 의존하기 전에, 요약을 녹취록과 대조해 읽고, 녹취록을 여러분의 기억과 대조해 읽으십시오.

정확성이야말로 읽기 좋은 초안을 기록으로 바꿔 줍니다

사례 기록과 후원 기관 보고서는 다른 사람이 그에 따라 행동하고 나중에 검토될 수도 있는 기록입니다. 깔끔해 보이는 초안은 여러분이 그것을 신뢰하도록 유도하는데, 바로 그 순간에 잘못 알아들은 금액이나 빠진 실행 항목이 슬쩍 넘어가 버립니다. 초안은 원재료로 다루고, 여러분의 검증이야말로 그것을 책임질 수 있는 기록으로 바꿔 주는 과정이라고 여기십시오.

거친 상담 메모 구조화된 사례 기록

거친 상담 메모를 구조화된 사례 기록으로 바꾸기

이 거친 메모를 있었던 일, 파악된 필요, 취해진 조치, 다음 단계에 대한 짧은 절로 구성된 명확한 사례 기록으로 바꿔 주십시오. 사실에 기반해 중립적으로 작성하고, 제가 쓰지 않은 내용은 추가하지 마십시오. [메모를 붙여 넣으십시오, 클라이언트 식별 정보 제외]

안전 수칙. 기억하는 내용과 대조해 모든 줄을 읽고, 기관의 기록 작성 규정을 따르십시오.

회의나 통화 메모 실행 항목이 포함된 요약

회의나 통화 메모를 실행 항목이 포함된 요약으로 바꾸기

이 메모를 내려진 결정과 실행 항목으로 요약해 주십시오. 각 실행 항목마다 담당자와 다음 단계를 적어 주십시오. 짧게 유지해 주십시오. [메모나 녹취록을 붙여 넣으십시오, 식별 정보 제외]

안전 수칙. 발송 전에 각 실행 항목과 담당자를 그룹과 함께 확인하십시오.

수치와 성과 목록 보조금 보고서 서술

요점 목록으로부터 보고서용 성과 서술 초안 작성하기

이 요점 목록을 바탕으로 후원 기관에 보낼 짧고 쉬운 성과 서술을 작성해 주십시오. 제가 제공한 수치에서 벗어나지 말고, 따뜻하고 구체적인 어조를 사용하며, 제가 나열하지 않은 성과는 추가하지 마십시오. [요점 목록과 수치를 붙여 넣으십시오]

안전 수칙. 모든 수치를 기록과 대조해 확인하고, 서술이 실제로 있었던 일과 일치하는지 확인하십시오.

승인된 녹음의 녹취록 불확실한 부분을 표시한 목록이 포함된 요약

승인된 녹취록을 요약하고 재확인할 부분 표시하기

이 녹취록을 결정 사항, 담당자가 명시된 실행 항목, 미해결 질문으로 요약해 주십시오. 짧게 유지해 주십시오. 마지막에는 녹취록에서 불확실하거나 뒤엉킨 것으로 보이는 이름, 숫자, 날짜, 용어를 목록으로 정리해 주십시오. 그래야 제가 녹음과 대조해 확인할 수 있습니다. [승인된 녹음의 녹취록을 붙여 넣으십시오, 클라이언트 식별 정보 제외]

안전 수칙. 표시된 모든 이름과 숫자를 녹음과 대조해 확인하고, 무엇을 녹음하고 저장할 수 있는지에 관한 기관 규정을 따르십시오. 자세한 내용은 모듈 4를 참고하십시오.

근무 종료 시점의 메모 명확한 인계 요약

다음 담당자가 전체 그림을 파악하도록 인계 요약 초안 작성하기

이 메모를 미해결 사항, 처리된 사항, 다음 담당자가 주의해야 할 사항에 대한 절로 구성된 짧은 인계 요약으로 바꿔 주십시오. 사실에 기반해 작성하고, 제가 쓰지 않은 내용은 추가하지 마십시오. 불완전해 보이는 부분은 표시해 주십시오. 그래야 제가 채울 수 있습니다. [메모를 붙여 넣으십시오, 클라이언트 식별 정보 제외]

안전 수칙. 인계하기 전에 요약을 메모와 대조해 읽으십시오. 빠진 세부 사항은 다음 담당자의 사각지대가 됩니다. 자세한 내용은 모듈 2를 참고하십시오.

적용 예시

깔끔한 요약 속의 잘못 알아들은 숫자

여러분은 승인된 혜택 상담 녹음을 녹취 도구에 돌린 뒤, 결정 사항과 실행 항목이 담긴 요약을 요청합니다.
요약은 깔끔하고 완성된 기록처럼 읽힙니다. 클라이언트가 매달 얼마의 금액을 승인받았다고 명시하고, 후속 조치 두 가지를 나열합니다.
녹취록을 녹음과 대조해 확인해 보니, 도구가 담당자의 이름을 잘못 알아들었고 실제로 언급된 것보다 더 큰 금액으로 달러 수치를 받아 적었다는 사실을 발견합니다. 요약은 두 오류를 아무런 의심의 기색 없이 그대로 이어받았습니다.
여러분은 이름과 금액을 바로잡고, 두 조치를 그룹과 확인한 뒤에야 기록을 저장합니다. 녹취와 요약은 초안 작성을 담당했고, 녹음과 대조한 확인 과정이야말로 이를 책임질 수 있는 기록으로 만들어 준 것입니다.

안전 수칙. 사례 기록이나 보고서는 기록물입니다. 모든 줄을 정확성 면에서 읽고, 어떤 도구에도 클라이언트 식별 정보를 넣지 마십시오. 자세한 내용은 모듈 2와 모듈 4를 참고하십시오.

출처

Radford, A., Kim, J. W., Xu, T., Brockman, G., McLeavey, C., & Sutskever, I. (2022). Robust speech recognition via large-scale weak supervision. arXiv. https://arxiv.org/abs/2212.04356
Koenecke, A., Nam, A., Lake, E., Nudell, J., Quartey, M., Mengesha, Z., Toups, C., Rickford, J. R., Jurafsky, D., & Goel, S. (2020). Racial disparities in automated speech recognition. Proceedings of the National Academy of Sciences, 117(14), 7684-7689. https://doi.org/10.1073/pnas.1915768117
Van Veen, D., Van Uden, C., Blankemeier, L., Delbrouck, J.-B., Aali, A., Bluethgen, C., Pareek, A., Polacin, M., Reis, E. P., Seehofnerova, A., Rohatgi, N., Hosamani, P., Collins, W., Ahuja, N., Langlotz, C. P., Hom, J., Gatidis, S., Pauly, J., & Chaudhari, A. S. (2024). Adapted large language models can outperform medical experts in clinical text summarization. Nature Medicine, 30, 1134-1142. https://doi.org/10.1038/s41591-024-02855-5