测试版 本网站处于测试版。信息仍在持续添加和审核中。
LINC 用您的语言获得心理健康服务
中文
AI 实际上能帮你做什么
4

会议、笔记与报告

把粗略的笔记和长时间的录音变成整洁的文字，是 AI 在日常工作中节省时间最多的地方。它起草结构，而每一个事实都由你负责。

  • 把粗略的访谈或探访记录变成结构化的案例记录，然后对照你记得的内容逐行核对修改。
  • 把团队会议或长时间通话总结成决定事项和行动事项，并为每一项指定负责人和下一步。
  • 如果你有一份经批准录音的转录文字，把它浓缩成一份简短、可用的摘要，并保留转录文字以便核查任何不清楚的地方。
  • 根据一份数字和成果清单，为资助方起草成果叙述或进展更新，并严格忠实于你提供的数字。
  • 根据你的笔记起草督导或交接摘要，让下一位接手的人掌握完整情况。
  • 预期自动转录会听错姓名、药物名称、金额和不常见的术语，并对照录音或你的笔记逐一核对。
  • 记住总结一份转录文字会压缩两次：一次在转录时，一次在总结时，所以一个细节可能在任何一个环节丢失。

它是如何运作的，又会在哪里出错

转录是对声音的一种猜测，姓名和数字是最薄弱的地方

自动转录，也叫语音识别（speech recognition），通过对每一段声音预测最可能的词语，把音频转换成文字（Radford 及同事，2022）。它在清晰、常见的语句上表现不错，却常常在机构工作里最重要的地方栽跟头：人名、药物名称、金额，以及它在训练中很少听到的术语。准确率在不同说话者之间也并不相同。一项对主流语音转文字系统的研究发现，黑人使用者的错误率几乎是白人使用者的两倍，原因在于这些系统在处理口音和方言时表现不佳（Koenecke 及同事，2020）。对带有口音或使用第二语言讲话的服务对象，预计会出现更多错误，务必核对每一个姓名和数字。

接下来，摘要又会压缩转录文字已经改动过的内容

一份会议摘要通常会把转录文字再送入同一套用于起草任何文字的下一词预测过程，于是错误层层叠加。转录环节可能先听错一个词，摘要环节又可能删掉或改写某个要点。语言模型可以生成优秀的临床和会议摘要，研究显示它们有时能媲美专家写的摘要，但同一批研究也强调，输出在使用前仍需要人工审核，因为它可能遗漏或改动细节（Van Veen 及同事，2024）。在让一个决定或一份记录依据它行事之前，先把摘要对照转录文字核对，再把转录文字对照你的记忆核对。

准确性才是把一份可读的草稿变成一份记录的关键

一份案例记录和一份资助报告都是他人会据以行动、日后也可能被复查的记录。一份看起来干净整洁的草稿会诱使你去信任它，而这恰恰是一个听错的金额或一项被漏掉的行动事项最容易蒙混过关的时候。把草稿当作原始材料，把你的核实当作真正让它成为一份你能够站得住脚的记录的那道工序。

粗略的访谈记录 结构化的案例记录
把粗略的访谈记录变成结构化的案例记录

把这些粗略的笔记变成一份清晰的案例记录，用简短小节分别说明发生了什么、识别出的需求、采取的行动和下一步。保持客观中立，不要添加任何我没有写的内容。 [粘贴你的笔记，不含服务对象身份信息]

安全提醒。 逐行对照你记得的内容核对，并遵循机构的文档记录规定。

会议或通话记录 带行动事项的摘要
把会议或通话记录变成带行动事项的摘要

把这些记录总结成已作出的决定和行动事项。对每个行动事项，列出负责人是谁以及下一步是什么。保持简短。 [粘贴笔记或转录文字，不含身份信息]

安全提醒。 在发出之前与团队确认每一项行动和负责人。

一份数字和成果清单 一份资助报告叙述
根据要点起草报告的成果叙述

根据这些要点，为资助方写一份简短、通俗的成果叙述。数字要严格按照我给出的准确数据，语气要温暖而具体，不要添加任何我没有列出的成就。 [粘贴你的要点和数字]

安全提醒。 将每个数字与你的记录核对，并确保叙述与实际发生的情况相符。

一份经批准录音的转录文字 一份摘要，附带需要复核的标注清单
总结一份经批准的转录文字，并标出需要复核的内容

把这份转录文字总结成决定事项、带负责人的行动事项，以及尚待解决的问题。保持简短。在末尾列出转录文字中看起来不确定或含混的姓名、数字、日期或术语，方便我对照录音核对。 [粘贴经批准录音的转录文字，不含服务对象身份信息]

安全提醒。 对照录音核对每一个被标出的姓名和数字，并遵循机构关于哪些内容可以录音和保存的规定。参见 模块 4。

你在下班前写下的笔记 一份清晰的交接摘要
起草一份交接摘要，让下一位接手的人掌握完整情况

把这些笔记变成一份简短的交接摘要，分别说明尚未完成的事项、已经完成的事项，以及下一位接手的人需要留意什么。保持客观真实，不要添加任何我没有写过的内容，并标出看起来不完整的地方，方便我补上。 [粘贴你的笔记，不含服务对象身份信息]

安全提醒。 在交接之前对照你的笔记核对这份摘要，因为一个被漏掉的细节会变成下一位接手的人的盲点。参见 模块 2。

实例分析

一份整洁摘要里听错的数字

  1. 你有一份福利会议的经批准录音，先用转录工具处理，再请求生成一份带决定事项和行动事项的摘要。
  2. 摘要整洁，读起来像一份完成的记录。它写明服务对象获批了某个每月金额，并列出了两项后续任务。
  3. 把转录文字对照录音核对时，你发现工具把个案工作者的名字听错了，还把金额数字转录成了一个比实际更大的数字。摘要把这两个错误原样带了下来，没有显出任何存疑的迹象。
  4. 你更正了姓名和金额，与团队确认了这两项任务，然后才保存这份记录。转录和摘要完成了起草的工作；而你对照录音的核实，才是让它成为一份你能够站得住脚的记录的原因。

安全提醒。 一份案例记录或一份报告是一份正式记录。逐行核实其准确性，并让服务对象身份信息远离任何工具。参见 模块 2 和 模块 4。

来源
  1. 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
  2. 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
  3. 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