Автоматичне вилучення Action Items із транскрипцій зустрічей

Нарада на годину, транскрипт на 12 сторінок — і 20 хвилин на виписування завдань. Типова історія: в аудіозаписі згадуються дедлайни, відповідальні, але в Jira нічого не потрапляє. Ручний парсинг транскриптів забирає час і породжує помилки: пропущені завдання, невірні терміни. Ми вирішуємо це автоматичним вилученням Action Items з точністю понад 92% і скороченням ручної праці на 70%. Наші клієнти економлять у середньому 15 000–20 000 гривень на місяць, виключаючи ручне вичитування. Без двоетапної класифікації моделі плутають обговорення та завдання — наприклад, фраза «Нам потрібно обговорити бюджет» не є завданням, а лише темою. Наш підхід будує надійний пайплайн: спочатку класифікація фрагментів, потім структурування лише завдань.

Як двоетапний підхід підвищує точність вилучення Action Items?

Прямий промпт з інструкцією «знайди всі завдання» дає багато шуму — модель включає обговорення та питання як завдання. Наприклад, фраза «Нам потрібно обговорити бюджет» — це не Action Item, а тема. Кращий підхід — двоетапний:

1. Класифікація фраз — модель по транскрипту розмічає фрагменти як action_item, decision, question, discussion.
2. Структурування — лише фрагменти типу action_item обробляються для вилучення полів.

class ActionItem(BaseModel):
    task: str                    # опис завдання
    assignee: str | None         # ім'я виконавця (якщо згадано)
    deadline: str | None         # термін (якщо згадано)
    context: str                 # оригінальна цитата з транскрипту
    confidence: float            # впевненість моделі

Порівняння з прямим вилученням:

Чому двоетапний підхід кращий за пряме вилучення?

Двоетапний підхід дозволяє відокремити власне завдання від гіпотетичних обговорень. Ми використовуємо кастомні промпти з few-shot прикладами та chain-of-thought для класифікації. Для мапінгу assignee — fuzzy matching на основі ембеддингів. Це дає стійкість до синонімів і скорочень імен. За даними досліджень, двоетапна класифікація підвищує точність на 30% порівняно з прямим промптом.

Робота з невизначеністю

Транскрипти містять умовні зобов'язання: «Треба б зробити», «Може, Іван займеться». Модель повинна розрізняти:

• Чітке зобов'язання: «Петре, зробіть до п'ятниці» → confidence 0.95
• Потенційне завдання: «Нам потрібно розібратися з цим питанням» → confidence 0.6, прапорець для рев'ю

Action Items з confidence < 0.7 виносяться в окрему секцію «Потребують уточнення».

Які метрики якості ми гарантуємо?

На етапі тестування проводимо A/B-порівняння на ваших даних. Цільові показники: precision >90%, recall >85% після налаштування порогів. Для кожного проекту фіксуємо baseline і добиваємося покращення не менше ніж на 15% відносно прямого промпту. Досвід впровадження показує, що двоетапний підхід стабільно дає заявлену точність.

Обробка транскрипцій з низькою якістю

Для зашумленого аудіо застосовуємо попередню обробку: видалення повторів, нормалізацію шумів та сегментацію реплік. Якщо confidence всього завдання нижче 0.7, воно надсилається на ручний перегляд. Для low-quality аудіо підключаємо додаткову модель ASR (наприклад, Whisper large-v3). Це підвищує точність розпізнавання і далі якість вилучення.

Налаштування інтеграції з трекером

Автоматичне створення завдань у Jira / Linear / Asana / Trello через API після підтвердження користувачем (або автоматично для завдань з confidence > 0.9). Assignee маппіться на реальних користувачів через fuzzy matching за ім'ям. Також надаємо webhook для кастомної інтеграції.

Процес роботи та терміни

1. Аналітика — вивчаємо структуру ваших зустрічей, типові фрази та формати завдань.
2. Проектування — вибираємо архітектуру (LLM, векторна база, мікросервіси).
3. Реалізація — пишемо пайплайн класифікації та вилучення, налаштовуємо confidence thresholds.
4. Тестування — A/B-тест на вибірці, добиваємося precision >90%, recall >85%.
5. Деплой — запуск у вашій інфраструктурі (ONNX Runtime для зниження latency).

Терміни: від 5 до 10 робочих днів на базове впровадження. Для складних випадків — індивідуально. Замовте тестовий прогін на ваших даних — це безкоштовно. Отримайте консультацію інженера з налаштування рішення під вашу інфраструктуру. Залиште заявку — і ми продемонструємо результат на ваших реальних транскрипціях.

Що входить у роботу

• Аналіз ваших транскрипцій та налаштування моделі на предметній області
• Розгортання сервісу (API або batch-обробка)
• Інтеграція з трекером завдань
• Тестування на історичних даних
• Документація та навчання команди
• Підтримка протягом 2 тижнів після запуску

NLP розробка: чому accuracy не підходить для рідкісних класів?

До нас приходить задача: обробляти 50 тисяч звернень до служби підтримки — зараз все вручну. Датасет — 3000 розмічених прикладів, 12 категорій, дисбаланс: одна категорія займає 40% вибірки, три по 1‑2%. Baseline accuracy — 78%. Звучить непогано, поки не дивишся на recall по рідкісних класах: 0.31, 0.44, 0.28. Саме ці класи — скарги та загрози відтоку — найважливіші для бізнесу.

Це типовий проект NLP розробки. Проблема не в алгоритмі, а в тому, що accuracy — не та метрика. Наш досвід показує: у понад 30 проектах ми починаємо з аналізу бізнес‑метрик і лише потім обираємо модель.

Чому accuracy — не та метрика для рідкісних класів?

Accuracy ігнорує дисбаланс. Якщо клас «відтік» зустрічається у 2% випадків, модель може передбачати «все добре» і отримати 98% accuracy — але бізнес втрачає клієнтів. Рішення: F1 macro (усереднення за всіма класами) або weighted F1. Для NER — strict entity F1 (лише точні збіги). Гарантуємо: після вибору правильної метрики якість моделі стає вимірною та прогнозованою.

Класифікація тексту: від BERT до дистиляції

BERT-подібні моделі — стандарт для класифікації. ruBERT-base або ruBERT-large від DeepPavlov для російської мови. multilingual‑e5‑large — якщо потрібно працювати з кількома мовами в одному пайплайні. XLM‑RoBERTa‑large — сильний multilingual backbone.

Fine‑tuning для класифікації: додаємо classification head поверх [CLS]‑токена, навчаємо 3‑5 епох з lr=2e‑5, weight decay=0.01. При дисбалансі — weighted CrossEntropyLoss або focal loss з gamma=2.0. Пишіть — покажемо code snippet.

Кейс з дисбалансом. Датасет — 3000 прикладів, дисбаланс 1:20. Рішення: class_weight через sklearn + CrossEntropyLoss. Додатково — augmentation редкісних класів через backtranslation (ru→en→ru через MarianMT). Recall по рідкісних класах виріс з 0.31 до 0.67 при незначному падінні accuracy (76%→74%). Повна NLP розробка під ключ зайняла 3 тижні.

Дистиляція для production. BERT‑large дає F1 0.89, але inference на CPU — 180ms. Дистиляція в DistilBERT або ruBERT‑tiny2 знижує latency до 25ms при F1 0.84. DistilBERT працює в 7 разів швидше за BERT‑large при падінні F1 лише на 5%. Експорт в ONNX Runtime з int8 quantization дає додатковий 1.5‑2x. Оцінимо проект — розрахуємо економію на інфраструктурі.

Як вибрати модель класифікації під ваш датасет?

Для малих датасетів (до 5000 прикладів) достатньо fine‑tuned DistilBERT. Якщо потрібна багатомовність — XLM‑RoBERTa. При жорстких обмеженнях latency — дистильована модель з ONNX Runtime. Ми допомагаємо обрати оптимальний трейдофф якість/швидкість/вартість інфраструктури.

NER: розпізнавання іменованих сутностей

NER — вилучення персон, організацій, локацій, дат, сум, номерів документів. Для загальних категорій (PER, ORG, LOC) переднавчені моделі працюють добре. Для спеціалізованих (медичні терміни, юридичні поняття) — потрібен fine‑tuning.

Розмітка даних. Основна вартість NER‑проекту. Для якісної моделі — 500‑2000 розмічених речень на кожен тип сутності. Інструменти: Label Studio (open source) або Prodigy (від творців spaCy). Формат IOB2 — стандарт.

Архітектура. Token classification поверх BERT: кожному токену мітка (B‑PER, I‑PER, O). spaCy 3.x з transformer pipeline — зручний production‑вибір.

Вкладені сутності. Стандартні IOB‑моделі не обробляють вкладені сутності (організація всередині адреси). Для таких задач — span‑based NER: SpanBERT або SpERT. Складніше, але правильно.

Постобробка обов’язкова. Модель передбачає токени — потрібні нормалізовані сутності. Дата — dateparser. Суми — regex + валідація. Імена — дедуплікація через rapidfuzz. Входить у нашу стандартну поставку.

Sentiment Analysis та opinion mining

Бінарна класифікація positive/negative працює з BERT з коробки. Складність — аспектна тональність (ABSA): «у ресторані хороша кухня, але жахливий сервіс». Для ABSA: aspect extraction (NER) + sentiment за кожним аспектом. Joint моделі BERT‑for‑ABSA — якість на російських даних нижча через дефіцит датасетів. RuSentiment, SentiRuEval — основні ресурси.

Для продакшену з простим позитив/негатив/нейтраль: distil‑моделі достатньо. Три класи, balanced датасет, 2000+ прикладів — F1 macro 0.82‑0.87 за 1‑2 дні.

Сумарізація тексту

Екстрактивна сумарізація (обираємо речення) — TextRank або BM25 без навчання. Швидко, не галюцинує. Добре для довгих документів.

Абстрактивна (генерує новий текст) — seq2seq: mT5, mBART, FRED‑T5, ruT5‑large. Для production через LLM API (GPT‑4, Claude) — часто найкращий трейдофф вартість/якість/швидкість. Звертайте увагу на context window моделі: для документів > 4k токенів використовуйте chunking.

Ембеддинги: векторні представлення тексту

Ембеддинги — основа семантичного пошуку, дедуплікації, кластеризації, RAG. Якість критично впливає на downstream задачі.

Моделі. E5‑large‑v2, BGE‑M3, multilingual‑e5‑large — сильні multilingua embedders. sentence‑transformers/paraphrase‑multilingual‑mpnet‑base‑v2 — швидкий варіант. Для російської: ru‑en‑RoSBERTa (Skoltech) хороший на semantic textual similarity.

Як оцінити якість ембеддингів? MTEB benchmark — стандарт. Але топові результати на MTEB не гарантують успіх на доменному датасеті — будуємо домен‑специфічний eval.

Fine‑tuning ембеддингів. Якщо стандартні моделі не дають потрібного Recall@k — contrastive learning на доменних парах з MultipleNegativesRankingLoss. 500‑2000 пар, 1‑3 епохи — 5‑15% приріст Recall@k.

Розмірність та зберігання. E5‑large: 1024 dim, float32 — 4KB на вектор. При 10M документів — 40GB. INT8 quantization знижує до 10GB. FAISS IVF_PQ — ще компактніше, але з втратами. Входить у наші рекомендації по деплою.

Вилучення інформації

Структуроване вилучення — одна з частих задач. Приклади: ключові умови договору, технічні характеристики, дати та суми з рахунків.

1. Regex + rule-based. Для ІПН, ЄДРПОУ, сум, дат — надійніше нейромережі. Не потребує даних.
2. NER + постобробка. Для варіативних форматів.
3. LLM з structured output. GPT‑4 / Claude з JSON schema — для складних документів. Вартість: залежить від обсягу документів. Для 10k+ документів/день — рахуємо економіку.

Гарантуємо гібрид: regex/NER для типових полів + LLM для edge cases. Сертифікат довіри: 5 років на ринку, >30 проектів.

Етапи роботи

Прототип на існуючих даних — 1‑3 тижні. Production‑система з CI/CD — 1.5‑2.5 місяця. Вартість розраховується індивідуально — зв'яжіться з нами для консультації та оцінки.

Що входить у роботу

• Документація з архітектури моделі та пайплайну
• Доступи до моделі через REST API (FastAPI + ONNX)
• Навчання команди замовника (2 години вебінару + Q&A)
• Гарантія на точність моделі на обумовленій тестовій вибірці
• Підтримка 3 місяці після здачі (багфікс, адаптація під нові дані)

Наш досвід

Понад 5 років у NLP, 30+ проектів від класифікації до RAG‑систем. Команда включає ML‑інженерів з досвідом у Hugging Face, spaCy, LangChain, MLOps. Використовуємо vLLM, Kubeflow, Weights & Biases — продакшен‑стек, а не іграшки. Замовте консультацію — оцінимо проект за 2 дні.