การทดลองถอดเสียงด้วย AI ในงานตำรวจชี้ว่า บทสนทนาสำคัญต้องมีบันทึกต้นทางที่ตรวจสอบย้อนหลังได้
South Australia Police กำลังเตรียมทดลอง AI speech-to-text สำหรับการสัมภาษณ์ บทเรียนคือความเร็วต้องมาพร้อมบันทึกต้นทางที่ตรวจสอบได้
South Australia Police กำลังเตรียมทดลองใช้ AI speech-to-text เป็นเวลา 3 เดือนสำหรับการสัมภาษณ์ของตำรวจและบันทึกการปฏิบัติงาน ตามรายงานท้องถิ่น เป้าหมายคือช่วยลดงานถอดเสียงด้วยมือ แต่ข้อความที่ AI สร้างยังต้องถูกตรวจสอบและอนุมัติโดยเจ้าหน้าที่
สำหรับบทสนทนาที่มีผลสำคัญ ความเร็วจะมีประโยชน์ก็ต่อเมื่อบันทึกที่ได้ตรวจสอบ แก้ไข อนุมัติ และนำกลับมาใช้ได้โดยไม่สูญเสียต้นทาง
Image: Telli.sh editorial illustration, created for this article.
การถอดเสียง AI กำลังเข้าสู่พื้นที่ที่จริงจังขึ้น
เดิมทีการถอดเสียง AI ดูเหมือนฟีเจอร์สะดวกสำหรับห้องเรียน พอดแคสต์ และการประชุมทั่วไป ตอนนี้มันกำลังเข้าสู่บริบทที่บันทึกอาจมีผลต่อการตัดสินใจ งานติดตาม การปฏิบัติตามกฎ และความเชื่อมั่น
การสัมภาษณ์ของตำรวจเป็นตัวอย่างที่มีความเสี่ยงสูง แต่ความต้องการเดียวกันเกิดขึ้นในการปรึกษาแพทย์ งานกฎหมาย การสัมภาษณ์วิจัย HR การขาย และการประชุมผู้บริหาร
ถ้าระบบให้แค่โน้ตที่สวยงาม ผู้ใช้ต้องเชื่อโมเดล แต่ถ้ามี transcript ที่ตรวจสอบได้อยู่ใต้โน้ต ผู้ใช้สามารถตรวจสอบโมเดลได้
การตรวจโดยมนุษย์ไม่ใช่แค่ช่องให้ติ๊ก
การตรวจทานโดยเจ้าหน้าที่เป็นชั้นความปลอดภัยหลักในการทดลองที่มีรายงานใน South Australia
ผลิตภัณฑ์ถอดเสียง AI ที่ดีควรทำให้การตรวจทำได้จริง:
- เก็บ transcript ต้นฉบับไว้
- แก้ไขได้ง่าย
- เชื่อมสรุปกับแหล่งข้อมูลเดิม
- แยก transcript ดิบ โน้ตที่ปรับแล้ว และคำแปลให้ชัดเจน
- มีเส้นทางจากการบันทึก ไปสู่การตรวจ และการอนุมัติ
ในเอกสารสำคัญ "human in the loop" ไม่ควรหมายถึงการให้คนมองผลลัพธ์สุดท้ายแบบผ่าน ๆ ผลิตภัณฑ์ต้องเก็บหลักฐานพอให้คนตัดสินได้จริง
เรื่องนี้หมายถึงอะไรกับการถอดเสียงการประชุมของทีมทั่วไป
ทีมส่วนใหญ่ไม่ได้ทำการสัมภาษณ์ของตำรวจ แต่พวกเขายังสร้างข้อตกลงและการตัดสินใจผ่านคำพูด
สายลูกค้าอาจกำหนดขอบเขตงาน การ review งานออกแบบอาจเปลี่ยนลำดับความสำคัญ การสัมภาษณ์งานอาจมีผลต่อการตัดสินใจ และการประชุมหลายภาษาอาจสร้าง action items ที่หลายคนใช้ต่อ
ดังนั้นโน้ต AI ที่เร็วมีประโยชน์ แต่ยังไม่พอ ทีมต้องรู้ว่าอะไรถูกพูด สรุปมาจากไหน และบันทึกที่สร้างตรงกับบทสนทนาหรือไม่
ไม่ว่าจะเป็นห้องสัมภาษณ์ของตำรวจหรือการประชุมทีมประจำสัปดาห์ บันทึกจาก AI จะสร้างความเชื่อมั่นได้เมื่อผู้ใช้เห็นสิ่งที่บันทึกไว้ ตรวจทาน transcript และย้อนรอยการตัดสินใจหรืองานที่ต้องทำกลับไปยังคำพูดต้นทางได้