Vergaderingen samenvatten met AI in Whizi

Kort antwoord

Om een vergadering met AI samen te vatten, vraag je niet om een samenvatting maar om de vier dingen die een vergadering oplevert: beslissingen, toezeggingen, open vragen en meningsverschillen. Laat Claude het verslag maken en haal daarna met GPT de actiepunten eruit als tabel met eigenaar, deadline en het exacte ondersteunende citaat.

Waarom de standaardsamenvatting nutteloos is

Plak een transcript, vraag om een samenvatting en je krijgt een alinea die zegt dat het team het project besprak en afsprak om op te volgen. Dat klopt en is waardeloos, want het schrapt de enige twee dingen waarvoor iemand vergadernotities opent: wat is besloten en wie is wat verschuldigd.

De oplossing is de vier dingen die een vergadering echt oplevert te benoemen en daarnaar te vragen. Beslissingen. Toezeggingen. Open vragen. Meningsverschillen. Dat laatste raakt het vaakst kwijt en telt later het zwaarst mee.

Twee modellen, twee rondes. Claude leest de sfeer en schrijft het verhaal, GPT haalt er de structuur uit zonder eigen mening. Het werk splitsen kost één modelwissel en levert notities op die mensen echt lezen.

Twee prompts doen het hele werk

Prompt 1: het verslag, in Claude

Hier is een vergadertranscript. Lever: (1) een kop van één regel die zegt wat deze vergadering daadwerkelijk oploste; (2) de genomen beslissingen, met wie elke beslissing nam; (3) vijf tot acht bullets die de inhoud dekken, in de volgorde waarin het ertoe doet in plaats van de volgorde waarin het gezegd werd; (4) open vragen die gesteld en niet beantwoord zijn; (5) elk punt waarover mensen het oneens waren, met beide standpunten zonder ze op te lossen. Sluit beleefdheden, planningspraat of alles wat besproken en weer losgelaten werd uit. Als een beslissing impliciet was maar nooit expliciet uitgesproken, zet die apart onder ONBEVESTIGD. Transcript: [plakken].

Prompt 2: de actiepunten, in GPT

Haal uit hetzelfde transcript elke toezegging als tabel: taak, eigenaar, deadline en het exacte citaat waaruit het komt. Regels: neem alleen punten op waar iemand daadwerkelijk iets toezegde, niet dingen die louter werden gesuggereerd. Als de eigenaar onduidelijk is, schrijf NIET TOEGEWEZEN in plaats van te gokken. Als geen datum genoemd werd, schrijf GEEN DATUM in plaats van er een te bedenken. Vermeld daarna apart elke taak die genoemd werd en door niemand werd opgepakt.

De citaatkolom is wat dit betrouwbaar maakt. Het verandert een betwist actiepunt van een discussie in een naslag en het maakt verzonnen toezeggingen meteen zichtbaar, omdat er niets te citeren valt.

Prompt 3, optioneel: de opvolgmail

Stel op basis van het bovenstaande verslag en de actiepunten een opvolgmail op. Publiek: [wie wel en niet in de kamer was]. Begin met de beslissing. Houd het onder 200 woorden. Vermeld het actiepunt van elke persoon expliciet, zodat niemand iets hoeft te interpreteren. Toon: [jouw stem]. Markeer alles wat ik moet bevestigen voordat ik verstuur.

Sjablonen voor de vergaderingen die je echt hebt

Verschillende vergaderingen leveren verschillende artefacten op. Pas de extractie aan, niet alleen de bewoordingen.

Type vergaderingVraag omWat mensen vergeten
Klant- of salesgesprekGenoemde bezwaren, letterlijke taal voor het probleem, waarmee ze je vergeleken, volgende stap en wie eigenaar isDe exacte woorden van de klant kopiëren in plaats van parafraseren
BeslissingsvergaderingDe beslissing, de verworpen alternatieven en waarom, wie ingelicht moet wordenDe verworpen opties vastleggen, wat voorkomt dat het over zes weken opnieuw ter discussie staat
Standup of statusBlokkades met eigenaren, wijzigingen in eerdere schattingen, alles wat stilletjes vertraagdeVertraging die niemand hardop noemde
GebruikersinterviewTaken die ze beschreven, workarounds die ze bouwden, exacte frustratiecitaten, tegenstrijdigheden tussen wat ze zeiden en dedenTegenstrijdigheden, wat het nuttigste onderdeel is
Interview of sollicitatiepanelBewijs voor of tegen elke competentie, met citaten, en vragen die niet gesteld zijnBewijs scheiden van indruk
Bestuurs- of investeerdersvergaderingToezeggingen die jij deed, vragen die je niet kon beantwoorden, gevraagde vervolgstappenDe vragen die je niet kon beantwoorden

Bewaar welke van deze je wekelijks gebruikt als een prompt die je plakt, met een {{transcript}} placeholder die aangeeft waar het transcript komt, zodat de hele workflow plakken, uitvoeren, doorlezen wordt.

Hoe kom je aan een bruikbaar transcript?

Whizi neemt je gesprekken niet deel of op. Jij levert het transcript, en elk groot platform kan er een leveren: Zoom, Teams en Meet hebben allemaal ingebouwde transcriptie en toegewijde notulisten exporteren platte tekst.

Een paar dingen die de output aantoonbaar verbeteren:

  • Behoud sprekerslabels. Toeschrijving is het grootste deel van de waarde. Een transcript zonder sprekers kan nog steeds samengevat worden, maar elk actiepunt wordt NIET TOEGEWEZEN.
  • Ruim het niet eerst op. Stopwoorden en valse starts kosten je niets en het model negeert ze. Tijd besteed aan het opschonen van een transcript is verspild.
  • Upload lange transcripten in plaats van ze te plakken. Een vergadering van twee uur is veel tekst. Uploaden als bestand houdt het gesprek leesbaar, en Gemini 3.5 Flash leest tot 1 miljoen tokens, ongeveer 1.900 manuscriptpagina's, in één keer.
  • Voeg de agenda toe als je die hebt. Die vertelt het model wat er zou moeten gebeuren, wat het onderdeel "genoemd en nooit opgelost" veel nauwkeuriger maakt.

Wat je moet controleren voordat je het verstuurt

Drie specifieke faalmodi, elk met een goedkope controle.

Verzonnen toezeggingen. Een model verandert af en toe "iemand zou daar eens naar moeten kijken" in een toegewezen actiepunt met een naam eraan. De citaatkolom vangt dit meteen, daarom staat het in de prompt.

Platgeslagen meningsverschil. Samenvattingen drijven naar consensus, omdat de meeste tekst ter wereld tot een oplossing komt. Als twee mensen het oneens waren en de notities lezen alsof iedereen het eens was, zijn de notities fout op een manier die twee weken later problemen geeft. Vraag expliciet: Waarover waren mensen het oneens, en is dat opgelost?

Verkeerde toeschrijving bij een gesprek met veel door elkaar praten. Transcriptietools labelen sprekers verkeerd wanneer mensen door elkaar heen praten. Controleer de toeschrijving op alles wat consequenties heeft voordat het in een document met iemands naam erop terechtkomt.

Een nuttige laatste ronde: Wat staat in dit transcript dat een druk bezet iemand zou moeten weten maar niet zou vinden in de bovenstaande samenvatting? Dit brengt regelmatig iets naar boven dat het toevoegen waard is.

Checklist
  • Behoud sprekerslabels in het transcript, want toeschrijving is het grootste deel van de waarde
  • Vraag om beslissingen, toezeggingen, open vragen en meningsverschillen in plaats van een samenvatting
  • Vereis het exacte ondersteunende citaat bij elk geëxtraheerd actiepunt
  • Gebruik NIET TOEGEWEZEN en GEEN DATUM in plaats van het model te laten gokken
  • Controleer het onderdeel meningsverschillen, want samenvattingen drijven naar valse consensus
  • Bewaar een herbruikbare prompt voor je meest voorkomende type vergadering

Veelgestelde vragen

Neemt Whizi vergaderingen op?

Nee. Whizi neemt geen deel aan gesprekken en legt geen audio vast. Jij levert het transcript van wat je al gebruikt, of dat nu Zoom, Teams, Google Meet of een toegewijde notulist is, en plakt of upload het. Sprekerslabels intact houden telt zwaarder dan de bron, omdat toeschrijving is waar het grootste deel van de waarde van een vergadersamenvatting vandaan komt.

Is dit veilig voor gevoelige vergaderingen?

Whizi traint niet op je gesprekken en het gegevensbeleid van elke provider kan bekeken worden voordat je dat model inschakelt, maar een transcript is een van de gevoeligste documenten die een bedrijf produceert. Controleer voor juridische zaken, HR, bestuur en personeelskwesties eerst je interne beleid, en overweeg samen te vatten vanuit je eigen aantekeningen in plaats van het ruwe transcript. Namen en identificatiegegevens die je niet nodig hebt verwijderen voordat je uploadt, is een goedkope extra waarborg.

Welk model moet ik gebruiken?

Claude voor het narratieve verslag, omdat het intentie goed leest en notities schrijft die mensen uitlezen. GPT voor de extractie van actiepunten, omdat het een strikt outputformaat aanhoudt zonder eigen mening toe te voegen. Gemini wanneer het transcript erg lang is, aangezien het een vergadering van meerdere uren in één keer kan verwerken zonder opsplitsing. Qua credits is de splitsing goedkoop: GPT-5.6 Terra kost 4 credits per bericht, Gemini 3.5 Flash 8 en Claude Sonnet 5 10, volgens Whizi's modelkostenindex, dus beide rondes op één transcript komen op 14 credits.

Hoe lang mag het transcript zijn?

Langer dan de meeste vergaderingen opleveren. Een typisch gesprek van een uur zit ruim binnen het bereik voor elk van de modellen. Voor meerurige sessies, hele dagen workshops of een batch van meerdere vergaderingen tegelijk, upload je de bestanden en gebruik je Gemini 3.5 Flash, wiens contextvenster van 1 miljoen tokens, ongeveer 1.900 manuscriptpagina's, de hele set in één keer bevat.

Kan het vertellen wat er besloten is als niemand dat duidelijk zei?

Het kan het markeren, en dat is het juiste gedrag. De prompt op deze pagina vraagt het model impliciete maar niet uitgesproken beslissingen apart te vermelden onder ONBEVESTIGD, wat ze aan jou voorlegt ter bevestiging in plaats van een beslissing vast te leggen die nooit echt genomen is. Vergaderingen waarin niets expliciet besloten werd, komen extreem vaak voor, en notities die net doen alsof anders veroorzaken later het probleem.