AI per trascrivere audio: dalla registrazione a un verbale utile e verificato

Usare l’AI per trascrivere audio funziona se si separano quattro prodotti diversi: trascrizione letterale, sintesi, verbale e attività concordate. La registrazione deve essere autorizzata e annunciata; la trascrizione va riletta nei punti dubbi riascoltando l’audio; il verbale riporta solo decisioni effettivamente pronunciate, con responsabili e scadenze indicati come «non indicato» quando mancano.

Trascrizione, sintesi, verbale: quattro documenti diversi

Chi chiede all’AI «il verbale della riunione» di solito vuole quattro cose insieme, e le ottiene mescolate.

La trascrizione letterale è il testo di ciò che è stato detto, parola per parola, con l’indicazione di chi parla e del momento. È lunga, ripetitiva, piena di frasi interrotte: è anche l’unico documento che si può confrontare con l’audio. La sintesi riduce il contenuto ai temi trattati, e per farlo sceglie cosa tenere: già qui entra un’interpretazione. Il verbale è un documento con una forma e spesso con un valore organizzativo o formale: presenti, ordine del giorno, decisioni prese, eventuali votazioni. Le attività concordate, infine, sono l’elenco operativo di chi deve fare cosa ed entro quando.

Ogni passaggio allontana dal parlato. È il motivo per cui l’ordine conta: prima una trascrizione controllata, poi tutto il resto, costruito sopra un testo verificato e non direttamente sull’audio.

La distinzione serve anche a scegliere gli strumenti. Per la trascrizione servono riconoscimento vocale e separazione dei parlanti; per sintesi e verbale serve un modello linguistico a cui dare istruzioni precise. A volte i due stanno nello stesso prodotto, a volte no.

Non sempre servono tutti e quattro. Un’intervista per una ricerca, un colloquio con un esperto, una testimonianza da citare richiedono la trascrizione letterale, perché le parole esatte contano. Una riunione operativa settimanale ha bisogno soprattutto delle attività concordate, e la trascrizione resta un documento di lavoro da conservare solo per il tempo necessario alla revisione. Un consiglio di amministrazione o un organo collegiale ha regole proprie sul verbale, che nessuno strumento conosce al posto di chi lo redige. Decidere in anticipo quale documento serve evita di produrre testi inutili e di conservare registrazioni senza motivo.

Dalla registrazione al documento revisionato

Il flusso di lavoro ha sei passaggi, e il primo non è tecnico.

Uno: autorizzazione. Prima di premere il tasto si annuncia che la riunione sarà registrata e trascritta, per quale scopo e per quanto tempo il file sarà conservato. Due: qualità della registrazione. Un microfono vicino a chi parla vale più di qualsiasi algoritmo; in una sala con dieci persone e un telefono al centro del tavolo, le voci lontane saranno trascritte male o non saranno trascritte. Si chiede ai partecipanti di non sovrapporsi e di presentarsi quando prendono la parola la prima volta, cosa che aiuta anche l’attribuzione dei parlanti. Tre: trascrizione automatica. Quattro: revisione della trascrizione, concentrata su nomi propri, cifre, sigle e passaggi segnalati come incerti. Cinque: generazione di verbale e attività a partire dal testo revisionato. Sei: controllo del verbale da parte di chi ha presieduto la riunione, prima della diffusione.

Rumori e voci multiple sono il punto debole di tutti i sistemi. Le parti in cui due persone parlano insieme, le battute dette lontano dal microfono, i termini tecnici di settore e i nomi di persone e aziende sono quelli da controllare per primi. Una trascrizione quasi perfetta può sbagliare proprio la cifra o il nome che contano.

Criteri per scegliere uno strumento

Gli strumenti sono molti e cambiano in fretta. Più utile di una classifica è una lista di criteri, da verificare sulla documentazione ufficiale di ciascun servizio:

• Italiano: la lingua è supportata ufficialmente? Come se la cava con accenti regionali e termini tecnici?
• Nomi propri: è possibile correggere o suggerire vocaboli e nomi ricorrenti?
• Interlocutori: il servizio separa i parlanti e permette di rinominarli?
• Timestamp: ogni passaggio ha un riferimento temporale per tornare all’audio?
• Esportazione: in quali formati si scarica il testo, per esempio .docx o file di sottotitoli?
• Dati: dove vengono salvati audio e trascrizione, per quanto tempo, chi può accedervi, se il fornitore li usa per altri scopi.
• Limiti: minuti disponibili al mese, durata massima dei file, formati audio accettati.

Due esempi documentati, senza pretesa di completezza. La funzione Trascrivi di Word per il web, secondo Microsoft Support, accetta file .wav, .mp4, .m4a e .mp3, include l’italiano fra le lingue, separa i parlanti etichettandoli come «Speaker 1», «Speaker 2» con etichette modificabili, associa i timestamp alle sezioni e richiede un abbonamento Microsoft 365, con un limite di 300 minuti di audio caricato al mese che sale con una licenza Copilot. Le registrazioni vengono salvate in una cartella di OneDrive. La trascrizione dal vivo nelle riunioni Teams, invece, mostra a tutti i partecipanti una notifica, riporta nome di chi parla e orario, si scarica in .docx o .vtt e viene conservata nel OneDrive for Business dell’organizzatore. Funzioni e limiti vanno ricontrollati il giorno in cui si sceglie: le pagine di supporto cambiano più spesso dei manuali interni.

Prima di adottare uno strumento conviene una prova di mezz’ora, sempre con materiale autorizzato. Si registra una conversazione di dieci minuti fra due o tre colleghi consenzienti, in condizioni realistiche: la sala riunioni di sempre, il microfono di sempre. Il copione prevede di proposito alcuni elementi difficili, come due nomi di aziende poco comuni, una cifra con decimali, una data, una sigla interna, un momento in cui due persone parlano insieme. Poi si trascrive con gli strumenti candidati e si contano tre cose: nomi e cifre sbagliati, battute attribuite alla persona sbagliata, passaggi mancanti. Il confronto non dà una misura scientifica, ma dice molto su come lo strumento si comporterà con le riunioni vere di quell’ufficio, con quegli accenti e quel lessico. È anche il momento giusto per verificare dove finiscono i file, chi li vede e come si cancellano.

Dieci minuti di prova evitano mesi di verbali da correggere.

Il prompt per decisioni, responsabili e scadenze

Con la trascrizione revisionata si passa al verbale. Il prompt deve impedire al modello di completare ciò che non è stato detto, che è il suo difetto più pericoloso in questo compito:

«Ti fornisco la trascrizione revisionata di una riunione di lavoro, con interlocutori e orari. Prepara tre sezioni. 1) Sintesi dei temi discussi, massimo 200 parole. 2) Decisioni: elenca solo le decisioni esplicitamente prese durante la riunione, ciascuna con l’orario del passaggio in cui viene presa. Una proposta non accolta o un’opinione non sono decisioni. 3) Attività concordate: per ciascuna indica cosa, chi, entro quando. Se il responsabile o la scadenza non sono stati pronunciati, scrivi «non indicato»; non dedurli dal ruolo delle persone o dal contesto. Segnala in un elenco finale i passaggi ambigui che richiedono conferma, con l’orario. Non aggiungere informazioni assenti dalla trascrizione.»

L’indicazione dell’orario per ogni decisione è la parte che rende il verbale verificabile.

Chi rilegge può tornare all’audio in pochi secondi, invece di fidarsi della formulazione del modello. La richiesta esplicita di scrivere «non indicato» evita il caso più frequente: un’attività assegnata a «Marco» perché Marco è il responsabile commerciale, mentre in riunione nessuno l’aveva assegnata a lui. È un errore piccolo che diventa grande quando il verbale circola e Marco scopre di avere una scadenza che non ha mai accettato.

Un esempio didattico: la frase da riascoltare

Un estratto inventato di trascrizione automatica, con i difetti tipici:

[00:14:32] Speaker 2: Allora per il preventivo del cliente Ferri direi che possiamo chiudere entro il quindici, però prima sento [incomprensibile] per lo sconto.

[00:14:41] Speaker 1: Va bene, però lo sconto non oltre il cinque. O il sei, vediamo.

Un verbale scritto in fretta riporterebbe: «Decisione: preventivo Ferri entro il 15 con sconto massimo del 5%». Sbagliato due volte. La scadenza è un «direi», cioè una proposta, e non è chiaro di quale mese. Lo sconto oscilla fra cinque e sei e si chiude con un «vediamo». Il passaggio incomprensibile, poi, nasconde la persona da consultare. Il verbale corretto è meno elegante: «Attività: preventivo Ferri. Responsabile: Speaker 2 (da identificare). Scadenza proposta: il 15, mese non indicato, da confermare. Sconto: tetto discusso fra 5% e 6%, non deciso. Da riascoltare 00:14:32 per il nome della persona da consultare». Riascoltare quei nove secondi costa meno di una telefonata di chiarimento con il cliente.

Una buona regola per chi revisiona: ogni cifra, ogni data e ogni nome del verbale deve avere un orario di riferimento nella trascrizione. Quelli che non ce l’hanno si verificano o si tolgono.

Resta il tema dei dati personali, che una registrazione contiene sempre: voci, nomi, opinioni, a volte informazioni su terzi. In un parere del 27 gennaio 2022 sulla registrazione delle riunioni del Consiglio dell’AGCOM, il Garante per la protezione dei dati personali ha richiamato la necessità di un’informativa resa prima dell’inizio del trattamento, con finalità determinate, tempi di conservazione e destinatari indicati. Il caso riguardava un’autorità pubblica, ma i principi del GDPR valgono per qualsiasi organizzazione: prima di registrare si informa, si stabilisce perché e per quanto tempo si conserva, e si sceglie uno strumento autorizzato dall’organizzazione. Per riunioni con dati sanitari, legali o del personale conviene coinvolgere chi si occupa di protezione dei dati prima di adottare qualsiasi servizio. Per imparare a usare questi strumenti nel lavoro quotidiano, il Corso Base AIPIA tratta l’uso professionale dell’AI e la gestione dei dati secondo il GDPR; chi ha esigenze specifiche può valutare un corso individuale 1 to 1 con un docente AIPIA.

Domande frequenti sulla trascrizione audio con l’AI

L’AI trascrive bene l’italiano?

I principali servizi supportano l’italiano. La qualità dipende soprattutto dalla registrazione: microfono vicino, poche sovrapposizioni, ambiente silenzioso. Nomi propri, cifre e termini tecnici vanno sempre controllati.

Posso registrare una riunione senza dirlo ai partecipanti?

In ambito di lavoro è una pessima idea anche dove fosse consentito. Annunciare registrazione e trascrizione, con scopo e tempi di conservazione, è la base di un trattamento corretto dei dati personali.

Il verbale generato dall’AI ha valore ufficiale?

Ha il valore che gli attribuiscono le regole dell’organizzazione e la persona che lo approva. Un testo generato e non revisionato non dovrebbe circolare come verbale.

La trascrizione distingue chi parla?

Molti servizi separano le voci e le etichettano come parlante 1, parlante 2 e così via, con etichette da rinominare a mano. L’attribuzione sbaglia più spesso quando le voci si sovrappongono o sono simili: è uno dei punti da controllare nella revisione.

Meglio trascrivere in diretta o caricare il file dopo?

La trascrizione in diretta è comoda per chi segue la riunione; il caricamento a posteriori permette di scegliere lo strumento e di lavorare su un file conservato secondo le regole dell’organizzazione. In entrambi i casi la revisione è la stessa.

Fonti

• Microsoft Support, Transcribe your recordings
• Microsoft Support, Start, stop, and download live transcripts in Microsoft Teams meetings
• Garante per la protezione dei dati personali, parere del 27 gennaio 2022 sulla registrazione delle riunioni