תשובה ישירה: בינה מלאכותית לתובנות מפגישות הופכת שיחות מפגישה לתוצרים מובנים כמו החלטות, פריטי פעולה, סיכונים, סיכומים, מפות חשיבה, הודעות סיכום ותשובות המקושרות למקורות. תהליך העבודה הטוב ביותר מחבר כל תובנה לראיות המקוריות מהפגישה, כדי שהצוותים יוכלו לפעול לפיה, לחפש אותה בהמשך ולדעת על סמך מה ניתנה התשובה.
בינה מלאכותית לתובנות מפגישות שימושית כאשר הקלטת הפגישה אינה התוצר הסופי. התוצר הוא מה שהצוות יכול לעשות בהמשך: ההחלטה ששינתה את התוכנית, האדם שקיבל עליו את המשימה, הסיכון שדורש את תשומת לב ההנהלה והשאלה שמישהו יוכל לענות עליה בחודש הבא בלי לפתוח מחדש הקלטה של שעה.
ההבדל הזה חשוב משום שלרוב הצוותים כבר יש יותר תוכן מפגישות מכפי שהם יכולים לנצל. הקלטות יושבות בכוננים. תמלולים נשארים בכלים נפרדים. משימות המשך מתחבאות בצ'אטים. הערות אישיות לעולם אינן מגיעות לאנשים שזקוקים להן. התוצאה מוכרת: עוד פגישה כדי לזכור מה הוחלט בפגישה הקודמת.
HiNoter ניגשת לבעיה כתהליך עבודה של ידע מפגישות, ולא רק כמשימת תמלול. היא יכולה ללכוד שיחות מתוזמנות, ליצור הערות מובנות, לחלץ פריטי פעולה, להפיק מפות חשיבה, לסנכרן תוצרים לכלים שהצוות כבר משתמש בהם ולאפשר למשתמשים לשאול שאלות בצ'אט AI עם הפניות למקורות בחזרה להערה.
מהי בינה מלאכותית לתובנות מפגישות?
בינה מלאכותית לתובנות מפגישות היא תוכנה שמנתחת תוכן של פגישות והופכת אותו לתוצרים עסקיים שימושיים: סיכומים, החלטות, פריטי פעולה, סיכונים, נושאים, שאלות, טיוטות להמשך ותשובות שניתן לחפש. לרוב היא מתחילה מתמלול, אך התמלול הוא רק חומר הגלם. שכבת התובנות מזהה מה חשוב ומארגנת אותו סביב העבודה.
תמלול פשוט מספר לכם מה נאמר. בינה מלאכותית לתובנות מפגישות מספרת לכם מה השתנה, מה דורש פעולה והיכן ניתן לאמת את התשובה. עבור צוות מוצר, המשמעות עשויה להיות חסמים והחלטות על השקה. עבור הצלחת לקוחות, אלה עשויים להיות סיכוני חידוש והתחייבויות ללקוחות. עבור ההנהלה, אלה עשויים להיות מגמות לאורך פגישות חוזרות שראוי לתת להן תשומת לב.
מדוע בינה מלאכותית לתובנות מפגישות חשובה
פגישות יקרות משום שהן צורכות קשב לפני השיחה, במהלכה ואחריה. מחקר Work Trend Index של Microsoft, שהתבסס על סקר בקרב 31,000 אנשים ב-31 מדינות, מצא ש-68% מהעובדים אמרו שאין להם מספיק זמן למיקוד ללא הפרעות, ופגישות לא יעילות הוגדרו כגורם הפגיעה העיקרי בפרודוקטיביות. הבעיה אינה רק כמות הפגישות. מדובר גם בעבודה הנדרשת כדי לשחזר את ההקשר לאחר שהפגישה מסתיימת.
המחקר Anatomy of Work של Asana הציג זאת שוב ושוב כ"עבודה סביב העבודה": רדיפה אחר סטטוסים, חיפוש מידע, שכפול עדכונים ותיאום העברות. כאשר תוצאות הפגישה מפוזרות בין הקלטות, שרשורי צ'אט, הערות פרטיות וטיוטות אימייל, הצוותים משקיעים זמן נוסף בהוכחת מה שקרה במקום לקדם את העבודה.
בינה מלאכותית יכולה לעזור, אך רק אם התוצר מבוסס וניתן לבדיקה. סיכום ללא מקורות עשוי להיות נוח. החלטה המקושרת להערת המקור שימושית יותר, משום שחבר צוות יכול לבדוק את ההקשר לפני שהוא פועל לפיה. זהו הקו המעשי בין סיכום מהיר לבין בסיס ידע אמין של פגישות.
בינה מלאכותית לתובנות מפגישות: קלט ופלט
| קלט | מה HiNoter מחלצת | תוצאת הצוות |
|---|---|---|
| פגישות ביומן | תמלול, הערות מובנות, סיכום, החלטות ופריטי המשך. | הצוות נשאר נוכח במהלך השיחה ועדיין מקבל תיעוד שימושי. |
| פגישות סנכרון חוזרות של הצוות | סיכונים פתוחים, חסמים חוזרים, התחייבויות של בעלי משימות ושינויים מאז הפעם הקודמת. | מנהלים יכולים לראות אם הפגישה קידמה את העבודה. |
| שיחות עם לקוחות או שיחות מכירה | התנגדויות, תכונות שהתבקשו, אותות קנייה, חששות בנוגע לחידוש והצעדים הבאים. | צוותי הכנסות יכולים לבצע מעקב על סמך ראיות במקום זיכרון. |
| סרטונים, וובינרים או קובצי אודיו שהועלו | תמלול, הערות המחולקות לפרקים, נקודות מרכזיות, ציטוטים וידע שניתן לעשות בו שימוש חוזר. | הקלטות ארוכות הופכות לנכסים שניתן לחפש בהם במקום לעומס אחסון. |
| קובצי PDF ומסמכים | סיכומי סעיפים, עובדות מרכזיות, הערות שחולצו ותשובות המקושרות למקורות. | הכנה לפגישה ומחקר לאחר הפגישה יכולים להתקיים באותו תהליך עבודה של ידע. |
כיצד HiNoter הופכת פגישות לתובנות
1. לכידת ההקשר של הפגישה
HiNoter יכולה לעבוד עם פגישות מתוזמנות ועם תוכן שהועלה ונתמך. עבור פגישות בשידור חי, הצוותים יכולים לחבר את היומן כך שהעוזר יצטרף אוטומטית לשיחות מתאימות, וכך להפחית את הסיכוי שמישהו ישכח להקליט או להקצות מתעד ידני. תהליך עבודה זה שימושי במיוחד עבור צוותים מבוזרים, שבהם האדם שזקוק להערות אינו משתתף בכל שיחה. ראו את תהליך העבודה של עוזר הפגישות של HiNoter לקליטה ונוכחות אוטומטיות.
2. יצירת הערת פגישה מובנית
לאחר הפגישה, השכבה השימושית הראשונה היא מבנה: סיכום, נושאי סדר היום, החלטות, פריטי פעולה, דוברים ורגעים מרכזיים. כאן פגישה הופכת לקלה יותר לסריקה מתמלול. מנהל אמור להיות מסוגל לראות את תוצאת הפגישה בתוך דקות ספורות, בלי להפעיל מחדש את ההקלטה. HiNoter בונה שכבה זו באמצעות הערות פגישה מבוססות AI המיועדות לבדיקה, לשיתוף ולמעקב.
3. חילוץ פריטי פעולה ובעלי משימות
פריטי פעולה הם המקום שבו תובנת הפגישה הופכת לתפעולית. תהליך עבודה חזק של AI צריך לזהות את המשימה, את בעל המשימה, את תאריך היעד אם צוין ואת אות המקור שתומך בחילוץ. אם בעל המשימה או המועד אינם ברורים, ההערה צריכה להציג את אי-הבהירות במקום להעמיד פנים שהמשימה הושלמה.
4. בניית מפת חשיבה ומבנה נושאים
יש פגישות שאינן ליניאריות. מפגשי אסטרטגיה, ראיונות עם לקוחות, דיונים על מפת דרכים וסקירות פרויקטים נעים בין בעיות, החלטות, תלויות, התנגדויות והצעדים הבאים. מפות חשיבה עוזרות לצוותים לראות כיצד רעיונות קשורים זה לזה. הן שימושיות לתכנון מוצר, לסינתזה של מחקר, לתדריכי הנהלה ולהכנסת חברי צוות שזקוקים להקשר במהירות.
5. סנכרון תובנות אל סביבת העבודה של הצוות
תובנות שימושיות רק אם הן מגיעות למקום שבו העבודה מתבצעת. HiNoter יכולה לעזור לצוותים להעביר תוצרי פגישות לתהליכי עבודה מחוברים כמו מסמכים, צ'אטים, יומנים ומערכות ידע. עבור צוותים שמארגנים החלטות ורשומות פרויקטים ב-Notion, האינטגרציה של HiNoter עם Notion מקלה על שימוש חוזר בהערות הפגישה במקום לקבור אותן בארכיון נפרד.
6. שאילת שאלות ב-AI Chat עם הפניות למקורות
רשומת הפגישה החשובה ביותר אינה תמיד זו שמישהו קורא מיד. זו הרשומה שחבר צוות יכול לשאול עליה בהמשך. HiNoter AI Chat מאפשר למשתמשים לשאול על הערות ולקבל תשובות הכוללות הפניות למקורות, כך שקל יותר לאמת את התשובה מול ההקשר של הפגישה. הדבר חשוב לאמון: הפניות למקורות אינן הופכות את ה-AI למושלם, אך הן הופכות את התוצר לכזה שניתן לבדוק. למידע נוסף על HiNoter AI Chat.
דוגמאות לתוצרים מתהליך עבודה של בינה מלאכותית לתובנות מפגישות
הנה דוגמה מציאותית מפגישת השקה בדיונית של מוצר. השיחה הגולמית הייתה מבולגנת: אנשי מוצר, עיצוב, הצלחת לקוחות ואבטחה העלו כולם סוגיות שונות. תהליך עבודה שימושי של בינה מלאכותית לתובנות מפגישות הופך את השיחה הזו לרשומה שהצוות יכול לפעול לפיה.
דוגמה לסיכום
הצוות הסכים להשאיר את תהליך הקליטה של לקוחות ארגוניים בהשקה של יולי, אך מועד הפיילוט עשוי להשתנות אם בדיקת האבטחה לא תושלם עד יום שישי. צוות הצלחת הלקוחות זקוק להערות הדרכה מעודכנות לפני ההדרכה הראשונה ללקוח. צוות המוצר יסיר שתי הגדרות בעדיפות נמוכה יותר של תהליך הקליטה מהגרסה הראשונית וישוב אליהן לאחר הפיילוט.
דוגמאות להחלטות
| החלטה | סיבה | מקור האות |
|---|---|---|
| להשאיר את תהליך הקליטה ללקוחות אנטרפרייז בהיקף ההשקה. | התכונה נדרשת עבור שני לקוחות פיילוט ותומכת בתוכנית החידוש של יולי. | הצוותים של המוצר והצלחת הלקוחות אישרו את ההשפעה במהלך סקירת ההשקה. |
| להעביר שתי הגדרות מתקדמות לצבר העבודה שלאחר הפיילוט. | הצוותים של האבטחה וה-QA זקוקים לזמן נוסף כדי לבדוק את מקרי הקצה. | האבטחה העלתה תלות בבדיקה; ההנדסה אישרה את המאמץ הנדרש. |
| לשלוח ללקוח לוח זמנים מתוקן. | הצוות להצלחת הלקוחות זקוק לעדכון חיצוני מסודר לפני שיחת הלקוח הבאה. | הצוות להצלחת הלקוחות ביקש לוח זמנים המיועד ללקוח עד יום שישי. |
דוגמה לחילוץ פריטי פעולה
| פריט פעולה | אחראי | תאריך יעד | מקור האות |
|---|---|---|---|
| לאשר אם בדיקת האבטחה יכולה להסתיים לפני יום שישי. | מוביל האבטחה | יום שישי | "נוכל לסיים זאת השבוע אם הערות ה-API הסופיות יגיעו מחר." |
| לעדכן את הערת ההטמעה ללקוח עם לוח הזמנים החדש של הפיילוט. | מנהל הצלחת הלקוחות | יום חמישי | "הצוות להצלחת הלקוחות זקוק ללוח זמנים לפני ההדרכה." |
| להסיר את הגדרות הקליטה המתקדמות מתוכנית ההפצה של יולי. | מנהל המוצר | עדכון התכנון הבא | "בואו נעביר את שתי ההגדרות האלה אל מחוץ לפיילוט הראשון." |
| להכין הודעת סיכום קצרה בדוא״ל לבעלי העניין. | מנהל התוכנית | היום | "אנא שלחו את סיכום ההחלטה הסופי לאחר השיחה הזו." |
טיוטת הודעת סיכום לדוגמה
נושא: סיכום סקירת ההשקה והשלבים הבאים
תודה לכולם. הסכמנו להשאיר את תהליך הקליטה ללקוחות אנטרפרייז בהשקת יולי, ולהעביר שתי הגדרות מתקדמות לצבר העבודה שלאחר הפיילוט. האבטחה תאשר את עיתוי הבדיקה עד יום שישי. הצוות להצלחת הלקוחות יעדכן את לוח הזמנים המיועד ללקוח לפני ההדרכה, והמוצר יעדכן את תוכנית ההפצה. הסיכון הפתוח העיקרי הוא אם הערות ה-API הסופיות יגיעו בזמן לבדיקת האבטחה.
שאלות שאפשר לשאול בצ׳אט ה-AI של HiNoter
צ׳אט ה-AI נעשה שימושי יותר כשהוא יכול לענות על שאלות בהתבסס על תיעוד הפגישה. המטרה אינה להחליף שיקול דעת. המטרה היא לצמצם את הזמן המושקע בחיפוש בין הקלטות, תמלולים והערות מפוזרות.
| שאלה | מה תשובה אמינה צריכה לצטט | למה זה עוזר |
|---|---|---|
| מה החלטנו לגבי היקף ההשקה בשבוע שעבר? | את סעיף ההחלטה ואת הערת המקור עם חותמת הזמן מסקירת ההשקה. | מונע מהצוות לפתוח מחדש החלטה שהתקבלה ללא הקשר. |
| אילו משימות מתכנון הרבעון השלישי עדיין פתוחות? | פריטי פעולה המקובצים לפי אחראי, תאריך יעד וסטטוס השלמה. | הופך שיחות תכנון לרשימת המשך. |
| אילו סיכונים הלקוחות הזכירו במהלך שיחות הקליטה? | הערות משיחות עם לקוחות, חששות מצוטטים ונושאי סיכון חוזרים. | מסייע לצוותי הצלחת הלקוחות והמוצר למצוא דפוסים. |
| באילו פגישות דנו בהתנגדויות לתמחור? | סיכומי שיחות מכירה, תוויות התנגדות והפניות למקורות. | מקל על שיתוף ההקשר של העסקה עם ההנהלה ועם צוותי ההטמעה. |
| סכם את החסמים הקשורים להשקת המובייל. | הערות מסנכרוני פרויקט, סעיפי חסמים והתחייבויות של האחראים. | מעניק למנהלים תמונה חוצת-פגישות ללא פגישת סטטוס נוספת. |
הפניות למקורות חשובות מכיוון שמערכות AI יכולות להפיק תשובות בטוחות בעצמן שעדיין דורשות בדיקה. תשובה המקושרת למקור מעניקה למשתמש נתיב חזרה לראיות מהפגישה. כך תהליך העבודה נעשה שקוף יותר, במיוחד עבור החלטות, התחייבויות ללקוחות, משוב על גיוס, נושאים רגישים מבחינה משפטית או עדכונים להנהלה.
מארכיון הערות לבסיס ידע של פגישות
ארכיון הערות שומר את מה שקרה. בסיס ידע של פגישות עוזר לצוות לעשות שימוש חוזר במה שקרה. ההבדל הוא ביכולת החיפוש, במבנה ובהקשר. אם חבר צוות יכול לשאול, "במה הלקוח התנגד בשיחת החידוש האחרונה?" ולראות את ההערה התומכת, תיעוד הפגישה הפך לחלק מהזיכרון התפעולי של הצוות.
כאן בינה מלאכותית לתובנות מפגישות הופכת ליותר מנוחות בלבד. צוותי מוצר יכולים לעקוב אחר החלטות מפת הדרכים לאורך פגישות תכנון, ראיונות עם לקוחות ושיחות מחקר. צוותי מכירות והצלחת לקוחות יכולים לשחזר התנגדויות, התחייבויות וסיכוני חידוש. צוותי תפעול יכולים לחפש סיכוני פרויקט חוזרים. עובדים חדשים יכולים ללמוד מדוע התקבלה החלטה בלי להפריע לשלושה חברי צוות.
עבור צוותים שבונים ידע מוצרי מפגישות חוזרות, HiNoter לצוותי מוצר מחברת לכידת פגישות, הערות, פריטי פעולה, שאלות ותשובות המקושרות למקורות והקשר הניתן לשימוש חוזר בתהליך עבודה אחד.
היכן בינה מלאכותית לתובנות מפגישות מסייעת יותר מכול
צוותי מוצר ופרויקטים
פגישות מוצר ופרויקט כוללות לעיתים קרובות פשרות, ולא רק עדכונים. בינה מלאכותית לתובנות מפגישות יכולה להפריד בין ההחלטה הסופית לבין הדיון, לחלץ תלויות, להדגיש חסמים וליצור תיעוד שמסביר מדוע מפת הדרכים השתנתה.
צוותי הצלחת לקוחות
פגישות הצלחת לקוחות יוצרות התחייבויות שמשפיעות על השימור. הפלטים השימושיים הם סיכוני חידוש, מטרות הלקוח, המשכי טיפול שהובטחו, שאלות פתוחות, שמות בעלי עניין והשלבים הבאים. תמלול לבדו איטי מדי לתהליך עבודה כזה.
צוותי מכירות
שיחות מכירה כוללות התנגדויות, אותות דחיפות, קריטריונים לרכישה, אזכורים של מתחרים, מגבלות תקציב ולוחות זמנים לקבלת החלטות. בינה מלאכותית לתובנות מפגישות מסייעת לצוותים להפוך את האותות האלה לאסטרטגיית עסקה ולהערות המשך.
צוותי גיוס וראיונות
הערות ריאיון צריכות ראיות, לא התרשמויות מעורפלות. AI יכול לסייע בסיכום דוגמאות של מועמדים, משוב של מראיינים, חששות ושאלות המשך. בדיקה אנושית עדיין חיונית, במיוחד לצורך הוגנות וציות.
הנהלה ותפעול
צוותי הנהלה זקוקים לדפוסים לאורך פגישות: סיכונים חוזרים, החלטות פתוחות, בעיות בקיבולת הצוות והתחייבויות הדורשות המשך טיפול מצד ההנהלה. בינה מלאכותית לתובנות מפגישות יכולה להקל על העלאת הדפוסים האלה לפני שהם הופכים להפתעות.
אמון, פרטיות ובדיקה אנושית
פגישות כוללות לעיתים קרובות מידע רגיש: נתוני לקוחות, משוב מעובדים, תוכניות פיננסיות, דיוני גיוס, שאלות משפטיות ופרטי מוצר שטרם פורסמו. תהליך עבודה אחראי של תובנות מפגישות צריך לכבד הסכמה, הרשאות גישה, כללי שמירת נתונים ומדיניות בדיקה פנימית.
מסגרת ניהול סיכוני ה-AI של המכון הלאומי לתקנים וטכנולוגיה מדגישה שבינה מלאכותית אמינה דורשת ממשל, מדידה וניהול סיכונים במקום אוטומציה עיוורת. בתהליכי עבודה מעשיים של פגישות, המשמעות היא הפניות למקורות, בדיקה אנושית, בעלות ברורה ובקרות גישה הגיוניות. AI יכול לנסח את ההערה, אך הצוות עדיין צריך לבדוק החלטות בעלות השפעה רבה ותוכן רגיש לפני השיתוף.
מדד ה-AI של סטנפורד גם מראה באיזו מהירות ארגונים מאמצים AI, ובמקביל ממשיכים להתמודד עם אמינות, ממשל ואמון. עבור תובנות מפגישות, ההרגל הבטוח ביותר פשוט: להשתמש ב-AI כדי למצוא ולבנות את האות, ואז לאמת טענות חשובות מול הערת המקור לפני פעולה.
טעויות נפוצות בשימוש ב־Meeting Insights AI
| טעות | למה זה מזיק | גישה טובה יותר |
|---|---|---|
| לעצור בתמלול. | הצוות עדיין צריך לקרוא ולסכם תיעוד ארוך. | לחלץ מהתמלול החלטות, משימות, סיכונים ונושאים מרכזיים. |
| לקבל כל פלט של AI ללא בדיקה. | אמירות מעורפלות עלולות להפוך לוודאות שגויה. | לבדוק החלטות חשובות ולאמת את המקורות שאליהם מפנים. |
| להפריד בין פריטי פעולה לבין האחראים עליהם. | משימות הופכות לתזכורות מעורפלות במקום לעבודה שיש עליה אחריות. | לתעד משימה, אחראי, תאריך יעד, סטטוס ואות מקור. |
| לשמור הערות בכלים פרטיים. | ההקשר נעלם כאשר רק אדם אחד יכול למצוא אותו. | לסנכרן את ההערות עם סביבת העבודה של הצוות, שבה מתבצעת העבודה. |
| להתעלם מדפוסים בין פגישות. | סיכונים וחסמים חוזרים נותרים מוסתרים עד שהם הופכים לדחופים. | להשתמש ב־AI Chat ובתגיות מובנות כדי לחפש בין פגישות קשורות. |
נסו את HiNoter עבור Meeting Insights AI
אם הצוות שלכם כבר מקליט פגישות אך עדיין מאבד החלטות, משימות והקשר, צוואר הבקבוק אינו הלכידה. הוא ההמרה. אתם זקוקים לתהליך עבודה שהופך שיחות להערות מובנות, פריטי פעולה, מפות חשיבה, ייצוא, ותשובות המקושרות למקורות.
HiNoter נבנה עבור תהליך העבודה הזה. חברו את היומן שלכם, אפשרו ל־HiNoter ללכוד פגישות מתאימות, ובדקו את התמלול, הסיכום, ההחלטות, פריטי הפעולה, מפת החשיבה, הודעת הסיכום והתשובות של AI Chat שנוצרו. תוכלו גם להשתמש ב־HiNoter עם סרטונים, קובצי PDF, שמע ומקורות אחרים שהשימוש בהם מותר, כאשר הידע שהצוות שלכם זקוק לו נמצא מחוץ לפגישה עצמה.
קריאה לפעולה: נסו את HiNoter כדי להפוך את הפגישה הבאה שלכם להחלטות, משימות וידע צוותי שניתן לחפש בו, במקום לעוד הקלטה שאף אחד לא רוצה לצפות בה שוב.
שאלות נפוצות
מהו Meeting Insights AI?
Meeting Insights AI מנתח את תוכן הפגישה והופך אותו לפלטים מובנים כגון סיכומים, החלטות, פריטי פעולה, סיכונים, מפות חשיבה, הודעות סיכום ותשובות שניתן לחפש בהן. תהליכי העבודה החזקים ביותר גם מקשרים את התובנות בחזרה להערות המקור לצורך בדיקה.
במה Meeting Insights AI שונה מתמלול?
תמלול ממיר דיבור לטקסט. Meeting Insights AI משתמש בטקסט הזה כדי לזהות את מה שחשוב: החלטות, משימות, אחראים, סיכונים, נושאים ופעולות המשך. תמלול הוא התיעוד הגולמי; תובנות הן השכבה המוכנה לעבודה.
האם Meeting Insights AI יכול לחלץ פריטי פעולה?
כן. הוא יכול לזהות משימות, אחראים, תאריכי יעד ואותות מקור מהפגישה. אדם צריך לבדוק את הרשימה הסופית, במיוחד כאשר האחריות או העיתוי אינם ברורים.
האם AI Chat יכול לענות על שאלות בין פגישות?
כן, כאשר הערות הפגישה זמינות באותה סביבת עבודה שניתן לחפש בה. משתמשים יכולים לשאול שאלות כגון "אילו סיכונים עלו בשיחות הקליטה?" או "אילו משימות מתכנון רבעון 3 עדיין פתוחות?" ולבדוק את ההערות שאליהן מפנים.
האם הפניות למקורות מונעות הזיות?
הפניות למקורות אינן הופכות את ה־AI למושלם, אך הן מקלות על אימות התשובות. כאשר תשובה כוללת את ההערה או הרגע שמהם נלקחה, המשתמש יכול לבדוק את ההקשר לפני קבלת החלטה.
האם HiNoter יכול להפוך הערות פגישה לבסיס ידע?
כן. HiNoter עוזר לצוותים ללכוד פגישות, לבנות הערות מובנות, לחלץ פעולות, ליצור מפות חשיבה, לסנכרן פלטים ולשאול שאלות ב־AI Chat עם הפניות. עם הזמן, ההערות האלה יכולות להפוך לבסיס ידע של פגישות שניתן לחפש בו.