Jak AI może nagrywać spotkania i wyciągać zadania z Fireflies, Otter i Fathom?
Fireflies.ai, Otter i Fathom nagrywają spotkania z Zoom, Meet i Teams. AI wyciąga zadania, ustalenia i obiekcje klientów, a potem samo wpisuje je do CRM.
Fireflies.ai, Otter i Fathom to narzędzia, które wchodzą na Wasze spotkania w Zoom, Google Meet i Microsoft Teams jako dodatkowy uczestnik, nagrywają rozmowę i zwracają transkrypt z podziałem na mówców wraz z listą zadań. AI podłączone do tych narzędzi może wyciągać z transkryptów konkretne ustalenia, zadania z przypisanymi osobami i terminami, a także pytania i obiekcje klientów. Wyniki wędrowują automatycznie do CRM albo narzędzia projektowego, bez ręcznego przepisywania notatek po każdym spotkaniu.
Jak te trzy narzędzia różnią się w praktyce?
Wszystkie trzy działają na podobnej zasadzie: zapraszacie bota do spotkania albo łączycie go z kalendarzem, bot dołącza automatycznie i rejestruje rozmowę. Różnią się tym, do kogo kierują produkt i co można z danymi zrobić po spotkaniu.
Fireflies.ai to najbardziej rozbudowana platforma z tej trójki. Bot nosi nazwę „Fred" i pojawia się jako uczestnik w oknie spotkania. Po zakończeniu rozmowy dostajecie w interfejsie kilka warstw danych: pełny transkrypt z timestampami i etykietami mówców (pole speaker_name), listę Action Items z przypisanym właścicielem i datą (pola assignee i due_date), Outline spotkania pogrupowany tematycznie oraz sekcję Soundbite z fragmentami uznanymi za istotne. Wbudowane jest też przeszukiwanie treści wszystkich nagrań i funkcja Ask Fred, czyli czat, w którym pytacie o konkrety z przeszłych spotkań.
Otter.ai celuje w mniejsze zespoły. Wersja Business ma OtterPilot z podobnymi możliwościami: Automated Summary, lista Action Items i AI Chat do pytań nad transkryptem. Ważna różnica: Otter lepiej działa na angielskim. Przy spotkaniach prowadzonych po polsku jakość transkrypcji jest wyraźnie niższa niż u Fireflies, co ma bezpośrednie przełożenie na to, co AI z tych danych wyciągnie.
Fathom skupia się na handlowcach i jest celowo uproszczony. Działa jako natywna aplikacja Zoom z Zoom Marketplace. Uczestnicy mogą w trakcie rozmowy klikać przycisk "Highlight", żeby oznaczyć ważne momenty na bieżąco. Po spotkaniu Fathom wysyła podsumowanie wprost do HubSpota lub Salesforce. Robi mniej niż Fireflies, ale konfiguracja zajmuje minuty, nie godziny.
Jak fizycznie wygląda podłączenie: API, eksporty i co trzeba mieć
To ważna kwestia, bo narzędzia różnią się znacząco tym, co udostępniają na zewnątrz, i warto to wiedzieć przed wyborem.
Fireflies.ai ma GraphQL API, dostępne na planach Business i Enterprise. Klucz API generujecie w ustawieniach konta, w zakładce Integrations, pozycja API Access. Endpoint to api.fireflies.ai/graphql. Za pomocą API możecie odpytywać listę transkryptów (zapytanie transcripts), pobierać konkretny transkrypt wraz z polami sentences, action_items, summary, speakers i meeting_attendees. Fireflies oferuje też webhooks: po zakończeniu przetwarzania spotkania wysyła POST na wasz adres z transcript_id jako parametrem. Wtedy AI automatycznie pobiera pełne dane i uruchamia dalsze przetwarzanie bez żadnej akcji z Waszej strony. Jedno ograniczenie: API daje dostęp do przetworzonych danych tekstowych, nie do pliku audio.
Otter.ai udostępnia REST API wyłącznie na planie Business i Enterprise. Endpoint /v1/speeches zwraca listę notatek, a /v1/speeches/{speech_id} daje pełną treść z podziałem na segmenty (tablice transcripts z polami speaker_id, start_time, end_time, text). Otter obsługuje webhooks dla zdarzeń note_created i note_updated. Dokumentacja API Ottera jest mniej rozbudowana niż Fireflies, a limity zapytań nie są publicznie opisane, więc przy intensywnym użyciu warto sprawdzić warunki umowy bezpośrednio z dostawcą przed podpisaniem.
Fathom nie ma publicznego API. Jako aplikacja Zoom nie ujawnia danych do zewnętrznych wywołań REST ani GraphQL. Do automatyzacji poza środowiskiem Zooma macie trzy drogi:
- Zapier lub Make z wyzwalaczem New Meeting Note, który daje dostęp do podsumowania i Action Items po spotkaniu
- Natywna integracja z HubSpotem i Salesforce, która działa bez konfiguracji po stronie Waszego IT
- Eksport transkryptu do pliku PDF lub DOCX do ręcznego pobrania
Pełnych danych tekstowych do własnego przetwarzania przez Fathom nie dostaniecie. Jeśli potrzebujecie tego, Fireflies jest tu lepszym wyborem.
Niezależnie od wybranego narzędzia, żeby bot dołączał automatycznie, musicie podłączyć swój Google Calendar lub Outlook. Bot śledzi zaproszenia i dołącza bez kliknięcia. Wymaga to uprawnień do odczytu kalendarza oraz, co ważne w polskich firmach, poinformowania uczestników o nagrywaniu. To wymóg RODO, nie opcja do pominięcia.
Co dostaje AI po zakończonym spotkaniu?
Gdy Fireflies zakończy przetwarzanie (trwa to kilka do kilkunastu minut po spotkaniu), Wasze środowisko AI dostaje ustrukturyzowane dane. Wyobraźcie sobie spotkanie handlowe: 45 minut rozmowy z nowym klientem. W transkrypcie macie:
- Wypowiedzi pogrupowane według mówcy z timestampem: "Jan Kowalski [00:12:34]: Chcielibyśmy, żeby integracja z naszym systemem była gotowa do końca miesiąca."
- Action Items wyciągnięte przez model Fireflies, np. "Przygotować propozycję integracji" z przypisaniem do właściciela
- Summary podzielone na: Overview (3-4 zdania o temacie spotkania), Outline (rozdziały z tematami i timestampami), listę uczestników z adresami email
To co daje wbudowany model Fireflies jest punktem startowym. Własne AI, działające na tym transkrypcie według Waszych instrukcji, może pójść dalej: wyłowić pytania klienta, obiekcje cenowe, nazwy konkurentów, które padły w rozmowie, deklaracje bez dat. Wbudowane Action Items nie klasyfikują treści aż tak szczegółowo, więc do głębszej analizy potrzebujecie osobnego kroku przetwarzania.
Jak AI wpisuje ustalenia do CRM i narzędzi projektowych?
Typowy przypadek: firma sprzedaje oprogramowanie, spotkania z klientami prowadzone cztery do sześciu razy w tygodniu, notatki wcześniej pisane ręcznie po każdym spotkaniu.
Po spotkaniu webhook z Fireflies trafia do systemu AI. AI czyta transkrypt i równolegle robi kilka rzeczy. Wyszukuje w HubSpot kontakt po adresie email z pola meeting_attendees i dopisuje do transakcji sekcję "Meeting Notes" z wygenerowanym podsumowaniem. Wyciąga Action Items i dodaje je jako zadania. W HubSpot to POST /crm/v3/objects/tasks z polami hs_task_subject, hs_task_body, hs_timestamp i hubspot_owner_id. W Jirze albo Asanie analogicznie przez ich REST API. Jeśli w rozmowie padła konkretna obietnica handlowca, AI taguje transakcję etykietą obietnica-do-sprawdzenia.
Po kilku dniach AI robi przegląd: sprawdza, czy zadania oznaczone tą etykietą zostały zamknięte. Jeśli nie, wysyła przypomnienie do właściciela zadania przez Slacka lub email. Nie przez Fireflies, przez sam CRM. Żadnego dodatkowego narzędzia do tego nie potrzeba.
U jednego z klientów, z którym pracowaliśmy, obietnice ze spotkań przepadały, bo trafiały do roboczych maili, które nikt nie sprawdzał po tygodniu. Po podłączeniu Fireflies AI szukało w transkryptach zdań zaczynających się od „przyślę", „sprawdzę", „skontaktuję się do". Każde takie zdanie zamieniało się w zadanie w CRM z datą spotkania jako punktem odniesienia. Różnica była widoczna już w pierwszym miesiącu.
Pytania i obiekcje klientów: co robi AI w rozmowach handlowych?
W rozmowach handlowych pojawiają się wzorce. Klienci pytają o te same rzeczy: terminy, integracje z ich systemami, support, warunki umowy. Obiekcje też mają wzorce: „mamy to już w innym systemie", „musimy skonsultować z zarządem", „za drogie".
AI czytające transkrypty może oznaczać fragmenty kategoriami: pytanie_klienta, obiekcja_cenowa, wzmianka_o_konkurencie, deklaracja_zakupu. Zbieracie przez dwa, trzy miesiące i macie gotowy materiał do analizy: jakie pytania pojawiają się najczęściej, gdzie handlowcy gubią rozmowę, co klient mówi tuż przed podjęciem decyzji. Bez odsłuchiwania nagrań, bez ręcznego tagowania.
Fathom robi to prościej, ale tylko dla Zooma: w trakcie rozmowy handlowiec klika "Highlight" przy ważnym momencie. Po spotkaniu system automatycznie wstawia te fragmenty do karty kontaktu w HubSpot lub Salesforce. Mniej pracy analitycznej dla AI, ale też mniej danych do głębszej analizy wzorców.
Ważne zastrzeżenie: AI nie oceni, czy rozmowa była dobra. Może pokazać dane, nie interpretację. To czy handlowiec poradził sobie z obiekcją, wciąż ocenia menedżer, nie algorytm.
Odpowiedź na pytanie "co ustaliliśmy z klientem X?"
Fireflies ma funkcję Ask Fred: wpisujecie pytanie i dostajecie cytaty z transkryptów z timestampami i nazwiskami mówców. "Co ustaliliśmy z firmą Nowak-Trans na spotkaniu z 14 listopada?" i Fred szuka po metadanych spotkania oraz treści. Działa to przy kilkudziesięciu nagraniach, przy setkach zaczyna spowalniać.
Przez własne API możecie zbudować podobny mechanizm na własnych danych. AI dostaje pytanie, odpytuje Fireflies o transkrypty po polu meeting_attendees albo po słowach kluczowych, a potem zwraca fragmenty z kontekstem i start_time. Jeśli transkrypty są dobrze oznaczone, klient, temat, uczestnicy, to takie wyszukiwanie działa lepiej niż przeszukiwanie wątków mailowych.
Otter oferuje podobny chat nad notatkami, ale nie przez API. Fathom nie ma tej funkcji.
Od czego zacząć wdrożenie?
Zacznijcie od wyboru narzędzia. Fathom jeśli Wasz zespół sprzedaje przez Zoom i używacie HubSpota lub Salesforce i chcecie uruchomić coś najszybciej. Fireflies jeśli chcecie pełną kontrolę nad danymi i API do integracji z własnym CRM lub narzędziem projektowym. Otter jeśli macie anglojęzyczny zespół i zależy Wam na prostocie interfejsu.
Potem: zaproście bota na jedno testowe spotkanie. Sprawdźcie jakość transkryptu, zwłaszcza dla polskiego. To fundament wszystkiego, co AI będzie robiło z tymi danymi. Słaby transkrypt daje słabe Action Items i słabe wyszukiwanie.
Następnie zdecydujcie, co AI ma robić po spotkaniu. Lista zadań do CRM? Wykrywanie obiekcji? Odpytywanie historii spotkań? Każde zastosowanie wymaga osobnego ustawienia. Lepiej zacząć od jednej rzeczy i zrobić ją dobrze, niż konfigurować wszystko naraz i nie mieć z żadnego pewnego wyniku.
Jeśli chcecie zobaczyć, jak wyglądały podobne wdrożenia u firm zbliżonych do Waszej, przejrzyjcie realne wdrożenia. Albo porozmawiajcie z nami przez 15 minut: pokażemy, gdzie integracja Fireflies z Waszym CRM zajmuje dzień pracy, a gdzie tygodnie i dlaczego.
Chcecie to u siebie?
Na osobnej stronie rozpisaliśmy, co dokładnie podłączamy w Fireflies.ai, o co możecie wtedy pytać asystenta i ile kosztuje wdrożenie.
Co podłączamy i ile to kosztuje →Najczęstsze pytania
Czy Fireflies.ai dobrze transkrybuje po polsku?
Fireflies radzi sobie z polskim lepiej niż Otter i jest to widoczne w praktyce, szczególnie przy spotkaniach prowadzonych wyłącznie po polsku. Jakość zależy też od mikrofonu i liczby osób mówiących naraz. Przy mieszaniu polskiego z angielskim mogą pojawiać się błędy w nazwach własnych.
Czy muszę informować klientów, że nagrywam spotkanie przez Fireflies albo Fathom?
Tak, to wymóg RODO. Bot pojawia się jako uczestnik spotkania, więc klienci zazwyczaj go widzą, ale sama jego obecność na liście uczestników nie zastępuje wyraźnej informacji. Bezpieczna praktyka to zdanie w zaproszeniu w stylu "spotkanie jest nagrywane w celach organizacyjnych" albo informacja na wejściu.
Czy te narzędzia działają z Microsoft Teams, nie tylko z Zoomem?
Fireflies.ai i Otter.ai działają z Teams, Zoom i Google Meet. Fathom natomiast jest przede wszystkim aplikacją Zoom z Zoom Marketplace; Teams i Meet obsługuje w ograniczonym zakresie, więc przed wdrożeniem sprawdźcie aktualną dokumentację.
Jak AI może pilnować, czy obietnice ze spotkania zostały zrealizowane?
AI po spotkaniu szuka w transkrypcie zdań z deklaracjami, takich jak "przyślę", "sprawdzę", "skontaktuję się do piątku". Każdą taką deklarację zamienia w zadanie w CRM z przypisaną osobą. Potem regularnie sprawdza, czy zadanie jest zamknięte, i wysyła przypomnienie do właściciela, jeśli termin mija.
Fathom nie ma API, to jak go podłączyć do własnego systemu?
Bez własnego API Fathom łączycie przez Zapier lub Make, korzystając z wyzwalacza "New Meeting Note". Daje to dostęp do podsumowania i Action Items, ale nie do pełnego transkryptu ze szczegółami. Jeśli potrzebujecie surowych danych tekstowych do dalszego przetwarzania przez AI, lepszym wyborem będzie Fireflies z GraphQL API.
Pokażemy to na Waszych danych z Fireflies.ai
Jedno zdanie wystarczy: czego szukacie w Fireflies.ai albo co ma się dziać samo. Odpiszemy, co podłączymy i od czego zacząć.
Opracowanie: zespół redAi z wykorzystaniem narzędzi AI.
Podłączymy Fireflies.ai do AI u Was
15 minut rozmowy: mówicie, czego szukacie w danych, my mówimy, co wyciągniemy z Fireflies.ai, ile to potrwa i czego potrzebujemy po Waszej stronie.
- Bezpłatna prezentacjaAI na Waszych zadaniach, nie na slajdach.
- Dostęp tego samego dniaZespół od razu pracuje we własnym portalu.
- Do 2 tygodni testówPłacicie dopiero po decyzji.
Może Was też zainteresować

Jak AI może sprawdzić status paczki, porównać koszty kurierów i przygotować reklamację w GlobKurier za Wasz sklep?

Jak AI może czytać procedury i tabele z Coda i Craft, żeby nikt w firmie nie szukał ręcznie?
