Jak AI może złożyć agendę ze starych zadań i pilnować ustaleń z Fellow, Granola i Read AI?
Fellow, Granola i Read AI można podłączyć do AI tak, żeby otwarte zadania ze starych spotkań same wchodziły do agendy, a ustalenia trafiały do uczestników automatycznie.
Fellow, Granola i Read AI dają się podłączyć do AI i razem tworzą zamknięty obieg: otwarte zadania z poprzedniego spotkania wchodzą automatycznie do agendy kolejnego, decyzje trafiają do uczestników zaraz po rozmowie, a o zaległych punktach system przypomina dzień przed następnym zebraniem. Nie wymaga to zmiany sposobu, w jaki prowadzicie spotkania. Wymaga tylko połączenia danych, które już zbieracie, z prostą logiką automatyzacji.
Co tak naprawdę przechowują te narzędzia i skąd AI bierze dane?
Zanim podłączycie AI, warto wiedzieć, z czym macie do czynienia. Te trzy programy wyglądają podobnie z zewnątrz, ale przechowują zupełnie inne dane i dostęp do nich wygląda inaczej.
Fellow to przede wszystkim narzędzie do zarządzania spotkaniami zespołu: agendy współdzielone z uczestnikami, punkty do omówienia, notatki po spotkaniu i lista zadań z przypisaną osobą, datą i statusem (open, completed, cancelled). Każde spotkanie cykliczne ma w systemie osobną serię (meeting series), co oznacza, że historia 1:1 z danym pracownikiem żyje w jednym miejscu przez wiele miesięcy. Fellow przechowuje też szablony spotkań 1:1 z gotowymi pytaniami oraz oceny każdej sesji wystawiane przez uczestników po jej zakończeniu.
Granola działa inaczej: to aplikacja na Mac, która transkrybuje spotkanie lokalnie na urządzeniu, a potem generuje strukturalną notatkę w Markdown. Typowy plik z Granoli ma sekcje: Summary, Key Decisions, Action Items, Follow-ups. Plik ląduje na dysku użytkownika. Nie ma tu serwera z bazą do odpytania. Są pliki tekstowe ze stałą strukturą.
Read AI rejestruje spotkania prowadzone w Zoom, Google Meet lub Teams, a po rozmowie generuje raport: streszczenie, podział na rozdziały z tytułami i znacznikami czasu, lista zadań z imieniem właściciela, statystyki głosowe (kto ile czasu mówił, jaki ton) oraz tzw. meeting score, ocena jakości zebrania jako całości. Te dane siedzą w chmurze i da się je pobrać przez API.
Dla AI najbardziej wartościowe są trzy rzeczy: status zadań z poprzednich spotkań, decyzje, które nie miały follow-upu, i tematy wracające na kolejnych zebraniach bez zamknięcia. Każde z tych narzędzi dostarcza jednego kawałka tej układanki.
Co robi AI z tymi danymi: przed spotkaniem, zaraz po i w dłuższym czasie
Podzielmy to na trzy momenty, bo każdy działa inaczej.
Przed spotkaniem. AI pobiera z Fellow wszystkie zadania z danej serii spotkań, które mają status open. Filtruje po polu due_date i sprawdza, co miało być gotowe przed dzisiejszą datą. Wynik: lista tego, co się nie zamknęło. AI składa z tego gotowy punkt agendy: "Otwarte sprawy z poprzednich spotkań" z listą przypisanych osób i terminów. Ten punkt wraca do Fellow przez API jako nowy agenda item albo leci jako wiadomość do menedżera na Slacku dwie godziny przed spotkaniem. Nikt nie musi przekopywać się przez historię notatek z zeszłego miesiąca.
Zaraz po spotkaniu. Granola kończy transkrypcję i zapisuje plik w folderze eksportowym. Skrypt monitorujący folder widzi nowy plik i wysyła go do AI. AI czyta sekcje Key Decisions i Action Items, formatuje je i rozsyła uczestnikom wiadomość: "Ustalenia z dziś [data]: [lista decyzji]. Zadania: [kto, co, do kiedy]." Żadne ustalenie nie ginie w notatkach, do których ktoś zapomni wrócić za tydzień.
W dłuższym czasie. Tu wchodzi Read AI. Mamy raporty z dziesięciu ostatnich spotkań. AI przegląda tytuły rozdziałów i streszczenia, szuka tematów pojawiających się w więcej niż trzech raportach z rzędu. Jeśli "zatrudnienie nowego handlowca" pojawia się w czterech kolejnych tygodniowych przeglądach statusu, AI oznacza to jako temat bez zamknięcia i dodaje go do agendy następnego spotkania jako osobny punkt: "Temat otwarty od 4 tygodni: [tytuł]". Brzmi prosto, ale bez AI nikt tego ręcznie nie śledzi.
Jak fizycznie wygląda podłączenie: API, eksporty i uprawnienia
Każde z tych narzędzi podłącza się inaczej i warto wiedzieć dokładnie, czego oczekiwać przed startem.
Fellow udostępnia REST API w wersji 2 (adres bazowy: api.fellow.app/v2). Klucz API generujecie w ustawieniach konta: Account Settings, zakładka Integrations, sekcja API. Potrzebujecie roli owner lub admin w organizacji. Uwierzytelnienie przez nagłówek Authorization: Bearer [klucz]. Główne endpointy przydatne przy integracjach: GET /meetings (lista spotkań), GET /action-items z parametrem status=open (otwarte zadania), POST /notes (dopisanie notatki po spotkaniu), GET /meeting-series (cykliczne serie z historią). Fellow ma też webhooki: action_item.created, action_item.completed i meeting.ended, czyli system może reagować na zdarzenia w czasie rzeczywistym zamiast co jakiś czas odpytywać API. Jedno ograniczenie: Fellow Copilot (transkrypcja w ramach samego Fellow) przechowuje transkrypty w osobnej usłudze i dostęp do nich przez API zależy od planu. Jeśli chcecie tylko zadania i notatki tekstowe, podstawowy dostęp do API wystarczy.
Granola nie ma publicznego REST API. Firma nie udostępniła go do tej pory. Notatki powstają lokalnie na komputerze Mac i zapisywane są w formacie Markdown. Legalne drogi do automatyzacji są dwie: po pierwsze, skonfigurować Granolę tak, żeby eksportowała pliki do konkretnego folderu lub do Notion po każdym spotkaniu, i monitorować ten folder skryptem; po drugie, użyć integracji z Zapierem, który po pojawieniu się nowej notatki może wysłać jej treść do webhooka lub narzędzia. Żadna z tych dróg nie daje możliwości pełnego odpytania historii z serwera, bo Granola jest przede wszystkim narzędziem lokalnym. Sprawdza się najlepiej tam, gdzie chcecie przetworzyć bieżącą notatkę, a nie analizować historię z roku wstecz.
Read AI ma REST API (api.read.ai). Klucz znajdziecie w: Account, zakładka Integrations, API Access. Uwaga: dostęp do API wymaga planu Pro lub Enterprise. Plan Starter go nie zawiera i to warto sprawdzić przed planowaniem integracji. Główne endpointy: GET /reports (lista raportów z minionych spotkań z filtrowaniem po dacie i typie), GET /reports/{id} (pełny raport jednego spotkania: streszczenie, rozdziały, action items, statystyki głosowe), GET /reports/{id}/action-items (sama lista zadań z danego spotkania). Jest też webhook report.created, który odpala się 5 do 15 minut po zakończeniu spotkania. Format odpowiedzi to JSON: pole action_items zawiera tablicę obiektów z polami text, owner_email i due_date (wypełnione tylko jeśli termin był wyraźnie wymieniony w rozmowie). Pole chapters to lista rozdziałów z tytułami nadanymi przez AI: tu szukacie powtarzających się motywów przez wiele spotkań.
Cykliczne 1:1: gdzie ten system daje najbardziej odczuwalny efekt
Spotkania 1:1 to ten typ zebrań, gdzie utrata ciągłości boli najbardziej. Menedżer zarządza pięcioma osobami, każda ma 1:1 co dwa tygodnie, to dziesięć spotkań miesięcznie z własną historią zadań i ustaleń. Przed każdym zebraniem ktoś musi te historyczne notatki przejrzeć. Nie zawsze jest na to czas.
U jednego z naszych klientów, firma z kilkunastoosobowym zespołem, menedżer przed wdrożeniem AI spędzał po 10 do 15 minut przed każdym 1:1 na szukaniu, co zostało uzgodnione poprzednim razem. Po podłączeniu Fellow do AI wygląda to tak: dwie godziny przed spotkaniem menedżer dostaje na Slacku automatyczną wiadomość z trzema sekcjami: otwarte zadania z tej serii spotkań (imię osoby, tytuł zadania, planowany termin), tematy wspomniane ostatnim razem bez zamknięcia, i sugestia jednego punktu do rozmowy na podstawie tego, co wracało w poprzednich czterech sesjach. Notatka z Granoli leci do pracownika automatycznie po rozmowie. Menedżer nie musi wchodzić do Fellow w trakcie spotkania i nie traci czasu na wpisywanie zadań ręcznie po nim.
Ważny detal: Fellow w obiekcie action_item trzyma nie tylko tekst zadania, ale też pole assignee z adresem email osoby odpowiedzialnej. AI może więc przypomnienie wysłać bezpośrednio tej osobie, nie ogólnie na cały zespół. To różnica między sygnałem, który ktoś odhacza jako przeczytany, a tym, który naprawdę trafia do właściwej osoby.
Jakie dane z raportu Read AI są naprawdę przydatne dla AI
Pole speaker_stats w odpowiedzi API Read AI zawiera dla każdego uczestnika: imię, talk_ratio (udział czasu mówienia w całości), engagement_score i sentiment_score. AI może to czytać i flagować sytuacje warte uwagi.
Na przykład: jeśli w spotkaniu projektowym jednej osoby talk_ratio przekracza 0,6, AI może dać znać prowadzącemu po spotkaniu. Jedno zdanie: "Uwaga: jedna osoba mówiła przez ponad 60% czasu na tym zebraniu." To nie jest ocena pracownika. To wskazówka dla prowadzącego.
Pole source_quote w obiekcie action_item zawiera cytat z rozmowy, z którego AI wyciągnęło zadanie. To ważne przy sprawdzaniu, czy zadanie zostało dobrze zrozumiane, szczególnie gdy decyzja była niejednoznaczna lub podjęta mimochodem pod koniec spotkania. Zamiast spierać się, co zostało uzgodnione, macie fragment rozmowy.
Action items bez wypełnionego due_date warto traktować osobno. AI może po spotkaniu wysłać wiadomość z pytaniem: "Te zadania z dzisiejszego zebrania nie mają terminu: [lista]. Podajcie, kiedy je zamkniecie." Bez tego pytania połowa z nich zostanie bez terminu na zawsze i przepadnie w historii raportów.
Od czego zacząć, żeby nie ugrzęznąć w konfiguracji
Zacznijcie od jednego narzędzia i jednego przypadku użycia, zanim połączycie wszystkie trzy.
- Jeśli używacie Fellow: wyciągnijcie JSON z otwartymi zadaniami dla jednego spotkania cyklicznego. Zobaczycie, jak wygląda struktura danych i ile historii macie do dyspozycji. Stąd do automatycznego punktu agendy jest już jeden krok.
- Jeśli używacie Read AI: pobierzcie przez API raporty z ostatnich pięciu spotkań tego samego projektu. Poproście AI o wylistowanie action items, które nie pojawiają się jako zamknięte w kolejnych raportach. To szybki audyt tego, co przepadło.
- Jeśli używacie Granoli: skonfigurujcie eksport do wskazanego folderu lub do Notion i sprawdźcie, jak wygląda typowy plik Markdown. Automatyzacja czytania pliku jest prosta, gdy wiecie, jak jest zbudowany.
- Połączenie wszystkich trzech ma sens, gdy każde narzędzie pełni inną rolę: Fellow do spotkań wewnętrznych z agendą i zadaniami, Granola do szybkich rozmów zewnętrznych, Read AI do większych zebrań z analityką uczestnictwa.
Kolejna decyzja to: gdzie mają trafiać wyniki. Slack, mail, z powrotem do Fellow jako nowe punkty agendy? To ważne pytanie, bo od odpowiedzi zależy, czy system będzie używany. Jeśli powiadomienia lądują tam, gdzie zespół już pracuje, szanse są dużo wyższe niż wtedy, gdy trzeba logować się do osobnego panelu.
Zostaje jeszcze kwestia uprawnień. Fellow może przechowywać notatki z 1:1, które nie powinny trafiać do całego zespołu. AI przy rozsyłaniu ustaleń musi wiedzieć, które spotkania są poufne i komu może wysyłać podsumowania. Warto to ustalić przed uruchomieniem, nie po pierwszym błędnym wysyłce.
Chcecie sprawdzić, jak to wygląda przy Waszym stosie narzędzi? 15 minut rozmowy wystarczy, żeby ocenić, od której strony warto zacząć i co da się zautomatyzować bez przebudowy tego, jak teraz prowadzicie spotkania. Możecie też zajrzeć na realne wdrożenia, żeby zobaczyć, jak podobne firmy podchodziły do tego problemu.
Chcecie to u siebie?
Na osobnej stronie rozpisaliśmy, co dokładnie podłączamy w Fellow, o co możecie wtedy pytać asystenta i ile kosztuje wdrożenie.
Co podłączamy i ile to kosztuje →Najczęstsze pytania
Czy można połączyć Fellow z AI bez dostępu do API?
Bez API trzeba sięgnąć po ręczny eksport action items do CSV lub integrację przez Zapier. AI może przetwarzać eksportowane pliki, ale nie zrobi tego automatycznie po każdym spotkaniu: ktoś musi uruchomić eksport ręcznie albo ustawić wyzwalacz w Zapierze.
Granola nie ma API, więc jak ją w ogóle wpiąć do automatyzacji?
Przez monitoring folderu eksportowego. Granola może zapisywać notatki w Markdown do wskazanego folderu lub do Notion po każdym spotkaniu. Skrypt monitorujący folder reaguje na nowy plik i przekazuje jego treść do AI, nie trzeba żadnego oficjalnego API.
Czy Read AI pozwala pobrać całą transkrypcję przez API?
Zależy od planu. Na Pro i Enterprise API zwraca pełne raporty z action items, rozdziałami i statystykami głosowymi. Surowa transkrypcja słowo po słowie jest dostępna przez API na wyższych planach, na niższych raporty zawierają streszczenia i rozdziały bez pełnego tekstu rozmowy.
Czy AI może samo dopisywać zadania do Fellow po spotkaniu?
Tak. Endpoint POST /action-items w Fellow API pozwala tworzyć zadania z zewnętrznego programu z przypisaną osobą, tytułem i terminem. AI po przeczytaniu notatki z Granoli lub raportu z Read AI może przez API dopisać zadania do odpowiedniej serii spotkań bez wchodzenia do Fellow ręcznie.
Jak pilnować, żeby decyzje z cyklicznych spotkań nie przepadały?
Schemat jest następujący: Read AI lub Granola generuje raport po spotkaniu, AI porównuje listę action items z poprzednim raportem i oznacza te, których nie zamknięto. Przed kolejnym spotkaniem te otwarte zadania automatycznie wchodzą do agendy jako osobny punkt, więc nie ma szans, żeby przepadły.
Pokażemy to na Waszych danych z Fellow
Jedno zdanie wystarczy: czego szukacie w Fellow albo co ma się dziać samo. Odpiszemy, co podłączymy i od czego zacząć.
Opracowanie: zespół redAi z wykorzystaniem narzędzi AI.
Podłączymy Fellow do AI u Was
15 minut rozmowy: mówicie, czego szukacie w danych, my mówimy, co wyciągniemy z Fellow, 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.


