Les reunions enregistrades són un recurs de coneixement poc aprofitat. Són difícils de cercar, revisar-les requereix temps i estan aïllades en les unitats dels equips; per tant, sovint es passen per alt coneixements valuosos.
En una hackató d’un sol dia, un equip de tres persones va crear Callombia. És una plataforma interna que transcriu, etiqueta, resumeix i retalla automàticament les trucades enregistrades per crear un repositori consultable, a l’estil de YouTube, accessible des de totes les oficines del món.
La solució, creada íntegrament amb Codex, utilitza una cerca semàntica basada en incrustacions d’OpenAI i similitud del cosinus per trobar moments rellevants encara que no s’utilitzin les paraules clau exactes, i hi afegeix un bot de xat RAG i un sistema de notificacions.
Allò que abans hauria requerit setmanes es va completar en set hores, fet que demostra com el desenvolupament nadiu d’IA amb agents de programació com Codex pot escurçar radicalment el cicle de desenvolupament de productes i generar valor empresarial real a partir de hackatons internes.
Si sou com jo, gairebé mai teniu temps (ni prou capacitat d’atenció) per tornar a escoltar reunions enregistrades. Sovint és perquè cal remenar unitats d’equip desorganitzades, saltar-se converses banals de poca qualitat i intentar escoltar de debò mentre s’envien correus i missatges.
Però potser no ha de ser així? I si poguéssim crear alguna cosa que transformés completament les reunions enregistrades? Aquesta era la idea del nostre projecte recent de hackató.
En només un dia, 50 persones dels nostres equips d’enginyeria, lliurament i operacions van abordar diversos problemes plantejats per tota l’empresa: escalar les operacions de contractació, agilitzar la creació de SoW, entendre l’estat dels projectes, generar prototips en directe i extreure coneixements de reunions enregistrades.
En aquesta hackató basada en Codex, vam crear Callombia. Callombia és el YouTube de la nostra empresa: converteix cada trucada en un recurs viu que es pot cercar. Cada trucada es transcriu, etiqueta i resumeix automàticament abans de dividir-la en clips temàtics i afegir-la a un repositori organitzat per canals (clients) i temes (àrees d’especialització en IA). Això permet que qualsevol membre de l’equip de Londres, Edimburg, Singapur o Austràlia accedeixi a l’instant als moments de les trucades que li interessen.
Una interfície d’usuari familiar i coherent amb la marca fa que descobrir contingut sigui intuïtiu, mentre que una cerca semàntica (i, naturalment, un bot de xat d’IA amb RAG) ajuda a trobar exactament allò que es busca. Afegir un sistema de notificacions també permet als companys subscriure’s a determinats temes i rebre un avís quan es publiquen clips nous que els poden interessar.
Però el més interessant de Callombia no és el producte ni el premi de 2.000 £ per guanyar la hackató (presumim una mica), sinó haver pogut crear-ho tot en només set hores amb dos enginyers i un responsable de lliurament. Fa un any, això no era possible. Les millores dels agents de programació han accelerat enormement tot el procés de desenvolupament de productes, i aquesta hackató va ser un banc de proves excel·lent per entendre’n les fronteres irregulars. Així doncs, com vam utilitzar Codex?
En lloc de limitar-nos a redactar un munt de requisits, vam començar compartint la nostra visió col·lectiva (com a indicació) sobre el problema i la visió de Callombia. En ser deliberadament poc específics, vam deixar que el model fes la feina i pensés de manera creativa:
Després de deu minuts d’intercanvi, vam activar el mode de planificació per concretar els requisits i orientar la part tècnica del desenvolupament. El mode de planificació és com respondre les preguntes d’aquell amic pesat que, molt oportunament, ha pensat en tots els escenaris possibles. Després d’acordar aspectes com el nombre de vídeos, si faríem servir cerca semàntica o per paraules clau i quina arquitectura utilitzaríem, va crear un fitxer Markdown que es va convertir en la base del projecte.
Un cop definit el pla, el pas següent era crear els components principals que farien funcionar Callombia de debò. Això implicava crear un canal de processament que convertís les trucades enregistrades en recursos consultables:
Importar els vídeos i les transcripcions,
Dividir-los en moments significatius,
Enriquir-los amb resums i etiquetes,
Fer-los accessibles mitjançant API que el frontend pogués consumir.
L’Ed es va centrar més a convertir els enregistraments originals i les dades de les transcripcions en un format utilitzable, mentre que en Nico es va ocupar sobretot de la capa de recuperació que permetria descobrir aquells moments. Amb Codex, tots dos van poder posar en marxa els models de dades, els scripts d’extracció i la infraestructura del backend molt més ràpidament que si ho haguéssim fet manualment. Això ens va donar molt més que una transcripció adjunta a un vídeo. Ens va donar moments: la secció sobre Tesco, l’actualització d’estratègia, el debat sobre contractació o els 90 segons concrets d’una trucada que algú realment vol veure.
Va ser en aquesta capa de recuperació on la cosa es va tornar especialment interessant. Volíem que algú pogués escriure alguna cosa com "financial performance", "Tesco roadmap" o "conversation evals" i accedís als clips més rellevants, encara que mai no s’hi haguessin pronunciat exactament aquelles paraules. Per fer-ho, vam crear fragments amb marques de temps, resums, text transcrit i metadades. Amb una arquitectura clara al cap i molta ajuda de Codex, vam combinar el tema, el resum i la transcripció en una única entrada i vam utilitzar el model text-embedding-3-small d’OpenAI per generar incrustacions de cada fragment. Vam emmagatzemar aquestes incrustacions a la base de dades i vam utilitzar la similitud del cosinus per comparar cada consulta de l’usuari amb tots els fragments. Així vam obtenir una capa de recuperació semàntica en lloc d’una simple cerca per paraules clau.
Això va oferir una precisió excel·lent i va donar al producte aquella sensació de «màgia» durant la demostració de la hackató. Alhora, sabíem que aquest enfocament no seria escalable indefinidament si el nombre de vídeos continuava creixent, perquè comparar cada consulta amb tots els fragments acabaria resultant massa costós. El pas següent lògic seria introduir estratègies de recuperació més eficients, com ara Hierarchical Navigable Small World, per reduir el nombre de comparacions i mantenir una latència baixa a mesura que creixi el corpus. Quan aquesta funció va començar a funcionar, Callombia va deixar de semblar una simple biblioteca multimèdia i es va apropar més a un sistema de coneixement.
Com en tota bona hackató, aquesta part també va requerir iteracions: els límits inicials dels fragments eren massa imprecisos, calia ajustar algunes marques de temps, certes etiquetes eren massa àmplies i els fitxers de transcripció i enregistrament no sempre encaixaven bé. Però també va ser aquí on es va fer evident el valor. Codex ens va permetre perfeccionar el sistema ràpidament en lloc de quedar-nos encallats en la configuració i la reelaboració. Al final, teníem un backend capaç d’alimentar clips, fragments i una cerca semàntica realment útil. Va ser aleshores quan Callombia va començar a semblar un producte real i no només una demostració de hackató.
Mentre l’Ed i en Nico creaven la capa d’ingestió i la d’intel·ligència, jo vaig desenvolupar el frontend. Amb la nostra plantilla de desenvolupament integral, vaig poder posar en marxa ràpidament una primera versió del web sense escriure ni una línia de codi. Després de demanar-li que obrís el web localment al navegador, li donava comentaris senzills en forma de llista per anar ajustant el disseny fins a aconseguir el que buscava.
Després d’aproximadament una hora d’intercanvis, tenia un resultat que em satisfeia força, tot i no tenir cap experiència en interfícies d’usuari ni disseny. Tot i que el producte final no és perfecte, és una primera versió prou bona perquè la gent entengui el producte.
Per assegurar-nos de tenir alguna cosa en acabar el dia, ens havíem repartit la feina. Evidentment, després d’unes hores de treball semiautònom, cadascú tenia la seva branca local amb un munt de conflictes.
En lloc de dedicar el temps que no teníem a revisar i resoldre meticulosament els conflictes, vam decidir donar via lliure a Codex als repositoris perquè els resolgués tot sol. Tot i que ara mateix no recomanaríem fer-ho en el desenvolupament de programari empresarial, va ser increïble comprovar-ne l’eficàcia en un entorn de baix risc, i ens va estalviar moltes hores.
L’última part de la hackató consistia a enregistrar la demostració de Callombia per al jurat. Tot i que per instint volíem obrir Loom per fer l’enregistrament, vam pensar que seria una bona prova per a Codex i una tasca una mica allunyada de les seves capacitats actuals. Així doncs... Vam escriure una indicació, li vam donar un enllaç al web de Callombia, hi vam adjuntar un enregistrament de la meva veu fet amb la plataforma per a desenvolupadors d’OpenAI i li vam demanar que s’encarregués de la resta.
El primer intent va ser impressionant: havia escrit el guió de la demostració, enregistrat la pantalla, afegit la meva veu en off i complert pràcticament l’encàrrec. L’únic que no ens va convèncer de seguida va ser la sincronització de la veu amb l’enregistrament de la demostració, així que li vam demanar: "MANDATORY: align the voiceover exactly with what is being shown in the demo. There was misalignment (e.g. on the chat page). Triple check alignment of voiceover and the screen-recorded demo at the end. Match it up through whichever means possible."
En resposta a la petició, Codex va dividir la veu en off i l’enregistrament en fragments més petits i va executar la tasca gairebé a la perfecció, just a temps per a les 17.30 h i per celebrar-ho amb cervesa i pizza.
Sabem que Callombia resol un problema que tenen la majoria de les empreses. Assistir a totes les trucades d’una empresa que creix ràpidament és difícil, però les perles de coneixement que s’hi comparteixen són inestimables. Ara només ens cal posar-lo en producció.
Però també hi ha una lliçó més àmplia sobre l’adopció d’una cultura nadiua d’IA i els avantatges de dedicar l’experiència d’enginyeria i producte a resoldre problemes comuns. En sortir de la nostra rutina habitual, col·laborar entre equips i fer-ho en un entorn semicompetitiu, vam acabar amb diverses solucions que, amb alguns retocs, es podrien posar en producció. Si ho fem periòdicament, podem garantir que els nostres processos interns siguin tan eficients com les solucions que creem per als clients.