Înregistrările ședințelor sunt o resursă de cunoaștere insuficient valorificată. Sunt greu de căutat, necesită mult timp pentru a fi revăzute și sunt izolate în spațiile de stocare ale echipelor, astfel că informații valoroase trec adesea neobservate.
În cadrul unui hackathon de o zi, o echipă de trei persoane a creat Callombia. Este o platformă internă care transcrie, etichetează, rezumă și decupează automat apelurile înregistrate într-un depozit în stil YouTube, accesibil și ușor de căutat din toate birourile globale.
Soluția, creată integral cu Codex, folosește căutarea semantică bazată pe reprezentări vectoriale OpenAI și similaritatea cosinus pentru a identifica momente relevante chiar și fără cuvintele-cheie exacte, completată de un chatbot RAG și un sistem de notificări.
Ceea ce altădată ar fi necesitat săptămâni a fost realizat în șapte ore, demonstrând că dezvoltarea nativă AI cu agenți de programare precum Codex poate scurta radical ciclul de dezvoltare a produselor și poate genera valoare comercială reală prin hackathoane interne.
Dacă semănați cu mine, rareori aveți timpul (sau răbdarea) să reascultați ședințele înregistrate. Adesea, asta presupune să cauți prin spațiile dezorganizate ale echipelor, să sari peste conversațiile de complezență mediocre și să încerci să asculți cu adevărat în timp ce trimiți e-mailuri și mesaje.
Dar poate că lucrurile nu trebuie să stea așa? Am putea oare crea ceva care să transforme complet ședințele înregistrate? Aceasta a fost ideea din spatele recentului nostru proiect de hackathon.
Într-o singură zi, 50 de colegi din echipele noastre de inginerie, livrare și operațiuni au abordat mai multe probleme identificate în companie: extinderea operațiunilor de recrutare, simplificarea redactării documentelor SoW, evaluarea stării proiectelor, generarea în timp real a prototipurilor și extragerea informațiilor din ședințele înregistrate.
În cadrul acestui hackathon bazat pe Codex, am creat Callombia. Callombia este un fel de YouTube al companiei noastre, care transformă fiecare apel într-o resursă vie și ușor de căutat. Fiecare apel este transcris, etichetat și rezumat automat, apoi împărțit în clipuri tematice și adăugat într-un depozit organizat pe canale (clienți) și subiecte (domenii de specializare în AI). Astfel, orice membru al echipei din Londra, Edinburgh, Singapore sau Australia poate accesa instantaneu momentele relevante din apeluri.
O interfață familiară și adaptată identității mărcii face descoperirea conținutului intuitivă, iar căutarea semantică (și, desigur, chatbotul AI cu RAG) îi ajută pe utilizatori să găsească exact ceea ce caută. Sistemul de notificări le permite colegilor să se aboneze la anumite subiecte și să fie anunțați când apar clipuri noi relevante pentru ei.
Dar partea grozavă la Callombia nu este produsul și nici premiul de 2.000 £ pentru câștigarea hackathonului (cu care ne lăudăm), ci faptul că am putut crea toate acestea în doar șapte ore, cu doi ingineri și un coordonator de livrare. Acum un an, acest lucru nu era posibil. Progresele agenților de programare au accelerat enorm întregul proces de dezvoltare a produselor, iar acest hackathon a fost un teren excelent de testare pentru a le înțelege limitele neuniforme. Așadar, cum am folosit Codex?
În loc să redactăm pur și simplu o mulțime de cerințe, am început prin a prezenta perspectiva noastră comună (sub forma unei solicitări) asupra problemei și asupra viziunii pentru Callombia. Fiind intenționat vagi, am lăsat modelul să lucreze și să gândească creativ:
După zece minute de dialog, am activat modul Planificare pentru a restrânge cerințele și a fundamenta partea tehnică a dezvoltării. Modul Planificare seamănă cu o serie de întrebări puse de acel prieten enervant care s-a gândit (din fericire) la toate scenariile posibile. După ce am stabilit aspecte precum numărul de videoclipuri, tipul de căutare — semantică sau după cuvinte-cheie — și arhitectura, Codex a creat un fișier Markdown care a devenit baza proiectului.
Odată stabilit planul, următorul pas a fost să dezvoltăm componentele principale care aveau să facă Callombia să funcționeze efectiv. Aceasta însemna crearea unui flux care să transforme apelurile înregistrate în resurse ușor de căutat:
Importarea videoclipurilor și a transcrierilor,
Împărțirea lor în momente relevante,
Îmbogățirea lor cu rezumate și etichete,
Expunerea lor prin API-uri pe care frontendul să le poată utiliza.
Ed s-a concentrat mai mult pe transformarea înregistrărilor brute și a transcrierilor într-un format utilizabil, iar Nico pe nivelul de regăsire care avea să facă acele momente ușor de descoperit. Cu ajutorul Codex, amândoi au putut configura modelele de date, scripturile de extragere și infrastructura backend mult mai repede decât ar fi reușit manual. Astfel, am obținut mult mai mult decât o transcriere atașată unui videoclip. Am obținut momente: secțiunea despre Tesco, actualizarea strategiei, discuția despre recrutare sau cele 90 de secunde exacte dintr-un apel pe care cineva chiar vrea să le urmărească.
Nivelul de regăsire a fost partea în care lucrurile au devenit deosebit de interesante. Voiam ca cineva să poată introduce expresii precum „financial performance”, „Tesco roadmap” sau „conversation evals” și să ajungă la cele mai relevante clipuri, chiar dacă acele cuvinte exacte nu fuseseră rostite niciodată. În acest scop, am creat fragmente cu marcaje temporale, rezumate, textul transcrierii și metadate. Având o arhitectură clară și mult ajutor din partea Codex, am combinat subiectul, rezumatul și transcrierea într-o singură intrare și am folosit modelul text-embedding-3-small de la OpenAI pentru a genera reprezentări vectoriale pentru fiecare fragment. Am stocat aceste reprezentări vectoriale în baza noastră de date și am folosit similaritatea cosinus pentru a compara interogarea utilizatorului cu fiecare fragment, obținând astfel un nivel de regăsire semantică, nu doar o simplă căutare după cuvinte-cheie.
Metoda a oferit o precizie excelentă și a conferit produsului senzația de „magie” în timpul demonstrației de la hackathon. În același timp, știam că această abordare nu se va putea extinde la nesfârșit dacă numărul videoclipurilor continuă să crească, deoarece compararea fiecărei interogări cu fiecare fragment ar deveni, în cele din urmă, prea costisitoare. Următorul pas firesc ar fi introducerea unor strategii de regăsire mai eficiente, precum Hierarchical Navigable Small World, pentru a reduce numărul comparațiilor și a menține latența scăzută pe măsură ce corpusul se extinde. Odată ce această funcție a devenit operațională, Callombia a început să semene mai puțin cu o bibliotecă media și mai mult cu un sistem de cunoaștere.
Ca la orice hackathon reușit, și această parte a necesitat iterații: limitele inițiale ale fragmentelor erau prea aproximative, unele marcaje temporale trebuiau ajustate, anumite etichete erau prea generale, iar fișierele transcrierilor și înregistrărilor nu se aliniau întotdeauna perfect. Dar tocmai aici s-a evidențiat și valoarea soluției. Codex ne-a permis să rafinăm rapid sistemul, în loc să ne împotmolim în configurare și refaceri. La final, aveam un backend capabil să susțină clipuri, fragmente și o căutare semantică realmente utilă — momentul în care Callombia a început să pară un produs adevărat, nu doar un demo de hackathon.
În timp ce Ed și Nico dezvoltau nivelurile de import și Inteligență, eu am construit frontendul. Folosind șablonul nostru full-stack, am putut crea rapid o primă versiune a site-ului fără să scriu niciun rând de cod. După ce îi ceream să deschidă local site-ul în browserul meu, ofeream feedback simplu, sub formă de puncte, pentru a ajusta iterativ designul până ajungea la rezultatul dorit.
După aproximativ o oră de dialog, aveam un rezultat de care eram destul de mulțumit, fără nicio experiență în UI sau design. Deși produsul final este departe de a fi perfect, este o primă versiune destul de bună, care îi ajută pe utilizatori să înțeleagă produsul.
Ca să ne asigurăm că vom avea un rezultat la sfârșitul zilei, ne-am împărțit sarcinile. Evident, după câteva ore de lucru relativ independent, fiecare avea propria ramură locală, cu o mulțime de conflicte.
În loc să consumăm timpul pe care nu-l aveam analizând și rezolvând meticulos conflictele, am decis să-i dăm frâu liber lui Codex în depozite și să-l lăsăm să le remedieze singur. Deși momentan nu am recomanda această abordare pentru dezvoltarea de software la nivel de întreprindere, eficiența sa într-un mediu cu riscuri reduse este incredibilă și ne-a economisit multe ore.
Ultima etapă a hackathonului a fost înregistrarea demonstrației Callombia pentru juriu. Instinctul ne îndemna să deschidem Loom pentru înregistrare, dar ne-am gândit că aceasta ar putea fi o adevărată probă pentru Codex, puțin dincolo de capabilitățile sale actuale. Așa că… am scris o solicitare, i-am oferit un link către site-ul Callombia, am atașat o înregistrare a vocii mele de pe platforma OpenAI pentru dezvoltatori și i-am cerut să facă restul.
Prima încercare a fost foarte impresionantă: scrisese un scenariu pentru demo, înregistrase ecranul, adăugase vocea mea și respectase aproape în totalitate cerințele. Singurul aspect de care nu am fost imediat mulțumiți era sincronizarea vocii cu înregistrarea demonstrației, așa că i-am cerut: “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.”
Ca răspuns la această solicitare, Codex a împărțit vocea și înregistrarea în secțiuni mai mici și a executat sarcina aproape impecabil, chiar la timp pentru berea și pizza de la ora 17:30, cu care am sărbătorit.
Știm că Callombia rezolvă o problemă întâlnită în majoritatea companiilor. Este dificil să participi la fiecare apel într-o companie care se dezvoltă rapid, însă ideile valoroase împărtășite în cadrul acestora sunt neprețuite. Acum trebuie doar să-l lansăm în producție.
Însă există aici și o lecție mai amplă despre adoptarea unei abordări native AI și despre beneficiile aplicării expertizei tehnice și de produs pentru rezolvarea problemelor comune. Ieșind din rutina obișnuită, colaborând între echipe și lucrând într-un mediu ușor competitiv, am obținut mai multe soluții care, cu unele ajustări, ar putea fi lansate în producție. Procedând astfel cu regularitate, ne putem asigura că procesele noastre interne sunt la fel de eficiente ca soluțiile create pentru clienți.