Las reuniones son esenciales para la toma de decisiones, la coordinación de proyectos y la colaboración en diversas organizaciones. Sin embargo, la captura y estructuración de los puntos clave de estas conversaciones a menudo resulta ineficaz e inconsistente. El proceso manual de resumir reuniones o extraer acciones clave requiere un esfuerzo considerable y puede resultar en omisiones o malinterpretaciones.
En este contexto, los modelos de lenguaje de gran tamaño (LLMs) emergen como una solución eficiente, transformando transcripciones de reuniones no estructuradas en resúmenes y listas de acciones organizadas. Esta capacidad es particularmente útil en la gestión de proyectos, atención al cliente, ventas, asuntos legales y cumplimiento, así como en la gestión del conocimiento empresarial.
Recientemente, se han evaluado diferentes modelos de comprensión de la familia Amazon Nova, disponibles a través de Amazon Bedrock, que ofrecen orientación sobre la mejor opción para resumir reuniones. Los LLM modernos son especialmente efectivos en la extracción de acciones y en la creación de resúmenes gracias a su habilidad para entender el contexto y generar salidas estructuradas.
El uso de la ingeniería de prompts se presenta como un enfoque más eficiente que la afinación tradicional de modelos. En lugar de alterar la arquitectura del modelo o requerir grandes conjuntos de datos etiquetados para su entrenamiento, esta técnica utiliza consultas bien elaboradas para guiar el comportamiento del modelo, permitiendo personalización rápida y específica del dominio sin procesos extensos de reentrenamiento.
Los modelos de Amazon Nova, que se introdujeron en AWS re:Invent en diciembre de 2024, están diseñados para ofrecer inteligencia avanzada con un coste competitivo. Estos modelos se dividen en cuatro niveles: Nova Micro, Nova Lite, Nova Pro y Nova Premier, optimizados para diversas aplicaciones de inteligencia generativa en entornos seguros y asequibles.
La solución presentada se centra en dos resultados clave: la resumisión de reuniones y la extracción de acciones. La resumisión proporciona sumarios que condensan los puntos discutidos y decisiones tomadas, mientras que la extracción de acciones ofrece una lista estructurada de tareas derivadas de la conversación.
Para evaluar el rendimiento de esta solución, se utilizaron muestras del conjunto de datos público QMSum, que incluye transcripciones de reuniones en inglés y sus resúmenes anotados manualmente. Los resultados mostraron que el modelo Nova Premier alcanzó la puntuación más alta en calidad, aunque otros modelos también ofrecieron resultados competitivos con tiempos de procesamiento más rápidos.
La evaluación de la calidad de los outputs generados presenta desafíos, ya que las métricas tradicionales pueden no capturar aspectos importantes como la coherencia y la corrección factual. Para abordar esto, se está implementando el uso de un LLM como juez, que permite evaluar automáticamente las salidas generadas en función de criterios específicos.
Los análisis evidencian patrones claros entre el rendimiento y la latencia de los modelos de Amazon Nova en las tareas de resumen y extracción de acciones, destacando su velocidad y eficacia. Esto los convierte en una opción atractiva para empresas que manejan grandes volúmenes de datos de reuniones.
En resumen, la implementación de técnicas de ingeniería de prompts junto con los modelos de Amazon Nova disponibles a través de Amazon Bedrock permite generar resúmenes de reuniones y listas de acciones de manera eficiente, optimizando la latencia, el coste y la precisión. Esto resulta crucial para una resumisión automatizada de gran escala, posicionando a Amazon Nova como una opción viable para mejorar la gestión de reuniones en las empresas.
