Атом, 2026
Atom Transcriber. Внутренний продукт экосистемы Атом — транскрибация и AI-анализ встреч для исследователей
Контекст
Atom Transcriber – внутренний инструмент для распознавания речи и транскрибации с помощью нейросети. Изначально потребность в таком инструменте появилась у команды исследователей, т.к. им нужно хранить весь их массив исследований и отчетов по ним в одном месте, а также им нужен был помощник для подготовки отчетов по проведенным исследованиям.
Я вела дизайн продукта с нуля полностью, в команде с продактом, исследователем и разработчиками.
Для чего вообще мы сделали собственный софт?
Ведь можно купить то, что уже представлено на рынке?
- РискиИнструменты часто меняются из-за санкций и подобных ограничений, а значит все накопленные материалы рисковали быть либо утрачены, либо остаться в неудобном формате Word-файлов, как уже было после перехода с Microsoft Teams
- Недостаточная функциональностьВ текущих используемых инструментах не хватало функций, а использовать несколько разных софтов для одной цели неудобно
- Развитие собственного корпоративного AIВ атоме есть свой AI, который компания развивает для помощи сотрудникам
Задача
- Спроектировать полный цикл работы с записью встречи: от загрузки файла до готового AI-отчёта и возможности задавать нейросети вопросы по содержанию
Ограничения
- Основная сложность проекта была не в дизайне, а в обучении модели — качественном распознавании речи и подготовке отчётов. На саму дизайн-работу это напрямую не влияло, но требовало синхронизации с тем, что модель на конкретном этапе физически могла выдать
Решения
Организация работы через проекты
При создании проекта пользователь выбирает его тип: Исследование, Собеседование или Рабочая встреча. Тип влияет на структуру и содержание AI-отчёта, ведь отчёт по собеседованию и отчёт по рабочей встрече агрегируют разную информацию, и это задаётся уже на старте. У проекта также есть настройки доступа, личный (виден только автору) или публичный (виден выбранным коллегам или всем). Это позволяет вести несколько проектов параллельно, не теряя структуру, и делиться материалами только с теми, кому они действительно нужны.
Видео и транскрипт всегда рядом, с субтитрами на разных языках
Нам было важно, чтобы видео всегда оставалось на экране параллельно с транскриптом, потому что исследователям нужна не только расшифровка текстом, но и возможность пересматривать само видео, считывать невербальные сигналы, которые транскрипт не передаёт. Поэтому разделили экран на две части: слева видеоплеер, справа блок с транскрибцией и отчётом.
Также плеер поддерживает субтитры на разных языках: среди команды есть китайские коллеги, для которых критично важно сопровождение субтитрами на английском или китайском языке.
AI-отчёт по каждой встрече
На странице каждого загруженного видео или аудио нейросеть готовит отчёт с саммари конкретной записи, снимая с сотрудника ручную работу по суммаризации.
AI-чат по всему проекту
Проектная структура натолкнула меня на идею сделать AI-отчёт по всему проекту, который агрегировал бы информацию из всех загруженных в проект видео и аудио сразу. Команде идея понравилась, и в процессе брейншторминга она трансформировалась в формат чата: вместо статичного отчёта пользователь может задавать нейросети вопросы по совокупности всех материалов проекта. Это оказалось более гибким способом получить нужную информацию, чем текстовый отчёт.
Редактируемость и обратная связь везде
Всё в продукте можно скорректировать вручную, от имени спикера и отдельных реплик в транскрипте до текста AI-отчёта. Также в каждом ключевом месте предусмотрена обратная связь: можно оценить транскрипт, AI-отчёт и отдельно оценить ответ в AI-чате. Эта обратная связь в том числе помогает модели обучаться и постепенно выдавать более точный результат.
Usability Testing
Провели UT на сотрудниках Атома: исследователях, HR и других. Коллеги оставили очень позитивный фидбек, вплоть до дословного «у дизайнера золотые руки». Из замечаний: расположение корзины с удалёнными файлами было не очень понятным, а в тип проекта «Собеседование» попросили добавить графу «Описание вакансии».
Результаты
Первую модель выкатили на тестовых пользователей через 1,5 месяца от старта работы. После запуска на ограниченную группу пользователей фидбек шёл только по работе самой нейросети, как она распознаёт речь и так далее. Вопросов и нареканий к интерфейсу и логике продукта не поступало.
Развитие
Параллельно с Atom Transcriber я занималась редизайном ещё одного внутреннего AI-продукта, Atom Intelligence: чат с общей базой знаний Атома и конструктор AI-агентов под конкретные задачи (агенту можно загрузить документацию, и он будет отвечать на её основе). Первую версию реализовали китайские коллеги, я приводила интерфейс в соответствие с нашей дизайн-системой и делала его более удобным. В планах было объединить оба продукта в единый AI-хаб для сотрудников, я покинула компанию до начала этой работы.
Давайте сделаем вместе что-нибудь крутое
Если вам кажется, что я могу быть полезной для вашего бизнеса — скорее пишите мне!