Thứ hai tuần trước tôi vào cuộc họp dự kiến một tiếng với ba team khác. Tới phút thứ 95 mới ra. Một tiếng bốn lăm phút, không ai ghi note. Hôm sau Slack channel im lìm. Tôi nhắn anh PM hỏi “vụ launch tuần sau ai owner báo cáo cuối cùng?”, anh ấy nhắn lại “tao tưởng mày”. Bên design ngỡ bên engineering làm, bên engineering ngỡ bên marketing. Bốn ngày sau, demo trước khách, không ai có slide. Ai cũng nhớ “có nói tới” nhưng không ai nhớ “ai nhận”.

Đó là cuộc họp cuối cùng tôi đi mà không record. Từ đó tôi có một quy trình cố định: record, feed vào AI, prompt theo cấu trúc bốn phần, sau 10 phút có notes + action items kèm owner và deadline gửi cho cả team. Tỷ lệ “tôi tưởng mày” giảm hẳn, mà tôi không phải ngồi gõ note trong khi đang phải nói.

Bài này là quy trình đó, viết lại từ những lần tôi dùng thật. Phần quan trọng không nằm ở app nào hot hơn app nào, mà ở ba câu hỏi rất thực tế: có được record không, transcript có đủ sạch không, và AI có đang tự biến một câu nói mơ hồ thành commitment hay không.

Record trước đã, transcript sau

Bước đầu tiên không phải mở AI lên. Là record. Không có audio thì không có notes. Có vài cách phổ biến.

Cách dễ nhất nếu họp đã ở trên Zoom hoặc Google Meet hoặc Microsoft Teams: bật chế độ record + transcript built-in. Zoom có “Cloud Recording” + auto transcript, Google Meet có “Meeting Notes by Gemini” tự gen transcript và summary, Teams có Copilot. Cái lợi: zero công sức, ngay khi họp xong có file. Cái dở: transcript built-in của các nền tảng này thường yếu hơn các app chuyên dụng, hay miss tên riêng tiếng Việt, hay nhầm “anh Nghĩa” thành “anh Nghĩa Vũ” hoặc “Inadea”.

Cách thứ hai là dùng app chuyên về meeting transcript. Otter.ai, Granola và Fathom là ba cái tôi thấy team Việt Nam nhắc nhiều. Otter.ai có app điện thoại, bật trước khi vào họp, nó record + transcript tự động, có thể join Zoom call như một bot. Granola hơi khác: nó chạy local trên Mac, nghe audio từ system output (cả voice mình lẫn voice đối phương trong cuộc gọi), không upload audio lên cloud. Fathom focus vào sales call, có integration với Salesforce và HubSpot.

Cách thứ ba cho ai không tin cloud: điện thoại + Whisper local. Bật voice memo trên điện thoại, để cạnh laptop, record cả cuộc họp. Sau họp đẩy file qua máy tính, chạy Whisper qua MacWhisper hoặc whisper.cpp, ra transcript hoàn toàn offline. Tôi dùng cách này cho các cuộc họp có dữ liệu nhạy: lương nhân sự, đối tác chưa ký NDA, KPI quý chưa công bố. Whisper bản large-v3 chạy trên Macbook M1 Air tốc độ khoảng 0.3x realtime cho tiếng Việt, nghĩa là một tiếng họp mất 20 phút transcribe. Đủ chấp nhận được.

Một lưu ý nhỏ về luật ở Việt Nam: bạn nên nói trước với mọi người “tôi đang record để làm note nhé, ai không đồng ý báo tôi tắt”. Câu này 5 giây, đủ để bạn không phải dính chuyện về sau. Ở vài nước (Đức, Pháp, vài bang ở Mỹ) luật còn nghiêm hơn, phải có sự đồng ý của TẤT CẢ các bên mới được record. Họp với đối tác nước ngoài thì hỏi rõ trước.

Prompt cấu trúc bốn phần

Có transcript rồi, đến đoạn feed vào AI. Đây là chỗ nhiều người làm sai, dán nguyên transcript và bảo “tóm tắt giúp tôi”. Kết quả ra một đoạn văn mượt, đọc xong vẫn không biết ai phải làm gì.

Prompt tôi dùng có bốn phần cố định, đặt tên rõ:

Tôi sẽ dán transcript một cuộc họp bên dưới. Hãy đọc kỹ và tổng hợp thành 4 phần:

1. TL;DR (3 câu, không hơn): cuộc họp này về cái gì, kết luận lớn nhất là gì.

2. DECISIONS MADE: liệt kê các quyết định đã chốt trong họp, theo format
   "[ai quyết] đã chốt [quyết định gì]"
   Chỉ ghi những thứ ai đó nói rõ ràng "ok chốt", "đồng ý", "quyết vậy đi". Không suy diễn.

3. ACTION ITEMS: liệt kê việc cụ thể ai phải làm, theo format
   "[tên người] sẽ [làm gì] trước [ngày nào]"
   Nếu deadline không nói rõ, ghi "deadline chưa chốt".
   Nếu không rõ ai làm, ghi "owner chưa rõ".

4. OPEN QUESTIONS: câu hỏi đặt ra trong họp nhưng chưa có câu trả lời, hoặc đề tài nhắc tới nhưng chưa quyết.

Quan trọng: nếu transcript không có thông tin để điền vào một mục, ghi rõ "không có" thay vì bịa ra. Đừng tự thêm action item mà transcript không nhắc tới.

Transcript:
[dán transcript ở đây]

Bốn phần này tương đương bốn thứ team thật sự cần sau cuộc họp. TL;DR cho sếp hoặc người vắng họp đọc 30 giây. Decisions cho cả team đối chiếu sau (vì 2 tuần nữa ai cũng quên đã chốt gì). Action items là phần quan trọng nhất, có owner và deadline mới hành động được. Open questions để bạn biết cần follow up tiếp.

Cấu trúc này thay vì bảo “tóm tắt” hay “summary” có hai lợi ích. Một, bạn dán xong là dùng được luôn, không cần edit. Hai, vì bạn yêu cầu format rõ ràng, AI khó bịa hơn. Nó phải có dữ liệu cụ thể mới điền được vào ô “ai quyết”, nếu không sẽ phải ghi “không có”. Đây là một dạng prompt engineering đơn giản tôi đã viết kỹ ở bài D: dạy AI bằng prompt.

Privacy: khi nào KHÔNG nên feed vào AI cloud

Đây là phần ít người nói. Recording xong rồi, nhưng có nên dán transcript vào ChatGPT không?

Trả lời thẳng: không phải lúc nào cũng nên. Có những cuộc họp tôi không đưa vào AI cloud, dù transcript có sẵn ngay trước mặt:

Họp kín ban giám đốc, đặc biệt có thảo luận về M&A, mua bán cổ phần, IPO. Lý do: nội dung này nếu lộ có thể vi phạm luật chứng khoán (insider trading), kể cả khi chưa public. Một transcript nằm trên server OpenAI hay Anthropic không phải là kênh bạn kiểm soát được.

Họp về sa thải nhân sự cụ thể. Tên nhân viên cộng lý do sa thải cộng kế hoạch là dữ liệu PII rất nhạy. Nếu nhân viên đó sau này kiện công ty, transcript của cuộc họp này có thể bị discovery (đòi nộp làm bằng chứng), và bạn không biết AI provider lưu nó ở đâu, lưu bao lâu.

Họp với khách hàng có NDA. Đọc kỹ điều khoản NDA: phần lớn NDA cấm “share thông tin của bên kia cho bên thứ ba”. Một AI provider là một “bên thứ ba”. Trừ khi NDA viết rõ “được phép dùng AI để xử lý”, mặc định là không được.

Họp y tế cá nhân, họp luật sư với thân chủ, họp tài chính cá nhân của một người cụ thể. Dữ liệu sức khoẻ ở Việt Nam thuộc loại “dữ liệu cá nhân nhạy cảm” theo Nghị định 13/2023, xử lý phải có sự đồng ý rõ ràng.

Tin lương nội bộ chưa công bố, KPI quý chưa announce, bonus pool, danh sách layoff.

Với những loại trên, hai lựa chọn. Một, không dùng AI, ghi tay hoặc nhờ thư ký ghi. Hai, dùng AI local: Whisper local cho transcript, Ollama hoặc LM Studio chạy model như Llama 3.1 hoặc Qwen 2.5 hoặc Mistral trên máy bạn, feed transcript vào local model. Chậm hơn, model yếu hơn ChatGPT, nhưng dữ liệu không rời máy.

Cách rẻ nhất nếu bạn muốn vẫn dùng AI cloud nhưng giảm rủi ro: redact trước khi feed. Trước khi dán vào ChatGPT, mở transcript ra, replace tên thật bằng “PERSON A”, “PERSON B”, “PERSON C”, thay tên công ty bằng “COMPANY X”, thay số tiền cụ thể bằng “AMOUNT_1”. AI vẫn extract được action items và decisions, vì format câu vẫn còn (“PERSON A sẽ gửi báo cáo trước thứ sáu”). Bạn map lại tên sau khi có output. Mất 5 phút redact, đổi lại bạn không gửi tên thật ra cloud.

Granola làm sẵn cái này theo cách của họ: chạy local, không upload audio, chỉ gửi text transcript đã filter vào AI model bạn chọn. Nếu cuộc họp có quá nhiều dữ liệu nhạy mà bạn vẫn muốn auto, Granola hoặc tương đương là lựa chọn nên xét.

AI có bịa action item không, có

Tôi đã nói ở bài E: em phịa và hallucination là AI sẵn sàng bịa khi không biết. Meeting notes là một trong những chỗ AI bịa nguy hiểm nhất, vì người đọc thường tin ngay, không đối chiếu transcript.

Ba dạng bịa hay gặp:

Bịa owner. Trong họp anh A nói “tôi không chắc, để hỏi lại team”, AI viết thành “Anh A sẽ làm X trước thứ sáu”. Câu “để hỏi lại” bị AI hiểu nhầm thành commitment.

Bịa deadline. Trong họp không ai nói ngày cụ thể, AI tự suy diễn “trước cuối tuần” hoặc “trong tuần tới” vì nó thấy các meeting notes khác hay viết vậy. Bạn đọc xong tưởng đó là deadline thật, gửi cho team, team confuse vì không nhớ đã chốt deadline.

Bịa decision. Trong họp mọi người chỉ thảo luận, chưa ai chốt, AI viết “Team đã quyết định launch ngày 15”. Bốn người đọc xong 30 phút sau cuộc họp, ba người gật, một người mới phản đối vì “tôi đâu có đồng ý”.

Cách kiểm là tới đoạn cuối, sau khi AI sinh output, đọc từng action item lướt qua transcript một lần. Search Cmd+F tên người trong action item, đối chiếu xem họ thật sự nói câu nào. Mất thêm 5 phút. Vẫn rẻ hơn rất nhiều so với một tuần sau phát hiện cả team chạy theo một deadline không có thật.

Mẹo khác: thêm vào prompt câu “Với mỗi action item và decision, hãy trích nguyên văn câu trong transcript làm bằng chứng, dạng [anh A]: 'tôi sẽ làm X'. Nếu không có câu trực tiếp, ghi ‘không có bằng chứng trực tiếp’.” AI buộc phải trỏ về transcript, bịa sẽ lộ ngay vì nó không tìm được câu để quote.

Bốn template cho bốn loại meeting

Prompt bốn phần ở trên là default. Với từng loại meeting cụ thể, tôi điều chỉnh nhẹ.

Daily standup (15 phút, 3-8 người)

Standup không cần TL;DR và open questions nặng. Cần biết hôm qua mỗi người làm gì, hôm nay làm gì, blocker là gì.

Đây là transcript daily standup. Hãy tổng hợp theo format:

Cho mỗi người trong họp:
- Hôm qua: [đã hoàn thành cái gì]
- Hôm nay: [sẽ làm gì]
- Blocker: [đang bị gì cản] hoặc "không có"

Cuối cùng:
- BLOCKERS tổng hợp: liệt kê blocker cần PM hoặc lead xử lý

Không bịa, nếu một người không nói rõ "hôm qua" hoặc "hôm nay", ghi "chưa rõ".

Transcript:
[dán]

Standup output này tôi pin lên Slack channel hoặc Notion daily log. Người vắng họp scan 30 giây là biết team đang ở đâu.

1-on-1 với sếp (30-60 phút)

1-on-1 khác standup ở chỗ có nhiều feedback và cảm xúc và kế hoạch dài hạn. Format cũng khác:

Đây là transcript buổi 1-on-1 của tôi với sếp. Tổng hợp 4 phần:

1. FEEDBACK sếp dành cho tôi: cả tích cực và tiêu cực, trích nguyên văn nếu có.

2. FEEDBACK tôi dành cho sếp / team / công ty: nếu có.

3. ACTION ITEMS cho tôi: tôi cần làm gì, trước khi nào.

4. ACTION ITEMS cho sếp: sếp đã cam kết hỗ trợ gì cho tôi.

5. Topic raise lại lần sau: gì còn dở dang.

Không tổng quát hoá, giữ nguyên văn các đoạn quan trọng.

Transcript:
[dán]

1-on-1 có chứa nhiều thông tin nhạy cảm về performance review hoặc compensation. Đây là loại tôi luôn redact tên trước khi feed AI cloud, hoặc chạy local.

Board update (30-60 phút, với investor hoặc board)

Board meeting có format chuẩn: KPI report, key updates, asks. Prompt tôi dùng:

Đây là transcript board meeting. Tổng hợp 5 phần:

1. KPI / METRICS: số liệu được trình bày trong họp (revenue, users, runway, burn rate). Trích nguyên văn số liệu.

2. KEY UPDATES: 3-5 update lớn từ founder/CEO.

3. CONCERNS / QUESTIONS từ board: board hỏi gì, lo gì.

4. ACTION ITEMS cho founder/CEO: cam kết gì với board lần sau.

5. DECISIONS: nếu board approve hay reject quyết định nào, ghi rõ.

Mỗi mục nếu có số liệu cụ thể, trích nguyên văn từ transcript làm bằng chứng.

Transcript:
[dán]

Board meeting có chứa thông tin material non-public, là loại tôi gần như không bao giờ feed AI cloud. Hoặc Granola local, hoặc ghi tay, hoặc thư ký công ty ghi.

Client demo phải capture phản hồi cụ thể của khách, vì mỗi câu của khách là input quan trọng cho sales pipeline và product roadmap.

Đây là transcript một buổi demo với khách hàng. Tổng hợp:

1. KHÁCH HÀNG: tên công ty, người tham gia, vai trò.

2. PAIN POINTS khách raise: trích nguyên văn các câu khách than phiền về vấn đề họ đang gặp.

3. POSITIVE FEEDBACK: trích các câu khách khen hoặc tỏ ra interested.

4. OBJECTIONS / CONCERNS: trích các câu khách phản đối hoặc lo lắng.

5. ASKS từ khách: khách yêu cầu mình làm gì (gửi proposal, demo lại, intro người khác).

6. NEXT STEPS: cuộc gọi tiếp theo khi nào, ai chuẩn bị gì.

Trích nguyên văn từng câu của khách, kèm tên người nói. Đây là dữ liệu sales, không được phép paraphrase mất nghĩa.

Transcript:
[dán]

Sales team đọc xong là update CRM được luôn. Đặc biệt phần “Pain Points” và “Objections” rất quý cho product team thấy khách thật sự cần gì, không phải lý thuyết.

Mẹo nhỏ giúp transcript tốt hơn từ đầu

Vài thói quen tôi đúc kết, áp dụng ở pre-meeting và in-meeting, sẽ làm output AI rõ ràng hơn nhiều.

Trước khi vào họp, gán speaker labels rõ. Trong Otter.ai có nút “label speakers”, click vào từng đoạn audio, gõ tên người nói. Hoặc đơn giản hơn: trước họp gửi vào chat group “trong cuộc gọi này có: Nghĩa (PM), Hà (Design), Lâm (Engineering), Tú (QA)”. Sau khi transcript ra, AI sẽ thấy danh sách tên ngay đầu file, ID đúng người. Không có speaker label, AI hay nhầm “User 1”, “User 2”, “User 3”, và bạn phải đoán mò.

Trong họp, người nói phải xưng tên ở câu đầu mỗi lần phát biểu lớn. “Hà nói, mình nghĩ phần design này nên…”. Nghe hơi cứng, nhưng AI capture đúng owner gấp ba lần. Câu này không cần hô mỗi lần, chỉ khi đưa ra commitment hoặc decision. “OK chốt, tôi là Lâm tôi sẽ làm phần backend trước thứ năm”.

Repeat decisions ra miệng. Cuối mỗi đoạn thảo luận, ai đó (thường là chair) nói lại “OK vậy chốt: anh Lâm làm backend trước thứ năm, anh Tú test trong sáng thứ sáu, demo nội bộ chiều thứ sáu”. Câu repeat này là vàng cho AI, vì nó có đủ owner, action, deadline trong một câu. AI sẽ pick lên ngay.

Đặt timer rõ deadline. Đừng nói “tuần tới”, nói “thứ ba 28/5 trước 5 giờ chiều”. Mơ hồ là chỗ AI bịa nhiều nhất.

Phối hợp với email follow-up và memory

Output bốn phần (TL;DR + decisions + actions + open questions) tôi không để nó nằm yên ở Notion. Thường sau đó còn hai bước.

Bước một: gửi email follow-up cho người tham gia. Đây là chỗ tôi dùng chat thứ hai với AI: dán bốn phần vào, prompt “Viết email follow-up gửi các bên tham gia họp. Tone professional friendly. Confirm các decisions và action items để mọi người có cơ hội phản đối nếu không khớp với cách họ nhớ. Subject line ngắn gọn.” Trong vòng 24h sau họp, email gửi đi, ai nhớ khác sẽ reply lại, tránh trường hợp một tuần sau mới phát hiện sai.

Bước hai: pin context dài hạn vào AI memory. Một số quyết định không chỉ là action của tuần này mà là policy cho team dài hạn. Ví dụ “team quyết định mọi PR phải có 2 approver mới merge”. Tôi pin vào Claude Project hoặc ChatGPT Memory để các chat sau AI biết context. Cách làm chi tiết tôi viết ở bài G: ghi nhớ và memory/projects.

Khi nào nên pin vào memory, khi nào không: pin khi đó là context lâu dài (team structure, naming convention, deadline lớn của quý). Không pin khi đó là detail của một buổi họp cụ thể (ai gửi báo cáo thứ sáu này, sang tuần đã không liên quan).

Granola flow, đáng nhắc riêng

Tôi nhắc Granola ở đầu, giờ nói kỹ vì nó có một cách làm khác hẳn ba app kia, đáng cân nhắc nếu bạn họp về dữ liệu nhạy thường xuyên.

Granola không phải bot vào cuộc gọi. Nó là một app chạy nền trên Mac, nghe audio từ cả mic của bạn và system audio (audio từ Zoom, Meet, Teams phát ra). Audio file không bao giờ rời máy bạn. Granola chạy transcription local. Sau khi có transcript, Granola gửi text (không gửi audio) đến model bạn chọn để sinh notes, có thể là Claude, GPT, hoặc model local nếu bạn muốn.

Ba lợi ích cụ thể. Một, audio không lên cloud, giảm rủi ro NDA và privacy mạnh. Hai, không cần invite bot vào meeting (kiểu Otter.ai bot), người khác trong họp không thấy “Otter is recording”, trông tự nhiên hơn. Ba, nó để bạn tự gõ note bullet nhanh trong khi họp, sau đó AI merge note thô của bạn với transcript để sinh ra notes hoàn chỉnh. Note thô của bạn là context, AI dùng để bias output cho đúng góc nhìn.

Cái dở: chỉ chạy trên Mac (chưa hỗ trợ Windows hay Linux), giá $18 tới $25 mỗi tháng tuỳ plan, model trong app phải kết nối API key (bạn trả thêm phí API riêng nếu xài nhiều). Với team có nhu cầu privacy cao, đáng đầu tư. Với cá nhân chỉ họp standup không nhạy cảm, Otter.ai $16.99 hoặc transcript built-in của Zoom đủ rồi.

Thử ở cuộc họp kế tiếp

Quy trình ghi note AI nghe gọn vậy nhưng đổi cách team tôi vận hành rõ rệt. Trước đây, sau mỗi cuộc họp lớn tôi mất 30 tới 45 phút ngồi gõ note, gửi follow-up, rồi vẫn quên một hai action item. Giờ tổng cộng khoảng 10 phút: chờ transcript, check AI output có bịa chỗ nào không, sau đó gửi đi.

Quan trọng nhất không phải tiết kiệm thời gian. Là chỗ “tôi tưởng mày làm” biến mất. Khi mỗi action item có owner và deadline rõ ràng, ghi trong email follow-up, mọi người có cơ hội phản đối nếu không khớp, một tuần sau không ai còn cãi nhau.

Bạn cần ba thứ để bắt đầu: một app record (Zoom built-in, Otter, Granola, hoặc Whisper local), một prompt cấu trúc bốn phần ở đầu bài này, và một thói quen check output xem AI có bịa không. Thử với cuộc họp gần nhất. Nếu output AI khác nhiều so với cách bạn nhớ, có hai khả năng: AI đang bịa, hoặc cuộc họp trước đó thật sự chưa rõ ràng như mọi người tưởng.

Bài L chuyển sang Excel và Google Sheet, một chỗ khác mà người không code rất hay bị kẹt. Meeting notes tạo ra action item; sheet mới là nơi rất nhiều người theo dõi tiền, đơn hàng, KPI và những việc lặp lại mỗi tuần.