Assistary.AI
Notulen Rapat Otomatis & Ekstraksi Action Item
Produk internal Astheron untuk tim yang rapat sepanjang hari.
Studi Kasus
Masalahnya
Notulen ditulis manual oleh peserta yang seharusnya ikut berpikir, bukan mengetik. Hasilnya datang terlambat, tidak konsisten antar rapat, dan kehilangan bagian yang paling menentukan: siapa berjanji melakukan apa, dan kapan.
Arsitektur
Next.js dan NestJS menangani aplikasi dan API, dengan microservice Python untuk pemrosesan audio. Rekaman masuk ke Redis queue dan diproses di latar belakang — transkripsi dengan identifikasi pembicara lebih dahulu, lalu LLM mengekstrak keputusan dan action item dari transkrip yang sudah terstruktur.
Bagian Tersulit
File audio rapat berukuran besar dan lama diproses. Menjalankannya di dalam siklus request berarti pengguna menunggu di layar kosong sampai request habis waktu — sehingga pemrosesan harus asinkron sejak rancangan awal, bukan dioptimasi setelah masalahnya muncul.
Hasil
Rekaman rapat menjadi notulen terstruktur dengan identifikasi pembicara, lengkap dengan daftar action item, penanggung jawab, dan tenggat waktu — diekstraksi otomatis alih-alih diketik ulang.
Arsitektur Sistem
Aplikasi & API
Next.js · NestJS
Menangani aplikasi dan API.
Antrean
Redis queue
Rekaman masuk ke queue dan diproses di latar belakang.
Python microservice
Pemrosesan audio.
Jalur AI
Transkripsi + diarisasiAI
Transkripsi dengan identifikasi pembicara, lebih dahulu.
LLMAI
Mengekstrak keputusan dan action item dari transkrip yang sudah terstruktur.
Mengapa bentuknya begini
Urutannya menentukan: transkrip distrukturkan lebih dulu, LLM baru bekerja di atas hasilnya.
Keputusan Teknis
Transkripsi & Ringkasan End-to-End
Mengubah rekaman percakapan rapat menjadi teks terstruktur dengan identifikasi pembicara (speaker diarization).
Ekstraksi Insight yang Actionable
Menggunakan LLM teroptimasi untuk mengekstraksi poin kesepakatan, daftar tugas (action items), penanggung jawab (PIC), dan batas waktu pengerjaan (deadline) secara otomatis.
Antrian Pekerjaan Asinkron
Menggunakan Redis queue untuk memproses file audio berukuran besar di latar belakang tanpa memblokir request pengguna.