Corporate Culture

회의 기록에서 결정을 추출하는 방법 (단순히 요약하는 것이 아님)

AT
Argumentree Team
Decision Science
July 4, 2026
10 min 읽다
회의 기록에서 결정을 추출하는 방법 (단순히 요약하는 것이 아님)

회의 기록에서 결정을 추출하는 방법 (단순히 요약하는 것이 아님)

회의 기록과 AI 회의 요약은 결정 기록이 아닙니다. 요약은 말한 내용을 압축하고, 결정 기록은 무엇이 결정되었고 그 이유를 포착합니다. 회의록에서 결정을 추출하려면 네 가지를 뽑아야 합니다: 결의안으로 명시된 결정 자체, 고려되었으나 거부된 옵션, 각 옵션에 대한 찬반 논거와 이를 제기한 사람, 그리고 결과에 대한 책임이 있는 소유자. 2005년 AMI 코퍼스를 거슬러 올라가는 회의 발언에 대한 연구는 이것이 어려운 이유를 보여줍니다: 실제 회의에서의 결정은 흩어져 있는 발언을 통해 협상되며, 한 곳에서 깔끔하게 명시되는 경우는 드뭅니다. 기계 생성 회의 요약에 대한 연구(2025년 COLING의 QMSum Mistake 데이터셋)는 중요한 결정을 생략하는 것을 반복적인 오류 유형으로 나열합니다. 소프트웨어 공학은 2011년에 Nygard의 아키텍처 결정 기록을 통해 이를 제도화했습니다: 맥락, 결정, 결과. Argumentree AI는 요약하는 대신 회의록의 결정 구조를 읽고, 초안 결정과 소유자를 포함한 찬반 논거 맵을 구축하며, 어떤 것이 기록이 되기 전에 검토하고 확인할 수 있도록 인간을 포함시킵니다.

Share:
요약

귀하의 회의 도구는 이미 전사본과 깔끔한 요약을 제공합니다. 둘 다 귀하가 결정한 사항의 기록이 아닙니다 — 그리고 그 간극이 해결된 질문들이 조용히 다시 열리는 이유입니다. 결정을 추출하는 것은 요약하는 것과는 다른 작업입니다.

  • 요약은 무엇이 언급되었는지를 담고; 결정 기록은 무엇이 결정되었고 그 이유를 담는다.
  • 전사에서 네 가지를 추출하세요: 결정, 고려된 옵션, 찬반 논거, 그리고 소유자
  • 회의 발언에 대한 20년의 연구와 2025년 AI 요약의 오류 연구는 결정이 왜 정확히 흩어지고, 묻히고, 떨어지는지를 보여줍니다.
  • Argumentree AI는 결정 구조에 대한 기록을 읽고, 찬반 맵을 작성하며, 기록이 되기 전에 인간을 포함시킵니다.

이주 회의는 3월의 화요일 오후 3시 30분에 끝났습니다. 녹음 봇이 통화에 참여했기 때문에 전사본이 있습니다 — 약 9,000 단어 정도로, 이는 겹치는 발언이 한 시간 동안 생성하는 대략적인 양입니다 — 그리고 주요 내용과 행동 항목이 포함된 깔끔한 AI 요약도 있습니다. 그 회의에 대한 모든 것은 어떤 면에서는 기록되어 있습니다.

여섯 달 후, 새로운 엔지니어링 리더가 명백한 질문을 던진다: "왜 이걸 Q4로 미루지 않았나요?" 하지만 아무도 대답할 수 없다. 미루지 말자고 주장했던 사람은 떠나버렸다. 그 주장은 실제로 존재했으며, 세 번의 별도의 언급에서 제기되었고, 각각 40분 간격으로 이루어졌으며, 방 안의 분위기를 이끌었다. 그러나 요약에는 나타나지 않는다. 요약은 하이라이트를 담고, 조각조각 도착한 논리는 결코 하이라이트가 되지 않기 때문이다.

전사본은 회의입니다. 그것은 결정이 아닙니다. 이 게시물은 차이에 관한 것입니다 — 결정 기록이 실제로 무엇을 포함하는지, 전사본에서 수동으로 하나를 추출하는 데 오후가 걸리는 이유, 그리고 AI 추출이 요약이 아닌 결정 구조를 목표로 할 때 경제성을 어떻게 변화시키는지에 대해 설명합니다.

요약은 말한 내용을 압축합니다.
결정 기록은 무엇이 결정되었는지와 그 이유를 보존합니다.

회의가 누적될지 사라질지를 결정짓는 구분

회의록은 회의입니다. 그것은 결정이 아닙니다.

전사 및 요약 문제는 본질적으로 해결되었습니다. 반 다섯 개의 도구가 당신의 통화에 참여하여 깔끔한 전사를 생성하고 주요 내용과 실행 항목이 포함된 요약을 제공합니다. 이는 정말 유용하며 계속 사용해야 합니다. 그러나 그것이 당신에게 제공하는 것을 주목하세요: 말해진 내용의 압축된 재구성입니다. 그것이 요약의 역할이며, 잘 수행하고 있습니다.

당신이 얻지 못하는 것은 당신이 결정한 것에 대한 기록입니다 — 그룹이 약속한 선택, 당신이 배제한 대안들, 그리고 당신이 그것들을 배제한 이유. 더 나은 요약이 아무리 많아도 그것을 만들어내지는 않습니다. 왜냐하면 두 문서는 서로 다른 질문에 답하기 때문입니다. 요약은 "이번 회의에서 무슨 일이 있었나요?"라는 질문에 답합니다. 결정 기록은 "우리가 무엇을 정했으며, 왜 다른 옵션을 거부했나요?"라는 질문에 답합니다.

구별은 가장 비쌀 때 가장 중요하다: 몇 달 후, 질문이 다시 열릴 때. 요약은 "왜 연기하지 않았을까?"에 대해 침묵한다 — 연기에 반대하는 주장은 소리 내어 말해졌고, 그 후 압축되었다. 결정 기록은 한 문장으로 그것에 답한다. (선택 대신 작업을 기록하는 것과 관련된 함정에 대해서는 작업 항목 대 결정를 참조하고, 사람들이 떠날 때 모든 포착되지 않은 추론에 무슨 일이 일어나는지에 대해서는 제도적 지식 위기를 참조하라.)

연구자들은 20년 동안 회의에서 결정을 끌어내기 위해 노력해왔습니다.

이것은 AI 노트 테이커가 작년에 발견한 문제가 아닙니다. 2005년, AMI 프로젝트는 연구자들이 회의에서 실제로 어떤 일이 일어나는지를 연구할 수 있도록 약 100시간의 회의를 기록하고 주석을 달았습니다. 그리고 2007-2008년에는 그룹들이 그 코퍼스에서 의사 결정 지점을 감지하는 시스템을 구축하고 있었습니다 — Hsueh와 Moore의 의사 결정 감지 작업, 그리고 Fernández와 동료들의 의사 결정 하위 대화 모델 등이 있습니다.

그 연구 분야에서 일관되게 드러나는 겸손한 발견: 실제 회의에서의 결정은 협상되고, 분산되며, 암묵적이다. 사람들은 "우리는 Y와 Z 이유로 X를 결정했다"고 말하는 경우가 드물다. 그들은 주제를 돌고, 그것을 놓고, 다시 돌아오고, 반쯤 헌신하고, 넘어간다 — 이것이 바로 급한 인간과 요약 모델이 잃는 결정의 본질이다. 당신이 필요한 추론은 단일 하이라이트에 포함되지 않은 턴에 분산되어 있다.

실제 성적 증명서에서 무엇을 추출해야 하는가

결정을 추출하는 것은 "요약하되 더 짧게"가 아닙니다. 이는 네 가지 특정 사항에 대한 목표 독서입니다. 하나라도 놓치면 기록이 아닌 메모가 됩니다.

결정

그룹이 내린 실제 선택은 결의안으로 명시된 "우리는 3분기에 마이그레이션을 진행할 것입니다"입니다. 이는 그에 이르기까지의 논의가 아닙니다. 독자가 녹음을 듣지 않고도 행동할 수 있는 한 문장입니다.

고려된 옵션들

실제로 테이블에 올려져 거부된 대안들 — 2분기에 선적, 4분기로 연기, 마이그레이션 분할. 명확한 대안이 없는 결정은 미리 정해진 결론처럼 보이며, 나중에 누가 그 거래의 균형이 실제로 고려되었는지 알 수 없다.

찬반 논거

각 옵션이 찬반으로 논의된 이유 — 장단점과 이를 제기한 사람들. 이것이 논리이며, 요약에서 빠지는 바로 그 내용입니다. 6개월이 지난 지금, "왜 그냥 연기하지 않았을까?"라는 질문은 단점이 서면으로 남아 있을 때만 답할 수 있습니다.

소유자

결정을 내리는 책임이 누구에게 있는지, 그리고 다음 행동이 누구에게 해당되는지를 말합니다. 이는 행동 항목과는 다릅니다: 결정의 소유자는 결정이 재검토될 경우 이를 방어하고, 작업의 소유자는 단순히 작업을 수행합니다.

소프트웨어 공학은 2011년에 마이클 니가드가 아키텍처 결정 기록을 제안하면서 이 정확한 형태를 제도화했습니다: 맥락, 결정 및 그 결과를 포착한 짧은 문서로, 설명하는 코드와 함께 보관됩니다. ADR은 같은 재개 문제를 해결했기 때문에 확산되었습니다 — 새로운 엔지니어가 "왜 이렇게 만들어졌나요?"라고 질문하면 고고학 프로젝트 대신 답변을 받게 됩니다. 위의 네 가지 항목을 결합하면 일반적인 버전이 만들어집니다: 방에 있었던 사람들을 넘어서는 결정 감사 추적의 척추입니다.

수동 방법 — 그리고 왜 오후를 소모하는지

이 모든 것을 손으로 추출할 수 있으며, 방법은 간단합니다:

  1. 전체 전사를 처음부터 끝까지 읽고, 선택, 반대 또는 대안이 나타나는 모든 전환을 표시하십시오.
  2. 각 결정에 대해 그룹이 약속한 내용을 한 문장으로 작성하세요.
  3. 토론을 되돌아보며 제안되었다가 거부된 옵션들을 수집하여 선택에 명확한 대안이 있도록 하세요.
  4. 주장 재구성하기 — 각 옵션에 대해 찬성 및 반대하는 사람을 인용하거나 요약하고, 그 이유를 오른쪽에 첨부하세요.
  5. 소유자의 이름을 적고, 전체 문서를 실제로 다시 찾을 수 있는 곳에 보관하세요.

작동합니다. 또한 모든 사람이 조용히 건너뛰는 부분이기도 합니다. 왜냐하면 실제 전사본은 겹치는 발언, 주제 전환, 그리고 반쯤 끝난 생각들로 이루어진 수천 단어에 달하기 때문입니다. 위의 회의 발언 연구가 예측하듯이, 필요한 추론은 그 안에 흩어져 있으며, 종종 한 곳에서 깔끔하게 언급되지 않습니다. 40분 간격으로 세 번의 별도 언급에서 제기된 문제를 재조립하는 것은 느리고 신중한 작업입니다. 잘 수행하면 회의당 오후를 소모합니다. 서두르면 다시 요약본을 얻게 되는데, 이는 정확히 부족했던 것입니다. 지루함은 규율 문제이 아니라 구조 문제이며, 구조는 자동화할 수 있습니다.

하지만 내 AI 노트 테이커는 이미 결정을 나열하고 있어요.

공정한 반론 — 현재 대부분의 회의 도구는 "결정 사항" 총알 목록을 생성하며, 주제와 행동 항목만 필요하다면 그 요약이 실제로 충분합니다. 그러나 이를 결정 기록으로 의존하는 데는 두 가지 문제가 있으며, 이들은 서로 다른 종류의 문제입니다. (더 넓은 맥락에서 — 어떤 종류의 AI 도구가 어떤 결정 작업에 적합한지 — 우리의 AI 의사 결정 도구에 대한 솔직한 정리를 참조하세요.)

첫 번째는 신뢰성입니다. 연구자들이 QMSum Mistake 데이터셋을 위해 200개의 기계 생성 회의 요약을 인간에게 주석 달게 했을 때, 누락 — 중요한 결정과 행동이 완전히 빠지거나 그 내용 없이 언급된 경우 — 은 아홉 가지 반복되는 오류 클래스 중 하나로 나타났습니다. 이는 결코 언급되지 않은 환각된 세부사항과 함께 나타났습니다 (Kirstein, Ruas & Gipp, COLING 2025). 요약 모델은 논의된 내용의 포괄성을 최적화하도록 설계되었으며, 결정된 내용을 보장하는 데는 최적화되어 있지 않습니다 — 그리고 실제 결정이 도달되는 산재하고 암묵적인 방식이 바로 어려운 사례입니다.

두 번째 문제는 총알이 정확할 때도 존재합니다. "결정: Q3에 마이그레이션을 진행하기로 함"은 단지 결론일 뿐입니다 — 고려된 옵션과 양측의 주장은 여전히 사라져 있으며, 이는 나중에 결정이 질문받을 때 필요한 부분입니다. 정확한 한 줄의 총알은 메모입니다. 기록은 그 주위의 구조입니다.

중요한 결정의 생략은 명명된 반복 오류 클래스입니다.
기계 생성 회의 요약에서.

— QMSum 실수 발견, Kirstein, Ruas & Gipp (COLING 2025) 이후

Argumentree가 요약이 아닌 결정을 추출하는 방법

Argumentree는 다른 대상을 위한 기록을 읽습니다. 말해진 내용을 서사로 압축하는 대신, AI 추출은 결정 구조를 찾습니다: 논의 중인 질문, 서로 비교되는 옵션, 그리고 각 옵션에 대한 찬반 주장을 모읍니다. 이를 찬반 논증 맵으로 구성합니다 — 좋은 진행자가 화이트보드에 그릴 형태와 같습니다 — 초안 결정과 제안된 소유자가 첨부됩니다.

그리고 이는 설계상 인간이 개입하는 방식으로, 위의 신뢰성 문제에 대한 정직한 답변입니다. 모델의 말에 따라 아무것도 게시되지 않습니다: 추출은 당신이 검토하는 초안 지도를 생성합니다 — 결정을 확인하고, 모델이 잘못 읽은 내용을 수정하고, 한 번도 소리 내어 말하지 않은 암시된 주장을 촉진하며, 잡음을 제거합니다. AI는 지루한 재조립을 수행하고, 당신은 판단을 내립니다. 당신이 확인할 때만 초안이 기록으로 변환됩니다.

출력물은 당신의 기록 옆에 있는 또 다른 요약이 아닙니다. 그것은 여전히 이유가 첨부된 구조화된 쿼리 가능한 결정 기록과 완전한 감사 추적을 포함합니다 — 선택, 그 대안, 그리고 양측의 주장이 다음 번에 질문이 돌아올 때 한 번의 클릭으로 접근할 수 있습니다. 회의를 방어 가능한 결정으로 전환하는 것이 당신의 팀의 반복적인 작업이라면, 이것이 Argumentree가 회의 인텔리전스라고 부르는 것의 핵심입니다.

30초 진단

마지막 중요한 회의의 요약을 열어보세요. 두 가지 질문에 답할 수 있나요: 우리가 무엇을 배제했는가, 그리고 ? 그렇지 않다면, 당신은 회의록이 아닌 단순한 기록을 가지고 있는 것입니다.

성적 증명서는 출처입니다. 기록은 자산입니다.

노트 테이커를 유지하세요 — 그것이 생성하는 기록은 모든 것이 의존하는 원자재이며, 그 요약은 통화를 놓친 사람들에게 유용한 편리함입니다. 단지 그것이 아닌 무언가가 되기를 요구하는 것을 멈추세요. 말해진 내용의 압축은 무엇이 결정되었고 왜 그런지를 답할 수 없으며, 그 답이 필요할 때는 그것을 기억에서 재구성할 수 있는 사람들이 사라진 바로 그 순간입니다.

추출 — 가장 중요한 회의에서는 수작업으로, 다른 모든 경우에는 인간이 개입된 자동화로 — 녹음의 더미를 자산으로 전환하는 것이며: 가시적인 대안이 있는 결정, 이탈에도 불구하고 지속되는 추론, 재방송 대신 링크로 답변되는 재개된 질문들.

성적 증명서는 출처입니다. 요약은 편의입니다. 결정 기록은 자산입니다.

다음 성적표를 요약이 아닌 결정으로 바꾸세요.

Argumentree는 선택, 옵션 및 양측의 주장을 추출한 다음 검토하고 확인하며 방어할 수 있는 초안 기록을 제공합니다.

출처 및 추가 읽기

자주 묻는 질문

회의 기록에서 결정을 어떻게 추출하나요?

전사본을 읽으면서 한 가지가 아니라 네 가지를 찾아보세요. 첫째, 결정 자체 — 그룹이 실제로 약속한 선택, 결의안으로 표현된 것입니다. 둘째, 고려되었으나 거부된 옵션들. 셋째, 각 옵션에 대한 찬반 논거와 이를 제기한 사람. 넷째, 결과에 대한 책임이 있는 소유자. 회의 요약은 대략 첫 번째 항목과 논의된 주제를 포착하지만, 결정 기록은 네 가지 모두를 포착합니다. 손으로 할 수도 있고 — 전사본을 정리하고, 관련된 발언을 인용하고, 이를 구조화된 기록으로 재조립하는 방법 — 또는 AI 추출을 사용하여 찬반 구조를 자동으로 추출하고 인간이 검토할 수 있도록 할 수도 있습니다.

AI 회의 요약이 결정 기록이 아닌 이유는 무엇인가요?

요약은 말해진 내용을 압축한 것으로, 주제, 주요 내용, 그리고 종종 실행 항목을 보존합니다. 결정 기록은 무엇이 결정되었고 그 이유를 압축한 것으로, 선택, 대안, 찬반 논리, 그리고 소유자를 포함합니다. 이들은 서로 다른 작업을 가진 서로 다른 문서입니다. 기계 생성 회의 요약에 대한 오류 연구(2025 COLING의 QMSum Mistake 데이터셋)에서도 중요한 결정의 누락을 반복적인 오류 유형으로 나열하고 있으므로, "내린 결정" 항목조차도 완전하다고 보장되지 않습니다. 그리고 그것이 정확할 때에도 대안이나 논리 없이 결정을 담고 있습니다.

성적 증명서, 요약, 그리고 결정 기록의 차이점은 무엇인가요?

전사본은 모든 발언이 그대로 기록된 원시 기록으로, 완전하지만 참고용으로는 사용할 수 없습니다. 아무도 9,000단어의 전사본을 다시 읽지 않습니다. 요약은 같은 내용을 짧게 서술한 것으로 읽기 쉽지만, 말한 내용을 담고 있을 뿐, 결정된 내용을 담고 있지는 않습니다. 결정 기록은 결과에 맞춰 구조화된 산출물로, 각 결정에 대해 내린 선택, 고려된 옵션, 양측의 주장을 포함하고 있으며, 소유자를 명시합니다. 전사본은 출처이고, 요약은 편의성이며, 결정 기록은 내구성이 있는 자산입니다. 이는 몇 달 후에 실제로 조회하는 것입니다.

모든 회의 도구의 전사에서 결정을 추출할 수 있나요?

네 — 텍스트 전사본을 생성하는 도구는 통화 기록을 한 서비스에 관계없이 사용 가능한 소스를 제공합니다. 이러한 도구가 추가하는 것은 요약 및 실행 항목으로, 이는 결정 기록과는 다른 결과물입니다. 그들의 전사본에서 구조화된 결정 기록으로 가려면 여전히 결정, 옵션, 찬반 논거 및 소유자를 추출해야 합니다. 이것이 추출 단계이며, 찬반을 인식하는 도구가 이미 가지고 있는 요약 이상의 가치를 더하는 부분입니다.

결정 기록이란 무엇이며, 이 아이디어는 어디에서 왔나요?

결정 기록은 결정, 그에 대한 맥락과 대안, 그리고 그 결정을 이끌어낸 이유를 담고 있는 짧고 구조화된 문서입니다. 이렇게 함으로써 회의가 끝난 후에도 "왜"라는 이유가 남아 사람들은 다음 단계로 나아갈 수 있습니다. 소프트웨어 공학은 2011년에 아키텍처 결정 기록(ADR)이라는 형태로 이 관행을 제도화하였으며, 마이클 나이거드는 이를 코드와 함께 보관되는 맥락, 결정 및 결과로 정의했습니다. 일반 목적 버전은 명시적인 찬반 논거와 소유자를 추가하며, 이는 Argumentree가 전사에서 자동으로 생성하는 형태입니다.

Argumentree는 어떻게 전사본을 결정 기록으로 변환하나요?

당신은 전사본을 붙여넣거나 업로드하고, Argumentree AI는 요약하는 대신 결정 구조를 읽습니다: 논의 중인 질문, 고려된 옵션, 각 옵션에 대한 찬반 논거를 식별하고, 이를 찬반 논거 맵으로 구성하여 초안 결정과 제안된 소유자를 포함합니다. 아무것도 자동으로 게시되지 않으며, 추출 과정은 인간이 개입하므로 맵을 검토하고 모델이 잘못 읽은 내용을 수정하며, 암시되었지만 언급되지 않은 이유를 추가하고 결정을 확인합니다. 결과는 또 다른 요약이 아닌, 전체 감사 추적이 포함된 구조화되고 쿼리 가능한 결정 기록입니다.

회의를 보관하는 것을 중단하세요. 결정을 기록하기 시작하세요.

Argumentree AI는 귀하의 전사에서 결정 구조를 추출합니다 — 옵션, 찬반 논거, 소유자 — 그리고 어떤 것이 기록으로 남기 전에 인간이 개입하도록 합니다.

신용카드 필요 없음몇 분 안에 설정 완료언제든지 취소 가능
AT

정보 Argumentree Team

Decision Science

The Argumentree team is building the collaborative decision-making platform Argumentree. Our mission is to transform how organizations make, document, and learn from decisions.

관련 기사

토론에 참여하세요

AI 요약만으로 충분한가요, 아니면 귀하의 팀이 실제 결정 기록이 필요합니까? 커뮤니티에서 주장을 펼치세요.

Argumentree 포럼에서 토론하기