Google wypuściło aplikację do notatek, która transkrybuje spotkania całkowicie offline

Ten news ukazał się 11 min po komunikacie źródła.

👁 125 przeczytań

Google wydało 8 października darmową, eksperymentalną aplikację Google AI Edge Foresight, która transkrybuje spotkania i pliki audio wyłącznie lokalnie - bez żadnego połączenia z chmurą. Aplikacja działa na macOS i opiera się na modelu EmbeddingGemma 2 uruchamianym bezpośrednio na urządzeniu użytkownika.

Co robi Foresight i czym różni się od konkurencji

Na rynku aplikacji do notatek ze spotkań nie brakuje. Granola, Wispr Flow czy dziesiątki podobnych narzędzi robią dziś to samo: nagrywają, transkrybują i podsumowują. Foresight wpisuje się w ten schemat funkcjonalnie, ale odcina się od niego architekturą. Podczas gdy większość konkurentów wysyła audio do serwerów w chmurze i zwraca gotowy tekst, Foresight przetwarza wszystko na lokalnym chipie - a dane, według Google, „nigdy nie opuszczają komputera użytkownika”.

To nie jest drobna różnica techniczna. To fundamentalna zmiana modelu zaufania. Użytkownik nie musi wierzyć w politykę prywatności dostawcy ani sprawdzać, w jakim kraju stoją jego serwery. Dane fizycznie nie wychodzą poza urządzenie - i albo tak jest, albo nie. W przypadku aplikacji chmurowych ta weryfikacja jest praktycznie niemożliwa dla przeciętnego użytkownika.

Sam przepływ pracy wygląda następująco: podczas zebrania można wpisywać skrócone bullet pointy - hasła, skróty myślowe, fragmenty zdań. Foresight bierze ten brudnopis i zestawia go z pełną transkrypcją audio, po czym generuje „dopracowane notatki” odzwierciedlające rzeczywisty kontekst spotkania. Poza transkrypcją i notatkami aplikacja oferuje wbudowanego asystenta, któremu można zadawać pytania dotyczące tego, co padło podczas rozmowy. Co ważne, do asystenta można też podłączyć lokalne pliki - dokumenty, prezentacje, raporty - które staną się częścią bazy wiedzy dostępnej podczas sesji pytań i odpowiedzi.

Dlaczego Apple Silicon i co to oznacza w praktyce

Aplikacja jest obecnie zoptymalizowana wyłącznie pod Maki z układami Apple Silicon - czyli seriami M1, M2, M3 i M4. To ograniczenie nie jest przypadkowe. Chipy Apple Silicon dysponują dedykowanymi jednostkami Neural Engine zaprojektowanymi właśnie do lokalnego wnioskowania modeli językowych. Bez tego rodzaju sprzętu uruchomienie modelu pokroju EmbeddingGemma 2 w czasie rzeczywistym, przy jednoczesnej transkrypcji dźwięku, byłoby zbyt wolne lub zbyt energochłonne, żeby aplikacja była użyteczna.

To sytuacja, w której decyzja sprzętowa Apple z 2020 roku - przejście z Intela na własne układy ARM - bezpośrednio umożliwia kategorie oprogramowania, które kilka lat temu były domeną serwerów. Foresight jest tego konkretnym przykładem: aplikacja, która w 2022 roku musiałaby działać w chmurze, dziś bez problemu mieści się w laptopie.

Ograniczenie do macOS i Apple Silicon oznacza jednak, że użytkownicy Windowsa i Linuksa są na razie poza zasięgiem. Google określa Foresight jako projekt eksperymentalny, więc trudno mówić o gotowości produkcyjnej czy deklarowanych datach rozszerzenia wsparcia na inne platformy.

Prywatność danych firmowych - temat, który w Polsce nabiera znaczenia

Kontekst prywatności jest tutaj szczególnie istotny dla firm operujących w Europie, w tym w Polsce. Rozporządzenie RODO nakłada na organizacje obowiązek kontroli nad tym, gdzie i jak przetwarzane są dane osobowe. Transkrypcja spotkań biznesowych to materiał wrażliwy - padają w nim dane klientów, wyniki finansowe, strategie, personalia pracowników. Każda aplikacja chmurowa, która rejestruje takie audio, teoretycznie wymaga analizy prawnej: czy dostawca jest podmiotem przetwarzającym dane, gdzie fizycznie trafia nagranie, jak długo jest przechowywane.

Foresight eliminuje tę warstwę pytań. Skoro dane nie opuszczają urządzenia, nie ma podmiotu trzeciego przetwarzającego dane osobowe, nie ma transferu do państwa trzeciego, nie ma kwestii retencji po stronie dostawcy. Dla działów prawnych i compliance w organizacjach to argument równie mocny, co jakość samej transkrypcji.

To nie znaczy, że Foresight jest automatycznie bezpieczniejszy od każdego rozwiązania chmurowego - lokalne przechowywanie danych ma swoje własne ryzyka, choćby kradzież urządzenia czy brak szyfrowania dysku. Ale model zagrożeń jest inny i dla wielu organizacji znacznie prostszy do zarządzania.

Gemma na urządzeniu - szerszy sygnał od Google

Foresight to nie pierwsza aplikacja Google oparta na modelu Gemma uruchamianym lokalnie, ale jest ciekawym sygnałem strategicznym. Google od miesięcy inwestuje w to, żeby rodzina modeli Gemma była użyteczna poza chmurą - w telefonach, laptopach, urządzeniach brzegowych. EmbeddingGemma 2, wariant użyty w Foresight, jest zoptymalizowany pod kątem generowania osadzeń (embeddings), co czyni go szczególnie użytecznym do wyszukiwania semantycznego i odpowiadania na pytania na podstawie lokalny kontekst - dokładnie to, czego wymaga asystent w tej aplikacji.

Porównanie z konkurencją po raz kolejny wypada tu ciekawie. Granola - jedna z najczęściej wymienianych aplikacji do notatek ze spotkań wśród profesjonalistów - przetwarza transkrypcje po stronie serwera i jest dostępna zarówno na Mac, jak i Windows. Wispr Flow idzie podobną drogą. Żadna z tych aplikacji nie oferuje dziś trybu w pełni offline jako domyślnego. Foresight stawia na tym odróżnik jako swój główny argument rynkowy.

Czy to wystarczy? Aplikacja jest eksperymentalna i darmowa - co oznacza brak gwarancji długoterminowego wsparcia. Firmy, które zbudują na niej wewnętrzne procesy, ryzykują, że Google wycofa projekt, jak robi to regularnie z eksperymentalnymi narzędziami. Ale sam kierunek - lokalne modele językowe jako standard, nie ciekawostka - jest wyraźny i trudno go dziś zakwestionować.

W świecie, gdzie każda rozmowa biznesowa może skończyć się na serwerze w innym kraju, aplikacja, która przetwarzanie trzyma na własnym dysku, przestaje być niszowym wyborem dla paranoików. Staje się po prostu rozsądną opcją dla każdego, kto bierze prywatność poważnie.