Så kopplade vi ihop Teams, AI och Confluence för att sluta tappa möteskunskap

Det börjar alltid likadant. Mötet är slut, alla går tillbaka till sina uppgifter, och mötesanteckningarna… ja, de hamnar någonstans. I bästa fall i ett Loop-dokument som ingen hittar igen. I värsta fall i någons huvud.

Som projektledare på Contica sitter jag ofta i möten. Planeringsmöten, kundmöten och workshops. Varje möte genererar beslut, action items och insikter som behöver leva vidare. Men verkligheten ser annorlunda ut – anteckningar blir halvfärdiga, actions tappas bort, och kunskap stannar hos den som råkade vara med.

Våra utvecklare gör mycket effektiviseringar genom att jobba smartare med AI. Men vi projektledare? Vi sitter kvar i samma arbetsflöden som förra året.

Jag vill sätta ett mål – alla möten på Contica ska vara dokumenterade. För att nå dit behöver vi sänka tröskeln rejält. Detta får inte medföra extra arbete, det måste ske automatiskt.

Conticas projektledare samlas varje måndag i Projektledarforum. Vi diskuterar metodik, reviderar rutiner och håller varandra ajour. Mötesanteckningarna låter vi Teams sköta automatiskt. Men det blir ändå ett manuellt steg när informationen ska in i Confluence.

Jag bestämde mig för att göra något åt det.

Idén: från transkript till Confluence – automatiskt

Microsoft Teams transkriberar redan våra möten. Den rådatan finns där. Tänk om en AI-agent kunde ta det transkriptet, förstå vad som diskuterades, strukturera det i ett format vi faktiskt använder, och publicera det direkt till Confluence – med rätt @-mentions på action items?

Inte som ett sidoprojekt som tar veckor. Utan som något jag bygger på en eftermiddag.

Verktygen jag valde

Jag landade i Microsoft Copilot Studio som plattform – det lever redan i vårt Microsoft-ekosystem och stödjer externa API-kopplingar. Som AI-modell valde jag Claude. För Confluence-integrationen byggde jag en REST API-koppling med en OpenAPI-specifikation som täcker tre endpoints: lista spaces, skapa sidor och slå upp användare via e-post.

Det sista är avgörande. När agenten identifierar att “Elvira ska boka möte med CTC” i transkriptet, slår den upp elvira.estmyr@contica.se i Confluence, hämtar hennes accountId, och skapar en riktig @-mention i action item-listan. Inte bara text – en klickbar mention som dyker upp i hennes notifikationer.

Det som inte funkade (och varför det var lärorikt)

Ska jag vara ärlig tog inte allting en eftermiddag. En del tog längre tid att felsöka än att bygga.

Filformat-fällan. Jag bifogade ett transkript som .doc-fil. Agenten sa ingenting om att den inte kunde läsa filen – den gick tyst vidare och hittade information från andra källor istället. Resultatet såg rimligt ut men handlade om helt fel saker. Lärdomen: AI som inte säger ifrån när den inte kan är farligare än AI som ger felmeddelanden. Nu har jag lagt in explicita instruktioner om att agenten måste bekräfta att den läst filen innan den börjar skriva.

Autentiseringspusslet. Atlassian har nyligen lanserat “scoped API tokens” som ska vara säkrare. Problemet? De stödjer inte alla v2 API-endpoints ännu. Jag fick ett kryptiskt “scope does not match”-fel som tog ett tag att förstå. Lösningen blev en klassisk token utan scopes – enklare, bredare åtkomst, men fungerande.

Kvalitetsgapet. Det här var den stora insikten. Första versionen av mötesanteckningarna var… okej. Strukturerade, korrekta, men platta. Jämfört med vad Copilot i Teams producerar direkt, eller vad en människa med kontext skulle skriva, kändes de mekaniska. Allt hamnade på samma person i action items. Implicita åtaganden markerades med “(implicit)” överallt. Tonen var byråkratisk.

Den avgörande insikten: visa AI:n vad “bra” ser ut

Det som förändrade allt var inte ett modellbyte eller en teknisk fix. Det var att jag tog mina egna bra mötesanteckningar – de jag skrivit för hand efter ett Projektledarforum – och analyserade exakt vad som gjorde dem bra.

Varje diskussionspunkt nedbruten i Problem, Diskussion, Förslag och Nästa steg. Action items placerade både i kontexten där de hör hemma och samlade i slutet. En reflektionssektion som fångar “vad var hindret, möjligheten och framgångsfaktorn?”

När jag skrev om agentens instruktioner med den strukturen som mall – och explicit sa “skriv som en människa, inte som en AI” – blev resultatet dramatiskt bättre. Inte perfekt, men nära. Nära nog för att vara användbart.

Prompten är viktigare än modellen. Det är min största takeaway.

Vad agenten inte kan (ännu)

Agenten har en begränsning idag. Work IQ Copilot – Microsofts MCP-server som ger agenter tillgång till M365-data – kan inte läsa mötestranskript direkt. Den hittar möten, deltagare och metadata, men det faktiska transkriptet är utom räckhåll.

Det innebär att jag idag bifogar transkriptet manuellt. Det fungerar, men det är ett extra steg jag vill eliminera.

Nästa steg är att koppla in Graph Meeting Transcripts MCP – en open source-lösning som ger agenten direkt tillgång till det råa transkriptet via Microsoft Graph API. Med det på plats försvinner det manuella steget helt.

Vad det säger om projektledarrollen

Det här handlar inte bara om mötesanteckningar. Det handlar om vart projektledarrollen är på väg.

Vi pratade om det på Projektledarforum – att framtidens projektledare gör mindre administration och mer kommunikation, styrning och stöd. Att rollen skiftar från koordinator till coach. AI tar inte över projektledningen. Men den tar bort det arbete som aldrig var kärnan i rollen – sammanfatta, dokumentera, fördela, påminna.

Om en agent kan skriva mötesanteckningar som är 80% lika bra som mina på 10 sekunder istället för 30 minuter – då vinner jag 30 minuter som jag kan lägga på att faktiskt leda projektet.

Kundvärdet

Att vi lägger mindre tid på administration är en given fördel. Den verkliga vinsten sker på kundens sida:

• Kunden sitter i ett möte med en projektledare som faktiskt lyssnar – inte en som delar uppmärksamheten med ett anteckningsblock.
• Kunden behöver inte undra om vi kommer ihåg – strukturerade anteckningar med tydliga ägare ligger tillgängliga direkt efter mötet.
• Kunden ser att det som beslutades på förra mötet faktiskt har följts upp – utan att behöva fråga.
• Kunden bjuds in i dokumentationen, inte bara informeras om den – i de projekt där de är aktiva deltagare ser de vad som beslutades, vem som äger vad och att det faktiskt följs upp.

Vill du testa själv?

Hela bygget vilar på verktyg som redan finns i de flesta Microsoft 365-miljöer. Copilot Studio, Teams-transkribering och Confluence Cloud. Inget kräver kodning – bara tålamod med autentisering och en vilja att iterera på prompten.

Om du vill veta mer, eller om du sitter med liknande utmaningar kring dokumentation och kunskapsöverföring i dina projekt – hör av dig. Vi på Contica delar gärna med oss.

Leonel Bylund är Head of Project Management på Contica och driver frågor kring AI-stödd projektledning, standardisering och verktygsstrategier.