Behöver ert företag hjälp med att implementera AI? Kontakta oss och få prisoffert här →
AI Skolan
januari 22, 2026

Fireflies + Slack: coachningsnoteringar efter varje samtal

Rickard Andersson Partner, Nodenordic.se

Dina säljare avslutar ett samtal, och sedan försvinner de nästa 20 minuterna i repriser, halvskrivna anteckningar och “vad var det prospekten egentligen invände mot?” När du väl har hittat invändningen är coachningstillfället redan kallt.

Säljchefer känner igen det här varje vecka. Enablement-ansvariga jagar konsekvens mellan säljarna. Och om du driver en byrå eller ett litet säljteam är det du som coachar också. Den här automationen för Fireflies Slack-coachning förvandlar varje avslutat samtal till strukturerade coachningsanteckningar och invändningshantering, levererat där du redan jobbar.

Du får se hur flödet hämtar transkriptet, gör en AI-utvärdering, postar en korrekt formaterad Slack-sammanfattning och sparar en Google Drive-rapport som du kan återanvända i träning.

Så fungerar den här automationen

Här är hela arbetsflödet du kommer att sätta upp:

n8n Workflow Template: Fireflies + Slack: coachningsnoteringar efter varje samtal

Varför det här spelar roll: coachning dör i glappet efter samtal

Samtalscoachning misslyckas oftast av en tråkig anledning: administrationsarbetet är tyngre än insikten. Du har inspelningar på ett ställe, transkript på ett annat, feedback i en slumpmässig Slack-tråd och “best practice” som bara finns i någons huvud. Under tiden upprepas invändningarna. Prispress. Jämförelser med konkurrenter. “Skicka något.” Om du inte fångar de mönstren konsekvent coachar du utifrån minne, inte fakta. Och ärligt talat: minnet färgas av det mest högljudda ögonblicket, inte den verkliga vändpunkten.

Friktionen bygger på. Här är var det brukar falla isär.

  • Chefer lägger cirka en timme per säljare och vecka på att leta efter moment som är värda att coacha på.
  • Säljare får vag feedback eftersom ingen vill titta om ett 40-minuterssamtal för att hitta en missad följdfråga.
  • Invändningar loggas inkonsekvent, så du kan inte se vad som trendar i teamet.
  • Bra coachningsanteckningar försvinner i DM och hamnar aldrig i onboarding eller playbooks.

Det du bygger: Fireflies-transkriptanalys postad i Slack + sparad i Drive

Det här flödet startar när Fireflies meddelar n8n att ett möte har avslutats. Efter en kort fördröjning (så att Fireflies hinner synka klart) hämtar n8n det senaste transkriptet och sammanfattningen, och samlar sedan in AI-app-utdata som Fireflies tillhandahåller. Delarna sätts ihop till en “call payload” som skickas genom en AI-agent som drivs av en OpenAI-chatmodell. Agenten utvärderar invändningshantering, samtalets effektivitet och plockar ut de viktigaste invändningarna som dök upp. Därefter genererar den praktiska invändningssvar som dina säljare kan återanvända i nästa samtal. Till sist formaterar n8n allt till en strukturerad rapport, postar den i Slack för snabb coachning och sparar samma rapport som ett Google Drive-dokument för dokumentation och träningsbibliotek.

Flödet börjar med en Fireflies webhook-trigger. Därifrån hämtar det rätt transkript, kör en strukturerad AI-analys och skriver ut resultaten på två ställen: Slack för synlighet och Google Drive för långsiktig återanvändning.

Det här bygger du

Förväntade resultat

Säg att du granskar 10 samtal per vecka i teamet. Manuellt tar även en “snabb” granskning cirka 20 minuter för att hitta rätt transkript, skumma igenom det och skriva sammanhängande coachningsanteckningar, vilket är ungefär 3 timmar administration. Med det här flödet är triggern automatisk och AI-rapporten dyker upp i Slack några minuter efter varje samtal, plus att ett Google Drive-dokument sparas för senare. Du gör fortfarande coachningen, men skattjakten är borta. De flesta team får tillbaka ett par timmar varje vecka direkt.

Innan du börjar

  • n8n-instans (testa n8n Cloud gratis)
  • Alternativ för egen hosting om du föredrar det (Hostinger fungerar bra)
  • Fireflies för mötestranskript och sammanfattningar.
  • Slack för att leverera coachningsanteckningar direkt.
  • OpenAI API-nyckel (hämta den från sidan med dina OpenAI API-inställningar)
  • Google Drive för att lagra de formaterade rapportdokumenten.

Kunskapsnivå: Mellan. Du kopplar konton, klistrar in en API-nyckel och justerar en prompt, men du skriver ingen app.

Vill du att någon bygger det här åt dig? Prata med en automationsexpert (kostnadsfri 15-minuters konsultation).

Steg för steg

En Fireflies-händelse för “meeting ended” startar allt. Fireflies anropar din n8n-webhook när mötet är klart. Flödet väntar kort så att transkriptet och AI-utdata är fullt tillgängliga.

Flödet hämtar rätt transkript och stöddata. n8n hämtar transkriptlistan, väljer det senaste mötet och hämtar sedan transkriptsammanfattningen samt AI-app-utdata kopplat till samtalet.

AI förvandlar rå konversation till coachningsunderlag. En AI-agent i LangChain-stil som använder en OpenAI-chatmodell utvärderar invändningshantering och samtalets effektivitet och skapar sedan strukturerade fält (så du slipper en rörig vägg av text). Det är också här din säljmetodik kan byggas in via prompt-anteckningarna.

Resultatet landar i Slack och Google Drive. Den formaterade insiktsrapporten postas i din valda Slack-kanal för snabb granskning. Samma innehåll görs om till ett Google Drive-dokument så att det blir enkelt att söka, dela och återanvända senare.

Du kan enkelt ändra invändningskategorierna så att de matchar MEDDICC, SPICED, Challenger eller din interna playbook. Se hela implementeringsguiden nedan för anpassningsalternativ.

Steg-för-steg-guide för implementation

Steg 1: konfigurera webhook-triggaren

Ställ in den inkommande webhooken som startar arbetsflödet när Fireflies har slutfört ett samtal, och behåll den manuella triggaren för testning.

  1. Öppna Fireflies Incoming Hook och ställ in HTTP Method till POST.
  2. Ställ in Path till fireflies-call-completed.
  3. Låt Manual Start Trigger vara ansluten till Retrieve Transcript List för manuella testkörningar.

Steg 2: anslut Fireflies och hämta det senaste transkriptet

Hämta det senaste transkriptet efter en kort fördröjning för att säkerställa att Fireflies har hunnit bearbeta klart.

  1. I Delay for Sync ställer ni in Unit till minutes och Amount till 8.
  2. Öppna Retrieve Transcript List och ställ in Operation till getTranscriptsList.
  3. Inloggningsuppgift krävs: Anslut era firefliesApi-credentials i Retrieve Transcript List.
  4. I Select Recent Meeting behåller ni JavaScript-koden som den är för att sortera på dateString och returnera det senaste transkript-ID:t.
Om Fireflies-bearbetningen tar längre tid, öka Amount i Delay for Sync för att undvika tomma transkriptdata.

Steg 3: hämta Fireflies AI-apputdata och bygg payloaden för samtalet

Använd transkript-ID:t för att hämta AI-appens utdata och sätt ihop den data som behövs för analys.

  1. I Fetch AI App Identifier ställer ni in URL till https://api.fireflies.ai/graphql och Method till POST.
  2. Ställ in JSON Body till ={ "query": "query GetAIAppsOutputs($transcriptId: String) { apps(transcript_id: $transcriptId) { outputs { transcript_id user_id app_id created_at title prompt response } } }", "variables": { "transcriptId": "{{ $json.transcript_id }}" } }.
  3. I Fetch AI App Identifier uppdaterar ni värdet för Authorization-headern från Bearer [CONFIGURE_YOUR_TOKEN] till er Fireflies API-token.
  4. Öppna Fetch Transcript Summary och ställ in Transcript ID till ={{ $('Select Recent Meeting').item.json.transcript_id }}.
  5. Inloggningsuppgift krävs: Anslut era firefliesApi-credentials i Fetch Transcript Summary, Retrieve AI App Output A och Retrieve AI App Output B.
  6. I Retrieve AI App Output A ställer ni in App ID till ={{ $('Fetch AI App Identifier').item.json.data.apps.outputs[0].app_id }} och Transcript ID till ={{ $('Fetch AI App Identifier').item.json.data.apps.outputs[0].transcript_id }}.
  7. I Retrieve AI App Output B ställer ni in App ID till ={{ $('Fetch AI App Identifier').item.json.data.apps.outputs[1].app_id }} och Transcript ID till ={{ $json.data.transcript_id }}.
  8. I Assemble Call Payload mappar ni fält som transcript till ={{ $('Fetch Transcript Summary').item.json.data.summary.short_summary }}, keyObjections till ={{ $('Retrieve AI App Output A').item.json.data.response }} och objectionHandler till ={{ $('Retrieve AI App Output B').item.json.data.response }}.
⚠️ Vanlig fallgrop: Fetch AI App Identifier använder inget credential-objekt—se till att ange Authorization-headern manuellt, annars kommer Fireflies GraphQL-anropet att misslyckas.

Steg 4: ställ in generering av AI-insikter

Konfigurera AI-agenten med OpenAI-modellen och en strukturerad output-parser för att få ren JSON och en Slack-sammanfattning.

  1. Öppna Sales Call Insight Agent och behåll Prompt-texten som definierad för invändningsanalys och regler för Slack-sammanfattning.
  2. Säkerställ att Sales Call Insight Agent använder indata-variabler från Assemble Call Payload, till exempel {{ $('Assemble Call Payload').item.json.repName }} och {{ $('Assemble Call Payload').item.json.transcript }}.
  3. Bekräfta att OpenAI Chat Model är ansluten som språkmodell för Sales Call Insight Agent.
  4. Inloggningsuppgift krävs: Anslut era openAiApi-credentials i OpenAI Chat Model.
  5. Verifiera att Analysis Output Schema är ansluten till Sales Call Insight Agent som output-parser med det medföljande JSON-schemaexemplet.
Analysis Output Schema är en sub-nod; lägg till credentials på den överordnade OpenAI Chat Model i stället för på parsern.

Steg 5: konfigurera utdata och formatering

Formatera AI-utdata, skicka ett Slack-meddelande och generera en Google Doc-sammanfattning.

  1. I Format Insight Results mappar ni fält som repName till ={{ $('Assemble Call Payload').first().json.repName }} och callDate till ={{ $json.output.metadata.call_date }}.
  2. I Post Slack Feedback ställer ni in Text till den angivna mallen med uttryck som {{ $('Sales Call Insight Agent').item.json.output.slack_summary }}.
  3. Inloggningsuppgift krävs: Anslut era slackOAuth2Api-credentials i Post Slack Feedback.
  4. I Generate Doc from Text ställer ni in Operation till createFromText och behåller uttrycken för Name och Content som refererar till Format Insight Results.
  5. Inloggningsuppgift krävs: Anslut era googleDriveOAuth2Api-credentials i Generate Doc from Text.

Steg 6: testa och aktivera ert arbetsflöde

Kör ett manuellt test för att bekräfta dataflödet och aktivera sedan webhooken för användning i produktion.

  1. Klicka på Execute Workflow med Manual Start Trigger för att köra ett test med det senaste Fireflies-transkriptet.
  2. Verifiera att Post Slack Feedback publicerar ett meddelande som innehåller Slack-sammanfattningen och samtalsdetaljer.
  3. Bekräfta att Generate Doc from Text skapar ett dokument i den valda Google Drive-mappen.
  4. Aktivera arbetsflödet och peka Fireflies till Fireflies Incoming Hook-URL:en för livebearbetning.
🔒

Lås upp fullständig steg-för-steg-guide

Få den kompletta implementeringsguiden + nedladdningsbar mall

Tips för felsökning

  • Fireflies-inloggningar kan löpa ut eller kräva specifika behörigheter. Om saker skapar fel, kontrollera först din Fireflies API-åtkomst och behörigheter för anslutna appar.
  • Om du använder Wait-noder eller är beroende av att Fireflies hinner processa klart varierar timingen. Öka fördröjningen om hämtning av transkript ibland returnerar tomt.
  • OpenAI-prompter som är för generiska ger generisk coachning. Lägg in din invändningstaxonomi och “så här ser bra ut” tidigt, annars kommer du redigera utdata för alltid.

Snabba svar

Hur lång tid tar det att sätta upp den här automationen för Fireflies Slack-coachning?

Cirka 30 minuter om Fireflies, Slack och Drive redan är kopplade.

Krävs kodning för det här resultatet med Fireflies Slack-coachning?

Nej. Du kopplar konton, klistrar in din OpenAI-nyckel och finjusterar prompterna.

Är n8n gratis att använda för det här arbetsflödet för Fireflies Slack-coachning?

Ja. n8n har ett gratis alternativ för egen hosting och en gratis provperiod på n8n Cloud. Cloud-planer börjar på 20 USD/månad för högre volym. Du behöver också räkna med OpenAI API-kostnader, som oftast ligger på några cent per samtal beroende på transkriptets längd.

Var kan jag hosta n8n för att köra den här automationen?

Två alternativ: n8n Cloud (hanterat, enklast att komma igång) eller egen hosting på en VPS. För egen hosting är Hostinger VPS prisvärd och klarar n8n bra. Egen hosting ger dig obegränsade körningar men kräver grundläggande serverhantering.

Kan jag modifiera det här arbetsflödet för Fireflies Slack-coachning för andra use cases?

Ja, och det bör du. Den enklaste vinsten är att ändra prompten i Sales Call Insight Agent så att den matchar din säljmetodik och dina invändningskategorier. Du kan också byta Slack-destination (posta i en säljar-specifik kanal eller en chefskanal) och ändra Google Drive-mappen som används av steget “Generate Doc from Text” så att varje team får sitt eget bibliotek.

Varför fallerar min Fireflies-anslutning i det här flödet?

Oftast handlar det om API-åtkomst eller utgångna inloggningsuppgifter på Fireflies-sidan. Anslut Fireflies igen i n8n och bekräfta sedan att webhooken fortfarande är aktiv och pekar mot rätt n8n-URL. Om det bara fallerar ibland är det ofta timing: transkriptet är inte klart än, så att öka väntetiden i “Delay for Sync” löser det.

Vilken volym kan det här arbetsflödet för Fireflies Slack-coachning hantera?

En normal setup för ett litet team hanterar dussintals samtal per dag utan problem, så länge du inte slår i gränserna för OpenAI och Fireflies. På n8n Cloud beror volymen på planens månadsvisa körningar. Om du hostar själv finns ingen körningsgräns, men serverresurser och transkriptets längd avgör hur många som kan köras smidigt samtidigt.

Är den här automationen för Fireflies Slack-coachning bättre än att använda Zapier eller Make?

Ofta ja, eftersom det här flödet tjänar på flersteglogik (vänta på synk, välja senaste mötet, tvinga fram strukturerad AI-output, formatering och sedan skicka till två destinationer). Zapier och Make kan göra delar, men du kan landa i flera zaps/scenarier och svagare kontroll över “formen” på AI-utdata. n8n ger dig också möjligheten till egen hosting, vilket spelar roll när samtalsvolymen växer. Vill du bara ha en enkel “transkript till Slack” kan de verktygen vara fullt okej. Vill du ha konsekventa coachningsanteckningar med invändningssvar och ett arkiv är n8n ett mer praktiskt bygge. Prata med en automationsexpert om du vill ha hjälp att välja.

När det här väl rullar dyker coachningsanteckningarna upp medan samtalet fortfarande är färskt. Du behåller den mänskliga bedömningen och flödet tar hand om grovjobbet.

Kontakta oss

Hör av dig, så diskuterar vi hur just din verksamhet kan dra nytta av alla fantastiska möjligheter som AI skapar.

×

Använd mall

Få direkt tillgång till denna n8n-arbetsflödes JSON-fil

Launch login modal Launch register modal