Din notatapp vil være en anden hjerne nu

Din notatapp vil være en anden hjerne nu

"Second brain"-trenden har udviklet sig fra vag produktivitets-fetichisme til rigtig arkitektur. Udviklere parrer nu Obsidians notatgrafer med Claude Code for automatisk at udtrække entiteter og relationer fra møder, dokumenter og samtaler, og gør derved statiske noter til det, én bredt delt gennemgang kalder et "levende neuralt kort" [4][5]. Systemer som Cortex viser, hvordan trinvise grafopdateringer lader videnbasen vokse med hvert nyt input, i stedet for at rådne op i en mappe.

Attraktionen er genfinding, ikke bare opbevaring. En bunke mødenoter er kun nyttig, hvis du kan spørge den om noget seks måneder senere og få et rigtigt svar — disse opsætninger er designet specifikt til det, ved at bruge Claude til at gennemgå grafen og fremhæve kontekst, som en nøgleordssøgning ville overse [6].

Det er et tegn på, at "notatapp" og "vidensgraf" smelter sammen til samme kategori, og at fagfolk ikke længere er tilfredse med et søgbart transskript — de vil have et system, der forstår, hvordan deres møder hænger sammen med hinanden.

RAG bliver voksen: grafer, agenter og multi-hop ræsonnement

2026's RAG-samtale er kommet langt forbi naiv vektorsøgning. Ingeniører kortlægger nu 8+ forskellige RAG-arkitekturer — Graph RAG, Hybrid RAG, Agentic RAG — der hver løser forskellige genfindingsproblemer [7]. Graph RAG bygger eksplicitte entitets-/relationsstrukturer til at besvare multi-hop-spørgsmål ("hvad besluttede vi om priser efter marts-kundeopkaldet, og hvem gjorde indvendinger?"); Agentic RAG tilføjer planlægnings- og selvvalideringsløkker, så systemet tjekker sine egne svar, før de returneres [8].

Konsensussen, der former sig på LinkedIn og i tekniske tråde, er, at produktionsklare systemer i stigende grad kombinerer vektordatabaser med vidensgrafer — vektorer til uklar semantisk genkaldelse, grafer til præcis relationel ræsonnement [9]. Det er præcis den arkitektur, mødeintelligens-værktøjer har brug for: transskripter er ustrukturerede, men beslutninger, opgaver og personer er i sagens natur relationelle data.

At fodre salgsopkald til Claude betaler sig selv hjem

En udvikler kørte 1.643 salgsopkald igennem Claude Code via Fathom.ai-transskripter — samlet omkostning: 1,94 dollar, output: fulde scorecards, mønstergenkendelse af fejl og en automatiseret salgsstrateg-agent, der sporer trends over tid [10]. En anden gennemgang demonstrerer en lignende pipeline bygget på Fireflies-transskripter, der fodrer direkte ind i et AI-coachingsystem [11].

Det er økonomien, der er historien her: hvad der plejede at kræve en salgsanalytiker en hel uges arbejde, kører nu ubemandet natten over for prisen af en kop kaffe. Det er en forsmag på, hvad der sker, når mængden af transskripter møder billige, dygtige sprogmodeller — audit og analyse holder op med at være valgfrit, fordi det praktisk talt er gratis.

EU's AI-forordning-frist rammer i sommer

Den 2. august 2026 er den dato, nordiske og europæiske virksomheder burde have markeret i kalenderen — størstedelen af bestemmelserne i EU's AI-forordning bliver fuldt håndhævelige, fire år efter den trådte i kraft [12]. Højrisiko AI-systemer (herunder HR- og CRM-værktøjer) står over for bøder på op til 15 mio. euro eller 3% af den globale omsætning ved manglende overholdelse; forbudte praksisser medfører sanktioner op til 35 mio. euro eller 7% [13].

For enhver virksomhed, der bruger AI i møder, ansættelser eller arbejdsgangsautomatisering, er dette ikke abstrakt — Europa-Kommissionens regulatoriske rammeværk dækker eksplicit AI-systemer, der berører ansættelsesbeslutninger [14]. Forvent et kapløb om compliance-værktøjer og risikovurderingsrammer i de kommende uger, efterhånden som fristen nærmer sig.

Hvad dette betyder for dine møder

Den røde tråd gennem dagens historier er, at mødedata endelig bliver behandlet som et aktiv, der fortjener ordentlig arkitektur, ikke bare et transskript, der arkiveres. Lokale værktøjer som Meetily beviser, at privatliv og funktionalitet ikke længere er et kompromis — og EU's AI-forordnings-frist gør det til en compliance-nødvendighed, ikke bare en præference, især for nordiske teams, der allerede opererer under strenge krav om datasuverænitet.

Samtidig viser "second brain"- og avancerede RAG-trends, hvor den reelle værdi ligger: ikke i selve transskriptet, men i grafen af personer, beslutninger og emner, der forbinder ét møde med det næste. Det er præcis det problem, Proudfrog er bygget til at løse — transskribering og talergenkendelse er blot grundlæggende krav; vidensgrafen og genfinding på tværs af møder er det, der forvandler en bunke optagelser til institutionel hukommelse, du faktisk kan spørge ud fra. Eksemplet med salgsopkalds-analyse er en forsmag på, hvad der er på vej til alle afdelinger, ikke kun salg: billig, hurtig, struktureret indsigt trukket ud fra måneders samtaler.

Vigtigste pointe: Markedet konvergerer omkring lokal, privat transskribering, der fodrer ind i grafbaserede videnssystemer — præcis den stak, der forvandler møder til et søgbart, compliant og kumulativt aktiv i stedet for en engangsoptagelse.

Sources

1. https://github.com/Zackriya-Solutions/meetily
2. https://meetily.ai/
3. https://meetily.ai/blog/self-hosted-meeting-note-taker-guide-2026
4. https://www.mindstudio.ai/blog/build-ai-second-brain-claude-code-obsidian
5. https://sausheong.com/how-i-built-my-second-brain-404590314de3
6. https://medium.com/@evgeni.n.rusev/how-i-built-my-second-brain-with-obsidian-claude-code-9fb54b7665ca
7. https://neo4j.com/blog/agentic-ai/what-is-agentic-rag/
8. https://medium.com/@vinodkrane/next-generation-agentic-rag-with-langgraph-2026-edition-d1c4c068d2b8
9. https://www.linkedin.com/posts/brijpandeyji_rag-is-no-longer-just-vector-search-llm-activity-7467221569761832962-xgVn
10. https://www.linkedin.com/posts/niklas-huetzen_i-analyzed-1643-sales-calls-for-194-in-activity-7444285418793091072-5qcj
11. https://www.youtube.com/watch?v=BGxpATOGK_M
12. https://www.hklaw.com/en/insights/publications/2026/04/us-companies-face-eu-ai-acts-possible-august-2026-compliance-deadline
13. https://artificialintelligenceact.eu/article/99/
14. https://digital-strategy.ec.europa.eu/en/policies/regulatory-framework-ai