Otter og Fireflies fortsætter kapløbet om opsummeringer og integrationer

Otter og Fireflies fortsætter kapløbet om opsummeringer og integrationer

De etablerede mødereferat-værktøjer sidder ikke stille. Otter og Fireflies er fortsat standardsammenligningen i 2026-guides til køb af den slags værktøjer, og hver især finder de deres eget lille forspring — Otter satser på intelligens efter transskriptionen, mens Fireflies dobbelter ned på CRM- og workflow-integrationer [4][5][6]. Begge bliver ved med at levere realtidstranskription, AI-opsummeringer og udtræk af opgavepunkter som grundlæggende funktioner.

Det bemærkelsesværdige er mindre selve funktionslisten og mere den måde, tingene bliver præsenteret på: nylige sammenligninger stiller i stigende grad disse værktøjer op mod "bot-fri" alternativer, hvilket tyder på, at brugerne er ved at blive trætte af synlige optage-bots, der deltager i alle møder [6]. Samtalen på markedet er ved at flytte sig fra "kan den transskribere" til "hvor usynligt og intelligent kan den fange indholdet."

For teams, der er ved at evaluere værktøjer, flytter differentieringen sig længere op i stakken — væk fra ren transskriptionsnøjagtighed (som i stigende grad bliver en handelsvare, se ovenfor) og hen imod, hvad der sker med transskriptionen bagefter: søgning, genfinding og tværgående ræsonnement på tværs af møder.

Anden-hjerner bliver strukturelle: videnskabsgrafer fra samtaler

Værktøjer som Cognify (bygget på open source-frameworket Cognee) skubber "anden-hjerne"-konceptet videre ved at omdanne rå samtaledata, e-mails og dokumenter til strukturerede, forespørgselsbare videnskabsgrafer i stedet for flade, søgbare arkiver [7][8]. Integrationsarbejdet med grafdatabaser som Memgraph viser, at dette ikke bare er teoretisk — det er ved at blive en praktisk stak for udviklere, der bygger hukommelseslag klar til agenter [8].

DeepLearning.AI's kursus om videnskabsgrafer til AI-agenters opdagelse af services peger på, hvor det hele er på vej hen: agenter har i stigende grad brug for struktureret, relationel hukommelse at ræsonnere ud fra — ikke bare semantisk søgning på embeddings [9]. Diskussioner på X om open source-anden-hjerne-projekter med MCP-integration (Model Context Protocol) bekræfter, at dette nu er et aktivt bygger-fællesskab, ikke en niche.

Den røde tråd gennem alle tre globale historier: transskription er ved at blive et løst, kommodificeret lag. Den reelle konkurrence er flyttet til det, man bygger ovenpå — struktureret hukommelse, genfinding og ræsonnement på tværs af al den viden, man har samlet.

EU's AI-forordning: Compliance-uret tikker stadig, bare langsommere

EU har udskudt deadlines for højrisiko-AI-systemer — selvstændige systemer har nu frist til december 2027, sektorspecifikke til august 2028 — men gennemsigtighedskravene træder stadig i kraft i august 2026 [10][11][12]. Det er en reel deadline lige om hjørnet, ikke en fjern en af slagsen. Ethvert AI-værktøj, der behandler mødedata, som berører ansættelser, kredit eller sundhedsnære beslutninger, skal holde nøje øje med overlappet til GDPR, eftersom bøderne kan løbe op i €35 mio. eller 7% af den globale omsætning [10].

For udbydere af mødeintelligens betyder dette mere, end det umiddelbart lyder til. Transskriptioner og videnskabsgrafer bygget på arbejdspladssamtaler kan nemt komme i berøring med højrisikokategorier — performancesamtaler, ansættelsesdrøftelser, sundhedsrelaterede kommentarer i 1:1-møder. Den udskudte deadline giver mere tid, men gennemsigtighedskravene, der træder i kraft allerede i august, betyder, at oplysningspligten (hvad bliver optaget, hvordan bliver det behandlet, drager AI'en konklusioner) allerede er tæt på.

Hvad det betyder for dine møder

Sæt disse historier sammen, og der tegner sig et klart mønster: transskriptionslaget er ved at blive en handelsvare, mens værdien — og risikoen — flytter sig til det, der sker, efter ordene er fanget. En 0,9B open model, der klarer diarisering og transskription i én arbejdsgang, betyder, at ethvert team nu kan sætte "godt nok" transskriptionsinfrastruktur op. Det er gode nyheder for omkostninger og fleksibilitet, men det betyder også, at de værktøjer, der vinder, ikke bliver dem, der transskriberer bedst — det bliver dem, der omdanner transskriptioner til struktureret, genfindbar viden, man rent faktisk kan ræsonnere ud fra måneder senere.

Det er præcis her, videnskabsgrafer kommer ind i billedet, og hvorfor momentum omkring Cognify/Cognee er værd at holde øje med. Et fladt, søgbart arkiv over tidligere møder er nyttigt; en graf, der forbinder "hvem sagde hvad, hvornår, i forhold til hvilken beslutning, på tværs af 200 møder", er en helt anden slags værdi. Det er netop det lag, Proudfrog har bygget hen imod — ikke bare at fange samtaler, men at gøre hele din mødehistorik forespørgselsbar som forbundet viden, i stedet for en bunke separate transskriptioner.

Og nyheden om EU's AI-forordning er en påmindelse om, at det her ikke kun er et teknisk kapløb. Efterhånden som mødedata i stigende grad fodrer AI-systemer, der berører ansættelser, performance og sundhedsemner, er gennemsigtighed og compliance ikke valgfrie tilføjelser — de er en del af produktet. Nordiske og EU-baserede teams, der bygger eller køber mødeintelligens-værktøjer, bør ikke kun spørge "hvor god er genfindingen", men også "hvor bor de her data, og kan vi dokumentere, hvad AI'en gør med dem?"

Vigtigste pointe: Transskription er nu en grundlæggende forudsætning — den reelle fordel tilhører den, der omdanner din mødehistorik til en struktureret, compliant og forespørgselsbar videnbase, du rent faktisk kan stole på og handle ud fra.

Sources

1. https://huggingface.co/OpenMOSS-Team/MOSS-Transcribe-Diarize
2. https://arxiv.org/abs/2601.01554
3. https://x.com/lmsysorg/status/2075062638254379300
4. https://otter.ai/
5. https://otter.ai/blog/otter-vs-fireflies
6. https://zackproser.com/blog/best-ai-meeting-notes-tools-2026
7. https://docs.cognee.ai/api-reference/cognify/cognify
8. https://memgraph.com/blog/cognee-memgraph-integration-demo
9. https://www.deeplearning.ai/courses/knowledge-graphs-for-ai-agent-api-discovery
10. https://www.hklaw.com/en/insights/publications/2026/04/us-companies-face-eu-ai-acts-possible-august-2026-compliance-deadline
11. https://www.lw.com/en/insights/ai-act-update-eu-resolves-to-change-rules-and-extend-deadlines
12. https://artificialintelligenceact.eu/implementation-timeline/