Fireflies, Fathom og Otter Skruer Op for Søgning på Tværs af Møder

Fireflies, Fathom og Otter Skruer Op for Søgning på Tværs af Møder

Sammenligningsguiderne for 2026's møde-AI viser en kategori, der modnes hurtigt, men den egentlige historie handler om søgning, ikke transskription. Fireflies' AskFred lader nu brugere stille spørgsmål i naturligt sprog på tværs af hele deres mødehistorik plus CRM-data — reel intelligens på tværs af møder frem for opsummeringer af enkeltopkald [1]. Fathom fortsætter med at føre an med generøse gratis niveauer med ubegrænsede optagelser og AI-opsummeringer, mens Otter i 2025 har tilføjet en "Meeting Agent" til realtids-stemmefunktioner oven på sit søgbare arkiv [2][3].

Det bemærkelsesværdige er modelinstallationen bagved: flere værktøjer sender nu transskriptioner gennem Claude og andre topmodeller til dybere analyse, og automatisk kalenderintegration er blevet en selvfølge frem for et konkurrenceparameter. Snakken på X afspejler dette skifte — mindre begejstring for "endnu en note-tager", mere fokus på hvilket værktøj der rent faktisk finder det rigtige svar frem fra seks måneders tidligere opkald, samt tilbagevendende bekymringer om privatliv i forhold til, hvor transskriptionerne opbevares.

Konkurrencelinjen har tydeligt flyttet sig fra "hvem transskriberer bedst" til "hvem finder bedst frem til svaret". Det er den samme kampplads, som OKF og LangGraph bliver bygget til — et godt tegn på, at branchen bevæger sig i retning af en søgnings-først-tilgang.

Quill Viser Appetitten på Lokal, Privat Transskription

Ikke alle vil have deres møder i skyen. Quill, et helt lokalt macOS-værktøj fra udvikleren @dremnik (digimata), har vundet frem som et privatlivsorienteret alternativ til Fireflies og Granola [1][2]. Det optager systemlyd og mikrofon separat, transskriberer helt på enheden med taler-mærkning, og leverer ren Markdown — med en GitHub-opdatering den 30. juli, der skubber det videre under en MIT-licens [1].

Appellen er ligetil: ingen leverandørserver rører nogensinde din lyd, og det er gratis. Opslag på X rammer det direkte ind som et privatlivsdrevet alternativ for folk, der ønsker kalenderintegration og transskription uden et abonnement eller en dataudvekslingsaftale.

Quill er lige nu et nichetilbud — én bruger, én maskine — men det er et nyttigt signal om, hvor stemningen ligger omkring dataejerskab. Mødeindhold er følsom virksomhedsviden, og en voksende del af markedet vil have beviser for, at det forbliver under deres egen kontrol.

LangGraph Bliver Standardarkitekturen for Agentisk RAG

På infrastruktursiden har LangGraph rejst sig som referencearkitekturen for Agentisk RAG og multi-agent-systemer i produktionskvalitet [1]. I stedet for et enkelt søgekald bygger teams nu koordinator-/research-/analyse-/skribent-agent-pipelines med hybrid søgning, reranking, videngrafer, parallel udførelse, delt hukommelse og human-in-the-loop-kontrolpunkter [2][3].

Det er vigtigt, fordi naiv, ren vektorbaseret RAG har nået sit loft for virksomhedsbrug — den hallucinerer, mister kontekst på tværs af sessioner, og den ræsonnerer ikke over det, den har hentet frem. LangGraphs mønster af refleksion og selvkorrektion, koblet med grafbaseret søgning, er det, der gør det muligt for virksomheder at forankre agenter pålideligt i deres egen fortrolige data. X-tråde er usædvanligt enige her: udviklere siger direkte, at æraen med "bare lav vektorsøgning" er forbi, og at hybrid + graf + rerank nu er grundpakken for alt, der sendes i produktion.

Hvad Dette Betyder for Dine Møder

Tre tråde fra i dag peger i samme retning: mødeviden bliver til et permanent, struktureret, søgbart aktiv frem for en transskription, man smider ud. OKF giver branchen et fælles sprog for, hvordan AI-agenter bør vedligeholde denne viden over tid. LangGraph giver udviklere arkitekturen til at hente den frem præcist og ræsonnere over den — ikke bare søge i den. Og landskabet af note-tagere — fra Fireflies' AskFred til Otters arkiver til privatlivsorienterede værktøjer som Quill — viser, at markedet allerede har accepteret, at et enkelt møde er værdiløst uden konteksten fra alle møderne før det.

For professionelle er den praktiske konsekvens denne: din mødehistorik er stille og roligt ved at blive din organisations mest værdifulde — og mest underudnyttede — videngraf. De værktøjer, der kan forbinde en kommentar fra et planlægningsopkald i juni med en beslutning truffet på et kundemøde i august, er dem, der rent faktisk sparer tid, ikke bare registrerer den. Standarder som OKF og arkitekturer som LangGraph er den infrastruktur, der gør det muligt i stor skala — uanset om transskriptionerne ligger i skyen eller, for en stigende gruppe, forbliver helt lokale.

Det er præcis det terræn, Proudfrog opererer i — transskription, taler-identifikation og videngrafer, der forvandler spredte møder til en søgbar, sammenhængende hukommelse. Den brancheenighed, der tegner sig i dag, bekræfter netop denne arkitektur: møder er ikke isolerede begivenheder, de er knudepunkter i en graf, og vinderne bliver de værktøjer, der behandler dem sådan.

Kort fortalt: Konkurrencespørgsmålet inden for møde-AI har flyttet sig fra "hvor godt transskriberer det?" til "hvor godt husker og ræsonnerer det på tværs af alt, hvad I nogensinde har talt om?" — og dagens nyheder viser, at standarderne og arkitekturen bag dette skifte nu falder på plads.

Sources

1. https://cloud.google.com/blog/products/data-analytics/how-the-open-knowledge-format-can-improve-data-sharing
2. https://github.com/GoogleCloudPlatform/knowledge-catalog/tree/main/okf
3. https://gist.github.com/karpathy/442a6bf555914893e9891c11519de94f
4. https://www.itsconvo.com/blog/otter-vs-fireflies-vs-fathom
5. https://meetingnotes.com/blog/best-ai-note-takers
6. https://zackproser.com/blog/best-ai-meeting-notes-tools-2026
7. https://github.com/digimata/quill
8. https://www.quillmeetings.com/
9. https://www.youtube.com/watch?v=xlerH2GuY7s
10. https://docs.langchain.com/oss/python/langgraph/agentic-rag
11. https://wesleybaxterhuber.medium.com/building-a-multi-agent-rag-system-with-langgraph-43071904b123
12. https://www.elastic.co/search-labs/blog/multi-agent-system-llm-agents-elasticsearch-langgraph