Agentisk RAG og grafdatabaser flytter grænserne for virksomheders videnhåndtering

Agentisk RAG og grafdatabaser flytter grænserne for virksomheders videnhåndtering

Øjeblikkets store fortælling inden for retrieval handler ikke om større vektordatabaser — den handler om grafer plus agenter. Agentiske RAG-opsætninger bygget på LangGraph bruger nu "graders", omformuleringer og fallback-loops til iterativt at hente og verificere svar, og de slår konsekvent standard vektor-RAG på spørgsmål, der kræver flere trin ("multi-hop") [1]. En nylig benchmark (CFR) fandt, at Knowledge Graph RAG leverede en 70% forbedring i nøjagtighed sammenlignet med ren vektorbaseret retrieval i virksomhedsmiljøer [2].

Den underliggende årsag er strukturel: vektorbaseret similaritetssøgning er god til at finde "hvad der er relateret", men grafdatabaser er gode til "hvem talte med hvem om hvad, og hvornår" — relationskoblinger, der betyder enormt meget for mødehistorik. TigerGraphs arkitekturguide bemærker, at jobopslag, der kræver RAG-kompetencer, er firdoblet på det seneste — et tegn på, at virksomheder kæmper for at omsætte dette til praksis [3].

For ethvert værktøj, der hævder at opbygge en "videnbase" ud fra møder snarere end blot et søgbart transskriptionsarkiv, er dette den teknologiske retning fremad — hybrid vektor-graf-retrieval, ikke det ene eller det andet.

Fathom AI ruller forbedrede mødenoter og opgavelister ud

Fathoms opdatering fra slutningen af august satser hårdt på konceptet om en arbejdsplads efter mødet: live-resuméer under selve opkaldet, en kladdeblok til manuelle notater, en bot-fri betaversion samt over 17 metodeskabeloner, herunder Sandler og SPICED til salgsteams [1][2]. Ask Fathom — det søgbare spørgsmål-svar-lag — findes nu side om side med automatiske udkast til opfølgningsmails og CRM-synkronisering [3].

Den ubegrænsede gratis version forbliver det store trækplaster, og brugere på X er overvejende positive over automatiseringens dybde, selvom en tilbagevendende klage handler om manglen på smart genkendelse af mødets afslutning — Fathom kræver stadig, at nogen manuelt afslutter optagelsen frem for selv at registrere, når en samtale er slut [2].

Det er en påmindelse om, at "mødeintelligens" er ved at blive en selvfølge: transskription, resuméer og opgavelister forventes nu som standard, og den konkurrencemæssige slagmark flytter sig til det, der sker bagefter — retrieval, søgning og integration i den måde, folk faktisk arbejder på.

EU udsteder de første informationskrav under AI Act til frontier-labs

Håndhævelsen er nu en realitet. Den 29. august sendte EU's AI-kontor sine første formelle informationsanmodninger til OpenAI, Anthropic og Google med krav om detaljer om cybersikkerhedspraksis, sikkerhedsevalueringer, overvågning efter markedsføring og resuméer af træningsdata for at sikre overholdelse af ophavsret [1][2]. Dette følger efter, at GPAI-forpligtelserne blev retligt bindende fra den 2. august 2026.

EU's tech-kommissær Henna Virkkunen var kontant: "Som et første skridt i håndhævelsen af AI Act har vores AI-kontor formelt sendt informationsanmodninger..." [1]. Bøder for ufuldstændige eller vildledende svar kan løbe op i 15 millioner euro eller 3% af den globale omsætning, og virksomheder risikerer op til 6% af omsætningen under den bredere AI Act sammen med DSA-forpligtelser for platforme, der opererer i EU [3].

For enhver virksomhed — herunder leverandører af mødeintelligens — der bygger produkter oven på frontier-modeller, er dette et signal om, at kontrollen ikke længere er teoretisk. Datasporbarhed, gennemsigtighed om træning og sikkerhedsdokumentation er ved at blive operationelle krav, ikke bare pr-snak.

Hvad Dette Betyder For Dine Møder

Sætter man disse historier sammen, tegner der sig et klart mønster: transskriptionslaget bliver en hyldevare og bliver samtidig fremragende (Gemini 3.5, Fathoms finpudsning), mens den reelle differentiering flytter sig til retrieval og struktur — hvor godt et system forstår sammenhænge på tværs af hele din mødehistorik, ikke bare hvad der blev sagt i ét enkelt opkald. Et transskript med 2,6% ordfejlrate (WER) er kun så nyttigt som det, du kan bruge det til seks måneder senere, når du prøver at huske, hvilken indvending en bestemt kunde rejste i andet kvartal.

Det er præcis derfor, at skiftet mod graf plus agentisk RAG betyder så meget lige nu. Ren vektorsøgning svarer på "find lignende ting"; en videngraf svarer på "hvordan hænger dette sammen med den beslutning fra marts." Mødeintelligens-værktøjer, der kun gemmer søgbare transskripter, løser gårsdagens problem. De værktøjer, der bygger relationsbevidste videngrafer — som forbinder mennesker, projekter, beslutninger og opfølgninger på tværs af møder — står godt positioneret i forhold til, hvor virksomheders retrieval tydeligvis er på vej hen, hvilket CFR-benchmarkens resultater peger på [2].

I mellemtiden er EU's håndhævelsesskridt et stille varselsskud for hele kategorien. Ethvert værktøj, der behandler følsomt mødeindhold på tværs af landegrænser, bør tage datasporbarhed og modeltransparens alvorligt nu — ikke først når en informationsanmodning lander på bordet. Nordiske og europæiske teams bør især foretrække leverandører, der kan dokumentere deres compliance-arbejde og ikke bare fremvise en funktionsliste.

Vigtigste pointe: Transskriptionsnøjagtighed er ved at blive en selvfølge — vinderne inden for mødeintelligens bliver dem, der formår at omdanne samtaler til en holdbar, sammenhængende videngraf, du reelt kan forespørge måneder senere, bygget af en leverandør, der også kan dokumentere, hvor dine data ender henne.

Sources

1. https://blog.google/innovation-and-ai/models-and-research/gemini-models/gemini-3-5-transcribe/
2. https://ai.google.dev/gemini-api/docs/models/gemini-3.5-transcribe
3. https://arstechnica.com/ai/2026/08/google-announces-gemini-3-5-transcribe-for-ai-powered-speech-to-text/
4. https://beyondscale.tech/blog/agentic-rag-enterprise-guide
5. https://arxiv.org/abs/2604.14220
6. https://www.tigergraph.com/blog/agentic-ai-architecture-graph-database/
7. https://www.fathom.ai/whats-new
8. https://www.fathom.ai/overview
9. https://help.fathom.video/en/articles/640768
10. https://www.euractiv.com/news/exclusive-eu-orders-leading-ai-labs-to-detail-security-practices/
11. https://tokenstead.ai/guides/eu-ai-act-first-enforcement-security-rfis
12. https://digital-strategy.ec.europa.eu/en/policies/enforcement-ai-act