Fireflies og Notta skubber flersproget transskription fremad

Fireflies og Notta skubber flersproget transskription fremad

Globale teams er det klare målgruppe for dette kvartals opdateringer fra Fireflies.ai og Notta. Fireflies hævder nu at understøtte transskription på over 100 sprog (hvor ikke-engelske sprog stadig er i beta) og holder fast i en reelt brugbar gratis plan — ubegrænset transskription begrænset af 400 minutters team-lagerplads, plus søgning på tværs af opkald og spørgsmål-svar over hele din mødehistorik [1][2]. Pro-planen koster $10 pr. bruger pr. måned ved årlig betaling og inkluderer over 100 integrationer — et stærkt trækplaster for salgs- og CRM-tunge teams.

Notta satser anderledes på nøjagtighed og bredde: 58 understøttede sprog med en påstået nøjagtighed på over 98 % i formelle sammenhænge, realtidsoversættelse og automatisk genererede handlingspunkter. Den gratis plan giver 120 minutter om måneden, mens Pro-planen koster omkring $8,17 om måneden ved årlig betaling for 1.800 minutter [3]. Begge værktøjer tilbyder nu talermarkering og virksomhedsklar SSO — noget, enhver seriøs køber i 2026 forventer som standard.

Kommentarer på X fokuserer på to ting: Firefliess søgning på tværs af opkald som en reel differentiator for videnssøgning, og Nottas sprogdækning for folk, der laver interviews eller grænseoverskridende opkald. Begge nævnes i stigende grad sammen med Geminis indbyggede mødefunktioner, efterhånden som markedet samler sig om "søg i din mødehistorik" fremfor blot "transskriber dette ene opkald".

Agentisk RAG bevæger sig fra forskningsartikel til virksomhedsprodukt

Historien om videnssøgning i 2026 har bevæget sig afgørende væk fra simpel vektorsøgning til agentiske, flertrinsarkitekturer. Googles Gemini Enterprise Agent Platform, som blev beskrevet i detaljer tilbage i juni, bruger orkestrator- og planlæggeragenter til iterativt at hente og verificere information i stedet for at foretage ét enkelt søgeforløb [1]. En ny arXiv-artikel (23. oktober) går endnu videre og foreslår et videnslag bestående af ontologi og hypergraf, som giver agenter, der arbejder gennem softwareudviklingens livscyklus, sporbarhed helt ned på artefaktniveau — testet mod over 100 reelle fejlrettelser [2].

Progress Softwares udgivelse den 1. oktober omsætter denne tendens i praksis med en "Smart Agent", der kan foretage flertrins-søgning, understøtter MCP (Model Context Protocol) og har synkroniserede "Knowledge Box"-forbindelser på tværs af virksomhedssystemer [3]. Mønstret går igen i alle tre tilfælde: enkeltstående RAG er fint til simple opslag, men alt der kræver ræsonnement på tværs af flere dokumenter, møder eller systemer, har i stigende grad brug for en agent, der planlægger, henter, kontrollerer og henter igen.

Diskussionen på X beskriver dette som modningen af "agentisk RAG" som sin egen kategori — adskilt fra almindelig RAG — hvor planlægning, brug af værktøjer og evalueringsløkker nu er forventede funktioner snarere end forskningsnyheder. For ethvert værktøj, der hævder at kunne besvare spørgsmål på tværs af din arbejdshistorik, er dette hurtigt ved at blive grundarkitekturen, ikke en differentiator.

GraphRAG og hybride databaser giver AI-agenter rigtig hukommelse

Under det hele ligger et stilfærdigere, men mere grundlæggende skift: hvordan viden gemmes — ikke bare hentes. Microsofts GraphRAG-projekt, som løbende opdateres gennem 2026, udtrækker strukturerede entiteter og relationer fra rå tekst ved hjælp af LLM'er, og nøjagtighedsgevinsten er betydelig — 71,5 % mod 55,4 % for almindelig vektor-RAG på spørgsmål, der kræver flere ræsonnementstrin [2]. Neo4j og andre leverandører af grafdatabaser positionerer nu eksplicit deres teknologi til "agentisk GraphRAG", hvor vedvarende videnskort giver AI-agenter en reel langtidshukommelse i stedet for et glidende vindue af embeddings [1].

Markedstallene bakker op om hypen: værktøjer til grafdatabaser til AI vurderes til 4,21 milliarder dollars i 2026 med en årlig vækstrate (CAGR) på 27 %, og leverandører hævder, at GraphRAG kan tredoble svarnøjagtigheden sammenlignet med ikke-forankrede søgemetoder [3]. Hybride opsætninger med både vektor og graf — der kombinerer semantisk lighedssøgning med eksplicit gennemløb af relationer — er ved at blive standardarkitekturen for alle, der bygger seriøse systemer til hentningsforstærket generering, hvor funktioner som grenisolering, ACID-garantier og serverløs skalering nu forventes i produktionsmiljøer.

Samtalen på X blandt folk inden for AI-infrastruktur vender hele tiden tilbage til én pointe: vektorsøgning alene kan ikke håndtere ræsonnement med flere trin eller bevare sporbarhed, men det kan grafer. For ethvert produkt, der hævder at kunne "huske alt" på tværs af måneders samtaler, er dette ikke længere valgfri infrastruktur — det er fundamentet.

Hvad dette betyder for dine møder

Sæt disse fire historier sammen, og der tegner sig et klart billede: kategorien for mødeintelligens deler sig i "transskriptionsværktøjer" og "videnssystemer", og afstanden mellem dem vokser hurtigt. Granola, Fireflies og Notta konkurrerer benhårdt på optagekvalitet, privatliv og sprogdækning — reelt nyttige forbedringer, men i sidste ende noget, der forventes som standard. Det egentlige konkurrencefelt har flyttet sig et niveau op, til hvordan den indfangede viden struktureres, forbindes og hentes frem igen måneder senere.

Det er netop her, agentisk RAG og GraphRAG betyder noget for alle, der administrerer et voksende arkiv af møder. En flad bunke af transskriptioner, uanset hvor nøjagtigt den er indfanget, er ikke en vidensbase — det er et arkivskab. Skiftet mod videnskort, flertrins-ræsonnement og planlæggerstyrede søgeagenter er det, der forvandler "søg i mine møder" til "stil mine møder et rigtigt spørgsmål og få et forankret svar med dokumenteret oprindelse". Det er præcis denne arkitektoniske beslutning, der adskiller værktøjer bygget til noter fra ét enkelt møde fra værktøjer bygget til at kunne forespørge på et helt års organisatorisk hukommelse — talere, beslutninger, opfølgninger, og hvordan det hele hænger sammen på tværs af tid.

For fagfolk, der lige nu evaluerer mødeværktøjer, har spørgsmålene, det er værd at stille, ændret sig: ikke "transskriberer det nøjagtigt" (det gør de fleste), men "opbygger det et struktureret, søgbart videnskort over hvem der sagde hvad, hvornår, og hvordan det hænger sammen med alt andet, jeg har diskuteret?" Det er forskellen på et transskriptionsarkiv og en reel ekstra hjerne.

Hovedpointe: Nøjagtig transskription er nu en handelsvare — den reelle værdi i 2026's mødeværktøjer ligger i grafbaseret, agentisk søgning, der forvandler spredte samtaler til en genuint sammenhængende, søgbar organisatorisk hukommelse.

Kilder

1. https://thetoolsverse.com/blog/granola-vs-otter
2. https://www.techverdict.io/articles/best-ai-note-taker-2026
3. https://scribbl.co/post/what-is-granola-ai
4. https://www.itechguides.com/compare/fireflies-ai-vs-notta/
5. https://www.anavem.com/tools/fireflies-ai
6. https://notechase.ai/compare/notta-vs-otter-vs-fireflies/
7. https://research.google/blog/unlocking-dependable-responses-with-gemini-enterprise-agent-platforms-agentic-rag/
8. https://arxiv.org/abs/2610.32851
9. https://investors.progress.com/news-releases/news-release-details/progress-software-connects-enterprise-knowledge-across-business
10. https://neo4j.com/blog/agentic-ai/agentic-graphrag/
11. https://www.github.com/microsoft/graphrag
12. https://www.gtm8020.com/blog/best-graph-databases-ai-agents