"RAG on kuollut": Ala kääntyy kohti agenttimaista, elävää tietoa

"RAG on kuollut": Ala kääntyy kohti agenttimaista, elävää tietoa

LlamaIndexin suorasukainen toteamus "RAG on kuollut, eläköön agenttimainen haku" on noussut iskulauseeksi AWS re:Invent 2025 -tapahtuman keskustelujen myötä [1]. Väite on tämä: naiivi vektorihakuun perustuva RAG ei riitä agenteille, jotka tarvitsevat monivaiheista päättelyä, dynaamista nimiavaruuden valintaa ja tietokantoja, jotka päivittävät itse itseään. NVIDIAn insinööritiimi muotoilee saman ajatuksen samansuuntaisesti — agentit tarvitsevat dynaamista tietoa, ei jäätyneitä hetkikuvia [2].

Esiin nostetut luvut ovat merkittäviä. Gartner-lähteisiin perustuvien ennusteiden mukaan semanttiset, agenttimaiset lähestymistavat voisivat tuoda jopa 80 %:n tarkkuusparannuksen ja 60 %:n kustannussäästöt vuoteen 2027 mennessä verrattuna staattisiin hakuputkiin [3]. Towards Data Sciencen "kontekstisuunnittelu"-näkökulma päätyy samaan johtopäätökseen toista kautta: semanttiset kerrokset, eivät suuremmat kontekstikkunat, tekevät agenteista luotettavia [3].

X:ssä käyty keskustelu yhdistää tämän suoraan Karpathyn wiki-trendiin — molemmat osoittavat samaan suuntaan: pysyvään, jäsenneltyyn, itseään korjaavaan tietoon lyhytikäisen haun sijaan. Kaikille kokousdataa hyödyntäville tämä on arkkitehtuurin rima, joka pitää ylittää.

Claude-agentit muuttavat Granolan litteroinnit organisaation älykkyydeksi

Granolan taustalla tapahtuva litterointi — ilman botin liittymistä puheluun — osoittautuu hedelmälliseksi maaperäksi uudelle "tekoälyn kansliapäällikkö" -agenttien kategorialle [2]. Yksi laajalti jaettu toteutus käy läpi, miten Claude Code kytketään Granolan litterointeihin MCP:n kautta yhdessä strategiadokumenttien ja sähköpostin kanssa, jotta voidaan tuottaa dynaamisia organisaatiokaavioita, suhdepisteytyksiä ja ennakoivia neuvoja — mukaan lukien varoituksia ennen huonosti ajoitetun viestin lähettämistä sidosryhmälle [1][3].

Tämä ei ole kertaluontoinen kikka. Se heijastaa laajempaa muutosta, jossa kokouslitteroinnit lakkaavat olemasta pelkkä tapahtumien tallenne ja alkavat toimia elävänä syötteenä organisaation päättelylle. X:ssä leviävät esimerkit näyttävät automaattisesti kootut johdon tilannekatsaukset, jotka rakentuvat kokonaan historiallisesta kokousdatasta, ja agentit merkitsevät, kenen kanssa kannattaisi rakentaa liittoutumia kymmenien puheluiden kaavojen perusteella [3].

Tekniset yksityiskohdat ovat tässä olennaisia: juuri liittimien (MCP) käyttöoikeus yhdessä täysin uskollisen litteroinnin kanssa tekee tämän mahdolliseksi. Työkalut, jotka tarjoavat vain tiivistelmiä eivätkä raakoja, haettavia litterointeja, eivät voi tukea tällaista agenttia.

Meetily panostaa paikalliseen yksityisyyteen avoimen lähdekoodin puhujantunnistuksella

Meetily julkaistiin täysin paikallisena kokousavustajana Macille ja Windowsille. Se on rakennettu Rustilla, käyttäen Parakeetia/Whisperia litterointiin (väitetysti 4x reaaliaikaa nopeampi) ja Ollamaa laitteella tapahtuvaan tiivistämiseen [1][2]. Yksikään äänitallenne ei poistu laitteelta. Versio 0.3.0 lisäsi äänen tuonnin ja uudelleenlitteroinnin, ja projektin GitHub-näkyvyys — 359 500 tähteä projektin oman sivuston mukaan — viittaa aitoon kehittäjien kiinnostukseen [2][3].

Viesti asettuu suoraan pilvityökalujen väsymysnarratiivia vastaan: Meetilyn oma materiaali esittää sen vaihtoehtona Otterille, ja julkaisun ympärillä käyty X-keskustelu nojaa valituksiin siitä, että joutuu ajamaan Granolaa, Otteria ja Fireflies'ia samanaikaisesti päällekkäisten tilausten kanssa [3]. Puhujantunnistus suoraan pakkauksesta on pääominaisuus, joka asettaa sen suorempaan kilpailuun kaupallisten työkalujen kanssa.

Tämä on hyödyllinen signaali, vaikkakin yksityisyyttä priorisoivat paikalliset työkalut joutuvat tinkimään kertyvän tietograafin ominaisuuksista, joita pilviyhteydelliset järjestelmät (kuten yllä mainittu Claude/Granola-yhdistelmä) voivat tarjota.

Mitä tämä tarkoittaa sinun kokouksillesi

Tämän päivän tarinat kietoutuvat kaikki yhden ajatuksen ympärille: kokousdata on arvokasta vain sen ympärille rakennetun muistijärjestelmän verran. Karpathyn LLM Wiki ja "RAG on kuollut" -konsensus ovat pohjimmiltaan sama argumentti sovellettuna kahteen eri alueeseen — staattinen haku, olipa kyse sitten dokumenteista tai kokouslitteroinneista, korvautuu elävällä, ristiin viittaavalla tiedolla, joka viisastuu jokaisesta lisäyksestä. Maaliskuun litteroinnin pitäisi vaikuttaa siihen, miten agentti tulkitsee heinäkuun litteroinnin. Tämä ei ole hakuongelma; se on tietograafiongelma.

Granola-Claude-kokeilut tekevät tästä konkreettista ammattilaisille: kokoushistoriasta tulee syöte harkinnalle, ei pelkkä päätösten tallenne. Organisaatiokaaviot, suhdeäly ja ennakoivat muistutukset syntyvät vain, kun agentti pystyy päättelemään kymmenien kokousten yli samanaikaisesti — juuri se kaava, jonka ympärille Proudfrog on rakennettu, yhdistäen puhujien identiteetit, aiheet ja päätökset pysyväksi tietograafiksi litterointikansion sijaan. Meetilyn paikallisensijainen lähestymistapa muistuttaa, etteivät kaikki halua kokousdatansa poistuvan rakennuksesta — mutta se osoittaa myös kompromissin: yksityisyyttä äärimmilleen priorisoivat työkalut on tänä päivänä optimoitu litteroinnin laadulle, ei kokousten välillä kertyvälle organisaation muistille.

Käytännön opetus kaikille Zoom-puheluihin hukkuville: voittava työkalu ei ole se, jolla on paras litterointi — vaan se, joka muistaa, mitä litterointi tarkoitti kuusi kuukautta myöhemmin, ja osaa kertoa, miksi se on taas tänään merkityksellistä.

Keskeinen huomio: Staattisista litteroinneista on tulossa peruskauppatavaraa; todellinen arvo — ja todellinen kilpailukenttä — on elävässä, kokousten välillä risteävässä tietograafissa, joka mahdollistaa paitsi sen, mitä sanottiin, myös sen, mitä se tarkoittaa nyt.

Sources

1. https://gist.github.com/karpathy/442a6bf555914893e9891c11519de94f
2. https://aimaker.substack.com/p/llm-wiki-obsidian-knowledge-base-andrej-karphaty
3. https://medium.com/@roanmonteiro/building-a-complete-personal-harness-llm-wiki-developers-second-brain-in-obsidian-d7b61c7398ff
4. https://www.llamaindex.ai/blog/rag-is-dead-long-live-agentic-retrieval
5. https://developer.nvidia.com/blog/traditional-rag-vs-agentic-rag-why-ai-agents-need-dynamic-knowledge-to-get-smarter/
6. https://towardsdatascience.com/beyond-rag/
7. https://techysurgeon.substack.com/p/how-i-built-an-automated-executive
8. https://www.granola.ai/
9. https://mcpmarket.com/tools/skills/granola-meeting-notes
10. https://github.com/Zackriya-Solutions/meetily
11. https://meetily.ai/
12. https://meetily.ai/blog/self-hosted-meeting-note-taker-guide-2026