IBM:n STAIR osoittaa, että strukturoidussa tiedonhaussa riittää vielä kehitettävää

IBM:n STAIR osoittaa, että strukturoidussa tiedonhaussa riittää vielä kehitettävää

IBM esitteli STAIR-nimisen hakujärjestelmän, joka käyttää hakuyksikkönä dokumentin sisällysluetteloa upotusvektorien tai vektoritietokannan sijaan. SearchTome-vertailutestissä (18 avointa oppikirjaa kuudelta eri alalta) STAIR saavutti 82,6 % Recall@1-tuloksen, kun hienosäädetty DSI-vertailujärjestelmä jäi 76,9 %:iin, ja virheelliset ei-lehti-osioiden ennusteet putosivat 0,05 %:iin DSI:n 3,25 %:sta [4][5][6].

Tässä kohtaa kannattaa olla tarkka: viraaliksi noussut väite "65 kertaa vähemmän hallusinaatioita" on liioiteltu. Tuo 65-kertainen luku koskee vain yhtä kapeaa rakenteellista virhemittaria, ei kokonaisvastaustarkkuutta — todellinen päästä päähän -virheen parannus on lähempänä 1,3-kertaista (18,67 % vs. 24,31 %). Silti merkittävä parannus, mutta ei se otsikkoluku, joka kiertää X:ssä.

Huomionarvoista kaikille, jotka rakentavat hakujärjestelmiä: STAIR toimii täysin ilman vektorivarastoa, se perustuu Mistral 7B:hen ja keskittyy nimenomaan rakenteisiin dokumentteihin. Kuten @alex_verem toteaa ketjussaan ja muutkin ovat huomauttaneet, tämä on aito askel kohti tiedonhakua, joka validoi hakemansa tiedon ennen vastauksen generointia — relevanttia paljon muuallakin kuin oppikirjoissa.

Graphify muuttaa minkä tahansa kansion paikalliseksi tietograafiksi ja ohittaa 137 000 GitHub-tähden rajan

Graphify on avoimen lähdekoodin työkalu, joka muuntaa koodikannat, PDF-tiedostot, SQL-skeemat, konfiguraatiot ja jopa kuvat paikallisiksi tietograafeiksi käyttäen deterministista AST-jäsennystä (tree-sitter) ja valinnaista semanttista kerrosta — ilman vektorivarastoa [7][8][9]. Se toimitetaan /graphify-taitona Claude Codelle, Cursorille ja vastaaville työkaluille, ja sen suosio on räjähtänyt: 137 000 tähteä ja 13 000 forkkia, kasvua noin 5 500 tähteä viikossa.

Käyttäjät raportoivat, että pysyvät, rakenteiset graafit parantavat selvästi Claude'n johdonmukaisuutta koodaus- ja suunnittelutehtävissä — käytännössä mallille annetaan pitkäkestoinen muisti projektin todellisesta rakenteesta sen sijaan, että se joutuisi päättelemään rakenteen uudelleen joka istunnossa.

Laajempi signaali: "toinen aivo" -tyyppiset henkilökohtaisen tiedonhallinnan työnkulut siirtyvät pois "hae vektoreilla ja toivo parasta" -mallista kohti graafipohjaista rakennetta — sama teema kuin IBM:n STAIR:ssa: rakenne voittaa raa'an upotushaun tarkkuudessa.

EU:n neuvosto avaa oven tekoälyn kouluttamiselle henkilötiedoilla "oikeutetun edun" perusteella

EU:n neuvosto sopi 21. lokakuuta neuvotteluasemastaan Digital Omnibus -säädöskokonaisuudessa, johon lisättiin uusi GDPR-säännös (artikla 88 bis). Se antaisi yrityksille mahdollisuuden käsitellä henkilötietoja tekoälyjärjestelmien kehittämiseksi tai ylläpitämiseksi "oikeutetun edun" perusteella nimenomaisen suostumuksen vaatimisen sijaan — tapauskohtaisen arvioinnin ja vastustamisoikeuden rajoittamana [10][11][12].

Kyseessä on vasta neuvoston neuvotteluvaltuutus, ei lopullinen laki — siitä on vielä neuvoteltava Euroopan parlamentin kanssa, ja osa komission alkuperäisistä läpinäkyvyys- ja ohitussuojista on jo karsittu neuvoston versiosta. Pohjoismaisille ja EU:n yrityksille, jotka käsittelevät kokousdataa, asiakastietoja tai mitä tahansa henkilötietoa, joka syötetään tekoälyjärjestelmiin, tämä on säännös, jota kannattaa seurata tarkasti tulevina kuukausina.

X:n reaktiot jakautuvat odotetusti: kriitikot kutsuvat sitä henkilötietojen "digitaaliseksi pakkolunastukseksi", kun taas toiset huomauttavat sen vain virallistavan sen, mitä monet yritysten tekoälykäyttöönotot jo tekevät epävirallisesti. Joka tapauksessa parlamentin vastaus ratkaisee, kuinka paljon tämä todella muuttaa käytäntöä.

Mitä tämä tarkoittaa sinun kokouksillesi

Tämän päivän uutisissa toistuu yksi punainen lanka: kokous- ja tietotyökaluja arvioidaan yhä vähemmän sen perusteella, "litteroiko se tarkasti", ja yhä enemmän sen perusteella, "hakeeko se oikean tiedon oikeaan aikaan, keksimättä mitään". Otterin Work Mode ja Live Assist vievät litteroinnin aktiiviseksi, reaaliaikaiseksi avuksi — mutta tämä toimii vain, jos taustalla oleva tiedonhaku on luotettava. Sekä IBM:n STAIR että Graphifyn räjähdysmäinen suosio osoittavat samaan korjaukseen: rakenne — sisällysluettelot, tietograafit, AST-jäsennys — voittaa puhtaan vektorisimilaarisuuden tarkkuudessa ja todennettavuudessa. Juuri tällaiselle arkkitehtuurille Proudfrog on rakennettu: rakenteinen tietograafi kokoushistoriastasi, ei pelkkä haettava litterointikasa.

GDPR-kehitys on hiljaisempi uutinen, mutta yhtä merkittävä. Kun "oikeutetusta edusta" voi mahdollisesti tulla pätevä peruste tekoälyn kouluttamiselle henkilötiedoilla, kuilu syvenee niiden työkalujen välillä, jotka käsittelevät kokouksiasi kertakäyttöisenä koulutusmateriaalina, ja niiden työkalujen — kuten Proudfrogin, joka on rakennettu pohjoismaisten data-periaatteiden varaan — jotka kohtelevat kokoushistoriaasi yksityisenä, rakenteisena omaisuutena, jota sinä hallitset ja josta sinä kysyt, ei resurssina, jota louhitaan.

Yhteenvetona: markkina on yhtymässä ajatukseen, että kokouksesi muodostavat pitkäaikaisen tietopohjan, ei vain litterointiarkiston. Se, joka hakee tästä pohjasta tarkimmin — ja kunnioittaen eniten datan alkuperää — voittaa tämän kategorian seuraavan vaiheen.

Avainasia: Toimiala kiirehtii kohti rakenteista, todennettavaa tiedonhakua kokoushistoriasta — ja se, kunnioittaako tämä historia myös datasi oikeuksia, on tulossa yhtä tärkeäksi kuin se, kuinka älykkäältä tekoäly vaikuttaa.

Sources

1. https://otter.ai/blog/otter-rethinks-the-meeting-new-ai-preps-you-coaches-you-and-follows-through
2. https://otter.ai/blog/otter-ai-introduces-live-assist-the-first-live-coaching-agent-for-every-call
3. https://otter.ai/work-mode
4. https://indrajitswain.substack.com/p/ibms-stair-does-not-hallucinate-65x
5. https://arxiv.org/abs/2609.03874
6. https://x.com/alex_verem/status/2110055545852043385
7. https://github.com/safishamsi/graphify/tree/main
8. https://github.com/Graphify-Labs
9. https://ossradar.net/repo/Graphify-Labs/graphify
10. https://anoni.net/news/en/2026/10/eu-digital-omnibus-ai-training/
11. https://legal247.no/en/insights/digital-omnibus-gdpr/
12. https://cisonews.ai/regulation/eu-council-agrees-position-digital-omnibus-gdpr-ai-training