Notatappen din vil bli en ekstra hjerne nå

Notatappen din vil bli en ekstra hjerne nå

"Ekstra hjerne"-trenden har modnet fra vag produktivitetsprat til faktisk arkitektur. Utviklere kombinerer nå Obsidians notatgrafer med Claude Code for å automatisk hente ut entiteter og relasjoner fra møter, dokumenter og samtaler, og gjør statiske notater om til det én mye delt artikkel kaller et "levende, nevralt kart" [4][5]. Systemer som Cortex viser hvordan gradvise oppdateringer i grafen lar kunnskapsbasen vokse med hvert nye innspill, i stedet for å råtne i en mappe.

Poenget er gjenfinning, ikke bare lagring. En bunke møtenotater er kun nyttig hvis du kan spørre den om noe seks måneder senere og få et ekte svar — disse løsningene er eksplisitt designet for nettopp dette, og bruker Claude til å bevege seg gjennom grafen og hente frem kontekst et vanlig nøkkelordsøk ville gått glipp av [6].

Det er et tegn på at "notatapp" og "kunnskapsgraf" smelter sammen til én og samme kategori, og at fagfolk ikke lenger nøyer seg med en søkbar transkripsjon — de vil ha et system som forstår hvordan møtene deres henger sammen.

RAG blir voksen: grafer, agenter og flerstegs resonnering

RAG-samtalen i 2026 har for lengst beveget seg forbi naivt vektorsøk. Ingeniører kartlegger nå 8 eller flere distinkte RAG-arkitekturer — Graph RAG, Hybrid RAG, Agentic RAG — som hver løser ulike svakheter ved gjenfinning [7]. Graph RAG bygger eksplisitte struktur av entiteter og relasjoner for å svare på flerstegs-spørsmål ("hva bestemte vi om prising etter mars-kundesamtalen, og hvem var uenig?"); Agentic RAG legger til planlegging og selvvalideringssløyfer slik at systemet sjekker sine egne svar før de returneres [8].

Konsensusen som danner seg på LinkedIn og i tekniske tråder er at systemer på produksjonsnivå i økende grad kombinerer vektordatabaser med kunnskapsgrafer — vektorer for uklar semantisk gjenkalling, grafer for presis relasjonell resonnering [9]. Dette er nøyaktig den arkitekturen verktøy for møteintelligens trenger: transkripsjoner er ustrukturerte, men beslutninger, oppgaver og personer er i sin natur relasjonelle data.

Å mate salgssamtaler til Claude betaler seg selv

En utvikler kjørte 1 643 salgssamtaler gjennom Claude Code via Fathom.ai-transkripsjoner — total kostnad: 1,94 dollar, resultat: fullstendige resultatkort, mønstergjenkjenning av feil, og en automatisert salgsstrategi-agent som følger trender over tid [10]. En annen gjennomgang viser en lignende løsning bygget på Fireflies-transkripsjoner som mater direkte inn i et AI-coachingsystem [11].

Det er økonomien som er hovedsaken her: det som tidligere krevde at en salgsanalytiker brukte en hel uke, kjører nå uten tilsyn over natten for prisen av en kopp kaffe. Det er en forsmak på hva som skjer når store mengder transkripsjoner møter billige, kapable språkmodeller — revisjon og analyse slutter å være valgfritt fordi det i praksis er gratis.

EU AI Act-fristen kommer denne sommeren

2. august 2026 er datoen nordiske og europeiske selskaper bør ha ringet inn — de fleste bestemmelsene i EU AI Act blir da fullt håndhevbare, fire år etter at forordningen trådte i kraft [12]. Høyrisiko-AI-systemer (inkludert HR- og CRM-verktøy) risikerer bøter på opptil 15 millioner euro eller 3 % av global omsetning ved manglende etterlevelse; forbudte praksiser kan straffes med opptil 35 millioner euro eller 7 % [13].

For ethvert selskap som bruker AI i møter, ansettelser eller arbeidsflytautomatisering er dette ikke abstrakt — EU-kommisjonens regelverk dekker eksplisitt AI-systemer som berører ansettelsesbeslutninger [14]. Forvent et kappløp om etterlevelsesverktøy og risikovurderingsrammeverk i ukene som kommer, ettersom fristen nærmer seg.

Hva dette betyr for møtene dine

Den røde tråden gjennom dagens saker er at møtedata endelig blir behandlet som noe verdifullt som fortjener skikkelig arkitektur, ikke bare en transkripsjon som skal arkiveres. Lokalt forankrede verktøy som Meetily beviser at personvern og funksjonalitet ikke lenger er et enten/eller-valg, og EU AI Act-fristen gjør dette til en etterlevelsesnødvendighet, ikke bare en preferanse — spesielt for nordiske team som allerede opererer under strenge krav til datasuverenitet.

Samtidig viser "ekstra hjerne"- og avanserte RAG-trender hvor den reelle verdien ligger: ikke i selve transkripsjonen, men i grafen av personer, beslutninger og temaer som knytter ett møte til det neste. Det er nøyaktig det problemet Proudfrog ble bygget for å løse — transkripsjon og talergjenkjenning er selvsagte grunnfunksjoner; kunnskapsgrafen og gjenfinning på tvers av møter er det som gjør en bunke opptak om til institusjonell hukommelse du faktisk kan spørre ut. Eksempelet med salgssamtaleanalyse er en forsmak på det som kommer til alle avdelinger, ikke bare salg: billig, rask og strukturert innsikt hentet fra måneder med samtaler.

Nøkkelpoeng: Markedet konvergerer mot lokal, privat transkripsjon som mater inn i grafbaserte kunnskapssystemer — nøyaktig den stacken som gjør møter om til en søkbar, etterlevende og kumulativ ressurs, i stedet for et engangsopptak.

Sources

1. https://github.com/Zackriya-Solutions/meetily
2. https://meetily.ai/
3. https://meetily.ai/blog/self-hosted-meeting-note-taker-guide-2026
4. https://www.mindstudio.ai/blog/build-ai-second-brain-claude-code-obsidian
5. https://sausheong.com/how-i-built-my-second-brain-404590314de3
6. https://medium.com/@evgeni.n.rusev/how-i-built-my-second-brain-with-obsidian-claude-code-9fb54b7665ca
7. https://neo4j.com/blog/agentic-ai/what-is-agentic-rag/
8. https://medium.com/@vinodkrane/next-generation-agentic-rag-with-langgraph-2026-edition-d1c4c068d2b8
9. https://www.linkedin.com/posts/brijpandeyji_rag-is-no-longer-just-vector-search-llm-activity-7467221569761832962-xgVn
10. https://www.linkedin.com/posts/niklas-huetzen_i-analyzed-1643-sales-calls-for-194-in-activity-7444285418793091072-5qcj
11. https://www.youtube.com/watch?v=BGxpATOGK_M
12. https://www.hklaw.com/en/insights/publications/2026/04/us-companies-face-eu-ai-acts-possible-august-2026-compliance-deadline
13. https://artificialintelligenceact.eu/article/99/
14. https://digital-strategy.ec.europa.eu/en/policies/regulatory-framework-ai