Otter og Fireflies fortsetter kappløpet om sammendrag og integrasjoner

Otter og Fireflies fortsetter kappløpet om sammendrag og integrasjoner

De etablerte notatverktøyene for møter sitter ikke stille. Otter og Fireflies forblir standard sammenligningsgrunnlag i kjøpeveiledningene for 2026, og hver av dem finner sin egen litt annerledes vinkel — Otter satser på intelligens etter selve transkripsjonen, mens Fireflies dobler ned på CRM- og arbeidsflytintegrasjoner [4][5][6]. Begge fortsetter å levere sanntidstranskripsjon, AI-sammendrag og uthenting av oppgavepunkter som en selvfølge.

Det bemerkelsesverdige er mindre funksjonslisten og mer hvordan verktøyene rammes inn: nylige sammenligninger stiller i økende grad disse verktøyene opp mot "bot-frie" alternativer, et tegn på at brukerne begynner å bli lei av synlige opptaksboter som kobler seg på hvert eneste møte [6]. Samtalen i markedet skifter fra "kan det transkribere" til "hvor usynlig og intelligent kan det fange opp innholdet."

For team som vurderer verktøy, flytter differensieringen seg oppover i stacken — bort fra ren transkripsjonsnøyaktighet (som i stadig større grad blir en standardvare, se over) og mot hva som skjer med transkripsjonen etterpå: søk, gjenfinning og resonnement på tvers av møter.

Andrehjerner blir strukturelle: Kunnskapsgrafer fra samtaler

Verktøy som Cognify (bygget på det åpne kildekode-rammeverket Cognee) tar "andrehjerne"-konseptet et steg videre ved å omgjøre rå samtaledata, e-poster og dokumenter til strukturerte, spørrbare kunnskapsgrafer i stedet for flate, søkbare arkiver [7][8]. Integrasjonsarbeidet med grafdatabaser som Memgraph viser at dette ikke bare er teori — det blir en praktisk verktøykasse for utviklere som bygger agent-klare minnelag [8].

DeepLearning.AIs kurs om kunnskapsgrafer for oppdagelse av AI-agenter viser hvor dette er på vei: agenter trenger i økende grad strukturert, relasjonelt minne å resonnere over, ikke bare semantisk søk over embeddinger [9]. Diskusjoner på X rundt åpne kildekode-prosjekter for andrehjerner med MCP-integrasjon (Model Context Protocol) bekrefter at dette nå er et aktivt utviklermiljø, ikke en nisje.

Den røde tråden gjennom alle tre globale sakene: transkripsjon er i ferd med å bli et løst problem, en standardvare. Den reelle konkurransen har flyttet seg til det du bygger på toppen av den — strukturert minne, gjenfinning og resonnement på tvers av all kunnskapen du har samlet opp.

EU AI Act: Compliance-klokken tikker fortsatt, bare litt saktere

EU har utsatt fristene for høyrisiko AI-systemer — frittstående systemer har nå frist til desember 2027, sektorspesifikke til august 2028 — men transparenskravene trer likevel i kraft allerede i august 2026 [10][11][12]. Det er en reell frist like rundt hjørnet, ikke noe langt unna. Ethvert AI-verktøy som behandler møtedata knyttet til ansettelser, kreditt eller helserelaterte beslutninger, bør følge nøye med på GDPR-overlappet, gitt at bøtene kan komme opp i 35 millioner euro eller 7 % av global omsetning [10].

For leverandører av møteintelligens er dette viktigere enn det først kan virke. Transkripsjoner og kunnskapsgrafer bygget på arbeidsplassamtaler kan lett komme i berøring med høyrisikokategorier — medarbeidersamtaler, ansettelsesdiskusjoner, helserelaterte kommentarer i én-til-én-møter. Den utsatte fristen kjøper tid, men transparenskravene som trer i kraft denne augusten betyr at opplysningsplikten (hva som blir tatt opp, hvordan det behandles, om AI trekker slutninger) allerede er like om hjørnet.

Hva dette betyr for møtene dine

Sett disse sakene sammen, og et tydelig mønster trer frem: transkripsjonslaget er i ferd med å bli en standardvare, mens verdien — og risikoen — flytter seg til det som skjer etter at ordene er fanget opp. En åpen modell på 0,9 milliarder parametere som håndterer både talergjenkjenning og transkripsjon i én operasjon betyr at ethvert team nå kan sette opp "god nok" transkripsjonsinfrastruktur. Det er gode nyheter for kostnad og fleksibilitet, men det betyr også at verktøyene som vinner, ikke blir de som transkriberer best — det blir de som gjør transkripsjoner om til strukturert, gjenfinnbar kunnskap du faktisk kan resonnere med måneder senere.

Det er nøyaktig her kunnskapsgrafer kommer inn, og hvorfor momentumet rundt Cognify/Cognee er verdt å følge nøye med på. Et flatt, søkbart arkiv over tidligere møter er nyttig; en graf som kobler sammen "hvem sa hva, når, i forbindelse med hvilken beslutning, på tvers av 200 møter" representerer en helt annen type verdi. Dette er laget Proudfrog har bygget mot — ikke bare å fange opp samtaler, men å gjøre hele møtehistorikken din spørrbar som sammenkoblet kunnskap, ikke en haug med separate transkripsjoner.

Og nyhetene om EU AI Act er en påminnelse om at dette ikke bare er et teknisk kappløp. Ettersom møtedata i økende grad mater AI-systemer som berører ansettelser, prestasjonsvurderinger og helsetemaer, er transparens og etterlevelse ikke valgfrie tillegg — de er en del av selve produktet. Nordiske og EU-baserte team som bygger eller kjøper møteintelligensverktøy, bør ikke bare spørre "hvor god er gjenfinningen", men også "hvor lever disse dataene, og kan vi dokumentere hva AI-en faktisk gjør med dem."

Nøkkelpoeng: Transkripsjon er nå en selvfølge — den reelle fordelen tilhører den som klarer å gjøre møtehistorikken din om til en strukturert, compliant og spørrbar kunnskapsbase du faktisk kan stole på og handle ut fra.

Kilder

1. https://huggingface.co/OpenMOSS-Team/MOSS-Transcribe-Diarize
2. https://arxiv.org/abs/2601.01554
3. https://x.com/lmsysorg/status/2075062638254379300
4. https://otter.ai/
5. https://otter.ai/blog/otter-vs-fireflies
6. https://zackproser.com/blog/best-ai-meeting-notes-tools-2026
7. https://docs.cognee.ai/api-reference/cognify/cognify
8. https://memgraph.com/blog/cognee-memgraph-integration-demo
9. https://www.deeplearning.ai/courses/knowledge-graphs-for-ai-agent-api-discovery
10. https://www.hklaw.com/en/insights/publications/2026/04/us-companies-face-eu-ai-acts-possible-august-2026-compliance-deadline
11. https://www.lw.com/en/insights/ai-act-update-eu-resolves-to-change-rules-and-extend-deadlines
12. https://artificialintelligenceact.eu/implementation-timeline/