"RAG er dødt": Bransjen dreier mot agentisk, levende kunnskap

"RAG er dødt": Bransjen dreier mot agentisk, levende kunnskap

LlamaIndex' brutale «RAG er dødt, lenge leve agentisk henting» har blitt et samlingsrop etter diskusjoner på AWS re:Invent 2025 [1]. Argumentet: naiv vektorsøk-RAG kan ikke støtte agenter som trenger flertrinns resonnering, dynamisk valg av navnerom, og kunnskapsbaser som oppdaterer seg selv. NVIDIAs utviklingsteam framstiller det på lignende vis — agenter trenger dynamisk kunnskap, ikke fastfrosne øyeblikksbilder [2].

Tallene som siteres er betydelige. Gartner-baserte anslag sier at semantiske, agentiske tilnærminger kan gi opptil 80 % nøyaktighetsforbedring og 60 % kostnadsreduksjon innen 2027, sammenlignet med statiske hentepipelines [3]. Towards Data Sciences «context engineering»-vinkling trekker samme konklusjon fra en annen innfallsvinkel: det er semantiske lag, ikke større kontekstvinduer, som gjør agenter pålitelige [3].

Kommentarer på X kobler dette eksplisitt til Karpathy-wiki-trenden — begge peker mot samme mål: varig, strukturert, selvkorrigerende kunnskap fremfor flyktig henting. For alle som bygger på møtedata, er dette listen arkitekturen må klare.

Claude-agenter forvandler Granola-transkripsjoner til organisasjonsinnsikt

Granolas bakgrunnstranskripsjon — ingen bot som blir med i møtet ditt — viser seg å være fruktbar grunn for en ny kategori "AI-stabssjef"-agenter [2]. Ett mye delt eksempel går gjennom hvordan man kobler Claude Code til Granola-transkripsjoner via MCP, sammen med strategidokumenter og e-post, for å generere dynamiske organisasjonskart, relasjonspoeng og proaktive råd — inkludert advarsler før du sender en dårlig timet melding til en interessent [1][3].

Dette er ikke bare et engangshack. Det gjenspeiler et bredere skifte der møtetranskripsjoner slutter å være en oversikt over hva som skjedde, og i stedet begynner å fungere som levende input til organisasjonens resonnering. Eksempler som sirkulerer på X viser automatiserte lederbriefinger satt sammen utelukkende fra historiske møtedata, der agenter flagger hvem man bør alliere seg med basert på mønstre fra dusinvis av møter [3].

Det som gjør dette mulig, er tilgangen til koblinger (MCP) kombinert med full transkripsjonstroskap. Verktøy som bare tilbyr sammendrag, og ikke rå, søkbare transkripsjoner, kan ikke støtte denne typen agent.

Meetily satser på lokal-først-personvern med åpen kildekode-diarisering

Meetily lanserte seg som en fullstendig lokal møteassistent for Mac og Windows, bygget i Rust med Parakeet/Whisper for transkripsjon (påstått 4x sanntidshastighet) og Ollama for oppsummering på enheten [1][2]. Ingen lyd forlater maskinen. Versjon 0.3.0 la til lydimport og retranskripsjon, og prosjektets GitHub-tilstedeværelse — 359,5K stjerner ifølge prosjektets egen nettside — tyder på reelt utviklerengasjement [2][3].

Budskapet er rett mot fortellingen om skyverktøy-tretthet: Meetilys eget materiale posisjonerer det som et alternativ til Otter, og X-diskusjonen rundt lanseringen spiller på klager om å kjøre Granola, Otter og Fireflies samtidig med overlappende abonnementer [3]. Talerdiarisering rett ut av boksen er hovedfunksjonen som setter det i mer direkte konkurranse med kommersielle verktøy.

Det er et nyttig signal, selv om personvern-først lokale verktøy gir avkall på de forsterkende kunnskapsgraf-egenskapene som skytilkoblede systemer (som Claude/Granola-stacken over) kan tilby.

Hva dette betyr for møtene dine

Dagens saker peker alle mot én idé: møtedata er bare så verdifulle som minnesystemet rundt dem. Karpathys LLM Wiki og «RAG er dødt»-konsensusen er egentlig samme argument anvendt på to ulike domener — statisk henting, enten det gjelder dokumenter eller møtetranskripsjoner, blir erstattet av levende, kryssrefererende kunnskap som blir smartere for hvert tillegg. En transkripsjon fra mars bør påvirke hvordan en agent tolker en transkripsjon fra juli. Det er ikke et søkeproblem; det er et kunnskapsgraf-problem.

Granola-Claude-eksperimentene gjør dette konkret for fagfolk: møtehistorikk blir input til vurderinger, ikke bare en oversikt over beslutninger. Organisasjonskart, relasjonsinnsikt og proaktive dytt oppstår bare når en agent kan resonnere på tvers av dusinvis av møter samtidig — nøyaktig det mønsteret Proudfrog er bygget rundt, ved å koble talers identitet, temaer og beslutninger sammen til en varig kunnskapsgraf i stedet for en mappe med transkripsjoner. Meetilys lokal-først-tilnærming er en påminnelse om at ikke alle ønsker at møtedataene deres skal forlate bygningen — men den viser også avveiningen: personvern-maksimerende verktøy i dag er optimert for transkripsjonskvalitet, ikke for forsterkende organisasjonsminne på tvers av møter.

Den praktiske lærdommen for alle som drukner i Zoom-møter: verktøyet som vinner er ikke det med den beste transkripsjonen — det er det som husker hva transkripsjonen betydde seks måneder senere, og som kan fortelle deg hvorfor det betyr noe igjen i dag.

Nøkkelpoeng: Statiske transkripsjoner blir en handelsvare; den reelle verdien — og den reelle konkurransearenaen — ligger i den levende kunnskapsgrafen på tvers av møter, som lar deg hente ikke bare hva som ble sagt, men hva det betyr nå.

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