GuidedRAG viser at bransjen tenker nytt om hvordan KI finner svar

GuidedRAG viser at bransjen tenker nytt om hvordan KI finner svar

En ny arXiv-artikkel, GuidedRAG, publisert 10. juli og som har fått mye oppmerksomhet denne uken, foreslår å legge til et "semantisk styrings"-trinn i retrieval-augmented generation — der man avgrenser kunnskapsbasen før man henter informasjon, i stedet for å søke gjennom alt uten filter [4][5]. Tidlige benchmarker hevder å vise bedre relevans og effektivitet sammenlignet med både vanlig RAG og GraphRAG-oppsett.

For alle som bygger KI-søk over rotete, ustrukturert data — møtetranskripsjoner er et godt eksempel — er dette relevant. Forskere på X omtaler det allerede som en vei mot mer "forankret" informasjonshenting i bedriftsverktøy, der hallusinasjoner og irrelevant kontekst er de største tillitsdreperne [4].

Timingen er interessant: etter hvert som plattformer for møteintelligens skalerer fra hundrevis til tusenvis av transkripsjoner per bruker, begynner naiv RAG å gå tett. Styrings- og avgrensningsteknikker som denne blir raskt en forutsetning, ikke bare en akademisk kuriositet.

OpenAI kutter prisene på GPT-5.6 kraftig og forsterker priskrigen mellom modellene

OpenAI kuttet prisene på GPT-5.6 Luna-modellen med opptil 80 % og Terra med 20 % den 30. juli, med henvisning til optimaliseringer av produksjons-GPU-kjerner og forbedringer i spekulativ dekoding som har redusert inferenskostnadene med over 20 % [6][7]. Sam Altman fremstilte grepet både som en effektivitetsgevinst og som et direkte stikk mot Anthropic, samtidig som kinesiske modellprodusenter også presser marginene [7].

For bedriftsprogramvare bygget på toppmoderne modeller er dette gode nyheter forkledd som konkurransepress. Billigere inferens betyr at KI-drevne funksjoner — oppsummering, semantisk søk, entitetsuthenting — blir billigere å kjøre i stor skala, og vanskeligere å argumentere mot å inkludere.

Forvent at dette forsterker et kjent mønster: priskutt på modellnivå absorberes av verktøy på applikasjonsnivå, enten som økt margin eller nye funksjoner. Gitt hvor beregningskrevende søk på tvers av møter og kunnskapsgrafer er, er dette medvind for hele kategorien.

EUs AI Act artikkel 4 om KI-kompetanse blir håndhevbar

Fra 2. august 2026 kan nasjonale markedstilsynsmyndigheter i EU begynne å håndheve artikkel 4 i AI Act, som krever at selskaper som tar i bruk KI-systemer, sikrer at de ansatte har "tilstrekkelig KI-kompetanse" [8][9][10]. Forpliktelsen trådte i kraft allerede i februar 2025, men overgangsperioden avsluttes denne helgen — og det bredeste settet med forpliktelser, inkludert for høyrisikosystemer innen ansettelse og kreditt, trer da fullt ut i kraft.

Nordiske og europeiske selskaper diskuterer på X hva "tilstrekkelig kompetanse" egentlig betyr i en revisjon — opplæringsjournaler, dokumenterte KI-brukspolicyer og ansattsertifisering er blant det som trekkes frem som sannsynlig dokumentasjonsspor [8].

For ethvert nordisk selskap som selger eller bruker KI-verktøy — inkludert plattformer for møteintelligens — er dette langt fra abstrakt. Leverandører vil i økende grad måtte hjelpe kundene med å dokumentere hvordan teamene deres forstår og bruker KI-funksjoner, ikke bare levere funksjonene.

Hva dette betyr for møtene dine

Dagens saker peker i én tydelig retning: møteintelligens modnes fra "transkriber og oppsummer" til "bygg og spør en varig kunnskapsbase". Fireflies' AskFred og GuidedRAG-forskningen tar begge tak i det samme underliggende problemet — når du har tusenvis av timer med møtehistorikk, holder det ikke lenger med dumt nøkkelordsøk eller naiv RAG. Du trenger semantisk avgrensning, kunnskapsgrafer og informasjonshentingssystemer som forstår hvilke møter som er relevante for et gitt spørsmål, ikke bare hvilke som nevner de riktige ordene.

Økonomien beveger seg også i denne retningen. OpenAIs priskutt på GPT-5.6 gjør det billigere enn noensinne å kjøre den typen kontinuerlig, bakgrunnsbasert KI-behandling som kunnskapsgrafer krever — entitetsuthenting, relasjonskartlegging, kryssreferering av beslutninger på tvers av måneder med samtaler. Det er direkte medvind for verktøy som Proudfrog, som satser på å hente informasjon på tvers av hele møtehistorikken din, ikke bare det siste transkriptet.

Samtidig er håndhevelsen av artikkel 4 i EUs AI Act en påminnelse om at etter hvert som disse verktøyene blir kraftigere, blir de også gjenstand for mer granskning. Nordiske team som tar i bruk KI-baserte møteverktøy bør forvente (og ærlig talt, ønske velkommen) dokumentasjon, revisjonsspor og klarhet i hvordan KI-genererte innsikter blir produsert — ikke som byråkrati, men som den tillitsplattformen som gjør KI-drevne kunnskapsbaser faktisk brukbare i regulerte bransjer.

Hovedpoeng: Kappløpet innen møteintelligens handler ikke lenger om bedre transkripsjoner — det handler om hvem som kan hente ut det riktige svaret fra et helt år med møter, billig, nøyaktig, og på en måte myndighetene kan godkjenne.

Sources

1. https://fireflies.ai/
2. https://guide.fireflies.ai/articles/6556345325-askfred-get-answers-from-a-specific-meeting-in-fireflies-and-get-answers
3. https://docs.fireflies.ai/askfred/overview
4. https://arxiv.org/abs/2607.26071
5. https://arxiv.org/html/2607.26071v1
6. https://finance.yahoo.com/technology/ai/articles/openai-cuts-gpt-5-6-173045044.html
7. https://www.scmp.com/tech/article/3360689/sam-altman-signals-openai-price-war-rivalry-anthropic-china-heats
8. https://artificialintelligenceact.eu/
9. https://digital-strategy.ec.europa.eu/en/policies/regulatory-framework-ai
10. https://artificialintelligenceact.eu/implementation-timeline/