Trenden med det «andre hjernen» blir mainstream med Claude + Obsidian

Trenden med det «andre hjernen» blir mainstream med Claude + Obsidian

En bølge av guider fra 2026 har gjort Andrej Karpathys «LLM Wiki»-konsept — først popularisert i april — til en fullverdig gjør-det-selv-bevegelse. Mønsteret: dropp rått materiale (notater, transkripsjoner, artikler) i en mappe, og la en LLM som Claude sette det sammen til et lenket, selvoppdaterende Obsidian-hvelv komplett med entitetssider, sammendrag og kryssreferanser [4][5]. Åpen kildekode-prosjekter som NicholasSpisaks «second-brain»-repo formaliserer dette til LLM-vedlikeholdte personlige kunnskapsbaser som forbedres gradvis over tid [6].

Det bemerkelsesverdige er at møtetranskripsjoner eksplisitt trekkes frem som en av kildetypene folk mater inn i disse systemene. Fagfolk bygger i praksis egne, hjemmesnekrede versjoner av det dedikerte møteintelligens-verktøy egentlig skal levere ut av boksen — hybrid gjenfinning, gradvis lenking, kildeforankrede notater — bare satt sammen for hånd med plugins og prompter.

Den virale appetitten her sier noe viktig: folk vil ha sin spredte arbeidskunnskap (samtaler, dokumenter, bokmerker) samlet i én søkbar hjerne. De er bare ikke overbevist om at én enkelt leverandør bør eie den ennå.

Agentisk RAG blir den nye bedriftsstandarden

Grunnleggende vektorbasert RAG begynner å virke utdatert. En arXiv-artikkel fra juni 2026 fra Ontario Power Generation dokumenterer overgangen fra naiv gjenfinning til hybrid søk med reranking og «dyp agentisk» flerlags-agentpipeline — og introduserer et rammeverk kalt PEA-CAE (Progressive Evidence Acquisition with Cost-Aware Escalation) for regulatorisk presisjon [7]. Google Researchs Gemini Enterprise Agent Platform fulgte etter med sin egen agentiske RAG-arkitektur i juni, med planleggingsagenter, omskriving av spørringer og iterative gjenfinningsløkker fremfor engangsoppslag [8].

Tallene er den egentlige historien: benchmarker fra produksjon i 2026 viser at agentisk RAG kombinert med kunnskapsgrafer kutter hallusinasjoner med omtrent 62 % sammenlignet med grunnleggende vektorsøk [9]. Det er ikke en marginal forbedring — det er forskjellen mellom et verktøy du dobbeltsjekker og et du stoler på.

Diskusjoner på X om omskriving av spørringer, rerankere og verktøy som LanceDB gjenspeiler dette skiftet — samtalen har beveget seg fra «fungerer RAG» til «hvilket arkitekturmønster holder faktisk mål under revisjon».

RAG, hukommelse og kunnskapsgrafer er ikke det samme

Bedriftsguider publisert i år tar et oppgjør med tendensen til å behandle «RAG» som et samlebegrep. Atlans rammeverk fra 2026 trekker et klart skille: RAG er tilstandsløs, spørringstidsbasert gjenfinning fra et dokumentkorpus (glimrende for etterprøvbarhet); AI-hukommelse er tilstandsbasert, øktbasert kontinuitet (personalisering); kunnskapsgrafer håndterer strukturert, flerleddet resonnering over entiteter og relasjoner [10]. Hver av dem løser et ulikt problem, og de beste systemene kombinerer alle tre fremfor å velge én [11].

Den praktiske konklusjonen for kjøpere: en grunnleggende RAG-MVP koster 15 000–40 000 dollar, men det er når man bygger på hukommelse og grafstruktur at den virkelige differensieringen — og kostnaden — ligger. Å behandle dem som utskiftbare er hvordan prosjekter ender opp med å underlevere.

Hva dette betyr for dine møter

Sett disse fire historiene i sammenheng, og et mønster trer frem: markedet konvergerer nettopp mot den arkitekturen Proudfrog er bygget rundt. Fireflies vil handle på vegne av møtene dine; det andre-hjernen-miljøet vil lenke dem sammen til en personlig wiki; RAG-forskningsmiljøet beviser at kunnskapsgrafer kombinert med agentisk gjenfinning er det som faktisk kutter hallusinasjoner i produksjon. Ingenting av dette fungerer uten ren transkribering, ekte identifisering av talere og strukturerte entiteter som fundament — du kan ikke bygge en pålitelig kunnskapsgraf på grøtete lyd og gjettede navn.

Gjør-det-selv-trenden med Claude + Obsidian er også et nyttig signal, ikke en trussel. Folk setter for hånd sammen det en skikkelig møtekunnskapsbase burde levere ut av boksen: transkripsjoner som blir til lenkede, søkbare, stadig forbedrede referanser over hva som faktisk ble sagt og besluttet. At tusenvis av fagfolk er villige til å koble dette sammen manuelt, forteller oss at behovet for en varig hukommelse på tvers av møter er reelt — og underbetjent av verktøy som stopper ved «her er sammendraget ditt».

For nordiske team spesielt, der møter ofte spenner over språk, tidssoner og lange prosjektløp, er forskjellen mellom en transkripsjon som dør i en mappe og en kunnskapsgraf som seks måneder senere kan svare på «hva bestemte vi om denne leverandøren i mars» selve kjernen i saken.

Nøkkelpoeng: Bransjen beveger seg fra «ta opp møtet» til «resonner på tvers av alle møtene dine» — og verktøyene som kombinerer nøyaktig transkribering med kunnskapsgrafer og agentisk gjenfinning, ikke bare bedre notatskriving, vil definere neste generasjons arbeidsplasshukommelse.

Kilder

1. https://economictimes.indiatimes.com/ai/ai-insights/fireflies-ceo-krish-ramineni-wants-to-turn-its-ai-notetaker-into-an-action-taker/articleshow/133459364.cms
2. https://www.business-standard.com/technology/artificial-intelligence/fireflies-to-launch-new-products-plans-india-specific-pricing-ceo-126082500909_1.html
3. https://economictimes.indiatimes.com/magazines/panache/a-break-from-the-buzz-fireflies-ai-ceo-krish-ramineni-on-success-solitude-and-the-luxury-of-time/articleshow/133512101.cms
4. https://youmind.com/landing/x-viral-articles/claude-obsidian-ai-second-brain
5. https://agricidaniel.com/blog/claude-obsidian-ai-second-brain
6. https://github.com/NicholasSpisak/second-brain
7. https://arxiv.org/abs/2607.24791
8. https://research.google/blog/unlocking-dependable-responses-with-gemini-enterprise-agent-platforms-agentic-rag/
9. https://aithinkerlab.com/build-rag-systems-2026-architecture-patterns/
10. https://atlan.com/know/ai-memory-vs-rag-vs-knowledge-graph/
11. https://pasqualepillitteri.it/en/news/1496/rag-llm-wiki-agentic-search-differences-costs-2026