RAG-krigen: Klassisk, graf- og agentisk retrieval kjemper om bedriftens kunnskap

RAG-krigen: Klassisk, graf- og agentisk retrieval kjemper om bedriftens kunnskap

Samtalen om retrieval-augmented generation har modnet forbi en enkelt arkitektur. Klassisk RAG er fortsatt den raske, billige arbeidshesten for enkle oppslag; Graf-RAG bygger relasjonsbevisste kunnskapsgrafer for flerstegs resonnering innen felt som juss og biomedisinsk forskning; Agentisk RAG legger til resonnerende agenter som bryter ned, reflekterer og korrigerer seg selv gjennom flertrinnsspørringer [4][5][6]. En arXiv-artikkel fra juni 2026 fant at kontekstoptimaliseringsteknikker kutter tokenbruk med 19–53 % på tvers av disse tilnærmingene — en betydelig kostnadsspak ettersom bedrifter skalerer opp retrieval-arbeidsmengder.

X-tråder denne uken lente seg tungt mot praktisk rammeverk: Graf-RAG for "hvordan henger X sammen med Y på tvers av seks møter", Agentisk RAG for "sammenstill en beslutningskjede på tvers av et kvartal med standupmøter". Produksjonssystemer ruter i økende grad et enkelt spørsmål gjennom alle tre arkitekturer avhengig av kompleksitet, i stedet for å satse på én.

Dette har enorm betydning for alle som bygger retrieval over møtehistorikk fremfor statiske dokumenter — møter er iboende relasjonelle (mennesker, beslutninger, oppfølginger) og sekvensielle (konteksten utvikler seg over tid), noe som er nøyaktig det terrenget hvor Graf- og Agentisk RAG slår enkel vektorsøk.

Granola når 1,5 milliarder dollar i verdi, dreier fra notater til en kontekstmotor for bedrifter

Granolas Series C-runde på 125 millioner dollar, ledet av Index Ventures, verdsetter London-oppstarten til 1,5 milliarder dollar og bringer total finansiering opp til 192 millioner dollar [7]. Produktet har utviklet seg langt forbi bot-fri notatskriving: transkribering på 32+ språk, team-Spaces, og — bemerkelsesverdig — MCP-integrasjon som lar Claude og ChatGPT spørre møtekontekst direkte, sammen med API-er for bedrifter [8][9]. Kunder inkluderer nå Vanta, Gusto, Asana, Cursor og Mistral AI.

Den strategiske dreiningen er tydelig: Granola posisjonerer seg om fra "møtenotat-app" til "selskapets kontekstlag". Sammenligninger på X med WisprFlow og WillowVoiceAI viser at det i økende grad vurderes som bedriftsinfrastruktur snarere enn et personlig produktivitetsverktøy.

Dette er den klareste bekreftelsen så langt på at møtetranskripsjoner behandles som en førsteklasses datakilde for bedrifter — ikke et biprodukt som skal arkiveres, men et datagrunnlag verdt å bygge retrieval og agentiske verktøy oppå.

GitHub Copilots GPT-6 Astra og fremstøtet for EU-suveren AI

GitHub Copilot rullet ut GPT-6 Astra i generell tilgjengelighet 4. september, og gir Pro+-, Max-, Business- og Enterprise-brukere en agentisk kodingsmodell bygget for langsiktig, flertrinns autonomt arbeid med mindre behov for hjelp underveis [10][11]. Parallelt gjør OVHcloud suverene Llama/Mistral-endepunkter tilgjengelige inne i Copilot, slik at EU-organisasjoner kan holde agentiske kodingsarbeidsflyter innenfor europeisk datajurisdiksjon.

Bedriftsbrukere på X trakk frem både hoppet i kodingsagentens kapasitet og etterlevelsesvinkelen som like viktige — suverenitet er ikke lenger en sidefunksjon, det er et anskaffelseskrav.

For nordiske og europeiske kjøpere forsterker dette et mønster: kapasitet og etterlevelse pakkes sammen som en konkurransemessig nødvendighet, ikke som et premiumtillegg.

Hva dette betyr for dine møter

Tre tråder flettes sammen i dag: personvernsentrert lokal prosessering (Meetily), smartere relasjonell retrieval (Graf/Agentisk RAG), og møtedata som blir omdefinert som kontekst på bedriftsnivå (Granola). Sammen tegner de et bilde av hvor møteintelligens er på vei — ikke bare "transkriber og oppsummer", men å bygge et søkbart, relasjonsbevisst minne om hvordan beslutninger faktisk ble tatt på tvers av dusinvis eller hundrevis av møter.

For kunnskapsarbeidere er den praktiske konsekvensen at møtehistorikken din blir en aktivaklasse i seg selv. Ett enkelt transkript er trivielt; en kunnskapsgraf som kobler det transkriptet til enhver relatert beslutning, person og oppfølging over flere måneder, er ekte institusjonell hukommelse. Verktøyene som vinner her, blir de som kombinerer EU-basert datasuverenitet (et voksende ufravikelig krav, ifølge Copilot/OVHcloud-nyheten) med retrieval sofistikert nok til å svare på "hva bestemte vi egentlig, og hvorfor, på tvers av alt vi har diskutert siden første kvartal."

Dette er nøyaktig territoriet Proudfrog opererer i — talergjenkjente transkripsjoner som mater en ekte kunnskapsgraf, ikke bare et søkbart arkiv, bygget på nordisk infrastruktur fra dag én. Ettersom markedet splittes mellom "rask lokal transkribering" og "dyp bedriftskontekst", tilfaller den varige fordelen den som gjør begge deler uten å be deg bytte bort personvern mot intelligens.

Nøkkelpoeng: Møtetranskripsjoner er ikke lenger et engangsreferat — de blir den relasjonelle kunnskapsgrafen bedrifter henter beslutninger fra, og verktøyene som kombinerer lokal-først personvern med grafbasert retrieval, vil definere kategorien.

Sources

1. https://www.wired.com/story/meetily-lets-you-transcribe-and-summarize-meetings-without-a-subscription-heres-how/
2. https://github.com/Zackriya-Solutions/meetily
3. https://pinggy.io/blog/meetily_local_ai_meeting_assistant_pinggy/
4. https://newsletter.bytebytego.com/p/rag-vs-graph-rag-vs-agentic-rag
5. https://thesimplifiedtech.com/blog/agentic-rag-and-graphrag
6. https://clarityarc.com/resources/rag-agentic-rag-graphrag-guide/
7. https://www.granola.ai/blog/series-c
8. https://tldv.io/blog/granola-review/
9. https://www.granola.ai/updates
10. https://github.blog/changelog/2026-09-04-gpt-6-astra-is-generally-available-in-github-copilot/
11. https://openai.com/index/gpt-6-astra/