RAG blir smartere: GraphRAG og agentbasert henting tar over rampelyset

RAG blir smartere: GraphRAG og agentbasert henting tar over rampelyset

Hvis 2025 handlet om å bevise at RAG fungerer, viser analysene fra oktober 2026 at feltet modnes og spesialiseres. Vektor-RAG — chunk-embeddinger pluss similaritetssøk — forblir grunnlinjen, men GraphRAG, forankret i Microsoft Researchs arbeid, trekker fra ved komplekse spørringer med flere hopp ved å trekke ut entiteter og relasjoner inn i kunnskapsgrafer og bruke fellesskapsdeteksjon (Leiden-algoritmen) for å løfte frem forbundet bevismateriale [1][2][3]. Agentbasert RAG går enda lenger, og legger til iterativ planlegging, refleksjon og nye forsøk for genuint vanskelige hentingsoppgaver.

Hybridsøk, re-ranking, kontekstuell chunking og omskriving av spørringer regnes nå som grunnleggende krav snarere enn kjekt-å-ha-funksjoner, og personvernbevarende teknikker som tilfeldig projeksjon kommer inn i samtalen ettersom hentesystemer håndterer stadig mer sensitive data [3]. Avgjørende er det at ingen av analysene kårer en eneste vinner — konsensus er at vektor- og graftilnærminger utfyller hverandre snarere enn å konkurrere, og at team bør bygge ordentlige evalueringssett i stedet for å stole på manuelle stikkprøver.

X-tråder denne uken fokuserte på GraphRAGs verdi for "forbundet bevismateriale" i kunnskapsbaser — nøyaktig den typen problem man støter på når man søker på tvers av måneder med møter, ikke bare ett enkelt dokument.

Multi-agentsystemer går fra demo til delegering

Multi-agent-AI legger av seg sitt eksperimentelle rykte. OpenHands' Agent Canvas-oppdateringer (fra september til oktober) inkluderer nå avgrensede agenter, Docker-isolerte kjøretidsmiljøer og vedvarende arbeidsflyter for koding og automatiseringsoppgaver [1]. CrewAIs nye Flows muliggjør hendelsesdrevne, rollebaserte agentlag, mens LangGraph og Microsofts Agent Framework nå støtter veileder-arbeider-mønstre, "svermer" og overleveringer mellom spesialiserte agenter [2].

OpenAI satser hardest på delegering til bedrifter, med sine Dots- og Agents-API-er designet for autonomt, langvarig arbeid — regnskap, markedsføring og lignende oppgaver — avgrenset av definerte integrasjoner og sikkerhetsmekanismer [3]. Haken: team-av-agenter-oppsett slår enkeltagent-ytelse på benchmarker som ProgramBench, men koster 3–7 ganger mer, selv om optimaliserte "leder pluss billige arbeidere"-konfigurasjoner kan kutte denne merkostnaden med rundt 70 %.

X-samtalen denne uken sentrerte seg om agenter som samarbeider om koding og designoppgaver, og om "Agentese" — et begrep som får fotfeste for agent-til-agent-kommunikasjon rundt møte-spørsmål-og-svar og oppgaveutførelse. Det er økonomien, ikke evnen, som nå er den begrensende faktoren.

Nvidia satser 2 milliarder dollar på Europas AI-ambisjoner

Jensen Huang brukte en Europa-turné — Paris, London, Berlin — til å kunngjøre 2 milliarder dollar i nye AI-avtaler over hele kontinentet, på toppen av 8 milliarder dollar som allerede er investert det siste året [1][2][3]. Franske oppstartsselskaper som Doctolib, Genesis AI, Pigment og Entalpic er blant de navngitte mottakerne, sammen med infrastrukturgrep som 18 000 Grace Blackwell-GPU-er utplassert for Mistral i Frankrike og regnekraftallokeringer for britiske sikkerhetslaboratorier.

Huangs budskap — "Europa må være med i kappløpet" — fremstiller dette som både et regnekraftgrep og et dytt mot åpne modeller, etter rundt 8 milliarder dollar fordelt på 14 europeiske oppstartsrunder i 2025 [1]. For et nordisk-forankret selskap betyr dette noe: mer regional regnekraft og et voksende økosystem for åpne modeller betyr mindre avhengighet av amerikansk infrastruktur og potensielt mer konkurransedyktige, EU-kompatible AI-verktøyalternativer fremover.

Hva dette betyr for dine møter

Dagens saker er ikke separate tråder — de er samme historie sett fra tre vinkler. Debatten om bot eller ikke bot er egentlig en tillitsdebatt: hvem ser møteinnholdet ditt, hvor det behandles, og hva som skjer med det etterpå. RAG-fremskrittene betyr noe fordi rå transkripsjoner bare er nyttige hvis du faktisk kan finne beslutningen som ligger begravet i uke 14s statusmøte — og det er nøyaktig der GraphRAG-lignende forbundet henting slår enkelt nøkkelord- eller vektorsøk på tvers av en voksende møtehistorikk. Multi-agentsystemer, i mellomtiden, antyder hvor dette er på vei: ikke bare "søk i møtene mine", men "la en agent handle ut fra det som ble besluttet i møtene mine".

For Proudfrog er dette et territorium som bekrefter vår tilnærming. En kunnskapsgraf bygget fra identifiserte talere og sammenkoblede møter er nøyaktig den strukturen GraphRAG-forskning sier overgår flatt transkripsjonssøk for spørsmål med flere hopp — "hva ble vi enige om med denne kunden over de siste tre samtalene?" er ikke et svar fra én enkelt bit, det er et problem som krever forbundet bevismateriale. Og ettersom agentbaserte arbeidsflyter modnes, øker verdien av en ren, personvernrespekterende, enhetsvennlig kunnskapsbase: den blir det tillitsfulle grunnlaget en agent faktisk kan spørre mot og handle ut fra, i stedet for en haug med ustrukturerte transkripsjoner.

Nvidia-investeringen er en påminnelse om at dette infrastrukturkappløpet har en geografi, og at nordiske og europeiske verktøy bygget på lokal, suveren regnekraft vil bety mer, ikke mindre, etter hvert som bedrifter blir mer kresne på hvor møtedataene deres befinner seg og trenes.

Hovedpoeng: Verktøyene konvergerer mot en felles sannhet — møteintelligens handler ikke lenger om transkripsjon, det handler om å bygge en pålitelig, søkbar kunnskapsgraf som både mennesker og agenter kan stole på.

Sources

1. https://l8bites.com/blog/ai-meeting-assistants-compared-otter-fireflies-fathom-granola-2026
2. https://wisprflow.ai/notetaker/best-ai-notetakers-integrations
3. https://stateofsurveillance.org/articles/corporate/ai-notetakers-compared-privacy-training-2026/
4. https://www.okoone.com/spark/technology-innovation/when-graphrag-beats-vector-rag-on-complex-retrieval/
5. https://skalablog.com/p/graphrag-vs-vector-rag-connected-context/
6. https://www.topsinfosolutions.com/blog/rag-vs-graphrag/
7. https://www.openhands.dev/blog/new-in-agent-canvas-september-2026
8. https://insights.reinventing.ai/articles/ai-agents-multi-agent-collaboration-cost-controls-2026-10-08
9. https://www.infoworld.com/article/4229252/openai-bets-enterprises-are-ready-to-delegate-real-work-to-autonomous-agents.html
10. https://www.bloomberg.com/news/articles/2026-10-13/nvidia-s-huang-plans-2-billion-in-europe-ai-deals-in-next-week
11. https://thenextweb.com/news/nvidia-huang-europe-2-billion
12. https://cryptobriefing.com/nvidia-2-billion-ai-investments-europe/