"RAG är dött": Branschen svänger mot agentisk, levande kunskap

"RAG är dött": Branschen svänger mot agentisk, levande kunskap

LlamaIndex raka besked "RAG är dött, länge leve agentisk retrieval" har blivit ett stridsrop efter diskussionerna på AWS re:Invent 2025 [1]. Argumentet: naiv vektorsök-RAG klarar inte agenter som behöver flerstegsresonemang, dynamiskt val av namnrymder och kunskapsbaser som uppdaterar sig själva. NVIDIA:s ingenjörsteam resonerar likadant — agenter behöver dynamisk kunskap, inte frusna ögonblicksbilder [2].

Siffrorna som citeras är betydande. Prognoser med Gartner som källa säger att semantiska, agentiska metoder skulle kunna ge upp till 80 % bättre träffsäkerhet och 60 % lägre kostnader till 2027 jämfört med statiska retrieval-pipelines [3]. Towards Data Sciences "context engineering"-vinkling landar i samma slutsats från ett annat håll: det är semantiska lager, inte större kontextfönster, som gör agenter pålitliga [3].

Kommentarer på X kopplar detta uttryckligen till Karpathys wiki-trend — båda pekar mot samma mål: varaktig, strukturerad, självkorrigerande kunskap istället för flyktig retrieval. För alla som bygger på mötesdata är detta den arkitekturnivå som måste nås.

Claude-agenter förvandlar Granola-transkript till organisationsintelligens

Granolas bakgrundstranskribering — ingen bot ansluter till ditt samtal — visar sig vara grogrund för en ny kategori av "AI-stabschef"-agenter [2]. En vitt spridd lösning går igenom hur man kopplar Claude Code till Granola-transkript via MCP, tillsammans med strategidokument och e-post, för att generera dynamiska organisationsscheman, relationspoäng och proaktiva råd — inklusive varningar innan du skickar ett dåligt tajmat meddelande till en intressent [1][3].

Detta är inget engångshack. Det speglar ett bredare skifte där mötestranskript slutar vara bara en dokumentation av vad som hänt och istället börjar fungera som levande indata till organisatoriskt resonemang. Exempel som cirkulerar på X visar automatiserade ledningssammanfattningar som ställts samman helt utifrån historiska mötesdata, där agenter flaggar vem man bör bygga allianser med baserat på mönster från dussintals samtal [3].

Mekaniken spelar roll här: det är kopplingsåtkomsten (MCP) tillsammans med fullständig transkripttrohet som gör detta möjligt. Verktyg som bara erbjuder sammanfattningar, inte råa sökbara transkript, kan inte stödja den här typen av agent.

Meetily satsar på lokal integritet med öppen källkod för talaridentifiering

Meetily lanserades som en helt lokal mötesassistent för Mac och Windows, byggd i Rust med Parakeet/Whisper för transkribering (påstådd 4x realtidshastighet) och Ollama för sammanfattning på enheten [1][2]. Inget ljud lämnar datorn. Version 0.3.0 lade till ljudimport och omtranskribering, och projektets GitHub-närvaro — 359,5 tusen stjärnor enligt projektets egen webbplats — tyder på verklig utvecklarattraktion [2][3].

Positioneringen ligger rakt emot narrativet om molnverktygströtthet: Meetilys eget material positionerar produkten som ett alternativ till Otter, och X-diskussionen kring lanseringen lutar mot klagomål om att köra Granola, Otter och Fireflies samtidigt med överlappande prenumerationer [3]. Talaridentifiering direkt ur lådan är huvudfunktionen som gör att verktyget hamnar i mer direkt konkurrens med kommersiella lösningar.

Det är en användbar signal, även om integritetsfokuserade lokala verktyg får ge avkall på de sammansatta kunskapsgraf-möjligheter som molnanslutna system (som Claude/Granola-stacken ovan) kan erbjuda.

Vad detta betyder för dina möten

Dagens nyheter konvergerar alla mot en idé: mötesdata är bara så värdefullt som minnessystemet som omger det. Karpathys LLM Wiki och konsensusen kring att "RAG är dött" är egentligen samma argument tillämpat på två olika områden — statisk retrieval, oavsett om det gäller dokument eller mötestranskript, håller på att ersättas av levande, korsrefererad kunskap som blir smartare för varje tillägg. Ett transkript från mars borde påverka hur en agent tolkar ett transkript från juli. Det är inte ett sökproblem — det är ett kunskapsgrafsproblem.

Granola-Claude-experimenten gör detta konkret för yrkesverksamma: mötershistorik blir indata till omdöme, inte bara en dokumentation av beslut. Organisationsscheman, relationsintelligens och proaktiva knuffar uppstår bara när en agent kan resonera över dussintals möten samtidigt — precis det mönster som Proudfrog byggdes kring, genom att koppla samman talaridentitet, ämnen och beslut till en beständig kunskapsgraf istället för en mapp med transkript. Meetilys lokala approach är en påminnelse om att inte alla vill att deras mötesdata ska lämna byggnaden — men den visar också avvägningen: integritetsmaximerande verktyg idag är optimerade för transkriptionskvalitet, inte för att bygga sammansatt organisatoriskt minne över flera möten.

Den praktiska läxan för alla som drunknar i Zoom-samtal: verktyget som vinner är inte det med bästa transkriptet — det är det som kommer ihåg vad transkriptet betydde sex månader senare, och kan berätta varför det spelar roll igen idag.

Viktigaste slutsats: Statiska transkript håller på att bli en handelsvara; det verkliga värdet — och den verkliga konkurrensfronten — ligger i den levande kunskapsgrafen mellan möten som låter dig hämta inte bara vad som sades, utan vad det betyder nu.

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