Andrew Ng lanserar OpenWorker, en AI-kollega med öppen källkod för datorn

Andrew Ng lanserar OpenWorker, en AI-kollega med öppen källkod för datorn

Andrew Ng släppte OpenWorker den 23 juli — en MIT-licensierad, lokalt körd skrivbordsagent som inte bara chattar utan faktiskt utför arbetet: förbereder dokument, uppdaterar kalendrar, skickar Slack-meddelanden, med vilken modell du än väljer [4][5]. Mac-stöd finns redan nu, Windows är på gång, och projektet kopplar till 35+ appar direkt ur lådan.

Positioneringen är medveten och riktar in sig på den nuvarande vågen av chattbaserade assistenter: Ngs budskap är "färdiga leveranser istället för chatt", tillsammans med en tydlig integritetslinje och noll inlåsning hos någon leverantör [6]. Den modelloberoende, lokalt körda designen fick starkt gensvar på både X och LinkedIn, där många hyllade den som ett föredöme för hur en "AI-kollega" borde vara — din egen, inte en plattforms.

Det är en signal värd att uppmärksamma: branschens tyngdpunkt förskjuts från konversationsassistenter mot agenter som producerar resultat och tar ansvar för uppföljning, på infrastruktur du själv kontrollerar.

Obsidian + Claude-uppsättningar populariserar AI som andra hjärna

En rad inlägg och virala trådar från 2026 har landat i samma mönster: att koppla ihop Obsidian-valv med Claude Code för att automatiskt organisera anteckningar, artiklar och transkript till länkade, wiki-liknande personliga kunskapsbaser [7][8][9]. Användare rapporterar verkliga produktivitetsvinster — inte för att AI:n skriver åt dem, utan för att den sköter det tråkiga länknings-, taggnings- och sökarbetet som andra hjärnor annars ofta går under av att försumma.

Avgörande är att de framgångsrika uppsättningarna behåller ett steg för mänsklig granskning för att säkerställa korrekthet — AI:n föreslår struktur och samband, men människor validerar fortfarande vad som behålls. Det är en viktig nyans i ett område som annars lätt lovar för mycket om fullständig automatisering.

Mönstret bekräftar något mötesintelligensverktyg känt till länge: rå insamling är billig, men det är det sammanlänkade, sökbara kunskapslagret som ger det verkliga värdet. Obsidian-användare bygger i praktiken själva det som specialbyggda kunskapsgrafverktyg försöker leverera direkt ur lådan.

Meetily lyfts fram som det lokala förstahandsalternativet

Meetily, en helt öppen källkodsbaserad mötesassistent som använder Whisper för transkribering och Ollama för sammanfattning, får förnyad uppmärksamhet — 25 000+ stjärnor på GitHub och hundratusentals nedladdningar, med 100 % bearbetning direkt på enheten över macOS, Windows och Linux [10][11][12].

Den positioneras rakt av som det kostnadsfria, privata alternativet till molnbaserade transkriberingstjänster, och dyker upp gång på gång i virala "bästa i klassen"-listor för mötesverktyg och RAG-pipelines. Attraktionen är enkel: ingen data lämnar din dator, ingen prenumeration, inget leverantörsberoende — till priset av den polityr och de talaridentifieringsfunktioner som molnbaserade produkter kämpar för att lägga till.

Populariteten säger mindre om Meetily i sig och mer om det växande suget efter lokalt körda alternativ till SaaS-transkribering — en stämning som kommer att fortsätta pressa molnverktyg att motivera det förtroende de ber om.

Vad detta betyder för dina möten

Dagens nyheter pekar alla åt samma håll: attribuering, ägarskap och kontroll blir det verkliga slagfältet inom mötesintelligens — inte bara "kan den transkribera", utan "kan den berätta vem som sa vad, vem som äger vad, och kan jag lita på var datan finns". Granolas talartaggar och Meetilys lokala arkitektur är två olika svar på samma underliggande efterfrågan.

Samtidigt visar OpenWorker och Obsidian/Claude-trenden med andra hjärnan vart utvecklingen är på väg härnäst: från passiv anteckningsföring till aktiva kunskapssystem som agerar på dina vägnar och hämtar kontext över flera månaders historik, inte bara det senaste mötet. Den röda tråden — integritet, val av modell, strukturerad sökning — är precis den mark Proudfrog har byggt vidare på med talaridentifiering, kunskapsgrafer och sökning över möten med AI ända från början.

Lärdomen för varje team som just nu utvärderar verktyg: fråga inte bara vad som transkriberar era möten — fråga vad som händer med det transkriptet sex månader senare. Kan ni hitta det, lita på vem som sa vad, och agera på det utan att läsa om allt igen?

Huvudpoäng: Mötesintelligens mognar från "spela in och transkribera" till "attribuera, strukturera och hämta" — och de verktyg som vinner uppmärksamhet idag är de som behandlar er möteshistorik som en kunskapsbas, inte en hög med transkript.

Sources

1. https://docs.granola.ai/help-center/taking-notes/speaker-attribution
2. https://docs.granola.ai/help-center/taking-notes/transcription
3. https://zackproser.com/blog/granola-vs-zoom-transcription-comparison
4. https://github.com/andrewyng/openworker
5. https://www.marktechpost.com/2026/07/23/andrew-ng-just-released-openworker-an-open-source-local-first-desktop-ai-coworker-that-returns-finished-deliverables-instead-of-chat/
6. https://www.linkedin.com/posts/andrewyng_announcing-openworker-an-open-source-agent-activity-7486099155321245696-4TlZ
7. https://aimaker.substack.com/p/ai-second-brain-obsidian
8. https://medium.com/@evgeni.n.rusev/how-i-built-my-second-brain-with-obsidian-claude-code-9fb54b7665ca
9. https://www.mindstudio.ai/blog/build-ai-second-brain-claude-code-obsidian
10. https://github.com/Zackriya-Solutions/meetily
11. https://meetily.ai/
12. https://meetily.ai/free