Agentisk RAG och grafdatabaser för kunskapshämtning i företag tar kliv framåt

Den stora nyheten inom informationshämtning just nu är inte större vektordatabaser — det är grafer i kombination med agenter. Agentiska RAG-lösningar byggda på LangGraph använder nu granskare, omformulerare och reservloopar för att iterativt hämta och verifiera svar, och de slår genomgående vanlig vektorbaserad RAG på frågor som kräver flera hopp i informationskedjan [1]. Ett nyligen genomfört benchmark (CFR) visade att Knowledge Graph RAG gav en 70 % förbättring i noggrannhet jämfört med ren vektorbaserad hämtning i företagsmiljöer [2].

Den bakomliggande förklaringen är strukturell: vektorbaserad likhetssökning är bra på att hitta "vad som är relaterat", men grafdatabaser är bra på "vem pratade med vem om vad, och när" — relationskopplingar som betyder enormt mycket för mötesbaserad historik. TigerGraphs arkitekturguide noterar att antalet jobbannonser som efterfrågar RAG-kompetens nyligen fyrdubblats, ett tecken på att företag kapplöper för att omsätta detta i praktiken [3].

För alla verktyg som påstår sig bygga en "kunskapsbas" från möten snarare än bara ett sökbart transkriptarkiv, är detta den tekniska riktningen framåt — hybrid vektor-graf-hämtning, inte det ena eller det andra.

Fathom AI lanserar förbättrade mötesanteckningar och åtgärdspunkter

Fathoms uppdatering i slutet av augusti satsar hårt på konceptet med en arbetsyta efter mötet: live-sammanfattningar under själva samtalet, ett anteckningsblock för manuella noteringar, ett botfritt beta-läge, samt över 17 metodmallar inklusive Sandler och SPICED för säljteam [1][2]. Ask Fathom — deras sökbara fråge-och-svar-lager — finns nu tillsammans med automatiska utkast till uppföljningsmejl och CRM-synkronisering [3].

Den obegränsade gratisnivån förblir den stora dragplåstret, och användare på X är övervägande positiva till hur djupgående automatiseringen är, även om ett återkommande klagomål är avsaknaden av smart avslutningsdetektering — Fathom kräver fortfarande att man manuellt avslutar inspelningen istället för att känna av när ett samtal har avslutats [2].

Det är en påminnelse om att "mötesintelligens" håller på att bli en självklarhet: transkribering, sammanfattningar och åtgärdspunkter förväntas nu som standard, och konkurrensen flyttar fokus till vad som händer efteråt — hämtning, sökning och integrering i hur folk faktiskt arbetar.

EU skickar första informationsförfrågningarna enligt AI-förordningen till ledande AI-labb

Nu har tillsynen kommit på allvar. Den 29 augusti skickade EU:s AI-kontor sina första formella informationsförfrågningar till OpenAI, Anthropic och Google, med krav på detaljer om cybersäkerhetsrutiner, säkerhetsutvärderingar, övervakning efter marknadsintroduktion och sammanfattningar av träningsdata för att säkerställa upphovsrättsefterlevnad [1][2]. Detta kommer efter att GPAI-skyldigheterna blev bindande från och med den 2 augusti 2026.

EU:s tekniska kommissionär Henna Virkkunen var rak på sak: "Som ett första steg i genomförandet av AI-förordningen har vårt AI-kontor formellt skickat informationsförfrågningar..." [1]. Böter för ofullständiga eller vilseledande svar kan uppgå till 15 miljoner euro eller 3 % av den globala omsättningen, och företag riskerar upp till 6 % av omsättningen enligt den bredare AI-förordningen, utöver DSA-skyldigheter för plattformar som verkar inom EU [3].

För alla företag — inklusive leverantörer av mötesintelligens — som bygger produkter ovanpå ledande AI-modeller signalerar detta att granskningen inte längre är teoretisk. Dataursprung, transparens kring träning och säkerhetsdokumentation håller på att bli operativa krav, inte bara PR-budskap.

Vad detta betyder för dina möten

Sätter man ihop dessa nyheter framträder ett tydligt mönster: transkriberingslagret blir en handelsvara som blir allt bättre (Gemini 3.5, Fathoms finslipning), medan den verkliga skillnaden nu flyttas till hämtning och struktur — hur väl ett system förstår relationer i hela din mötesahistorik, inte bara vad som sades i ett enskilt samtal. Ett transkript med 2,6 % ordfelfrekvens är bara så användbart som det du faktiskt kan göra med det sex månader senare, när du försöker minnas vilken kund som tog upp en specifik invändning under andra kvartalet.

Det är precis därför skiftet mot graf plus agentisk RAG spelar så stor roll just nu. Enbart vektorsökning svarar på "hitta liknande saker"; en kunskapsgraf svarar på "hur hänger detta ihop med det beslutet från mars." Verktyg för mötesintelligens som bara lagrar sökbara transkript löser gårdagens problem. De som bygger relationsmedvetna kunskapsgrafer — som kopplar samman personer, projekt, beslut och uppföljningar över flera möten — är positionerade för dit företagens informationshämtning tydligt är på väg, vilket resultaten från CFR-benchmarket antyder [2].

Samtidigt är EU:s tillsynsåtgärd ett tyst varningsskott för hela kategorin. Alla verktyg som hanterar känsligt mötesinnehåll över gränserna behöver ta dataursprung och modelltransparens på allvar nu, inte efter att en informationsförfrågan har landat. Nordiska och europeiska team bör särskilt föredra leverantörer som kan visa upp sina efterlevnadsförberedelser, inte bara sin funktionslista.

Viktigaste slutsatsen: Transkriberingsnoggrannhet håller på att bli en självklarhet — vinnarna inom mötesintelligens blir de som lyckas omvandla samtal till en varaktig, sammankopplad kunskapsgraf som man faktiskt kan fråga ut månader senare, byggd av en leverantör som också kan bevisa vart dina data tar vägen.

Sources

https://blog.google/innovation-and-ai/models-and-research/gemini-models/gemini-3-5-transcribe/
https://ai.google.dev/gemini-api/docs/models/gemini-3.5-transcribe
https://arstechnica.com/ai/2026/08/google-announces-gemini-3-5-transcribe-for-ai-powered-speech-to-text/
https://beyondscale.tech/blog/agentic-rag-enterprise-guide
https://arxiv.org/abs/2604.14220
https://www.tigergraph.com/blog/agentic-ai-architecture-graph-database/
https://www.fathom.ai/whats-new
https://www.fathom.ai/overview
https://help.fathom.video/en/articles/640768
https://www.euractiv.com/news/exclusive-eu-orders-leading-ai-labs-to-detail-security-practices/
https://tokenstead.ai/guides/eu-ai-act-first-enforcement-security-rfis
https://digital-strategy.ec.europa.eu/en/policies/enforcement-ai-act

Agentisk RAG och grafdatabaser för kunskapshämtning i företag tar kliv framåt