AI-chat over møtenotatene dine — på norsk, helt lokalt

Problemet: svaret ligger der et sted

Tar du møtenotater lenge nok, ender du opp med et arkiv du ikke klarer å lese. Beslutningen du prøver å huske ligger i et notat — du vet bare ikke hvilket, og å skrolle gjennom tre måneder med møter for å finne én setning er ingen god måte å bruke en ettermiddag på.

Vanlig søk hjelper bare hvis du husker det eksakte ordet noen brukte. Halve tiden gjør du ikke det. Og på norsk er det verre enn på engelsk: vi bøyer ordene. Skrev du «prisene», finner ikke et rent tekstsøk «pris» eller «prising» — for ikke å snakke om at halve møtet like gjerne kan ha handlet om «betalingsmodellen».

Så vi bygget det åpenbare: la deg spørre i stedet.

Hva du får

Hvert notat har nå en Chat-fane, ved siden av sammendraget og transkripsjonen. Du skriver inn spørsmålet, og Humla setter i gang.

Den kjører ikke ett søk og krysser fingrene. Den jobber med spørsmålet omtrent som du ville gjort: søker, åpner notatene som ser lovende ut, og prøver en annen innfallsvinkel hvis første søk bommer — før den svarer. Du ser det skje underveis, og til slutt står det igjen en kvittering i stil med «Searched your notes · Read 2 notes», så du vet nøyaktig hva den har vært innom.

Og finner den ingenting, sier den det. Den gjetter ikke.

Kildehenvisninger du kan sjekke

Hvert svar kommer med klikkbare kildehenvisninger — én per notat, med tittel og dato. Trykker du på en, havner du i notatet, på dagen det skjedde.

Dette er den viktigste detaljen i hele funksjonen. Et AI-svar om hva som ble avtalt i et kundemøte er verdiløst hvis du ikke kan etterprøve det, og du bør ikke stole på et sammendrag av et sammendrag når det er penger eller taushetsplikt involvert. Med henvisningen på plass er ikke svaret noe du må tro på — det er noe du kan slå opp. Under panseret er dette en lokal variant av RAG: modellen henter fram relevante avsnitt først, og svarer med utgangspunkt i dem.

Den finner det på mening, ikke bare på ord

Grunnen til at chatten klarer «prisdiskusjonen fra i vår» er at notatene indekseres i små biter, både på nøkkelord og på mening.

Et spørsmål kan derfor treffe riktig del av et møte fra mai selv om ingen sa ordet «pris» — og et avsnitt 40 minutter inn i en time lang transkripsjon er like lett å finne som den første linja. Det løser også bøyningsfellen jeg nevnte over: du trenger ikke huske hvilken form ordet hadde, bare hva samtalen handlet om.

Norsk og engelsk i samme notat

Vi tester dette daglig på norsk og engelsk, inkludert notater som blander begge — som, holder du møter i Norge, er de fleste av dem. Møtet går på norsk, noen deler skjermen med engelske slides, og halve fagterminologien blir engelsk uansett. Det er normalen her, ikke et spesialtilfelle.

Modellene under er flerspråklige, med godt over hundre språk, så de fleste språk fungerer fint selv om vi ikke kjører dem daglig. Vi påstår ikke noe om hvilke språk som er «best» — vi sier bare hva vi selv bruker det til hver dag.

Hvor bredt vil du spørre?

En velger i skrivefeltet bestemmer rekkevidden: dette notatet, mappen det ligger i, eller alle notatene dine. Snevre den inn når du omtrent vet hvor du skal lete, åpne den opp når du ikke gjør det.

Hvert notat kan dessuten holde flere samtaler. Start en ny tråd når temaet skifter, eller åpne en gammel og fortsett der du slapp — historikken ligger bak en knapp.

Den lokale delen

Her er det vi bryr oss mest om: chatten kan kjøre uten at noe som helst forlater Macen din.

Peker du Humla mot Ollama, kjører begge halvdelene av funksjonen lokalt — både språkmodellen som svarer og søkeindeksen som finner fram. Chat-modellen er ditt valg av Gemma eller Qwen; indeksen bygges med EmbeddingGemma, også på maskinen. Ingenting lastes opp, og det funker i flymodus.

Den lokale varianten er ikke en avstumpet gratisversjon. Det er hele produktet: samme søk, samme kildehenvisninger, samme alt.

Vil du heller bruke en skymodell, kobler du til din egen OpenAI-nøkkel — da går chat-trafikken din til OpenAI, på din egen konto, uten en Humla-server i midten. Uansett hvilken vei du velger er personlig chat gratis, uten kvoter og uten måling. Bruker du OpenAI, betaler du OpenAI for ditt eget forbruk. Kjører du lokalt, er det ingenting å betale.

For hvorfor dette i det hele tatt er et poeng — og hva «privat» faktisk betyr her — har jeg skrevet mer på siden om personvern.

Under panseret

For de som liker detaljene:

Agentisk henting. Modellen får tre verktøy — søke, lese et notat, og bla — og går opp til seks steg før den svarer. Dette er agentisk søk, ikke ett enkelt oppslag.
Hybrid søk. SQLite FTS5 (BM25) for nøkkelord, pluss embedding-likhet for mening, satt sammen med reciprocal rank fusion.
Biter på cirka 750 tokens, delt opp etter avsnitt, av notatteksten, transkripsjonen og sammendraget.
Embeddings fra EmbeddingGemma lokalt, eller text-embedding-3-small hvis du kjører OpenAI.
Alt på din disk. Notater, søkeindeks og chat-historikk ligger i lokal SQLite.

Jeg har skrevet en grundigere gjennomgang av hele hentemekanismen på engelsk: How Humla does RAG locally. Kortversjonen finnes også på chat-siden.

For team

Er teamet ditt på Humla Cloud, peker den samme chatten mot det delte arbeidsområdet i stedet for bare dine egne notater. Da kan du spørre om et hvilket som helst møte — uansett hvem som faktisk satt i det — og få svar med kildehenvisninger. Samtalene ligger i arbeidsområdet og er synlige for medlemmene, så folk bygger videre på hverandres tråder i stedet for å stille samme spørsmål to ganger.

De personlige chattene dine blir liggende på Macen og synkes ikke. Humla Cloud koster $5 per bruker i måneden; appen i seg selv er og blir gratis.

Det ærlige forbeholdet

Jeg lager Humla, så ta anbefalingen for hva den er. Her er det som faktisk er svakt:

Bare Mac, og bare Apple Silicon. Ingen Windows, ingen Linux, ingen mobil.
En lokal modell er ikke en frontier-modell. Gemma eller Qwen på din egen maskin skriver svakere svar enn det største OpenAI har. For «hva ble bestemt om X» holder det godt; for tung resonnering over mange møter merker du forskjellen.
Du må laste ned modeller. Ollama, en chat-modell og en embedding-modell — noen gigabyte før du er i gang.
Indeksen må bygges. Har du hundrevis av gamle møter, tar første gjennomkjøring tid.

Ingen av disse forsvinner hvis jeg later som de ikke er der.

Prøv det

Chatten ligger i appen nå. Den er gratis, den er åpen kildekode, og den kjører på Macen din.

Har du ikke Humla ennå, begynner du best med hvordan AI-møtereferat uten bot fungerer — opptak uten at noe dukker opp i deltakerlista, transkribering og referat lokalt på maskinen. Chatten er det som kommer etterpå, når du har nok møter til at du ikke finner igjen noe i dem.