Måske mangler I bare en mappestruktur og et Claude-abonnement

De fleste små virksomheder har ikke brug for en vektordatabase. De har brug for en mappe med filer, der hedder noget forudsigeligt, og et Claude-abonnement. Anthropic pillede selv vektorindekset ud af Claude Code, fordi helt almindelige filværktøjer klarede opgaven bedre. Under 200 medarbejdere gælder den samme logik for jeres kontrakter, noter og procedurer.

Det tilbud, I får, er tegnet til en anden virksomhed

Den gængse AI-infrastruktur løser et problem, I sandsynligvis ikke har.

Så snart samtalen handler om at komme i gang med AI, falder ordene RAG, embeddings, vektordatabase og måske en knowledge graph ovenpå. Der skal bygges en pipeline, en chunker, en re-ranker og et evalueringsopsæt. Et halvt år går, før noget som helst er i drift.

Den stak blev tegnet til samlinger på millioner af dokumenter og et par dusin teams. Et rådgiverhus med 20 ansatte, en dansk SMV, en enkeltmandsvirksomhed med en Drive-mappe: ingen af dem har den samling. De har nogle tusinde filer og én person, der ved hvor tingene ligger.

Køber man infrastrukturen alligevel, bruger man det år, der skulle have givet resultater, på at bygge stillads til resultater.

Anthropic har selv leveret beviset for, at indekset kan undværes

Holdet bag Claude Code prøvede RAG og pillede det ud igen.

Boris Cherny, ingeniøren bag Claude Code, sagde det lige ud i et interview med The Pragmatic Engineer: »Early versions of Claude Code used RAG plus a local vector db, but we found pretty quickly that agentic search generally works better. It is also simpler and doesn't have the same issues around security, privacy, staleness, and reliability.«

Det, der kom i stedet, er tre værktøjer. Glob finder filer ud fra et navnemønster. Grep søger inde i filerne. Read åbner en bestemt fil. Modellen bruger dem, som et menneske med kendskab til kodebasen ville gøre det, før det overhovedet åbnede noget. Vadim Geshels gennemgang af arkitekturen bag Claude Code er den klareste beskrivelse af, hvordan det opfører sig i praksis.

Forsøget kørte på kodebaser med hundredtusindvis af filer, og Anthropic endte samme sted som LlamaIndex-holdet i januar 2026 i »Files Are All You Need«: på afgrænsede dokumentsamlinger rammer filsystem-agenter mere præcist end RAG. RAG vinder på hastighed i stor skala. Mapper vinder på præcision der, hvor de fleste små virksomheder faktisk befinder sig.

Sådan ser det ud i en virksomhed uden udviklere

Opsætningen er på plads på en eftermiddag i de fleste mindre virksomheder.

I har allerede en mappe med dokumenter. Det ene, der virkelig flytter noget, er navngivningen. 2026-Q1-kontrakt-acme-forlaengelse.md kan agenten finde ud fra en beskrivelse. endelig_endelig_v2.pdf kan den ikke. At omdøbe koster én koncentreret eftermiddag. At lade være koster en vektor-pipeline, som skal kompensere for de dårlige navne.

Nummer to er én indeksfil i roden: en kort markdown-side, der forklarer hvad hver mappe indeholder, og hvad navnereglen er. Agenten læser den i starten af hver session. Det er præcis den introduktion på én side, I ville give en ny kollega på første arbejdsdag.

Nummer tre er adgangen. Enten Claude Code kørende mod mappen, eller Claude-appen på skrivebordet med filsystem-MCP-serveren, eller en flade I selv bygger, som stiller Glob, Grep og Read til rådighed. For de fleste hold under 200 mennesker er det hele infrastrukturen. Claude Max koster 100 USD om måneden for en enkelt bruger, og teamsæder med adgang til Claude Code starter omkring 100 USD pr. sæde om måneden ifølge Anthropics offentlige prisside i maj 2026. Vektor-pipelinen, det erstatter, koster mere end det bare at få vurderet.

Derfor virker det nu og ikke for tre år siden

Modellen har skiftet form, og stakken burde have skiftet med.

Dengang et context window kun kunne rumme nogle få tusinde tokens, var man nødt til at hente stumper ind, fordi modellen ikke kunne holde et helt dokument. Context windowet er bare den mængde tekst, modellen kan have foran sig ad gangen. Man skar teksten i stykker, lavede embeddings, rangerede dem og syede fragmenterne sammen igen, når spørgsmålet kom. Det var hele grunden til, at RAG fandtes.

I 2026 ligger context windowet på en million tokens på de store frontier-modeller, og det vokser stadig. Begrænsningen, der gjorde opskæringen fornuftig, har løsnet sig. Anthropics indlæg om context engineering fra september 2025 satte ord på disciplinen: arbejdet er at finde den mindste mængde tokens med højt signal, ikke den største mængde løst beslægtede. En agent, der navigerer i mapper, læser de tre filer, der faktisk betyder noget. En vektordatabase hælder de tyve bedste stumper ind og håber, at modellen selv sorterer i det.

Simon Willisons tekst om filnative agent-systemer fra februar 2026 peger samme vej. Han henviser til 9.649 forsøg med strukturerede context-formater, hvor de store modeller målbart ramte mere præcist med filsystem-agtig fremhentning. Mønstret samler sig på tværs af laboratorierne. Det kommer ikke fra én leverandør.

Hvor tilgangen holder op med at virke

Her er den ærlige liste. Mapper er ikke magi.

Rigtig skala bryder mønstret. Er jeres samling på millioner af dokumenter, som ved retssager, videnskabelig litteratur eller supportarkiver i en stor koncern, kan agenten ikke overskue mappen, og så bliver et vektorindeks det rigtige værktøj. LlamaIndex' benchmark lagde vippepunktet et sted mellem 100 og 1.000 dokumenter, hvorefter RAG trækker fra på hastighed.

Realtidsdata falder helt uden for. En mappe er et øjebliksbillede. Aktiekurser, lagerstatus, IoT-telemetri: der skal agenten have et værktøj, som spørger et system, ikke en fil, som spejler det. Det er dét, MCP-servere er til, og det er en anden artikel.

Compliance på tværs af flere kunder er det andet loft. I det øjeblik tre afdelinger skal se hver sit udsnit af de samme dokumenter, med log og adgangsstyring ned på rækkeniveau, er I ude af mappe-land. Så er I i en rettighedsmotor, og mapper kan ikke modellere det, I har brug for.

Tilgangen svigter også, når dokumenterne i sig selv er dårlige. En mappe med usammenhængende, udaterede og halvt versionerede filer bliver ikke sammenhængende af, at en agent læser den. Disciplinen med navne og indeks er selve arbejdet. Agenten ganger det arbejde op, men den erstatter det ikke.

I vores arbejde med danske SMV'er er mappen altid første træk. Vi lægger RAG oveni, når mængden af dokumenter reelt kræver det, og ikke før. Det gør den som regel ikke, og det er den ubehagelige del af salgstalen, som de fleste leverandører springer over.

Vil I have hele sammenligningen mellem vektor-RAG, knowledge graphs og strukturerede mapper, ligger den lange version her: vektor-RAG, knowledge graph eller strukturerede mapper.

Laget, der lader Claude læse jeres mapper, eller et hvilket som helst andet system, på en forsvarlig måde, er beskrevet i hvad MCP er, og hvorfor det betyder noget for jeres virksomhed.