Ditt andra hjärna: vilket anteckningssystem släpper in AI:n?

Rådet låter likadant överallt nuförtiden. Skapa dig ett andra hjärna, samla allt på ett ställe och låt sedan en AI sätta tänderna i det. Det som den rekommendationen oftast utelämnar är den svåra delen.

Frågan är inte vilket program som skapar de snyggaste kopplingarna. Frågan är om en AI överhuvudtaget kan nå fram till dessa anteckningar, och om den får lämna något utanför. Nio i övrigt mycket likartade program skiljer sig så markant åt på den punkten att beslutet i praktiken fattas redan när du konfigurerar dem.

Det finns också en berättigad invändning. Dagens modeller tar emot en miljon kontexttoken, vissa ännu fler. Så du kan helt enkelt slänga in trehundra sidor i ett chattfönster och ställa en fråga. Varför ska man överhuvudtaget underhålla ett system? Vi har räknat på siffrorna, med uppmätta värden snarare än tumregler, och svaret är mindre entydigt än vad något av lägren hävdar.

Vi tittade på nio program: Obsidian, Logseq, Joplin, Anytype, Notion, Gemini Notebook (tidigare NotebookLM), ChatGPT-projekt, Apple Notes och Microsoft OneNote. Alla priser och begränsningar gäller per den 25 juli 2026 och hämtas från leverantörernas egna sidor.

Det handlar alltid om en enda mapp

Det är här många hoppar av, och det med rätta. Att låta en AI komma åt dina egna anteckningar låter som att överlämna hela datorn. Så är det inte.

Åtkomsten omfattar exakt en mapp som du själv väljer. I Obsidian kallas den för ett ”vault” och är en vanlig mapp. Lägg dina anteckningar där, ange den sökvägen för ett AI-verktyg, så ser verktyget filerna i den mappen. Inte skattedokumenten bredvid, inte fotona, inte webbläsarhistoriken. En mapp, vald för hand, som kan återkallas när som helst.

Det är också därför som frågan om filer väger så tungt. Ett program som lagrar sina anteckningar i en egen databas eller i leverantörens moln har ingen sådan mapp. Det finns inget att peka på.

Och åtkomsten går åt båda hållen. Ett AI-verktyg kan inte bara läsa filerna, det kan också skapa och ändra dem. Obsidian marknadsför nu just detta själv: sina egna kommandoradsnamn som ett användningsfall, med andra ord att ge agenta verktyg åtkomst till ett arkiv. Så om du vill kan du diktera en tanke och sedan hitta den färdiga anteckningen i mappen, länkad till det som redan finns där.

Det har en baksida, och den väger tyngre än bekvämligheten. Skrivbehörighet innebär att ett program kan skapa anteckningar, ändra dem och flytta dem till papperskorgen. Joplin levererar därför sina skrivverktyg avstängda och rekommenderar i sin egen dokumentation att man endast aktiverar dem om man litar på både appen och modellen bakom den. Men det är meningen bredvid som är den verkliga poängen: Joplin frågar inte om tillstånd före varje skrivning.

Med molnsystemen fungerar det tvärtom. Du laddar upp filer till leverantören och leverantörens AI arbetar med dem. Det är bekvämt och fungerar bra, men det innebär att innehållet lämnar ditt hem. Med ChatGPT används innehåll från projekt för träning i konsumentabonnemangen, såvida du inte väljer bort detta i inställningarna. Google och Notion gör tvärtom och tränar endast om du aktivt ger feedback eller samtycker.

En fil eller en databas – det är det som avgör allt

Obsidian är det tydligaste exemplet på den första gruppen. Anteckningarna är Markdown-filer i en mapp som du själv väljer. Du kan öppna dem i vilken textredigerare som helst, och Obsidian hämtar ändringar från andra källor på egen hand. En AI behöver varken plugin eller gränssnitt för det, den läser och skriver helt enkelt textfiler. Obsidian har ingen egen AI, och än så länge nämns inget om en sådan i den officiella utvecklingsplanen. Den enda inbyggda AI-funktionen finns i Web Clipper, som sammanfattar webbsidor innan de hamnar i arkivet och förväntar sig att du använder din egen leverantör. Vad den däremot har, sedan version 1.12, är en officiell kommandorad som Obsidian öppet marknadsför som ett sätt att koppla ett arkiv till skript och agentbaserade verktyg.

Med Logseq blir det lite oklart, och det bör du veta innan du börjar. Den senaste reguljära utgåvan är version 0.10.15 från den 1 december 2025, och till och med utgåvans titel anger att det är en betatestversion. Sedan dess har det bara funnits nattliga byggversioner. Den faktiska utvecklingen sker i den nya DB-versionen. Den versionen offrar dock just det som många valde Logseq för: istället för enskilda Markdown-filer lagras en graf på disken som en enda SQLite-databasfil. Det du ser i filhanteraren efteråt är en binärfil. I gengäld levereras databasversionen med en inbyggd MCP-server som AI-applikationer kan ansluta direkt till.

Joplin går samma väg, men på ett mer konsekvent sätt. Anteckningarna lagras i en SQLite-databas i profilmappen, och inte ens synkronisering via filsystemet ger dig läsbara textfiler. Joplin skriver i sin egen FAQ, ovanligt öppet, att synkroniseringskatalogen i grunden är en databas och uttryckligen inte avsedd att redigeras av användarna.

Anytype lagrar visserligen sina data i en mapp som du själv kan välja, men det som finns där är krypterade blobbar. En punkt talar till Anytypes fördel eftersom den saknas i många jämförelser: programmet är inte öppen källkod. Protokollen är licensierade under MIT-licensen, medan själva applikationerna har en licens som tillåter tillgång till källkoden. Och det finns ingen möjlighet att återställa lösenordet. Förlorar du de tolv orden förlorar du data, som det står i dokumentationen.

Apple Notes och OneNote befinner sig i den andra änden av skalan. Hos Apple finns ingen dokumenterad mapp, inget öppet format och inget dokumenterat programmeringsgränssnitt för anteckningar. Det som fungerar är Shortcuts, som kan söka efter, skapa och lägga till anteckningar. Det är en omväg, men en användbar sådan.

Hos OneNote finns ett gränssnitt via Microsoft Graph, men från och med den 31 mars 2025 fungerar inte inloggning enbart via appen längre där, så en inloggad användare krävs alltid. Microsoft skriver också själva att den som vill säkerhetskopiera eller läsa ut hela anteckningsböcker kommer att stöta på begränsningarna i detta gränssnitt.

Vad har förändrats under 2026

Tre nyheter har ersatt äldre jämförelser. För det första bytte Google namn på NotebookLM till Gemini Notebook den 16 juli 2026. Verktyget är detsamma, befintliga anteckningsböcker behålls och länkarna omdirigeras. Den som söker efter guider hittar dock fortfarande oftast det gamla namnet.

För det andra har Joplin inbyggd AI, och dessutom lokalt. Det finns en chattfunktion som kan peka mot Joplin Cloud, en OpenAI-kompatibel tjänst eller Anthropic. Det mest intressanta är den semantiska sökningen: Joplin laddar ner en modell på cirka 140 MB till datorn och bygger sökindexet helt och hållet på enheten. Inget anteckningsinnehåll skickas till molnet under processen. Utöver det finns en egen MCP-server som endast lyssnar på 127.0.0.1. Fem läshjälpmedel är förinställda, de fem skrivhjälpmedlen är det inte.

För det tredje har utvecklingen fokuserat på kontextfönstret, inte på lagringen. Alla molnsystem höjde sina gränser år 2026, men ingen av leverantörerna öppnade vägen tillbaka till en lokal mapp. Den som vill ha en sådan måste fortfarande vända sig till program som skriver filer.

En miljon token mot ett notsystem

Nu till den del som besvarar den grundläggande frågan. Om en modell läser en miljon token på en gång, varför ska man då sortera någonting alls?

Först måste man veta hur mycket en miljon token egentligen är. Tumregeln som citeras överallt säger 750 000 ord. För tyska stämmer det inte. Vi körde två stycken med identisk innebörd genom tokeniseraren o200k_base som OpenAI använder för sina nuvarande modeller och drog av overheadkostnaden. Resultatet: Engelska kräver 1,17 token per ord, tyska 1,67. Tysk text kräver därför cirka 43 procent fler token för samma innehåll, eftersom sammansatta ord delas upp i flera delar.

En miljon token motsvarar alltså ungefär 857 000 engelska ord, men endast cirka 600 000 tyska. Andra leverantörer använder sina egna tokeniserare, så siffran varierar något. Som en storleksordning stämmer den dock.

600 000 ord låter som mycket. För jämförelsens skull mätte vi en samling som vuxit fram under flera år: cirka 470 anteckningar, vilket extrapolerat motsvarar ungefär 350 000 till 400 000 ord. En sådan samling ryms fortfarande i ett enda kontextfönster. Men det är på gränsen, och den fortsätter att växa.

Och sedan kommer räkningen. Ett kontextfönster fylls och betalas för på nytt med varje enskild fråga. Med en aktuell toppmodell som Claude Opus 5 kostar en miljon inmatningstoken fem amerikanska dollar. För en anteckningssamling på 400 000 tyska ord blir det cirka 667 000 token, alltså ungefär 3,33 US-dollar. Per fråga. Tio frågor på en eftermiddag kostar därför mer än en månadsabonnemang på Notion Business.

Det är precis där ett anteckningssystem betalar sig. Inte för att det är billigare än AI:n, utan för att det minskar den mängd information som överhuvudtaget behöver matas in i kontexten. En bra sökfunktion eller ett semantiskt index ger AI:n tio passande anteckningar istället för fyrahundra. De 3,33 dollarna blir till några cent, och svaret blir dessutom bättre eftersom modellen inte behöver gräva sig igenom ovidkommande frågor.

Det omvända gäller lika väl: den som har tjugo anteckningar behöver inget system. Då räcker det med en filuppladdning. Men antalet stannar sällan vid tjugo när AI:n väl börjar skriva också.

I slutändan är det därför inte så mycket samlingens storlek som avgör, utan hur man kommer åt den. Om du bara vill ställa frågor fungerar ett molnsystem utmärkt och du riskerar ingenting, eftersom ingen AI kommer åt dina egna filer där. Om du vill att AI:n ska skriva också behöver du ett system som överhuvudtaget tillåter skrivning, och du bör en gång, i lugn och ro, fundera över vilket verktyg du ger dessa rättigheter till.

Vem ska välja vad

Den som vill ha en AI som hanterar sina egna anteckningar på lång sikt väljer Obsidian. Inte för att det är det snyggaste programmet, utan för att en mapp med textfiler är den enda åtkomstmetoden som fortfarande kommer att fungera om fem år, oavsett vilket AI-verktyg som är aktuellt då. Nackdelen är det manuella arbetet, eftersom det inte finns någon färdig AI-funktion, bara kommandoraden som utgångspunkt.

Den som vill ha samma sak men med en färdig installation väljer Joplin. MCP-server, lokal semantisk sökning och chatt är inbyggda och kostar inget extra. Allt är avstängt som standard och aktiveras individuellt, inklusive skrivverktygen.

Den som bara vill analysera dokument väljer Gemini Notebook. Femtio källor per anteckningsbok är gratis, vilket räcker för en kurs, ett juridiskt ämne eller ett projekt. Det är inget anteckningssystem, och det vill inte heller vara det. Däremot kan ingenting gå sönder där, eftersom AI:n aldrig kommer åt dina egna filer.

Den som redan befinner sig i Microsoft- eller Apple-världen håller sig till OneNote eller Apple Notes och bör ärligt talat släppa tanken på AI. Båda programmen fungerar utmärkt för skrivande. Som grund för ett AI-stött kunskapssystem duger de dock inte, eftersom åtkomst från utsidan antingen saknas eller är starkt begränsad.

Vad talar emot hela idén

Ett ”andra hjärna” kräver fortfarande arbete, även när AI:n skriver med. Den kan ta över skrivandet, men inte beslutet om vad som är värt att behålla och under vilket namn. Det vanligaste resultatet av sådana projekt är en mapp med fyrtio filer som ingen någonsin tittade på igen.

Därtill kommer konkreta irritationsmoment som är värda att känna till i förväg. Obsidian synkroniserar inte i bakgrunden på mobilen, appen måste vara öppen. Detsamma gäller Joplin, där synkroniseringen avbryts så snart appen hamnar i bakgrunden eller skärmen stängs av. Anytype har ingen funktion för återställning av lösenord. Notion begränsar filstorleken till 5 MB i gratisversionen, vilket gör det oanvändbart för skannade dokument och PDF-filer. Och med Gemini Notebook är en raderad anteckningsbok borta för alltid – det finns ingen möjlighet att återställa den.

Det ärligaste rådet är därför detta: samla anteckningar i två veckor först, var som helst, i en mapp med textfiler om du vill, skrivna eller dikterade. Om du fortfarande samlar anteckningar efter det har du till hälften besvarat frågan om vilket program du ska välja. Om inte har du sparat in på ett abonnemang.