EXPERIMENTPLAN

SAFESSON

VERSION: 3.2 | DATUM: 2026-01-30

Utförare: Flow Innovate Sweden AB

BAKGRUND & HYPOTESER

Detaljhandeln tappar stora summor i snabbkassor (SCO). För att undvika långa integrationsprojekt föreslår Flow en stegvis validering direkt i miljö.

STRATEGISK PRINCIP

Vi går inte vidare till nästa steg förrän föregående steg bevisat sitt värde. Minimal insats, maximalt lärande.

FYRA STRATEGISKA HYPOTESER

H1: DETEKTIONSFÖRMÅGA
Ser vi det som dagens system missar?
H2: GENOMFÖRBARHET
Fungerar tekniken i skarp miljö (ljus, flöden, GDPR)?
H3: TILLFÖRLITLIGHET
Kan vi korrekt skilja på köp och stöld (matchning)?
H4: AFFÄRSVÄRDE
Leder det till faktisk lönsamhet (ROI)?

STEG 1: "VISUAL PROOF"

DE TRE KÄRNFUNKTIONERNA | FOKUS: H1 (BAS)

PLATS: ICA Butik eller Innovation Lab.

SYFTE: Omedelbar visuell bevisning att vi idag kan lösa de tre vanligaste stöldmetoderna genom att koppla upp oss mot videoströmmen.

SCENARION (LIVE DEMO)

  1. Bottom of Basket (BoB): Oscannade varor i korgen.
  2. Unscanned Bagging: Varor läggs direkt i påsen.
  3. Täckt Streckkod: Handen döljer koden.

METODIK

Vi "provocerar" systemet med ovanstående metoder och visar via overlay-grafik att AI:n markerar händelsen direkt.

BESLUTSPUNKT:
Detekterar vi dessa tre fall korrekt? -> Starta invänjning inför Steg 2.

STEG 2: "FULL SYSTEM VALIDATION"

SYNTETISK DATA & KOMPLEX DETEKTION | FOKUS: H1 & H3

FÖRUTSÄTTNING: Genomförs efter 2 veckors "invänjning" där AI:n lärt sig butikens normalbild.

SYFTE: Bevisa att vi täcker hela spektrat av "vad som kan detekteras idag" (inkl. kalibreringskrävande metoder) och kan matcha detta mot kvitto-data.

TVÅ DELMOMENT

  • 1. Komplex Detektion: Demo av modeller som kräver kalibrering ("normalbeteende").
  • 2. Accuracy Check: Test mot ett Syntetiskt POS-API (Facit).

MATCHNINGSLOGIK

Vi simulerar en kassaström och utför fysiska handlingar synkroniserat.

MÅL: Bevisa att systemet korrekt matchar "Vara lagd i påse" mot "Vara inslagen i kassan" – och larmar när matchning saknas.

BESLUTSPUNKT:
Fungerar matchningen och den avancerade detektionen? -> Gå till Steg 3.

STEG 3: "SILENT AUDIT"

LIVE PILOT - 30 DAGAR | FOKUS: AFFÄRSVÄRDE (H4)

PLATS: Skarp drift i öppen ICA-butik.

Systemet bearbetar videoströmmen dygnet runt. Alla moduler (från Steg 1 & 2) är aktiva. Inga larm skickas till personal ("Silent Mode"), enbart datainsamling.

METODIK

  • Insamling: AI loggar incidenter baserat på full funktionalitet.
  • Validering: Manuell granskning av klipp (True Positives).
  • Analys: Jämförelse mot butikens faktiska svinnstatistik.

ANALYS & LEVERANS

KVANTIFIERING
Hur mycket pengar hade systemet räddat under 30 dagar?

LEVERANS
Business Case & ROI-kalkyl baserat på faktisk data.

MAPPNING MOT HYPOTESER

Prio Hypotes Besvaras i Hur vi bevisar det
1 H1: Detektionsförmåga (Bas)
Är AI bättre än dagens sätt?
Steg 1 Basnivå: Vi bevisar direkt förmågan att se BoB, Unscanned Bagging och Täckta streckkoder.
1 H2: Komplexa Mönster
Identifierar vi "de andra sätten"?
Steg 2 Full nivå: Efter 2v kalibrering bevisar vi att vi täcker hela spektrat av "vad som kan detekteras idag".
1 H3: Tillförlitlighet
Fungerar matchningslogiken?
Steg 2 Via Syntetiskt POS-API bevisar vi att vi tekniskt kan korrelera visuell data med transaktionsdata.
2 H4: Affärsvärde
Leder det till lönsamhet?
Steg 3 Genom "Silent Audit" får vi svart på vitt hur mycket pengar systemet hade räddat under 30 dagar.

RESURSBEHOV & TIDSLINJE (PRELIMINÄR)

Steg Vecka Aktivitet Output
1. Visual Proof v.8 (1-3 dgr) Installation & Demo av de tre kärnfallen. Godkännande av grundfunktionalitet.
PAUS (Kalibrering) v.9-10 Systemet samlar data för att lära sig butikens "normalbild". En kalibrerad AI-modell redo för avancerade tester.
2. Full Validation v.11 (1 dag) Demo av alla övriga metoder + Syntetiskt API-test. Bevisad matchningslogik & full detektionsförmåga.
3. Silent Audit v.12-16 Skarp drift i bakgrunden (30 dagar). ROI-kalkyl & Business Case.

NÄSTA STEG

Starta validering v.8

SAFESSON ADVISORY

FLOW INNOVATE SWEDEN AB