EXPERIMENTPLAN

SAFESSON

VERSION: 3.0 | DATUM: 2026-01-29

Utförare: Flow Innovate Sweden AB

BAKGRUND & STRATEGISKT SYFTE

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

STRATEGI

Syftet är att lära oss så fort som möjligt med minsta möjliga insats. Vi går inte vidare till nästa steg förrän föregående steg bevisat sitt värde.

FYRA STRATEGISKA HYPOTESER

H1: DETEKTIONSFÖRMÅGA
Är AI-kameror bättre än dagens metoder?
H2: GENOMFÖRBARHET
Fungerar det juridiskt (GDPR) och praktiskt?
H3: MÄTBARHET
Är datan tillförlitlig?
H4: AFFÄRSVÄRDE
Leder det till lönsamhet (ROI)?

STEG 1: "VISUAL PROOF"

TEKNISK DEMO I MILJÖ | FOKUS: H1 & H2

PLATS: ICA Butik eller ICA Innovation Lab.

SYFTE: Att bevisa systemets förmåga att se och detektera objekt (t.ex. bottom of basket, unscanned bagging) i videoströmmen.

METODIK

  1. Setup: Anslutning till videoström.
  2. Scenario: Demonstera detektion i olika exempelcase.
  3. Slutsats: Verifiera visuellt att AI:n löser fler case än befintliga metoder.

LEVERANS & BESLUT

  • Video med overlay-grafik som visar detekterade objekt.
  • Bevis på teknisk kapacitet för att aktivera stöldregler.
  • Redogörelse för GDPR-säkring (H2).
BESLUTSPUNKT:
Ser vi att tekniken identifierar objekten korrekt? -> Gå till Steg 2.

STEG 2: "ACCURACY CHECK"

SYNTETISK DATA | FOKUS: MÄTBARHET (H3)

PLATS: ICA Butik (under stängning/lågtrafik) eller Lab.

För att bevisa att systemet kan skilja på "betalt" och "stulet" validerar vi matchningslogiken mot ett digitalt facit utan komplex integration.

METODIK

  • Syntetiskt POS-API: Vi genererar en dataström som agerar digitalt facit (t.ex. "Mjölk, kl 14:00:05").
  • Genomförande: Fysiska handlingar utförs i synk med datan. Vissa varor scannas, andra "missas" medvetet.

JÄMFÖRELSE & MATCHNING

KORREKT MATCHNING
Varan lades i kassen OCH fanns i det syntetiska API:et = Grönt ljus.

KORREKT LARM (STÖLD)
Varan lades i kassen MEN saknades i det syntetiska API:et = Rött ljus.

BESLUTSPUNKT:
Fungerar matchningen med hög precision? -> 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 i 30 dagar. Inga larm skickas till personalen ("Silent Mode"), enbart datainsamling för att mäta hur ofta felen sker.

METODIK

  • Insamling: AI loggar alla incidenter.
  • Validering: Manuell granskning av klipp i efterhand.
  • Analys: Jämförelse mot butikens manuella kontroller.

ANALYS & LEVERANS

GAP-ANALYS
Vad missade butiken som AI:n såg?

TRÄFFSÄKERHET
Hur ofta hade ett AI-larm lett till en korrekt kontroll jämfört med dagens slump?

LEVERANS
Business Case baserat på faktisk butiksdata (Volym och Kronor).

MAPPNING MOT HYPOTESER

Prio Hypotes Besvaras i Hur vi bevisar det
1 H1: Detektionsförmåga
Är AI bättre än dagens sätt?
Steg 1 Bevis genom kapacitet: Vi visar att AI:n identifierar objekt (t.ex. vagnens underrede) som dagens system är blinda för.
1 H2: Genomförbarhet
GDPR och arbetsmiljö?
Steg 1 Vi bevisar att vi kan ansluta utan ingrepp och presenterar lösning för Privacy by Design.
1 H3: Mätbarhet
Är datan tillförlitlig?
Steg 2 Genom "Syntetisk data" bevisar vi att vi kan matcha visuell data mot transaktionsdata med hög precision.
2 H4: Affärsvärde
Mer pricksäkra kontroller?
Steg 3 Vi simulerar larm i efterhand under 30 dagar och visar statistisk träffsäkerhet jämfört med slumpen.

RESURSBEHOV & TIDSLINJE

Steg Vecka Resurskrav ICA Output
1. Visual Proof v.8 Tillträde till butik/lab.
Tillgång till videoström.
Videodemo & Bevis på detektionskapacitet (H1).
2. Accuracy Check v.11 Tillträde utanför peaktid.
Videoström.
Valideringsrapport (Data & Matchning).
3. Silent Audit v.12-16 Stabil åtkomst till videoström. ROI-kalkyl & Business Case.

NÄSTA STEG

Starta validering v.8

SAFESSON ADVISORY

FLOW INNOVATE SWEDEN AB