# QUIXZOOM AUDIT V0
*Beslutad: 2026-06-17. Ersätter QUIXZOOM_AUDIT_SPEC.md som primärt dokument.*

---

## Syfte

Verifiera att ett definierat claim kan extraheras ur verklig fältvideo
med tillräcklig säkerhet och tillräckligt låg kostnad.

Inte att testa AI.
Inte att testa UX.
Inte att testa Smart Scan.

**Enda frågan: Kan claimet verifieras?**

---

## Primärt KPI

**Cost Per Verified Claim (CPVC)**

```
CPVC = Total kostnad / Godkända claims
```

Inte accuracy. Inte recall. Inte OCR-score.

---

## Auditobjekt

### 1. Elmätare verifierad
Datakrav (alla tre krävs):
- Serienummer
- Mätarställning
- Plombering synlig

### 2. Fordon identifierat
Datakrav (alla tre krävs):
- Registreringsnummer
- Fordonstyp
- Position

### 3. Skylt verifierad
Datakrav (alla tre krävs):
- Skylttext
- GPS-position
- Tidsstämpel

---

## Per inspelning — logga

```yaml
video_id: ""
claim_typ: ""         # electricity_meter | vehicle | sign
videolangd_s: 0
antal_instruktioner: 0
tid_till_verifiering_s: 0

datapunkter:
  - namn: ""
    status: synlig | delvis | ej_synlig
    confidence: 0     # 0–100

resultat: godkant | underkant
underkant_orsak: ""

ekonomi:
  zoomer_tid_s: 0
  zoomer_ersattning_sek: 0
  operativ_kostnad_sek: 0
  cpvc_sek: 0
```

---

## Kill-kriterier

Projektet pausas om något av följande:

| Kriterium | Gräns |
|-----------|-------|
| Claims som kan verifieras | < 80% |
| Genomsnittlig verifieringstid | > 120 sek |
| CPVC | > målpriset |
| Kritiska datapunkter (serienummer, reg.nr) | < 95% tillförlitlighet |

Vid kill: hypotesen omarbetas innan vidare utveckling.

---

## Nästa steg

Kör 500–1000 verkliga inspelningar mot denna spec.

Utdata ger hårda data för:
- Vilka claims som fungerar
- Vilka datapunkter som är svaga
- Vilken trust-threshold som är realistisk
- Vilken liveness som faktiskt behövs
- Om quiXzoom har lönsam enhetsekonomi per verifierat claim

**Det är där visionen blir ett företag.**