boc/projects/landvex/40-strategi/landvex-genome-strategi.md

Landvex Infrastructure Genome

Strategi för snabb uppbyggnad och automatiserad tillväxt

⸻

Tesen

Grafen är produkten. Allt annat — appar, API:er, dashboards — är gränssnitt mot grafen.

Värdet växer med fyra faktorer: täckning × djup × verifiering × tidshistorik.

Strategin nedan maximerar alla fyra samtidigt, med minsta möjliga manuella arbete.

⸻

Kallstartsproblemet

En kunskapsgraf med 10 000 objekt är en kuriositet. En med 10 miljoner är en tillgång ingen kan kopiera.

Ni kan inte samla in detta manuellt. Ingen kan det.

Lösningen är att inte bygga en databas.

Bygg fabriken som bygger databasen.

⸻

Datafabriken — fem linjer

Linje 1: Skörd (helautomatisk, kontinuerlig)

Crawlers som löpande hämtar:

• Tillverkarkataloger, produktblad, manualer, CAD-filer
• Offentliga upphandlingar (TED i EU, SAM.gov i USA, Mercell/Kommers i Norden) — guld, eftersom de avslöjar vilka produkter som installerats var och när
• Standarder och typgodkännanden (EN, ANSI, ASTM)
• Patent — produkthistorik och generationsskiften
• Återkallelser och servicebulletiner
• Kommunala anläggningsregister och öppna GIS-data
• OpenStreetMap — positioner och objekttyper
• Branschforum och installatörscommunities — kända problem i verkligheten

Linje 2: Extraktion (LLM-agenter)

Varje dokument klassificeras och körs genom schemastyrd extraktion: dokument in, strukturerade fakta ut.

Kostnaden per extraherat objekt är idag ören, inte timmar. Det är den tekniska förändringen som gör hela idén möjlig 2026 men omöjlig 2019.

Linje 3: Entitetsupplösning

Samma armatur säljs under tre namn på fem marknader, med OEM-märkningar och revisioner. Fabrikens svåraste steg: slå ihop dubbletter till en kanonisk identitet.

Se Landvex-ID nedan.

Linje 4: Verifiering

Varje faktum får konfidenspoäng och källa.

Hög konfidens → publiceras direkt. Låg konfidens → människa, eller fältverifiering via en Zoomer.

Linje 5: Publicering och återkoppling

Varje gång AI:n möter ett objekt den inte känner igen skapas automatiskt ett researchjobb.

AI:ns luckor blir roadmapen. Grafen växer exakt där efterfrågan finns.

⸻

Landvex-ID — den djupaste vallgraven

Kemin har CAS-nummer. Böcker har ISBN.

Den byggda världen har ingenting.

Ge varje produktmodell, komponent och materialtyp ett kanoniskt Landvex-ID.

När tillverkare, kommuner, försäkringsbolag och AI-system börjar referera till era ID:n är ni inte längre en databas.

Ni är standarden.

Standarder byts inte ut.

⸻

Datamodellen — varje faktum bär sitt eget bevis

Ett faktum är aldrig bara "höjd: 8 m".

Det är:

subjekt – egenskap – värde + källa + konfidens + giltighetsperiod + registreringstidpunkt

Bitemporalt: både när det var sant i verkligheten och när ni fick veta det.

Bilder och dokument lagras som bevis kopplade till fakta — inte som lösa filer.

Detta gör tre saker möjliga:

1. Tidsfrågor — "visa alla armaturer installerade 1998–2004"
2. Spårbarhet — varje påstående kan försvaras
3. Maskinell tillit — AI:n vet hur säker den ska vara

⸻

Flyhjulet med QUIXZOOM

Fabriken bygger bredden. Zoomers bygger det ingen annan har: verifierad verklighet.

Varje fältbild gör tre jobb samtidigt:

1. Tränar vision-modellerna
2. Verifierar eller korrigerar grafen
3. Adderar en tillståndsobservation i tidsserien — korrosion vid år 12, sprickbildning vid år 18

Styr flödet aktivt: bounties på objekt grafen saknar. "Vi behöver Model SL-400 fotograferad underifrån" blir ett uppdrag i appen.

Verkligheten uppdaterar grafen. Grafen gör AI:n bättre på verkligheten.

Loopen är stängd.

⸻

Låt andra bygga åt er

Tillverkarportalen

Tillverkare får göra anspråk på sina produktsidor och underhålla dem själva — som Google Business Profile.

Deras incitament: den som finns i grafen blir rekommenderad ersättare. Den som inte finns blir aldrig föreslagen.

Verifierad tillverkardata + oberoende fältverifiering = trovärdighet ingen part kan uppnå ensam.

Expertcommunityn

Installatörer, pensionerade ingenjörer, entusiaster — de finns, och de är hängivna.

Ryktesystem, AI-moderering, attribution. Wikipedia bevisade modellen.

Båda kanalerna skalar er datainsamling utan att skala era kostnader.

⸻

Prioritering: värdetäthet, inte jämn täckning

Koka inte oceanen jämnt.

1. Objektklasser med hög utbytesekonomi först: belysning, brunnar och betäckningar, beläggningstyper, vägmärken, kabelskåp. Stora installerade baser, frekventa utbyten, stark efterfrågan på identifiering.
2. Geografier där Zoomers och kunder finns — där stängs loopen snabbast.
3. Efterfrågestyrt därefter: varje misslyckad identifiering i produktion köar automatiskt nästa researchinsats.

Global ontologi från dag ett. Globalt djup byggs där det betalar sig.

⸻

Teknisk stack (kort)

• Propertygraf som kärna
• Vektordatabas för bild- och textembeddings
• Objektlagring för bevis (bilder, dokument)
• Identify-API: foto in → rankade kandidater med konfidens ut
• Full versionshistorik och audit trail — grafen får aldrig glömma
• Agentorkestrering som driver fabrikslinjerna

Bygg pipelinen som produkten. Grafen är output.

⸻

SaaS-lagret — monetariseringsytor ovanpå grafen

Grafen säljs aldrig. Åtkomsten säljs.

• Kommuner och förvaltare — asset intelligence, livscykelprognoser, "vilka av våra armaturer har känd vatteninträngningsrisk?" → abonnemang per förvaltad volym
• Entreprenörer och servicebolag — identifiering, reservdelar, ersättare i fält → per användare
• Tillverkare — marknadsdata (var finns min installerade bas? vad ersätter konkurrenterna?) + premiumproduktsidor → abonnemang
• AI-bolag och integratörer — identify- och query-API → usage-based

Varje kundsegment matar dessutom tillbaka data.

Kunderna betalar för att göra grafen bättre.

⸻

Tidplan

0–90 dagar

• Ontologi v1: ~50 objektklasser, globalt designad från start
• Fabrikslinje 1–2 i drift: 100 000+ dokument skördade, extraktion igång
• Tre beachhead-klasser på djupet — förslag: vägbelysning, brunnsbetäckningar, vägmärken
• 10 000+ produktmodeller med Landvex-ID
• Vision-modell v1 tränad på befintligt + skördat bildmaterial

Månad 3–12

• Entitetsupplösning och verifieringslinje i full drift
• Zoomer-loopen live: fältbilder verifierar grafen
• Tillverkarportal i beta med 20–50 tillverkare
• 25+ objektklasser, tre marknader (t.ex. Norden, Tyskland, sydöstra USA)
• Identify-API i beta hos första betalande kunder

Månad 12–24

• 100+ objektklasser, 1M+ produktmodeller
• Landvex-ID refereras i upphandlingar och tredjepartssystem
• API-ekosystem: andra bygger på grafen
• Fabriken självfinansierande via SaaS-intäkter

⸻

Mätetal som styr allt

• Täckning — andel objekt i fält som AI:n kan identifiera (norrstjärnan)
• Träffsäkerhet top-1 och top-3
• Andel fakta med källa och konfidenspoäng (mål: 100 %)
• Tid från "okänt objekt" till "dokumenterat objekt"
• Kostnad per verifierat faktum — ska sjunka varje kvartal

Om kostnaden per faktum inte sjunker är fabriken trasig.

⸻

Risker — och skydden

Upphovsrätt. Fakta är fria, uttryck är skyddat. Lagra extraherade fakta och länkar till källor — inte kopior av skyddade dokument. Egna fältbilder är er egendom, fullt ut.

"Kända problem"-sektionerna. Att publicera fel hos namngivna produkter kräver rigorös källhänvisning: återkallelser, servicebulletiner, verifierade fältobservationer. Utan det: juridisk risk. Med det: er mest värdefulla och svårkopierade data.

Datakvalitet och förgiftning. Konfidens + provenance + verifieringslinje. Tillverkardata märks som partsinlaga tills den fältverifierats.

Konkurrens. Dokument kan alla skörda. Verifierad fältdata över tid kan ingen ta ikapp. Farten på flyhjulet är försvaret.

⸻

Teamet

Litet kärnteam, stor agentflotta.

År 1: 5–7 personer.

• En ontologi- och domänlead
• Två graf-/dataingenjörer
• En till två ML-ingenjörer
• En agent-ops som driver fabriken

Agenterna gör volymarbetet. Människorna designar schemat, löser entitetskonflikter och verifierar det viktiga.

Skalning sker i beräkning, inte i huvuden.

⸻

Kärnan

Ni bygger inte en databas över infrastruktur.

Ni bygger maskinen som bygger databasen — och flyhjulet som gör att varje foto, varje kund och varje tillverkare gör den bättre.

Den som äger verklighetens identiteter äger nästa lager av AI för den fysiska världen.