Strategisk forsvar
Moat-analyse
Hva som er forsvarbart, hva som er commodity, og hvordan vi vinner.
1Akkumulerte regler + bransjekunnskap
Hver klient genererer korreksjoner som forbedrer neste deployment. Kan ikke kjøpes, må tjenes.
2AI OS som R&D-lab
Personlig system er proving ground. Hver feature battle-tested internt før produktisering.
3Deployment-hastighet (systematisert)
Ny bransje-landing: 30 min. Produksjon: 3 uker. Claude Code + agents, nesten null kostnad.
4Dual-branding distribusjon
"Drevet av Optale" på hver deploy. Hver klientdemo = Optale-markedsføring. Null annonsekostnad.
5Norsk markedsposisjonering
Alt i bokmål, bransjespesifikk terminologi, lokale relasjoner. Personlig troverdighet teller.
6Multi-channel arkitektur
Stemme + varsler + e-post + BI + regler i ett dashboard. Ren integrasjon, men ikke proprietær.
7Design system
Visuelt distinkt men kopierbart. Gir førsteinntrykk, null langsiktig forsvar.
8Feature-sett
Dashboard, stemme, varsler, BI, regler. Individuelt commodity. Kombinasjonen er produktet.
9Claude API-tilgang
Alle kan bruke samme API. Moaten er prompt engineering og regelkontekst.
Eksponering
Synlig vs. usynlig
⚠ Synlig (kan kopieres)
🔴 Landing page design og seksjonstruktur
🔴 Feature-sett (stemme, varsler, BI, regler)
🔴 Dual-branding modell
🔴 "3 uker til produksjon" tidslinje
🔴 ROI-kalkulator konsept
🔴 Monday.com som datakilde
🔒 Usynlig (moat-driverne)
🟢 AI OS vault + CLAUDE.md-routing
🟢 Selvforbedrende regelmotor (kontekstinjeksjon)
🟢 Skill-bibliotek + eval-rammeverk (34+ skills)
🟢 Paperclip agent-orkestrering (15+ agenter)
🟢 Multi-channel input pipeline
🟢 Syncthing + VPS always-on (€4/mnd)
🟢 MCP-økosystem (10+ tilkoblinger)
🟢 Memory protocol + continuous routing
🟢 Voice profile + correction loop
🟢 Evals-before-specs metodikk
Data-svinghjul
Data-innhøsting per deployment
📋
Regelkorreksjoner
Hvilke AI-tolkninger feiler per bransje. Domenespesifikk logikk som ikke er åpenbar for en generell LLM.
🎤
Stemmekommando-vokabular
Bransjejargong, vanlige feilparseringer, hva folk faktisk sier vs. hva vi tror de sier.
🔔
Varsel-effektivitet
Hvilke varsler drives det handling på vs. avvises. Former prioriteringsalgoritmen.
📊
BI-spørringsmønstre
Hva spør CEOer om, når sjekker de, hvilke innsikter deles.
🔄
Arbeidsflyt-topologi
Board-strukturer, statusflytar, kolonnekonfigurasjon per bransje. Anonymiserte best practices.
📱
Bruksmønstre
Adopsjonssekvenser, peak brukstid, feature-kurve. Informerer onboarding og churn-prediksjon.
📧
E-post matching
AI match-nøyaktighet, manuelle korreksjoner. Bygger e-postklassifiseringsmodell per klient.
📈
Cross-klient benchmarks
Etter 5+ kunder: bransjesnitt for behandlingstid, løsningsrate, responstid. Kun Optale ser dette.
Distribusjon
Kontrollert distribusjonsstrategi
Fase 1 — Nå
Kontrollert
Kun 1:1 demoer. Aldri send lenker som kan videresendes. Solveig-showcase til Sturla (partner). Advokat + bygg kun i kontrollerte møter.
Fase 2 — 3 kunder
Selektiv
Tre signerte kunder med 3+ mnd bruk. Data-svinghjulet spinner. Switching costs er reelle. Case studies tilgjengelig.
Fase 3 — Moaten er reell
Fri distribusjon
Akkumulerte regler, benchmarks, og lock-in gjør kopiering meningsløst. Del fritt. Hvert view er markedsføring.
Strategisk svinghjul
Den sterkeste moaten krever kunder. Hver deployment mater svinghjulet.
Hastighet
→
Kunder
→
Data
→
Svinghjul
→
Lock-in
→
Hastighet
Isolasjonsprinsipp
Klientleveranse-arkitektur
Klientens system kjører 100% isolert fra AI OS. Klienten får output av AI OS-tenkning, ikke systemet selv. Som en kokks restaurant serverer maten, ikke oppskriftsboken.
Klientgrense
Bruker-nettleser
Sluttbrukerens tilgangspunkt
Next.js på Vercel
Separat prosjekt per klient. Egne miljøvariabler, eget KV namespace.
API-ruter
/api/voice/
Stemmeinput → Claude API → datakilde
/api/alerts/
Proaktive varsler fra frister og statuser
/api/bi/
Aggregert data + narrative innsikter
/api/rules/
Selvforbedrende regler (CRUD)
/api/search/
Pinecone / Turso per klient
/api/telemetry/
Anonymisert → Optale analytics
Eksterne tjenester
Monday.com
CRM / ERP
Claude API
Vercel KV
Pinecone
Turso
Optale-grense
AI OS Vault
CLAUDE.md, skills, memory protocol, 400+ linjer atferdskontrakt. Aldri eksponert.
↓ Ekstrahering (manuell)
Bransjemaler (statisk)
Destillert erfaring fra AI OS, bakt inn som statiske filer i klient-deploy.
Optale Analytics API
Separat Vercel-prosjekt. Mottar anonymisert telemetri.
↓ Aggregering
Optale Data Lake
Vercel KV, Optale-eid. Anonymiserte benchmarks på tvers av klienter.
/api/telemetry/ → Analytics → Data Lake
Overføringsmekanisme
AI OS → Klient: Hva overføres og hvordan
AI OS har
CLAUDE.md (400+ atferdsregler)
Klienten får
Bransjemal (system prompt)
Hvordan
Relevante regler ekstrahert per bransje, bakt inn som statisk fil
AI OS har
34+ skills med evals
Klienten får
API-ruter med spesifikk logikk
Hvordan
Skill-logikk forenkles og bakes inn i serverless functions
AI OS har
QMD (semantisk + keyword søk)
Klienten får
Pinecone namespace per klient
Hvordan
Samme søkestrategi (lex + vec + hyde), annen backend
AI OS har
vault.db (SQLite over markdown)
Klienten får
Turso per klient (SQLite over klientdata)
Hvordan
Samme spørringsmodeller, annen datakilde
AI OS har
Memory protocol (typed routing)
Klienten får
Vercel KV regelstore
Hvordan
Forenklet versjon: klientkorreksjoner lagret og injisert per API-kall
AI OS har
Voice profile + corrections
Klienten får
Bransjespesifikk tone i system prompt
Hvordan
Tonemønstre lært fra AI OS, bakt inn per bransje
Hemmelighetsgrenser
Hva klienten får vs. ikke får
✅ Klienten får
- Bransjemaler (destillert AI OS-erfaring)
- Selvforbedrende regelstore
- Pinecone/Turso søk (QMD-strategi, annen backend)
- Claude API-kall med kontekstinjeksjon
- Dashboard, stemme, varsler, BI, e-post
- Human-in-the-loop godkjenning
- Bransjespesifikke benchmarks (anonymisert)
🚫 Klienten får IKKE
- AI OS vault (markdown + routing)
- Paperclip agent-orkestrering
- MCP-økosystemet (10+ tilkoblinger)
- Skill-biblioteket (34+ skills + evals)
- Memory protocol (typed, cross-scope)
- Syncthing + VPS always-on
- Voice correction loop (prosessen)
- Cross-klient rådata
- Evals-rammeverket
Søk og retrieval
Samme strategi, annen backend
AI OS (internt)
🔍 QMD — Lokal søkemotor over 462 markdown-filer
📊 vault.db — SQLite for tasks, kontakter, prosjekter
🧠 Strategier: lex (keyword), vec (semantisk), hyde (hypotetisk)
Samme
søkestrategi
⟷
Annen
backend
Klient (produktisert)
🔍 Pinecone — Namespace per klient, vektor-søk
📊 Turso — SQLite per klient, strukturerte spørringer
🧠 Samme strategi-mix: keyword + semantisk + kontekstuelt
Tjenester
Arkitekturen gjelder alle tjenester
Samme isolasjonsprinsipp, samme regelstore, samme telemetri. Variasjon i API-ruter.
🎯
Command Center
Styr bedriften fra telefonen. Dashboard, stemme, varsler, BI, selvforbedrende system.
/voice/alerts/bi/rules/search
🤖
AI Driftsteam
Agentteam som overtar prosessene. Kjører 24/7. Sakshåndtering, rapportering, oppfølging, fakturering.
/agents/alerts/rules/telemetry
📄
Dokumentrobot
Fakturaer, kontrakter, søknader. Inn som papir, ut som strukturert data.
/extract/rules
💬
Kundeagent
Svarer kundene på 30 sekunder. WhatsApp, e-post, web-chat. Kvalifiserer leads, booker møter.
/chat/rules
📨
Salgsautomasjon
4-agent sekvens. Prospektering til personlig outreach med landingssider per prospect.
/agents/search
🧠
Intern AI-plattform
Bedriftens AI-hjerne. Sentralisert kunnskapsbase, agentkoordering, systemintegrasjon.
/search/rules/bi
💡
AI-rådgivning
Hva gir avkastning, hva er bortkastet. ROI-prioriterte anbefalinger.
/bi
🔧
Skreddersydd programvare
SaaS-applikasjoner og interne plattformer bygget fra scratch med innebygd AI.
Custom
Telemetri
Anonymisert dataflyt tilbake til Optale
rule_created
{ bransje, kategori }
voice_command
{ bransje, intent_type, suksess }
alert_acted
{ bransje, varseltype }
alert_dismissed
{ bransje, varseltype }
bi_query
{ bransje, spørringstype }
session_start
{ bransje, varighet }
feature_used
{ bransje, feature }
email_matched
{ bransje, korrekt: bool }
🚫 ALDRI PII — Ingen saksnavn, beløp, personnavn eller klientdata krysser grensen