baa2d0220b
Add /ultraresearch-local for structured research combining local codebase analysis with external knowledge via parallel agent swarms. Produces research briefs with triangulation, confidence ratings, and source quality assessment. New command: /ultraresearch-local with modes --quick, --local, --external, --fg. New agents: research-orchestrator (opus), docs-researcher, community-researcher, security-researcher, contrarian-researcher, gemini-bridge (all sonnet). New template: research-brief-template.md. Integration: --research flag in /ultraplan-local accepts pre-built research briefs (up to 3), enriches the interview and exploration phases. Planning orchestrator cross-references brief findings during synthesis. Design principle: Context Engineering — right information to right agent at right time. Research briefs are structured artifacts in the pipeline: ultraresearch → brief → ultraplan --research → plan → ultraexecute. Co-Authored-By: Claude Opus 4.6 <noreply@anthropic.com>
2.5 KiB
2.5 KiB
S6: Kostnadsvurdering
S6.1: TCO per alternativ (3 år)
| Kostnadspost | Alt 0 | Alt 1 | Alt 2 | Alt 2B | Alt 3 |
|---|---|---|---|---|---|
| Etablering | 0 | 0 | 800K | 2 035K | 3 500K |
| Prosjektkostnader | 0 | 0 | 200K | 500K | 800K |
| Utvikling (interne) | 0 | 0 | 400K | 885K | 1 500K |
| QA-konsulent | 0 | 0 | 0 | 200K | 400K |
| Opplæring | 0 | 0 | 100K | 300K | 300K |
| Buffer | 0 | 0 | 100K | 150K | 500K |
| Årlig drift | 0 | 0 | 600K | 1 350K | 1 800K |
| Lisenser (Copilot Studio) | 0 | 0 | 230K | 230K | 0 |
| Azure OpenAI (tokens) | 0 | 0 | 120K | 210K | 210K |
| Azure AI Search | 0 | 0 | 110K | 200K | 200K |
| Infrastruktur (øvrig) | 0 | 0 | 50K | 120K | 300K |
| Drift/vedlikehold | 0 | 0 | 50K | 150K | 350K |
| Overvåking | 0 | 0 | 20K | 80K | 100K |
| Embedding-refresh | 0 | 0 | 20K | 60K | 60K |
| Regional støtte/opplæring | 0 | 0 | 0 | 150K | 150K |
| Risk buffer (drift) | 0 | 0 | 0 | 150K | 230K |
| 3-års TCO | 0 | 0 | 2 000K | 6 335K | 9 100K |
Alle beløp i NOK. P50-estimat. Valutakurs: 11 NOK/USD.
S6.2: Konfidensgradering
| Kostnadspost | Konfidens | Kilde |
|---|---|---|
| Azure OpenAI token-priser | 🟢 Høy | MCP-verifisert (microsoft-learn) |
| Azure AI Search S1 | 🟢 Høy | MCP-verifisert |
| Copilot Studio capacity | 🟡 Middels | Fra kunnskapsbase (kan endre seg med ny prismodell) |
| Intern utviklerkostnad | 🟡 Middels | Estimert 700 NOK/time, 80% dedikasjon |
| Gevinstrealisering | 🔴 Lav | Antatt, basert på generelle produktivitetsestimater |
S6.3: Gevinstrealisering (justert 30-50% realisering)
| År | Brutto gevinst | Realiserings-grad | Netto gevinst | AI-kostnad | Netto |
|---|---|---|---|---|---|
| År 1 | 77M | 20% | 15.4M | 2.035M | +13.4M |
| År 2 | 77M | 40% | 30.8M | 1.35M | +29.5M |
| År 3 | 77M | 50% | 38.5M | 1.35M | +37.2M |
NNV (3 år, 4% diskonteringsrente): ~+80M NOK (konservativt estimat) Tilbakebetalingstid: ~2 måneder (Fase 1-drift)
Merknad: Gevinstestimatene er konservative (30-50% realisering vs. teoretisk 100%). Faktisk realisering avhenger av adopsjon, datakvalitet og endringsledelse. Anbefaler gevinstmåling fra måned 3.
S6.4: Copilot Studio-lisensstrategi
Start med 1 capacity pack (25K meldinger/mnd). Skaler basert på faktisk bruk:
- MVP-pilotfase: 1 capacity pack (~230K NOK/år)
- Full utrulling: 2-3 capacity packs basert på bruksvolumet
- Overvåk via Copilot Studio Analytics og Azure Monitor