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>
58 lines
2.5 KiB
Markdown
58 lines
2.5 KiB
Markdown
## 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
|
|
|
|
---
|
|
|