FinnBilGlass Case Study — Engineering Edition
Problem → Domeneekspertise → Data → AI-arkitektur → Sikkerhet → Feil funnet → Korrigeringer → Hva som kjører i prod. Ikke reklame — engineering case study.
1. Problem
Kunde: Privatperson som trenger ny bilglass (frontrute, siderute, bakrute).
Smertepunkt: Kunde vet ikke hvilket glass som passer. Kjennemerke alene gir 10–50 mulige glass (variantsensorer, antenna, oppvarming, ADAS-kamera). Feilbestilling = dyrt, tidkrevende, farlig.
Markedsfeil: Eksisterende aktører (forsikringsselskaper, store kjeder) har inntjening på at prosessen er kompleks. De kan ikke tilby transparent pris til selvbetalere uten å bryte forsikringsavtaler.
Mål: Fra kjennemerke → nøyaktig glass + pris på sekunder. 0% feilbestillinger. Bevisbar evidens for hvert match.
2. Domeneekspertise (Tom Arne Jensen)
- 30+ år i bilglassbransjen (Autoglass AS, stiftet 1994)
- Fagbrev glassmester 2010
- Internasjonal teknisk leder 1995–2019 (Asia-opphold, innkjøp 30–60k glass/år)
- Bygde bilglass-prislisten + auto-glass.no + FinnBilGlass
- Kjenner OE-nummer, eurokode, kType, ADAS, kalibrering, monteringsdetaljer
Dette er ikke "domeneekspertise fra intervju" — det er kodifisert i systemet som evidens (E4).
3. Data — Canonical Master (C10 Glass Knowledge Graph)
Kilder:
- Glavista / Guardian (4 621 frontruter)
- Pilkington Ireland (4 843 frontruter)
- Autoglass AS varekort (37 581+ produkter, 87 relasjoner: lim, pyntelist, klips, gummilist, sensor)
- ECE R43 godkjenningsnumre (sekundær metadata)
Evidens-hierarki (kodifisert i C8/C9):
- OE-bilde på frontrute (slår alt) — E4
- Montør installert tidligere — E3
- Kunde bekreftet funksjoner — E2/E1
- AI-spørsmål (Question Intelligence) — E1/E2
- Katalogkandidat — E0/E1
4. AI-Arkitektur — Conversation Intelligence (C9.2)
Benchmark (1000 kjennemerker): p95 = 825ms, wrong_pinpoint = 0, Safety accuracy = 100%, Coverage accuracy = 19% (vokser via C8-data).
5. Sikkerhet — Feil funnet & korrigert
| Feil | Opptatt | Risiko | Korrigering | Regression test |
|---|---|---|---|---|
| OE-spørsmål stilt to ganger (OE-dedupe manglet) | C9.2 testing | MEDIUM | OE-dedupe: bekreftet OE-identifikator fjerner OE-spørsmål | CI-gate: OE-dedupe test |
| Prod D1 manglet C10-tabeller | Deploy review | HIGH | Append-only migrasjoner (0012 staging → prod) | Schema drift test |
| lagTecdocKtype (L3T) spurte glass_master som ikke fantes i prod | Prod monitoring | CRITICAL | Defensive table-existence check + try/catch i vin-resolver.ts | Prod health check /api/health |
| User data eksportert via view | Security audit | CRITICAL | View droppet, RLS policies, revoke anon/authenticated | Cross-tenant test suite |
| Application-layer tenant isolation (D1 RLS finnes ikke) | CTO review | CRITICAL | Middleware + eksplisitt tenant_id i ALLE spørringer + 18 cross-tenant tester | 18/18 cross-tenant attack tests |
Hver feil → permanent guard + regresjonstest i CI. Ingen "vi husker å ikke gjøre det igjen".
6. Hva som kjører i prod (2026-08-20)
- Worker:
finnbilglass-frontrute(prod) +finnbilglass-frontrute-staging - D1:
finnbilglass-db(prod) + staging — C10 Knowledge Graph deployet - R2:
finnbilglass-opplaering(evidence bilder, OE-fotoer) - AI: Workers AI (llama-3.2-11b-vision-instruct for OE-bilde + regnr)
- Auth: Cloudflare Access (intern) + Magic link / Apple Sign In (kunder)
- Deploy: `npm run cf:deploy` → CF Pages (customer-portal) + Workers (API)
- Domene:
finnbilglass.no(CF Pages) +api.finnbilglass.no(Workers) - Monitoring: Cloudflare AI Gateway + Workers metrics + Sentry
7. Resultater (Målte)
KPI-filosofi (C9.1): LAVEST MULIG FEILBESTILLING + HØYEST MULIG KONVERTERING. Ikke "færrest spørsmål".
Question Value = (kandidater eliminert) × (feilkostnad unngått) × (svarbarhet). Kamera (7.6) > HUD (0.75).