GLAS · VISION + ARKITEKTUR GLAS
Hur GLAS
körs.
Ett system som föreslår beslut. Ett som utför dem. En person i centrum. Byggt mot en exit om 3–5 år.
Levererat 2026-05-16 Christoffer + Claude 3 Codex peer-reviews 22 slides
Executive summary · 1 av 3 02 / 22

Bygg en arkitektur där Ronja föreslår, Claude utför, Christoffer beslutar.

Detta är en mål-driftsmodell med live fundament — gated by audit, mätnings-disciplin och approval-design som ännu inte är fullt implementerade. Trekanten är vägen mot 10-personers leverage över 12-18 månader. Bygget kan starta omedelbart på fundament som redan finns (71 tabeller i Ronja, 20 skills över 8 departments, mcp-ronja v0.1 live).

3
centrala roller
5
affärs-loopar arkitekturen täcker
8 v
till första DD-baseline
Detta dokument är ett vision-och-arkitektur-underlag. Inte ett färdigt system. Sju av 11 lager är delvis live, fyra är hypoteser.
Executive summary · 2 av 3 03 / 22

Stark fundament + tydliga gap — behöver flytta person-beroende till plattform-beroende.

Preliminär SWOT-bedömning. Verifieras genom DD V2-V8.

Styrkor
  • April 2026: EBITDA +269 KSEK, första lönsamma månaden i år
  • Data-platform mogen — 71 tabeller, 7 scheduled jobs, Knowledge-memos
  • 20 skills över 8 departments — execution-byggstenar finns
  • Solo-operability-arkitektur är design, inte räddning
Svagheter
  • NPS/CSAT helt frånvarande
  • Inventory-historik saknas (live API only)
  • Google Ads spend ej tillgänglig (token-issue)
  • Klaviyo send_date 100 % NULL — temporal attribution blockerad
Möjligheter
  • L1 Tangle (open source) — pipeline-orchestration på plats <3 mån
  • Glasbrain + externa playbooks som Ronja:s reasoning-bas
  • Channel/country-profitability — 33 markets identifierade
  • Mätnings-disciplin → Tangent/SimGym-research-tracks öppnas
Hot
  • Timmy slutar september 2026 — succession ej formaliserad
  • Christoffer-key-person-risk: ~80 % av D2C-exekvering
  • Q1 2026 moms-diskrepans 65 KSEK vs ~869 KSEK — open
  • Juni Technology 784 KSEK — möjlig dubbel-bokning
Executive summary · 3 av 3 04 / 22

Fem åtgärder att starta denna månad.

Sekvenserade efter beroende. Ingen behöver vänta på annan.

1 · Quick win · 1 vecka

Shopify-scope-fix

Lägg read_orders, read_refunds, read_inventory till custom-app i Partner-dashboard. Öppnar upp returns, refunds, inventory-historik för DD V2.

2 · Quick win · 1-2 veckor

Google Ads token resolva

Lossar Total CAC från Meta-only proxy. Eller acceptera Meta-only som DD-finding.

3 · Foundational · 2 veckor

Yanrong GP2-validering

Verifiera 20pp-flat-approximation mot faktisk Postpac + Adyen-kostnad. Avgör om GP2 är YELLOW eller RED i DD.

4 · Foundational · 4 veckor

NPS-tracker uppsatt

Trustpilot eller Delighted aktiverad. Första data efter 4-8 veckor active.

5 · Strategic · 8 veckor

Tim-succession-plan

Antingen outsource fulfillment-ops till Postpac, eller junior-anställning, eller distribuera mellan Christoffer + Maria. Slutdatum sept 2026 är fixed.

Hela vägen

8 veckor till DD-baseline

Efter dessa 5 åtgärder + Ronja-query-execution finns full DD-rapport med decision-grade memos i Ronja Knowledge.

Bakgrund · 1 av 2 05 / 22

Tre problem som inte kunde lösas med fler människor.

Innan denna arkitektur fanns.

1

Minnen försvann

Varje AI-session, varje konsult, varje teammedlem började från noll. Definitioner upprepades, beslut glömdes, ingen kärna höll ihop arbetet mellan personer eller sessioner.

2

Tid hamnade fel

Människor lade timmar på att flytta siffror mellan system — Shopify → Sheets → Slack → Fortnox. Inte vad GLAS skapar värde av.

3

Återkommande beslut togs om och om

Samma fråga olika veckor. Samma analys olika månader. Varje gång från scratch.

Lösningen är inte att GLAS körs av automatiska processer. Det är att människorna gör det människor gör bäst — kreativt arbete, försäljning, relationer — medan agenter sköter minnet, flyttar datan, och tar de återkommande besluten.

Bakgrund · 2 av 2 06 / 22

Människor skapar. Agenter bär.

Visionen i fyra ord.

Människor (GLAS-team)

• Kreativt arbete
• Försäljning + relationer
• Beslut som kräver smak
• Bedömning vid icke-trivella ärenden

Agenter (Ronja + Claude)

• Bevara minnet
• Flytta data mellan system
• Återkommande beslut som är samma
• Tunga lyften så människor kan tänka

Vi ska bli betydligt större och mer lönsamma. Trekanten ovan är vägen — gated by mätnings-disciplin, approval-design och audit-implementation som ännu inte är klara.

Mental-modell · 1 av 2 07 / 22

Den som föreslår är inte den som utför.

Plan-and-Execute-mönstret1 — separera reasoning från execution.

Föreslår

Ronja

Samlar godkända källor. Definierar regler. Föreslår nästa steg med bevis, förväntad effekt och säkerhet.

föreslår
Utför

Claude

Tar förslag. Väljer skill via explicit routing. Fyller i parametrar. Exekverar under guardrails — efter approval.

approve
Beslutar

Christoffer

Säger ja eller nej när handlingen är icke-trivell eller icke-reverserbar. Övrigt sker auto.

Detta är inte agent-autonomi. Det är en decision queue med bounded automations. Allt utflöde är reviewable, reversibelt, eller approval-gated.

Källa: 1 Plan-and-Execute pattern · agentic-patterns.com · LangChain Planning Agents
Mental-modell · 2 av 2 08 / 22

Fyra gates innan ett förslag blir handling.

Det operativa kontraktet.

1 · Schema

Vad Ronja måste leverera

  • trigger
  • evidence
  • expected_impact
  • confidence (0-1)
  • action
  • approval_required
  • rollback_plan
  • owner
2 · Threshold

Auto vs människa

  • Auto: drafts, rapportering, dataläsning
  • Christoffer: budget >500 EUR, externa sänd
  • Maria: B2B + pricing wholesale
  • Yanrong: Fortnox POSTs
  • Aldrig auto: kund-data-export, lagliga åtaganden
3 · Audit

Vad loggas till Ronja

  • proposal_id + ts
  • executor
  • approver
  • before / after
  • result
  • error om relevant
4 · Rollback

Vad händer vid fel

  • Reverserbara: rollback <60s
  • Icke-reverserbara: alltid människa
  • 3 raka fel: paus + Slack-notis
  • GDPR/PII: pseudonymisering i audit

Schema är delvis implementerat via mcp-ronja v0.1. Threshold-routing är skill-internt. Audit-trail finns för scheduled-jobs men inte alla Claude-Slack-flöden. Komplett implementation Q3-Q4 2026.

Arkitektur · 1 av 4 09 / 22

Tre system. En cykel.

Data syncas in. Kontext lagras centralt. Beslut exekveras tillbaka.

Hjärtat

Tech Stack

Shopify · Klaviyo · Meta · Slack · Fortnox · Gorgias · Centra

synkar
Hjärnan

Ronja

71 tabeller · Knowledge-memos · Intelligence Q&A · Glasbrain

föreslår
Händerna

Claude

mcp-ronja v0.1 · 20 skills · Playwright-fallback

Claude exekverar tillbaka mot tech-stack:en — under approval-gates när handlingen är icke-trivell.

Sync · live Knowledge · live Skills · 20 av 25 live Autonom föreslå · planerat
Arkitektur · 2 av 4 10 / 22

Sju system där affären faktiskt händer.

System Roll Sync till Ronja Status
Shopify Plus D2C-storefront + checkout 4 tabeller, hourly :15 Bootstrap-bug
Klaviyo Email + SMS marketing 5 tabeller, daily 03:00 + 05:00 Events 53%
Meta Marketing Paid social-annonser 4 tabeller, hourly + daily Live
Gorgias Kundtjänst-tickets 1 tabell, daily 04:30 (90d window) Partial fields
Centra B2B-wholesale + historik 5 tabeller, daily 05:15 Live
Fortnox Bokföring + fakturor 29 tabeller, native connector Live
Slack Intern kommunikation Write-only target för rapporter Live

Stack-strategin är "system gör en sak bra". Inga GLAS-byggda CRM eller analytics-plattformar — vi köper de bästa byggblocken och bygger orkestreringen ovanpå.

Arkitektur · 3 av 4 11 / 22

Ronja: data-hub, regler, reasoning-källor.

Inte en vanlig databas. Tillämpar GLAS-specifika definitioner av nettomsättning, GP-trappa, exclusions.

71
tabeller från 7 källor
5,5M
rader sammanlagt
10
topic-folders i Glasbrain
7
scheduled jobs som syncar
Source of reasoning · 4 lager
  • Live data — 71 tabeller (syncas hourly/daily)
  • Knowledge-memos — 5 curated definitioner (nettomsättning, GP-trappa, exclusions)
  • Glasbrain — kompilerad företagskunskap (10 topic-folders, append-only raw)
  • Externa playbooks — paid media, retention, pricing (att laddas in)
Hygien-regler (kritiskt)
  • Varje artikel: source-date + owner + confidence
  • Status: active / superseded / deprecated
  • Conflict-fil för motstridiga claims, mänsklig resolution
  • Externa playbooks får aldrig override:a operating truth utan flagg
Källa: 3 Agentic RAG-mönstret · 5 cloud.ronja.tech/docs (OpenAPI 3.1, 24 endpoints)
Arkitektur · 4 av 4 12 / 22

Claude: tar förslag, väljer skill, exekverar.

20 skills över 8 departments. Inte fri agent — explicit routing under guardrails.

CRM
  • glas-kampanj
  • klaviyo-campaigns
Ecommerce
  • shopify-connect
  • deploy-shopify-app
  • promo-badge
  • translate
Content
  • aicontentgenerator
  • videoeditor2026
Performance Marketing
  • google-ads
  • meta-ads
  • static-ad-creator
Operations
  • skapa-produkt-shopify
Finance
  • monthly-report-d2c
  • glas-month-close
Analytics
  • daily-report
  • daily-slack-report
  • query
Management
  • daily-summary

Saknas idag (5 gap-skills): ad-angle-validator · cross-channel-coordinator · A/B-test-runner · customer-segment-analyzer · reorder-supplier

Källa: 4 Anthropic Agent Skills · code.claude.com/docs/skills
Loops i action · översikt 13 / 22

Fem affärs-cykler arkitekturen kör i.

Fyra illustrativa scenarier, ett verkligt (april-stängning).

01 Acquisition · illustrativ 02 Retention · illustrativ 03 Merchandising · illustrativ 04 Inventory · illustrativ + skill saknas 05 Finance · april 2026 verkligt
Steg 1

Trigger

Vad observerades. Ronja ser ett mönster i live data, jämfört mot Knowledge-regler.

Steg 2

Förslag

Ronja producerar förslag enligt schema: action, evidence, expected impact, confidence.

Steg 3

Exekvering

Claude väljer rätt skill. Fyller i parametrar. Kör mot tech-stack-API.

Steg 4

Approval & audit

Human om över threshold. Audit-rad till Ronja oavsett.

Samma fyrstegsstruktur över alla fem loops — det är vad gör arkitekturen reviewable, jämförbar, och experimenterbar.

Loops · 1 av 3 · Commercial 14 / 22
Tre illustrativa scenarier · ej observerade utfall

Tre commercial loops — samma struktur, olika trigger.

Acquisition, Retention, Merchandising. Fyra steg per loop, kompakt.

01 Acquisition

CAC tickar över 60 % av AOV-taket

  • Trigger: Meta-CAC > 60 %-taket (Eric:s regel) under 7 dagar; en kampanj drar oproportionerligt spend men levererar mindre andel purchases.
  • Förslag: Budget-shift underperformer → topp-ROAS. Förväntad CAC-effekt + reach-trade-off + confidence per förslag.
  • Exekvering: Skill meta-ads via Meta API. Diff i Slack #ecom.
  • Approval: Christoffer i Slack (budget-shift över threshold). Audit-rad till Ronja.
02 Retention

Engagement-segmentet tappar månadsvis

  • Trigger: Klaviyo "Engaged 30d" krymper i en marknad; ingen kampanj på flera veckor (per klaviyo_campaigns).
  • Förslag: Re-engagement-kampanj med hook + mottagar-segment. Förväntad RPR + reach + confidence per förslag.
  • Exekvering: Skill glas-kampanj bygger DRAFT i Klaviyo (B2B-exclusion + 14d-buyer-exclusion + Smart Sending OFF).
  • Approval: Christoffer reviewer compare-preview (extern komm — aldrig auto). Audit per kontraktet.
03 Merchandising

Modell säljer för långsamt mot pipeline-drop

  • Trigger: Modellens inventory-runway längre än tid till nästa pipeline-drop. Obsolescence-risk när nytt parti landar.
  • Förslag: Tidsbegränsad price-drop. Netto: lägre margin/par × högre volume = positiv vinsteffekt. Confidence per förslag.
  • Exekvering: Koordinerade skills promo-badge (Shopify) + glas-kampanj (Klaviyo-modell-intressenter).
  • Approval: Christoffer (pricing). Notiser till Maria (B2B kan påverkas). Audit per kontraktet.

Fyrstegs-strukturen från slide 15 — applicerad på alla tre. Inventory (nästa) och Finance (april verkligt) på egna slides.

Loops · 2 av 3 · Inventory 15 / 22
Illustrativt scenario · skill saknas idag

En modell når kort runway vs leverantör-lead-time.

Trigger
Ronja ser att en modells inventory-runway är kortare än leverantörens lead-time. Risk att nå 0 innan ny order anländer.
Förslag
Beställ X par från leverantör nu. Cashflow-check mot Cashflow-Sheet: huruvida headroom finns. Confidence-siffra per förslag.
Exekvering
Skill reorder-supplier är planerad — finns ej idag. Tills den finns: Claude förbereder PO-utkast, mailar leverantör, väntar bekräftelse manuellt.
Approval & Audit
Approval krävs alltid (finansiellt åtagande — aldrig auto). Christoffer godkänner. PO loggas i Fortnox + Ronja. Lead-time-räknare startar.
Loops · 3 av 3 · Finance 16 / 22
Verkligt exempel · april-stängning 2026

Månadsstängning april 2026.

Trigger
Sista bankdagen passerad. Skill glas-month-close körd. Hämtar Shopify revenue, Centra B2B, Meta-spend, Fortnox supplier-invoices, periodiserings-kandidater.
Förslag (faktiskt utfall)
Preliminär close april: Net Rev 3 433 KSEK (D2C 2 984 + Wholesale 133 + Consignment 184), EBITDA +269 KSEK, EBT +280 KSEK. Två öppna ärenden: Juni Technology 784 KSEK + Q1 2026 moms-diskrepans.
Exekvering
Skill glas-month-close producerar close-rapport. Skill monthly-report-d2c bygger Slack-postable summary.
Approval & Audit
Periodiserings-förslag skickas till Yanrong & Robin (Freja) för manuell granskning innan Fortnox-POST. Christoffer godkänner final close. Audit: alla Ronja-proposals + Freja-svar arkiveras.
Framtid · 1 av 3 17 / 22

Fyra nivåer som potentiellt höjer värderingen.

Inspirerat av Shopifys interna stack6,7,8. Inga roadmap-commits — varje lager är en research-track.

L0 Fundament
Ronja + Claude + Skills + Tech Stack
Cykeln vi just gick igenom. Plus mätnings-disciplin från loop 4 + 5.
⬅ här nu
L1 Tangle
Pipeline-orchestrator
Räkna bara om det som faktiskt påverkas. Open source: github.com/TangleML/tangle.
närmast
L2 Tangent
Auto-hypotes-agent
Claude formulerar, exekverar, mäter, itererar. Kräver experiment-registry.
research-track
L3 SimGym
Brand-specifik customer-simulator
Simulera pris/kollektion-utfall innan live. Potentiell valuation-lever.
hypothesis

Förutsättning: L0 måste ha mätnings-disciplin (campaign-log, cohort-dashboards, SKU-margin-model, inventory-alerts, post-action attribution) innan L1-L3 startar.

Framtid · 2 av 3 · L1 Tangle 18 / 22

L1 Tangle — den närmaste implementeringen.

Open source. Delvis redan i Ronja. Kortast väg från nuläge till mätbart värde.

Vad det är

Pipeline-orchestrator med content-addressed caching

Vet vilka beräkningar som beror på vilka. När en sak ändras — räkna bara om det som faktiskt påverkas. Reducerar “räkna om hela rapporten” från timmar till minuter.

Inspirations-källa: Shopify Engineering Tangle-blog6.

Var GLAS står

Delvis redan etablerat

  • ✓ Ronja har scheduled jobs (orkestrering)
  • ✓ Ronja har workflows som Python-pipelines
  • ✓ Ronja har tables som content-stores
  • ✗ Saknar content-addressed caching
  • ✗ Saknar DAG-vy för data-lineage
Implementeringsväg

Två alternativ

A: Pusha Ronja-vendor att lägga till caching + DAG-vy som plattforms-feature. Lägst effort på GLAS-sidan.

B: Tunt extra-lager i mcp-ronja som löser caching client-side. Mer kontroll, men dubbel-stack.

Vad det INTE är

Inget “500 LOC”-projekt

Hårda delar: data-modell-design för dependency-grafen, cache-invalidation-strategi, kompatibilitet med Ronja:s scheduled-jobs-mönster, observability.

Källa: 6 shopify.engineering/tangle · github.com/TangleML/tangle (open source)
Framtid · 3 av 3 · L2 + L3 19 / 22

L2 + L3 är research-tracks, inte roadmap.

Genuint öppna frågor om både genomförbarhet och affärsvärde för GLAS storlek.

L2 Tangent · research

Auto-hypotes-agent

Hypothesis: Claude formulerar “flytta budget X → Y, ROAS upp?”, exekverar test, mäter, itererar. Multiplicerar datadrivna beslut/vecka utan att kräva mer Christoffer-tid.

Krav: experiment-registry från loop 3+5, attribution-discipline, evaluation-framework, approval-gates per experiment-typ.

Vad som inte gör jobbet enkelt: data-kvalitet, attribution-säkerhet, evaluation-criteria, business-adoption.

Referens-implementation: Shopify autoresearch.sh7.

L3 SimGym · hypothesis

Brand-specifik customer-simulator

Hypothesis: Fem år GLAS-shopper-data, modellerad så att “vad händer om vi höjer pris X kr?” kan simuleras innan vi gör det live. Skulle vara svår att kopiera av konkurrent.

Krav: data-kvalitet på 5 års cohorts (inkl pre-juli-2025 Centra), modell-eval-discipline, hardware-budget för inference, business-adoption.

Vad som inte gör jobbet enkelt: SimGym är services-moat hos Shopify, ej open source. Mini-SimGym för GLAS-skala kräver fortfarande seriös ML-eval.

Inspirations-källa: shopify.engineering/simgym + Latent Space podcast med Mikhail Parakhin8.

Båda L2 och L3 är "valuation-levers gated by evidence" — om de funkar, höjer de exit-värdering signifikant. Men de kräver L0 + L1 vara solid först.

DD-status · 1 av 1 20 / 22

DD-readiness 7,5 av 10.

Upp från 6/10 efter V1 source-discovery. Vägen till 9/10 är 100-dagars-plan.

🟢 Green · 60 % readiness

Kan analyseras idag

  • Revenue + AOV
  • Meta Ads performance (alla 4 nivåer)
  • Customer cohorts (post-juli 2025)
  • Product mix (kategori + strength)
  • Fulfillment-status (i shopify_orders)
  • Currency-mix (EUR 77% / SEK 23%)
🟡 Yellow · 20 % readiness

Approximationer eller workarounds

  • GP1-3 (20pp-flat-approximation)
  • CAC (Meta-only, Google saknas)
  • Returns (financial_status proxy)
  • RX (vendor=LensAdvizor proxy)
  • Klaviyo Events (53% sync — refactor pågår)
🔴 Red · 20 % readiness

Cannot conclude — DD-findings

  • Inventory historik (ingen)
  • Google Ads spend (token)
  • NPS / CSAT (helt frånvarande)
  • Klaviyo send_date (100% NULL)
  • Postpac cost detail (approximerad)

V1-omvärdering: Agent 2 markerade ursprungligen 4 RED-items (returns, RX, fulfillment, Klaviyo events). V1 source-discovery upptäckte att 3 av 4 kan approximeras via befintliga Ronja-fält. Endast inventory-historik kvarstår som genuint RED.

Conclusions · 1 av 1 21 / 22

Tre design-val att stress-testa: mönsternamn, vendor-dep, mätnings-disciplin.

3 Codex peer-reviews avklarade. Här är vad nästa par ögon ska söka efter.

Arkitektur-mönster
  • Är Plan-and-Execute rätt mönster för GLAS storlek? Failure-modes som saknas?
  • Approval-thresholds: vilka kategorier är säkra att auto-approve, vilka behöver alltid mänsklig?
  • PII/GDPR-boundaries i proposal-audit-loggen — täcker den allt?
  • Glasbrain "advice soup"-risk — räcker source-date + confidence-hygienen?
Implementations-risk
  • Vendor-dependency på Ronja AB — vad är realistisk migration-väg om plattformen pivot:ar?
  • Mätnings-disciplin före Tangle/Tangent — vad behöver byggas innan vi går vidare?
  • L1 Tangle med Ronja vs in-house — vilken är "klokare" långsiktigt?
  • Skill-rerouting om Claude prio-ändras / Anthropic gör pricing-changes?

Codex-review-feedback inarbetad i denna iteration: scope-cutting från 12 → 6 P0-sektioner i DD-pack, Skills-as-workflow-wrapper-framing, Glasbrain-hygien-regler, measurement-first före Tangle/Tangent/SimGym.

Appendix · Källor 22 / 22

Vad detta dokument bygger på.

  1. 1. Plan-and-Execute Pattern — agentic-patterns.com · LangChain Planning Agents
  2. 2. Actor-Critic-utvärdering — arXiv 2311.13884
  3. 3. Agentic RAG — AWS · Agentic RAG Survey
  4. 4. Anthropic Agent Skills — code.claude.com/docs/skills · github.com/anthropics/skills
  5. 5. Ronja API + plattform — cloud.ronja.tech/docs
  6. 6. Shopify Tangle — shopify.engineering/tangle · github.com/TangleML/tangle
  7. 7. Shopify Autoresearch (Tangent-inspiration) — shopify.engineering/autoresearch
  8. 8. Shopify SimGym — shopify.engineering/simgym · Latent Space podcast
  9. 9. D2C/M&A DD-ramverk — RGV Capital, fusepoint, Daasity, AlixPartners, CTA, Metrilo, Ginesys, Speed Commerce
  10. 10. Codex peer-reviews — 3 rundor (D2C/CPG, M&A-advisor, CTO-design-persona)
  11. 11. Knowledge-memos — 5 curated i Ronja Knowledge
  12. 12. Glasbrain — 16 topic-folders, 22 artiklar lokalt i glaseyewear/glasbrain/

Fullständig research-trace + DD-pack med 14 sektioner: active/dd-2026/. Interaktiv arkitektur-doc: architecture-v3.html. Källkartläggning + ronja-mapping: active/ronja-mapping/.

GLAS · Vision & Arkitektur · Levererat 2026-05-16 · Christoffer + Claude · v1 deck

Innehåll · 22 slides