Auga Labs · Investerarpresentation
Ett svar på varför, innan någon frågar.
När en AI-agent avviker från sitt specificerade beteende, visar Auga varför det hände, vad som ledde dit och på vilket sätt agenten behöver justeras.
stega·fördjupning·Escöversikt·Stalarfönster
Svep åt sidan för nästa ämne · uppåt för fördjupning
Problemet
Företag sätter agenter i arbete som bokar möten, svarar kunder, gör inköp och föreslår diagnoser. När något går fel finns loggar, men inga svar. Frågan om vem som bär det juridiska ansvaret blir en utredning i sig.
Larmet tjuter, men ingen kan säga vilket rum som brinner.
Fördjupning
Problemet · Tre frågor ledningen inte kan besvara
Varför utlovade kundtjänst 96 återbetalningar i tisdags? Var det modellen, datan eller ett verktygsanrop? Varför fick vi veta det från kunderna och inte från agenten?
Vilka agenter drar kostnader, och vilka av dem skapar faktiskt värde?
Kan vi visa tillsynsmyndigheten hur agenten fattade beslutet, så som AI Act kräver?
Problemet · Det har redan hänt
| Fall | Vad hände | Följd | Vad Auga hade visat |
|---|---|---|---|
| Air Canada, 2024 | Chattboten lovade en återbetalning som villkoren inte gav. | Domstolen: bolaget ansvarar för vad boten säger. | Vilket svar som saknade stöd i villkoren, och varför boten gav det. |
| Chevrolet-handlare, 2023 | En besökare fick chattboten att gå med på att sälja en bil för 1 dollar. | 20 miljoner visningar och nödlagningar på 300 handlarsajter. | Att instruktionerna gick att skriva över, redan före lansering. |
| Replit, 2025 | En kodagent raderade en produktionsdatabas mitt under ett ändringsstopp. | Data om 1 200 chefer försvann, och agenten påstod felaktigt att den inte gick att återställa. | Vilket steg som bröt mot stoppet, och att agentens egen redogörelse inte stämde. |
| AIXBT, 2025 | En angripare tog sig in i en handelsagents kontrollpanel och lade in egna instruktioner. | Agenten förde över 55 ETH, ungefär 1 Mkr, ur sin plånbok. | Att instruktionerna kom från en källa som aldrig tidigare styrt agenten. |
Problemet · Varför dagens verktyg inte räcker
Lösningen
Auga läser de spår agenterna redan lämnar efter sig, hittar grundorsaken och rangordnar vad som ska åtgärdas först, och vad det är värt. Ständiga förbättringar, tillämpade på AI-agenter.
Auga är avvikelsehantering för AI-agenter, med grundorsaken redan utredd.
Så fungerar det
Lösningen · Tre steg
1
De flesta agentramverk rapporterar redan vad agenterna gör, via branschstandarden OpenTelemetry. Auga läser den datan, så inget behöver byggas om.
2
Auga kartlägger orsakssamband, inte bara samvariation: "den långsamma betaltjänsten, en sidoprocess, orsakade det felaktiga svaret i kundchatten".
3
Resultatet blir en åtgärdslista, rangordnad efter det värde varje åtgärd skapar.
Lösningen · Från avvikelse till åtgärd
| Steg i avvikelsehanteringen | Auga |
|---|---|
| Upptäcka avvikelsen | Agent Health och Oversight Inbox |
| Utreda grundorsaken | Investigation, med kausalmotorn |
| Besluta om åtgärd | Operate: vad först, och vad det är värt |
| Verifiera åtgärden före driftsättning | Proving Ground |
| Dokumentera för revision | EU AI Act-linsen |
Lösningen · Samvariation eller orsak?
Statistik och maskininlärning letar efter mönster, inte orsaker. En sådan modell kan dra slutsatsen att glassförsäljningen driver badolyckorna.
Men glassen orsakar inte olyckorna, det gör värmen. Vanliga verktyg ser bara att två kurvor följs åt. Auga skiljer på det som bara händer samtidigt och det som faktiskt driver utfallet.
För verksamheten betyder det rätt åtgärd första gången, inte efter tre försök.
Användningsfall
Analytiker på Bank of England spårar en avvikelse i en banks riskmått bakåt till orsaken.
Ett planeringsstöd prioriterar om, och befälet behöver veta varför.
En kassaagent hittar på en orderstatus. Felet började någon annanstans.
Samma instruktioner, ny modell, annat beteende.
Exemplen
Användningsfall · Finans
Därför bygger Auga, tillsammans med designpartners, en digital tvilling av kundens agentsystem ur kundens egen data, och experimenterar där. Kunden får svar som annars bara går att få genom att ta risken.
Och när något redan har hänt spårar Auga beslutet bakåt, steg för steg, till orsaken. Så här har analytiker på Bank of England gjort:
Användningsfall · Finans · Bank of England
Verkligt exempel1
En banks likviditetsmått avvek plötsligt från det normala.
2
En orsaksgraf byggd på bankens rapporterade data följde förändringen bakåt.
3
Avvikelsen kom främst från likviditetsbufferten, kontrollerat mot kurvorna över tid.
Augas kausalmotor bygger på samma öppna verktyg, DoWhy. Läs studien (Bank Underground, 2024) →
Användningsfall · Försvar
ScenarioEtt AI-stöd för underhållsplanering flyttar fram översynen av vissa fordon och skjuter upp andra. Innan beslutet verkställs behöver befälet veta vad det byggde på.
Auga spårar beslutet bakåt: vilka sensordata, rapporter och regler som vägde tyngst, och vad som hade ändrat utfallet.
Försvaret omfattas inte av AI Act, men ställer ändå höga krav på att AI:ns beslut kan förklaras och spåras, och föredrar europeiska leverantörer.
Användningsfall · E-handel
Vår demo1
Betaltjänsten börjar svara allt långsammare.
2
Anropet hinner inte klart, och ett nytt försök görs.
3
Agenten får ofullständig information och fyller i luckan själv.
Vanliga verktyg ser felet i sista steget. Auga pekar på det första.
Användningsfall · Byte av AI-modell
Företag byter AI-modell allt oftare: uppåt för bättre svar, nedåt för att spara pengar. Varje byte ändrar hur agenterna beter sig. Det som fungerade precis som tänkt i version 5.4 kan göra något helt annat i 6.0.
Auga visar vilka beslut som ändrades och varför, så att teamet kan justera agenternas instruktioner med facit i hand i stället för att gissa.
Varje modellbyte blir ett kontrollerat införande, inte ett kostsamt detektivarbete.
Varför nu
Företag går från att testa AI-agenter till att låta dem utföra riktigt arbete.
EU:s AI-förordning fasas in under 2025–2027 och kräver spårbarhet och mänsklig tillsyn.
AI-kostnader syns nu i budgeten. Ledningen vill veta vad de får för pengarna.
Försvaret satsar på AI och kräver europeiska leverantörer som kan förklara AI:ns beslut.
Vår väg in: AI Act
Böter på upp till 7 % av den globala omsättningen. Företaget måste kunna visa hur dess AI fattar beslut.
Auga ger bevisen löpande: spårbarhet, förklaringar och mänsklig tillsyn, direkt ur agenternas faktiska beteende.
Andra fyller i formulär eller visar grafer. Vi förklarar varför agenten gjorde som den gjorde, och det är vad lagen frågar efter.
Företag som inte kan redovisa hur deras agenter fattar beslut kommer att ta stora risker när nästa generations AI ska implementeras.
Lagen, kraven och vår roll
Vår väg in: AI Act · Allvaret
| Överträdelse | Maximala böter |
|---|---|
| Förbjuden AI-användning | 35 miljoner euro eller 7 % av global årsomsättning |
| Brister mot kraven på högrisk-AI | 15 miljoner euro eller 3 % av global årsomsättning |
| Felaktiga uppgifter till myndighet | 7,5 miljoner euro eller 1 % av global årsomsättning |
Vår väg in: AI Act · Kraven och hur Auga möter dem
| Lagen kräver | Auga levererar |
|---|---|
| Spårbarhet och loggning | Varje agentkörning fångas och sparas automatiskt, från första steg till sista |
| Transparens: kunna förklara beslut | Orsaksgrafen visar varför agenten gjorde som den gjorde |
| Mänsklig tillsyn | Oversight Inbox lyfter det som en människa behöver granska |
| Löpande övervakning i drift | Agent Health och larm när beteendet förändras |
| Dokumentation för tillsynsmyndighet | EU AI Act-linsen samlar underlaget på ett ställe |
Vår väg in: AI Act · Varför Auga
Registrerar policyer och fyller i formulär. Visar vad företaget säger att AI:n gör.
Loggar vad som hände. Svarar inte på varför, och är oftast amerikanska.
Bevis ur agenternas faktiska beteende, med förklarade orsaker. Europeiskt, och kan köras i kundens egen miljö.
Lagen frågar "varför fattade AI:n det här beslutet?" Vi är byggda för att svara på just den frågan.
Vår väg in: AI Act · Källor och fördjupning
EU Made Simple, på YouTube. För den som vill följa upp och djupdyka efter mötet.
Marknaden
Total marknad: vad AI Act kostar alla företag i EU med AI-agenter i drift, per år
Nåbar marknad: små och medelstora företag i EU med högrisk-AI i drift, per år
Vår realistiska andel om fem år: 1 % av den nåbara marknaden, per år
* Marknaden kring hur bolag ska hantera AI Act och samtidigt utveckla sina verksamheter med AI är enorm och svårgripbar. Uppskattningarna är därför mer osäkra än normalt. Se tabellen i fördjupningen för att skapa en egen bild av läget.
Räkneexempel: AI Act-linsen
Marknaden · Räkneexempel: AI Act-linsen
| Steg | Underlag | Per år |
|---|---|---|
| Omsättning, små och medelstora företag i EU | Eurostat, 2024 | 18 800 mdr € |
| … som har AI-agenter i drift | 5 % (antagande, källa behövs) | 940 mdr €* |
| … i högrisktillämpningar | 5–15 % (EU-kommissionen, 2021) | 47–141 mdr €* |
| × regelkostnad för AI Act | ≈ 1,5 % av omsättningen (Intellera, 2022) | 0,7–2,1 mdr €* (≈ 8–24 mdr kr) |
* Uppskattningar, mer osäkra än normalt. Byt ut antagandena mot egna siffror för att skapa en egen bild av läget.
Produkten
Core ingår alltid: förstå vad som hände, och varför.
Linser är betalda tillägg, var och en inriktad på en affärsfråga.
Streckade linser är tillägg i beta.
Vad ingår i vad
Produkten · Varför linser?
Produkten · Vem som betalar
Betalar ur verktygsbudgeten. Får färre och billigare incidenter, och AI-projekt som annars fastnar kan godkännas.
Betalar ur riskbudgeten. Undviker stora böter och dyra revisioner.
Betalar ur driftbudgeten. Sänker AI-notan och ser att AI:n faktiskt lönar sig.
En kund kan börja på en avdelning och växa till nästa, en lins i taget. Tre budgetar hos samma kund ger fler vägar in och större affärer per kund.
Produkten · Core
| Del | Vad det är |
|---|---|
| Schema & ontologi | Vårt gemensamma språk för att beskriva vad en AI-agent gör |
| Trace-intag | Tar emot data från kundens agenter via en etablerad standard (OpenTelemetry) |
| Kausalmotorn | Räknar ut vad som orsakar vad |
| Investigation | Orsaksgrafen, Heatmap och Timeline: grundvyn för att förstå ett förlopp |
| Assistentpanelen | Chatt med AI-assistent och integrationer, anpassas efter vald lins |
Produkten · Linser
| Lins | Frågan den besvarar | Ersätter | Beställare |
|---|---|---|---|
| EU AI Act | "Följer vi AI Act?" | Manuell dokumentation och konsulter inför revision | Risk- och complianceansvarig |
| Cost Optimization | "Vad kostar agenterna, och var kan vi spara?" | Manuell genomgång av AI-fakturor | Ekonomichef |
| Oversight Inbox | "Vad behöver en människa titta på?" | Stickprov och granskning av allt för hand | Verksamhetsansvarig |
| Operate | "Vad ska vi åtgärda först, och vad är det värt?" | Felsökning i loggar och gissningar | Teknikchef |
| Agent Health | "Mår agenterna bra just nu?" | Egenbyggda larm och dashboards | Drift- och plattformsteam |
| Proving Ground | "Fungerar den nya prompten eller modellen innan vi sätter den i drift?" | Manuella tester och stickprov före release | Teknikchef |
| Behavioral Twin | "Hur beter sig agenten på vår egen data, utan att vi rör produktionen?" | Pilottester på riktiga kunder | Verksamhetsansvarig |
Produkten · Under ytan
Extraktionsrecept: hur rå agentdata blir mätbara variabler. Här sitter en stor del av vårt försprång.
AI-bedömare: automatisk kontroll av hallucinationer och om svaren har stöd i källorna. Kan säljas per anrop.
Datakvalitet, nattliga körningar, användningsmätning, datakällor och inställningar. Ingår i den betalda produkten.
Affärsmodellen
Löpande prenumeration på Core och plattformen.
Tillägg per lins. Här växer kunden: en lins i taget.
AI-bedömare som tjänst, betalas efter användning.
Så växer en kund: År 1 Core [kr] → År 2 + två linser [kr] → År 3 + AI-bedömare [kr]. Målet är att varje kund betalar mer år två än år ett.
Alternativ modell: öppen kärna
Affärsmodellen · Alternativ modell: öppen kärna
Öppen källkod innebär både möjligheter och utmaningar.
Mellanväg: Business Source License. Koden är öppen att läsa och använda, men inte för att sälja en konkurrerande tjänst. Den blir helt öppen efter några år.
Affärsmodellen · Andra bolag som tagit vägen via öppen källkod
| Bolag | Modell | Vad hände |
|---|---|---|
| GitLab | Öppen kärna, betalda tillägg | Skolexemplet på modellen. Börsnoterat 2021. |
| Red Hat | Öppen källkod (Linux), betald support och drift | Köptes av IBM 2019 för 34 miljarder dollar. |
| Terraform | Öppen, bytte 2023 till en begränsad licens | Communityn kopierade koden (OpenTofu). Bolaget bakom, HashiCorp, köptes av IBM. |
| Elastic | Öppen, bytte 2021 till en begränsad licens | Amazon byggde en egen kopia (OpenSearch). Elastic öppnade delvis igen 2024. |
| OpenAI | Började öppet, stängde sedan | Kritiserades för att överge öppenheten. Släppte öppna modeller igen 2025. |
| Mistral AI | Öppna AI-modeller, betalda tjänster | Franskt. Visar att öppenhet kan vara en europeisk styrka. |
Affärsmodellen · Öppen kärna · Så kan det se ut
Mockup: kunden väljer och aktiverar linser själv. Klicka för att prova. Priserna är exempel.
Läget idag
Så hänger det ihop
Läget idag · Så hänger det ihop
De fyllda gröna rutorna är Augas egen teknik: extraktorn och kausalmotorn. Grått är en demobutik som skapar trafik att analysera. Lila är AI-bedömarna, som körs hos kunden.
Konkurrensen
Datadog, Dynatrace, New Relic. Breda plattformar för IT-drift som lagt till AI-övervakning.
LangSmith, Arize, W&B Weave, Langfuse. Spårning och tester för utvecklare, inte orsaker för verksamheten.
Causely. Orsaksanalys för IT-drift, som nu breddar sig mot AI-agenter.
Orsaker för AI-agenter, paketerade som linser för verksamhetens frågor: regelefterlevnad, kostnad, tillsyn.
Var vi står på kartan
Konkurrensen · Vår bild av marknaden
Det europeiska alternativet
Kan köras i kundens egen miljö, så agentdatan lämnar aldrig kundens miljö.
Regelefterlevnad är en egen lins från start, inte ett tillägg i efterhand.
Ingen amerikansk lag som styr över kundens data eller vår färdplan.
Varför det spelar roll
Det europeiska alternativet · Varför det spelar roll
Kausal AI är svår att kopiera
Orsakerna i en verksamhet muterar som ett virus: det som drev felen förra kvartalet driver dem inte i framtiden. Lagar, innovationer och nya AI-modeller gör att agenter och algoritmer ständigt måste kunna redogöra för sina val och vad de har utfört.
Vårt försprång är inte plattformen i sig. Det är förmågan att ständigt anpassa beräkningarna efter omvärldens förändringar. En applikation är enkel att kopiera, ett förändringsarbete är svårare.
Våra försprång
Kausal AI är svår att kopiera · Våra försprång
| Inom vaccin | Inom Auga |
|---|---|
| Övervaka vilka virusstammar som sprids | Extraktionsrecepten: vi vet vilka signaler som betyder något för vilken typ av agent. |
| En plattform som tar fram nästa vaccin snabbt | Kausalmotorn räknar om orsaksgrafen löpande, varje natt, när verksamheten förändras. |
| Prioritera vem som vaccineras först | ROI-rangordnade åtgärder: från "här är problemet" till "gör det här först, det är värt X". |
| Kliniska prövningar innan vaccinet släpps | Proving Ground: åtgärden testas mot verkliga scenarier innan den når produktion. |
| Anpassa vaccinet till en viss befolkning | Behavioral Twin: en kopia av just kundens system, byggd på kundens egen data. |
Vägen till marknaden
Ett fåtal kunder som bygger produkten med oss. Bevis och referenser.
Utvecklare kommer igång själva och köper till enstaka linser.
Användarna tar med Auga in på jobbet. Större avtal, fler linser.
Varför den ordningen
Vägen till marknaden · Varför den ordningen
Vägen till marknaden · Pilot med designpartner
Auga Labs
martin-leterius.jpgSEB | Scania IT
stefan-krona.jpgFDJ United | SEB
jesper-karlsson.jpgTRATON R&D | Scania R&D
Autonoma agenter sköter rutinarbetet, så att teamet kan lägga sin tid på kunder och produkten.
Hittar och kvalificerar nya kunder
Läser avtal och flaggar risker
Svarar kunder, lämnar det svåra vidare
Hittar orsaken när något går fel
Granskar varje ändring före merge
Konterar, stämmer av och förbereder bokslut
Vad vi söker
X 000 000
Etapp 1: tar Auga till marknaden
Designpartners och kundframgång
Produkt: fler linser och självbetjäning
Marknad och försäljning
XX 000 000
Etapp 2: gör Auga till det ledande europeiska alternativet
Försäljning och partners på Europas nyckelmarknader
Alla linser parallellt, inklusive Proving Ground och Behavioral Twin
Europeisk molndrift och certifieringar för reglerade branscher
Var står vi när pengarna är slut?
Vad vi söker · Etapperna
| Etapp 1: Till marknaden | Etapp 2: Europa | |
|---|---|---|
| Startar | Direkt | När etapp 1:s milstolpar är nådda |
| Räcker i | [x] månader | [x] månader |
| Team | Grundarna och [x] nyckelpersoner | Säljare i [x] länder |
| Marknad | Norden, [x] betalande kunder | DACH, Frankrike och Benelux |
| Produkt | Kärnan, Proving Ground och ett första test av Behavioral Twin | Alla linser, europeisk molndrift, ISO 27001 |
| Milstolpe | Bevisad efterfrågan, Behavioral Twin validerad hos en designpartner, underlag för etapp 2 | Det självklara europeiska valet inför AI Act |
Vad vi söker · Risker
| Risk | Vårt svar |
|---|---|
| De stora övervakningsbolagen bygger samma sak | Extraktionsrecepten och kausalmotorn tar år att bygga upp. Vi är europeiska och har AI Act som egen lins. |
| AI Act skjuts upp igen | Investigation och Cost Optimization bär sig själva, utan regelkrav. |
| Långa säljcykler i reglerade branscher | Pilot på åtta veckor till fast pris, och självbetjäning parallellt. |
När en AI-agent avviker från sitt specificerade beteende, visar Auga varför det hände, vad som ledde dit och på vilket sätt agenten behöver justeras.
Auga Labs söker [belopp] för att nå [etapp 1:s milstolpe] till [datum].
Frågor och diskussion
Produkten i bild
Produkten i bild · Investigation
public/investors/img/investigation.pngOrsaksgrafen: vad som påverkade vad, i en enda körning.
Produkten i bild · Heatmap & Timeline
public/investors/img/heatmap-timeline.pngVar och när problemen uppstår, över tid.
Produkten i bild · EU AI Act
public/investors/img/eu-ai-act.pngUnderlaget för AI Act, samlat på ett ställe.
Produkten i bild · Oversight Inbox
public/investors/img/oversight-inbox.pngDet en människa behöver granska, med orsaken redan bifogad.
Produkten i bild · Cost Optimization
public/investors/img/cost-optimization.pngVar AI-pengarna går, och var de kan sparas.
Produkten i bild · Simulate
public/investors/img/simulate.png”Vad hade hänt om?” Testa en åtgärd innan den genomförs.