Tillitsarkitektur för modern hemtjänst

Caire automatiserar mer än 50% av det manuella schemaläggningsarbetet, driver vårdtiden till 75–80% och utan att försämra kontinuiteten för tiotusentals omsorgstagare. Utforska hur plattformen fungerar end-to-end – från datainsamling och optimering till enterprise-säker drift.

Initial produktionsdata från piloter visar hur Caire lyfter operativa, ekonomiska och mänskliga resultat.

Varje optimering ger smartare scheman, nöjdare team och mer förutsägbara utfall. Alla körningar förfinar algoritmerna och stärker hela nätverket av utförare.

• Ledning: 75–80%+ vårdtid och ett transparent ROI-dashboard med realtidsinsikter.
• Planerare: AI hanterar regler och undantag så att fokus kan ligga på strategi och kvalitet.
• Utförare: Kortare resvägar, planerade pauser och trygg kontinuitet för omsorgstagarna.
• Kommuner: Lägre utsläpp, bättre budgetutnyttjande och högre förtroende hos invånare.

Plattformen tar bort brandsläckning och frigör tid för proaktiv styrning.

Utvecklingen av hemtjänstverksamhet från Nivå 0 till Nivå 4.

• Nivå 0: Telefon & Kalkylark (Manuellt)
• Nivå 1: Digital Planering – Statiska planer, manuella justeringar, ingen optimering.
• Nivå 2: Assisterad Schemaläggning (Live idag) – Optimeringsmotor, dagliga justeringar. Förplanering (manuell start). Skapar publiceringsklara förslag.
• Nivå 3: Självkörande Schemaläggning (Roadmap) – Autonom hantering av störningar. Realtidsoptimering (strömmande GPS, avbokningar, trafik). Planerare hanterar endast undantag.
• Nivå 4: Prediktiv Verksamhet (Roadmap) – Autonom drift, prognoser via data- och ML-pipelines.

En enhetlig arkitektur som stödjer alla automationsnivåer – från assisterad planering till prediktiv drift.

flowchart LR %% ========= COLORS (Caire palette-inspired placeholders) ========= classDef source fill:#cce7ff,stroke:#2a7de1,color:#000; classDef storage fill:#e0ffe5,stroke:#31a353,color:#000; classDef process fill:#fff3c4,stroke:#c79b00,color:#000; classDef security fill:#ffe0e0,stroke:#d63a3a,color:#000; classDef output fill:#e4d7ff,stroke:#7a4ed8,color:#000; %% ========= DIAGRAM START ========= subgraph "Vårdgivarens System (Ex. Carefox/eCare)" welfareAPI["Välfärds-API (REST / Autentisering)"]:::source welfareCSV["CSV-export (valfritt)"]:::source welfarePDF["PDF: Biståndsbeslut (manuell uppladdning)"]:::source end subgraph "Caire Platform (AWS Stockholm - EU/EES)" ingest["Datainsamlingslager (API Gateway / Importtjänster)"]:::process validate["Validering + Normalisering (Affärsregler)"]:::process encrypt["Kryptering & Behörighetskontroll (Transport & Lagring)"]:::security store["Data

Planeringsdata (Besök, Tidsfönster, Adresser, Kompetenser) Personaldata (Skift, Tillgänglighet, Kompetens, Anställningstyp, Geografi) Ärende/Välfärdsdata (Behov, genomförandeplaner, Restriktioner) Platsdata (Hemadresser, Enheter, Zoner)

• Planeringsdata (Besök, Tidsfönster, Adresser, Kompetenser)
• Personaldata (Skift, Tillgänglighet, Kompetens, Anställningstyp, Geografi)
• Ärende/Välfärdsdata (Behov, genomförandeplaner, Restriktioner)
• Platsdata (Hemadresser, Enheter, Zoner)

API-ingest (föredras) CSV-import (sekundärt) Säker PDF-uppladdning (genomförandeplaner) Validering + Schema-mappning

• API-ingest (föredras)
• CSV-import (sekundärt)
• Säker PDF-uppladdning (genomförandeplaner)
• Validering + Schema-mappning

Fas 1: Behovsaggregering – Slå ihop besök baserat på tid/rutt/geo, Identifiera fönster för batchning Fas 2: Kandidatgenerering – Matcha personal → besök via regler, Filtrera på roll, kompetens, kontinuitet, resmöjlighet Fas 3: Optimering – Ruttlösare (minimera restid), Komprimeringsmål (minska dötid), Prioritet: kontinuitet → personalpreferens → kostnad → resa 📅 Planerarupplevelse

• Fas 1: Behovsaggregering – Slå ihop besök baserat på tid/rutt/geo, Identifiera fönster för batchning
• Fas 2: Kandidatgenerering – Matcha personal → besök via regler, Filtrera på roll, kompetens, kontinuitet, resmöjlighet
• Fas 3: Optimering – Ruttlösare (minimera restid), Komprimeringsmål (minska dötid), Prioritet: kontinuitet → personalpreferens → kostnad → resa

Caire löser sjukfrånvaro, ruttkonflikter och luckor på minuter. Planerare börjar varje morgon med validerade förslag och kan starta what-if-scenarier med ett klick.

• Morgon: 15–20 minuter att granska AI-förslag
• Dagtid: Realtidsoptimering ersätter telefonkedjor med proaktiva aviseringar.
• Månad: Ghost-"ideal"-scheman visar när det är dags att re-baseline roster.

Rekommendationsmotorn guidar planerare från första kommunbeslut till löpande optimering:

• Onboarding: AI läser genomförandeplaner och föreslår idealfönster och kompetenser.
• Godkännande: Kund och planerare justerar preferenser; solver balanserar om direkt.
• Drift: Daglig automation håller schemat genomförbart när verkligheten ändras.
• Förbättring: Månatliga jämförelser visar när effektiviteten driftsar – triggar reoptimering.

Konservativ kontinuitet, balanserad vardag eller aggressiv besparing – labbet kör alla strategier på samma data så att ledningen kan välja det som matchar policy och budget.

Maximerar kontinuitet. Perfekt under förändringsledning och känsliga omsorgsteam.

Rekommenderad vardagsmix som väger resor, effektivitet och kontinuitet för stabila 75–80%.

Trycker ned kostnad och väntetid när bemanningsläget är pressat – ofta för specialprojekt.

Finjustera vikter per kommun, område eller avtal. Spara mallar för återkommande scenarier.

Plattformen kombinerar modern web, optimeringsmotorer och säker EU-infrastruktur.

• Frontend: Next.js 15, React 19, Tailwind, shadcn/ui, professionella kalenderkomponenter.
• Backend: Next.js API routes, Drizzle ORM, Redis-cache, AWS EC2 (EU).
• Auth & säkerhet: Clerk v6 SSO/MFA, org-scoped RBAC, HTTPS/HSTS, audit-loggar.
• DevOps: GitHub Actions CI/CD, PM2-klustring, CloudWatch, Sentry, automatiserad DR.

En transparent, säker och laglig grund för modern hemtjänst. Vi garanterar att er data förblir er – och aldrig används för att träna publika modeller.

Inläsning: Data hämtas via säkra API:er (t.ex. Carefox), krypterad CSV-import eller direkt inmatning. Import sker manuellt vid schemakallelse — inte automatiskt. Lagring: All data lagras i EU-hostade PostgreSQL-databaser med strikt isolering per kund (Row Level Security). Bearbetning: AI-motorn optimerar scheman i minnet med matematiska regler. Ingen kunddata används för träning. ( Se Caire Core scheduling and routing teknisk översikt ) Utdata: Optimerade scheman presenteras för mänsklig granskning och kan exporteras tillbaka till källsystem. EU AI Act

• Inläsning: Data hämtas via säkra API:er (t.ex. Carefox), krypterad CSV-import eller direkt inmatning. Import sker manuellt vid schemakallelse — inte automatiskt.
• Lagring: All data lagras i EU-hostade PostgreSQL-databaser med strikt isolering per kund (Row Level Security).
• Bearbetning: AI-motorn optimerar scheman i minnet med matematiska regler. Ingen kunddata används för träning. ( Se Caire Core scheduling and routing teknisk översikt )
• Utdata: Optimerade scheman presenteras för mänsklig granskning och kan exporteras tillbaka till källsystem.

Låg Risk-klassificering: CAIRE är ett verktyg för operativ optimering, inte ett "Högrisk"-system enligt EU AI Act. Förklaringsbar Design: Inga "svarta lådor". Varje beslut kan spåras till konfigurerade regler och vikter. Datasuveränitet: Ni äger er data. Vi använder den inte för att träna generativa modeller eller dela med tredje part. Människan i centrum: Systemet är designat för att stötta planerare, inte ersätta deras slutgiltiga omdöme. Läs hela policyn →

• Låg Risk-klassificering: CAIRE är ett verktyg för operativ optimering, inte ett "Högrisk"-system enligt EU AI Act.
• Förklaringsbar Design: Inga "svarta lådor". Varje beslut kan spåras till konfigurerade regler och vikter.
• Datasuveränitet: Ni äger er data. Vi använder den inte för att träna generativa modeller eller dela med tredje part.
• Människan i centrum: Systemet är designat för att stötta planerare, inte ersätta deras slutgiltiga omdöme.

Designad för svenska kommuner med EU-residens, GDPR-kontroller och omsorgsdata governance från dag ett.

All data hostas i EU via Amazon RDS (Stockholm). Organisations-ID på varje SQL-fråga och cacheuppslag. Nattliga backupper med point-in-time recovery och retention. Fulla revisionsspår för schemaändringar och optimeringskörningar.

• All data hostas i EU via Amazon RDS (Stockholm).
• Organisations-ID på varje SQL-fråga och cacheuppslag.
• Nattliga backupper med point-in-time recovery och retention.
• Fulla revisionsspår för schemaändringar och optimeringskörningar.

Clerk MFA, SSO och roll-baserade behörigheter. HttpOnly-, SameSite- och Secure-cookies samt CSRF-skydd. CloudWatch + Sentry-larm vid anomalier och degradering. Pen-test redo: lager-på-lager-skydd och sanerad input. ✅ Implementeringsmodell

• Clerk MFA, SSO och roll-baserade behörigheter.
• HttpOnly-, SameSite- och Secure-cookies samt CSRF-skydd.
• CloudWatch + Sentry-larm vid anomalier och degradering.
• Pen-test redo: lager-på-lager-skydd och sanerad input.

Caire döljer komplexiteten men ger full transparens. Teamet godkänner förändringar, kör what-if och exporterar tillbaka till källsystemen på sina villkor.

• Nattlig automation förbereder uppdaterade scheman före arbetsdagen.
• Planerare granskar, justerar och publicerar via tydliga dashboards på minuter.
• Ledning följer KPI:er och ROI i realtid för att styra investeringar.
• Nivå 3 Roadmap: Kontinuerligt lärande förbättrar ruttheuristik, kontinuitetsvikter och prognoser.

Tekniska detaljer om hur återkommande mönster (slingor) och besöksfixering möjliggör stabil men flexibel schemaläggning.

slinga: Lagrar återkommande veckomönster per vårdgivare, veckodag och skift. Inkluderar versionsspårning för mönsterevolution. slinga_visits: Individuella besök inom ett slinga-mönster, inklusive planerade tider, sekvens och fixeringsstatus. visits: Utökad med slingaId , pinned (boolean) och tilldelningsfält ( assignedEmployeeId , assignedStartTime , assignedEndTime ). solution_visits: Kandidattilldelningar från optimeringsjobb, möjliggör jämförelse innan godkännande. Fixeringsmekanismer

• slinga: Lagrar återkommande veckomönster per vårdgivare, veckodag och skift. Inkluderar versionsspårning för mönsterevolution.
• slinga_visits: Individuella besök inom ett slinga-mönster, inklusive planerade tider, sekvens och fixeringsstatus.
• visits: Utökad med slingaId , pinned (boolean) och tilldelningsfält ( assignedEmployeeId , assignedStartTime , assignedEndTime ).
• solution_visits: Kandidattilldelningar från optimeringsjobb, möjliggör jämförelse innan godkännande.

Fixerade besök: Märkta med pinned=true , dessa besök kan inte flyttas av optimeringsmotorn. De upprätthåller kontinuitet och stabilitet. Ofixerade besök: Märkta med pinned=false , dessa besök kan optimeras av AI för att förbättra effektivitet, restid och arbetsbelastningsbalans. Fixeringsregler: När ett besök fixeras måste tidigare konflikterande besök i samma skift också fixeras för att uppfylla optimeringsbegränsningar. Tilldelningsflöde: Besök börjar ofixerade, optimeras, och blir sedan fixerade när planerare godkänner dem. From-Patch API

• Fixerade besök: Märkta med pinned=true , dessa besök kan inte flyttas av optimeringsmotorn. De upprätthåller kontinuitet och stabilitet.
• Ofixerade besök: Märkta med pinned=false , dessa besök kan optimeras av AI för att förbättra effektivitet, restid och arbetsbelastningsbalans.
• Fixeringsregler: När ett besök fixeras måste tidigare konflikterande besök i samma skift också fixeras för att uppfylla optimeringsbegränsningar.
• Tilldelningsflöde: Besök börjar ofixerade, optimeras, och blir sedan fixerade när planerare godkänner dem.

Full solve endpoint: Används för kalla starter och större omdesign. Skickar komplett schema med alla besök och fixeringsflaggor. From-patch endpoint: Används för inkrementella uppdateringar. Skickar endast ändrade besök, ärver tidigare lösning och fixerade tilldelningar. Användningsfall: Realtidsstörningar (Scenario C), lägga till nya klienter (Scenario B), finjustering av dagliga scheman. Prestanda: From-patch är snabbare eftersom den återanvänder tidigare lösning som startpunkt, kompletterar vanligtvis på sekunder vs minuter för full solve. Dataflöde

• Full solve endpoint: Används för kalla starter och större omdesign. Skickar komplett schema med alla besök och fixeringsflaggor.
• From-patch endpoint: Används för inkrementella uppdateringar. Skickar endast ändrade besök, ärver tidigare lösning och fixerade tilldelningar.
• Användningsfall: Realtidsstörningar (Scenario C), lägga till nya klienter (Scenario B), finjustering av dagliga scheman.
• Prestanda: From-patch är snabbare eftersom den återanvänder tidigare lösning som startpunkt, kompletterar vanligtvis på sekunder vs minuter för full solve.

Import: Externa scheman konverteras till slingor med besök märkta pinned=true . Daglig expansion: Publicerade slingor expanderas till konkreta besök för varje datum, alla märkta som fixerade. Optimering: Komplett schema skickas till optimeringsmotor. Fixerade besök förblir fasta, ofixerade besök kan flyttas. Lösningslagring: Kandidattilldelningar lagras i solution_visits -tabellen för jämförelse. Godkännande: När planerare godkänner uppdateras tilldelningsfält på besök. Slinga-mall förblir oförändrad. Tekniska Begränsningar

• Import: Externa scheman konverteras till slingor med besök märkta pinned=true .
• Daglig expansion: Publicerade slingor expanderas till konkreta besök för varje datum, alla märkta som fixerade.
• Optimering: Komplett schema skickas till optimeringsmotor. Fixerade besök förblir fasta, ofixerade besök kan flyttas.
• Lösningslagring: Kandidattilldelningar lagras i solution_visits -tabellen för jämförelse.
• Godkännande: När planerare godkänner uppdateras tilldelningsfält på besök. Slinga-mall förblir oförändrad.

Hårda begränsningar: Kompetensmatchning, inga överlapp, tidsfönster och fixeringsflaggor respekteras alltid av optimeringsmotorn. Mjuka begränsningar: Kontinuitet, restid, arbetsbelastningsbalans och återfångande av oanvända timmar optimeras men kan överskridas vid behov. Fixeringsvalidering: Systemet säkerställer att när ett besök fixeras, alla tidigare besök i samma skift som skulle konfliktera också fixeras. Frysningstid: För realtidsstörningar förblir besök som har startat eller är nära förestående automatiskt fixerade (frysningstidskoncept).

• Hårda begränsningar: Kompetensmatchning, inga överlapp, tidsfönster och fixeringsflaggor respekteras alltid av optimeringsmotorn.
• Mjuka begränsningar: Kontinuitet, restid, arbetsbelastningsbalans och återfångande av oanvända timmar optimeras men kan överskridas vid behov.
• Fixeringsvalidering: Systemet säkerställer att när ett besök fixeras, alla tidigare besök i samma skift som skulle konfliktera också fixeras.
• Frysningstid: För realtidsstörningar förblir besök som har startat eller är nära förestående automatiskt fixerade (frysningstidskoncept).

Skalbar AI-stack, modern datamodell och professionellt användargränssnitt. Byggd för stor skala och enterprise-miljö samtidigt som enkelheten som gör CAIRE kraftfullt behålls.

Förbättrad optimeringsmotor: Förbättrad lösarprestanda med bättre hantering av begränsningar och snabbare optimeringscykler GraphQL API: Enhetligt API-lager som ersätter REST-endpoints för bättre prestanda och utvecklarupplevelse Mikrotjänstearkitektur: Modulär design som möjliggör oberoende skalning av optimering, analys och databehandling Realtidsbehandling: Stöd för live-schemauppdateringar och omedelbar optimeringsfeedback Avancerad cachning: Intelligent cache-lager som minskar optimeringsjobbens tider med upp till 40% Ny datamodell

• Förbättrad optimeringsmotor: Förbättrad lösarprestanda med bättre hantering av begränsningar och snabbare optimeringscykler
• GraphQL API: Enhetligt API-lager som ersätter REST-endpoints för bättre prestanda och utvecklarupplevelse
• Mikrotjänstearkitektur: Modulär design som möjliggör oberoende skalning av optimering, analys och databehandling
• Realtidsbehandling: Stöd för live-schemauppdateringar och omedelbar optimeringsfeedback
• Avancerad cachning: Intelligent cache-lager som minskar optimeringsjobbens tider med upp till 40%

Normaliserat schema: Komplett omdesign för bättre dataintegritet och frågeprestanda Slingor-stöd: Inbyggt stöd för återkommande veckomönster (slingor) som förstaklassentiteter Revisionssystem: Inbyggd versionshantering för scheman, lösningar och optimeringsscenarier Flexibla begränsningar: Förbättrad begränsningsmodell som stödjer komplexa organisationsregler Revisionsspår: Omfattande loggning av alla schemaändringar och optimeringsbeslut Multi-tenancy: Förbättrad tenant-isolering och datasäkerhet på databasnivå Omdesignat UX

• Normaliserat schema: Komplett omdesign för bättre dataintegritet och frågeprestanda
• Slingor-stöd: Inbyggt stöd för återkommande veckomönster (slingor) som förstaklassentiteter
• Revisionssystem: Inbyggd versionshantering för scheman, lösningar och optimeringsscenarier
• Flexibla begränsningar: Förbättrad begränsningsmodell som stödjer komplexa organisationsregler
• Revisionsspår: Omfattande loggning av alla schemaändringar och optimeringsbeslut
• Multi-tenancy: Förbättrad tenant-isolering och datasäkerhet på databasnivå

Professionell kalendervy: Branschledande kalenderkomponent för intuitiv drag-and-drop-schemaläggning Statusbaserat visuellt system: Färgkodning efter schemaläggningsstatus (valfritt, obligatoriskt, prioritet) snarare än vårdtyp Realtidsvalidering: Omedelbar feedback på begränsningsöverträdelser under drag-operationer Optimeringsscenarier: Förkonfigurerade optimeringsförinställningar (Daglig Plan, Nya Klienter, Störningshantering) med anpassningsbara vikter Jämförelseläge: Sida-vid-sida-jämförelse av schemarevisioner med delta-mätvärden Mobil responsiv: Optimerad upplevelse över desktop, surfplatta och mobila enheter

• Professionell kalendervy: Branschledande kalenderkomponent för intuitiv drag-and-drop-schemaläggning
• Statusbaserat visuellt system: Färgkodning efter schemaläggningsstatus (valfritt, obligatoriskt, prioritet) snarare än vårdtyp
• Realtidsvalidering: Omedelbar feedback på begränsningsöverträdelser under drag-operationer
• Optimeringsscenarier: Förkonfigurerade optimeringsförinställningar (Daglig Plan, Nya Klienter, Störningshantering) med anpassningsbara vikter
• Jämförelseläge: Sida-vid-sida-jämförelse av schemarevisioner med delta-mätvärden
• Mobil responsiv: Optimerad upplevelse över desktop, surfplatta och mobila enheter

Hantera 10x fler scheman samtidigt 50% snabbare optimeringsjobb Stöd för organisationer med tusentals och tiotusentals medarbetare Subsekund-svarstider för vanliga operationer

• Hantera 10x fler scheman samtidigt
• 50% snabbare optimeringsjobb
• Stöd för organisationer med tusentals och tiotusentals medarbetare
• Subsekund-svarstider för vanliga operationer

Intuitivt drag-and-drop-schemaläggningsgränssnitt Reducerad inlärningskurva för nya planerare Bättre visuell feedback och begränsningsvalidering Strömlinjeformade arbetsflöden för vanliga uppgifter

• Intuitivt drag-and-drop-schemaläggningsgränssnitt
• Reducerad inlärningskurva för nya planerare
• Bättre visuell feedback och begränsningsvalidering
• Strömlinjeformade arbetsflöden för vanliga uppgifter

Hur CAIRE linjerar med EU:s AI-förordning genom transparens, säkerhet och mänsklig kontroll.

När EU:s AI-förordning (AI Act) träder i kraft söker verksamhetsledare tydlighet i hur AI-lösningar förhåller sig till regelverket. På CAIRE prioriterar vi transparens.

Vår optimeringsmotor skiljer sig från generativ AI eller prediktiva ML-modeller. Den lär sig inte mönster från stora träningsdataset. Istället förlitar den sig på förprogrammerade algoritmer och regler för att hitta optimala lösningar på ett helt deterministiskt sätt.

Eftersom vi inte använder "träningsdata" enligt definitionen i AI Act, gäller inte många av de skyldigheter som är kopplade till detta. Det finns inga dolda bias från träningsset, inga ogenomskinliga statistiska modeller och inga hallucinationer.

Ja. EU AI Act definierar AI-system brett för att inkludera regelbaserade, logikdrivna och optimeringsalgoritmer. CAIRE kvalificerar sig eftersom det utför resonemang och beslutsfattande baserat på användarinput och hårdkodade begränsningar.

Men även om det ryms inom definitionen, säkerställer den deterministiska, regelbaserade naturen hos våra algoritmer att vi undviker de strängaste regleringsbördorna som typiskt reserveras för mer ogenomskinliga eller adaptiva AI-system.

Varje beslut som fattas av vår lösning kan spåras tillbaka till förprogrammerade regler (t.ex. "minimera restid", "säkra kontinuitet").

Detta linjerar perfekt med AI-förordningens krav på transparens.

• Explicit Logik: Alla begränsningar och poängregler är explicit konfigurerade och ändras inte efter driftsättning baserat på användarinput.
• Reproducerbar: Utdata är konsekvent. Samma input ger alltid samma optimerade schema.
• Förklaringsbar: Användare kan analysera varför ett specifikt schema genererades.

De flesta användningsfall för schemaoptimering faller inom operativ optimering (logistik, resursplanering), vilket generellt inte betraktas som "Högrisk" enligt AI Act.

Men i HR-applikationer som väsentligt påverkar arbetstagares rättigheter (som skifttilldelning) kan system falla under högriskkategorin. CAIRE hanterar detta genom design:

• Människan i Loopen: CAIRE är ett beslutsstöd. Det föreslår scheman, men mänskliga planerare har alltid möjlighet att ändra beslut och ge slutgiltigt godkännande.
• Arbetsmiljö: Systemet är konfigurerat för att respektera kollektivavtal, vilotider och rättvis fördelning av arbete.
• Inget Ersättande: Vår teknik stöttar mänskliga planerare; den ersätter inte mänsklig intuition och empati.

Er data förblir er. Ingen Träning på Kunddata: Vi använder inte er data för att träna externa generativa modeller. Inga Dolda Bias: Eftersom ingen träningsdata används, finns inga ärvda fördomar från externa dataset. Icke-Adaptiv: Systemet modifierar inte sig självt efter driftsättning.

• Ingen Träning på Kunddata: Vi använder inte er data för att träna externa generativa modeller.
• Inga Dolda Bias: Eftersom ingen träningsdata används, finns inga ärvda fördomar från externa dataset.
• Icke-Adaptiv: Systemet modifierar inte sig självt efter driftsättning.

Integritetspolicy → Användarvillkor →

Den kommande CAIRE 2.0-plattformen (planerad för tidigt 2026) kommer att behålla och förbättra alla befintliga efterlevnadsåtgärder samtidigt som den introducerar nya funktioner:

• Förbättrat revisionsspår: Omfattande loggning av alla optimeringsbeslut och dataåtkomst med inbyggt revisionssystem
• Förbättrad förklaringsbarhet: Bättre visualisering av varför specifika schemabeslut togs, med rapportering av begränsningsöverträdelser
• GraphQL API: Mer detaljerad åtkomstkontroll med fältnivåbehörigheter och förbättrad frågetransparens
• Avancerad dataminimering: Ny v2.0-datamodell med bättre kontroll över vilka data som lagras och bearbetas
• Samma efterlevnadsgrund: Alla befintliga GDPR- och AI-förordningsåtgärder bevaras och förbättras

CAIRE 2.0 behåller samma deterministiska, regelbaserade optimeringsansats. Den förbättrade arkitekturen ger bättre revisionsmöjligheter och transparens samtidigt som principen "ingen svart låda" som gör CAIRE efterlevande idag bevaras.