chore(ms-ai-architect): KB refresh complete — 23 files (high batch 2) [skip-docs]
Last batch in HIGH bucket. Combined with 82bd665 (critical 9 + high batch 1, 21 files), this finishes the critical+high KB-refresh sweep for v1.12.0.
Substantive edits (3 files):
- security-copilot-integration.md: M365 E5/E7 inclusion auto-provisioning, agents-first landing experience, role-based onboarding (Verified MCP 2026-05)
- entra-agent-id-zero-trust.md: Ignite 2025-utvidelser — Conditional Access for agenter, Risky agents, 3 nye Agent ID-roller, Microsoft Agent Identity Platform, Copilot Studio blueprint principal
- ai-center-of-excellence-setup.md: Ny "Oppdateringer 2026-05"-seksjon — tre-roller-modell (platform/workload/CoE), agent-ferdighetsområder, sentralisert→rådgivende operasjonsmodell
Date-bump (20 files):
- HIGH-bucket filer der MCP-fetch viste kosmetiske endringer (forrige sesjons lærdom replikert)
Tests: validate-plugin.sh PASS 219.
This commit is contained in:
parent
c407d3451d
commit
8179415bc2
23 changed files with 85 additions and 28 deletions
|
|
@ -1,5 +1,5 @@
|
|||
# AI Act Compliance - EU Regulation & Norwegian Implementation
|
||||
**Last updated:** 2026-04
|
||||
**Last updated:** 2026-05
|
||||
**Status:** GA
|
||||
**Category:** Responsible AI & Governance
|
||||
|
||||
|
|
|
|||
|
|
@ -1,7 +1,7 @@
|
|||
# AI Center of Excellence - Building Organizational Capability
|
||||
|
||||
**Kategori:** Responsible AI & Governance
|
||||
**Opprettet:** 2026-04 | **Verified:** MCP 2026-04
|
||||
**Opprettet:** 2026-04 | **Sist oppdatert:** 2026-05 | **Verified:** MCP 2026-05
|
||||
**Confidence:** HIGH (basert på Microsoft Cloud Adoption Framework og offisiell dokumentasjon)
|
||||
|
||||
## Introduksjon
|
||||
|
|
@ -714,5 +714,41 @@ Alle kilder hentet via `mcp__microsoft-learn__microsoft_docs_search` og `microso
|
|||
- Norsk offentlig sektor-hensyn er basert på kjent regulatorisk rammeverk, ikke Microsoft-spesifikk guidance
|
||||
- ROI-tall er generelle industry benchmarks, ikke Microsoft-spesifikke
|
||||
|
||||
**Sist verifisert:** 2026-02-03
|
||||
**Neste review:** 2026-05-03 (AI-området endres raskt, quarterly review anbefales)
|
||||
**Sist verifisert:** 2026-05 (MCP-fetch på 2 av 9 endrede CAF-kilder)
|
||||
**Neste review:** 2026-08 (AI-området endres raskt, quarterly review anbefales)
|
||||
|
||||
## Oppdateringer 2026-05 — AI Agent-tilpasset CoE *(Verified MCP 2026-05)*
|
||||
|
||||
Microsoft har utvidet Cloud Adoption Framework med en egen *AI agents*-spalte i tillegg til den eksisterende AI-scenarioguiden. Dette gir tydeligere rollefordeling mellom plattform, arbeidsbelastning og CoE i agent-æraen — relevant for organisasjoner som flytter fra LLM-baserte applikasjoner til autonome AI-agenter.
|
||||
|
||||
### Tre-roller-modell for agent-adopsjon
|
||||
|
||||
| Rolle | Ansvar | Eksempel |
|
||||
|-------|--------|----------|
|
||||
| **Platform-team** | Tekniske fundamentet og governance-rekkverket. Auditerer og håndhever Responsible AI-policyer, observability, compliance, og konsistent risikostyring på tvers av virksomheten. | Sentraliserte teams (CCoE-utvidelse) som drifter Foundry/Copilot Studio-miljøer. |
|
||||
| **Workload-team** | Eier ende-til-ende-livsløpet for konkrete agenter — businesskrav, domenedata, samtaleflyt, integrasjoner. Arver plattformens sikkerhetskontroller. | Fagavdelingens utviklere som lager kunde-/medarbeideragenter. |
|
||||
| **AI CoE** | Sentral rådgivende kropp som driver strategi, skalerer ekspertise og hindrer fragmentert adopsjon. Embedder Responsible AI-prinsipper i organisatorisk policy, leder opplæring. | Eksisterende CoE eller CCoE-spor som utvides med agent-fokus. |
|
||||
|
||||
Microsoft anbefaler at AI CoE integreres i en eksisterende CCoE/AI-organisasjon der den finnes — frittstående CoE-team opprettes kun hvis nåværende strukturer ikke kan støtte agent-adopsjon eller hvis kritiske risikoer eksisterer.
|
||||
|
||||
### Ferdighetsområder for agent-aktiverte team
|
||||
|
||||
| Ferdighet | Beskrivelse |
|
||||
|-----------|-------------|
|
||||
| **Prompt engineering** | Teknikker for å designe inputs, system-instruksjoner og orkestreringslogikk som styrer modellatferd. |
|
||||
| **Agent optimization** | Fine-tuning av modeller, evaluering mot ground truth, performance-monitoring. |
|
||||
| **AI ethics & governance** | Anvendelse av Responsible AI-prinsipper for å sikre safety, fairness, compliance. |
|
||||
| **Data engineering for AI** | Strukturering av ustrukturerte data, vektor-indekser, RAG-mønstre. |
|
||||
| **AI security** | Detection og mitigering av AI-spesifikke trusler — prompt injection, jailbreaks. |
|
||||
|
||||
For norsk offentlig sektor anbefales å koble disse ferdighetsområdene mot Digdir-rammeverket (interoperabilitet, åpenhet) og NSM Grunnprinsipper for IKT-sikkerhet (deteksjon, respons), slik at agent-CoE-en operasjonaliserer både Microsoft Responsible AI og nasjonale krav.
|
||||
|
||||
### Operasjonsmodell — fra sentralisert til rådgivende
|
||||
|
||||
CoE bør evolve fra sentralisert kontroll til en rådgivende rolle etter hvert som agent-adopsjon modner. Microsoft signaliserer tre indikatorer for å gjøre overgangen:
|
||||
|
||||
1. **Approval delays / kunnskapsflaskehalser** — eksperter i CoE klarer ikke betjene alle team
|
||||
2. **Friksjon med produktteam** — debatt om prioriteringer overskygger verdileveranse
|
||||
3. **Plattformkapabilitet** — platform-team kan håndheve governance og sikker leveranse på tvers av workloads
|
||||
|
||||
Når disse er oppfylt: bytt gatekeeper-modell mot rådgivende guardrails. CoE forblir ansvarlig for policy, oversikt og kompetansebygging.
|
||||
|
|
|
|||
|
|
@ -1,6 +1,6 @@
|
|||
# AI Impact Assessment - Evaluating Organizational and Societal Impact
|
||||
|
||||
**Last updated:** 2026-04
|
||||
**Last updated:** 2026-05
|
||||
**Status:** GA
|
||||
**Category:** Responsible AI & Governance
|
||||
|
||||
|
|
|
|||
|
|
@ -1,6 +1,6 @@
|
|||
# GDPR Compliance for AI Systems - Data Privacy in Practice
|
||||
|
||||
**Last updated:** 2026-02
|
||||
**Last updated:** 2026-05
|
||||
**Status:** GA
|
||||
**Category:** Responsible AI & Governance
|
||||
|
||||
|
|
|
|||
|
|
@ -1,6 +1,6 @@
|
|||
# Human-in-the-Loop and Oversight - Maintaining Human Agency
|
||||
|
||||
**Last updated:** 2026-04
|
||||
**Last updated:** 2026-05
|
||||
**Status:** GA
|
||||
**Category:** Responsible AI & Governance
|
||||
|
||||
|
|
|
|||
|
|
@ -1,6 +1,6 @@
|
|||
# Responsible AI Policy Development - Creating Organizational Standards
|
||||
|
||||
**Last updated:** 2026-02
|
||||
**Last updated:** 2026-05
|
||||
**Status:** GA
|
||||
**Category:** Responsible AI & Governance
|
||||
|
||||
|
|
|
|||
|
|
@ -1,6 +1,6 @@
|
|||
# Stakeholder Communication - Explaining AI Decisions to Non-Technical Audiences
|
||||
|
||||
**Last updated:** 2026-04
|
||||
**Last updated:** 2026-05
|
||||
**Status:** GA
|
||||
**Category:** Responsible AI & Governance
|
||||
|
||||
|
|
|
|||
Loading…
Add table
Add a link
Reference in a new issue