chore(privacy): scrub real-org references from plugin internals (phase 2)

Same bulk replacement applied to plugin-internal KB, examples, fixtures,
tests, and docs. Real organization names, persona names, internal system
identifiers, and domain-specific terms replaced with fictional generic
public-sector entity (DDT) and generic terminology.

Scope:
- okr/ — examples, governance, framework, integrations, sources
- ms-ai-architect/ — KB references (engineering, governance, security,
  infrastructure, advisor), tests/fixtures, agents, docs
- linkedin-thought-leadership/ — voice samples, network-builder,
  examples (genericized identifying headlines to "[your organization]")
- llm-security/ — research notes, scan report

Manual genericization beyond bulk replace:
- okr SKILL.md "Primary user / Domain" — generic Norwegian public sector
- linkedin-voice SKILL.md headline placeholder
- network-builder.md headline placeholder
- high-engagement-posts.md voice sample employer line + hashtag

Phase 3 (factual-attribution review) remains: a few KB files attribute
publicly known transport-sector docs/datasets (e.g. håndbok V440, NVDB)
to the fictional DDT after bulk replace. Needs manual semantic review
to either remove or restore correct citation without re-introducing
affiliation references.

Co-Authored-By: Claude Opus 4.7 <noreply@anthropic.com>

plugins/ms-ai-architect/skills/ms-ai-engineering/references/multi-modal/azure-video-indexer-patterns.md

@@ -154,7 +154,7 @@ Video Indexer ekstraherer tekst frå bilete og video gjennom OCR:
 ```json
 {
   "id": 1,
-  "text": "Statens vegvesen",
+  "text": "Direktoratet for digital tjenesteutvikling",
   "confidence": 0.95,
   "left": 120,
   "top": 50,

plugins/ms-ai-architect/skills/ms-ai-engineering/references/multi-modal/cv-llm-integration.md

@@ -401,7 +401,7 @@ Bruk Phi-4 på edge for rask triagering, send berre komplekse tilfelle til cloud
 
 ### Bruksscenario
 
-- **Vegvesenet**: Analyse av vegdekkeskade frå inspeksjonsbilete
+- **Direktoratetet**: Analyse av vegdekkeskade frå inspeksjonsbilete
 - **Kartverket**: Klassifisering av satellittbilete og kartdata
 - **Kulturminnevern**: Digital katalogisering av kulturminne
 - **Helsesektoren**: Analyse av røntgen/MR med AI-assistanse (medisinsk produkt-regulering)
@@ -435,6 +435,6 @@ Bruk Phi-4 på edge for rask triagering, send berre komplekse tilfelle til cloud
 
 - **Cascade-mønsteret** (Azure AI Vision først, GPT-4o for komplekse tilfelle) reduserer kostnad med 60-80% — bruk Vision for filtrering/kategorisering og GPT-4o berre for det som krev resonnering
 - **Vision fine-tuning av GPT-4o** (2024-08-06) gir domene-spesialisering — men Azure filtrerer automatisk ut bilete med personar/ansikt frå treningsdata, noko som avgrensar bruksområdet
-- **Phi-4-multimodal-instruct** med Student-Teacher fine-tuning frå GPT-4o gir edge-kapabel vision AI — relevant for Vegvesenet sin inspeksjonsinfrastruktur og andre offline-scenario
+- **Phi-4-multimodal-instruct** med Student-Teacher fine-tuning frå GPT-4o gir edge-kapabel vision AI — relevant for Direktoratetet sin inspeksjonsinfrastruktur og andre offline-scenario
 - **Few-shot visual learning** med GPT-4o krev berre 3-5 eksempelbilete for ny klassifiseringsoppgåve — bruk `detail: "low"` på eksempel (85 tokens) og `detail: "high"` på target for å optimalisere kostnad
 - **Multimodal embeddings** (Azure AI Vision v4.0) støttar 102 språk og muliggjer semantisk bildesøk — bruk for å bygge søkbare bildearkiv i offentleg sektor

plugins/ms-ai-architect/skills/ms-ai-engineering/references/multi-modal/image-classification-understanding.md

@@ -109,7 +109,7 @@ response = client.chat.completions.create(
         {
             "role": "system",
             "content": """Du er ein bildeklassifiseringsekspert for
-            Statens vegvesen. Klassifiser vegskader i kategoriane:
+            Direktoratet for digital tjenesteutvikling. Klassifiser vegskader i kategoriane:
             - SPREKK_LANGSGAAANDE
             - SPREKK_TVERRGAAANDE
             - HULLROT

plugins/ms-ai-architect/skills/ms-ai-engineering/references/multi-modal/multimodal-prompt-engineering.md

@@ -331,7 +331,7 @@ AVGRENSINGAR:
 
 # Eksempel: Vegskade-vurdering
 system_message = VISUAL_SYSTEM_TEMPLATE.format(
-    rolle="Vegingeniør med 20 års erfaring frå Statens vegvesen",
+    rolle="Vegingeniør med 20 års erfaring frå Direktoratet for digital tjenesteutvikling",
     kontekst="Årlege veginspeksjonar for fylkesvegar i Noreg",
     oppgåve="Vurder vegskade og anbefal vedlikehaldstiltak",
     steg_for_steg_instruksjonar="""

plugins/ms-ai-architect/skills/ms-ai-engineering/references/multi-modal/real-time-audio-api.md

@@ -107,7 +107,7 @@ async def realtime_conversation():
             "session": {
                 "modalities": ["text", "audio"],
                 "instructions": (
-                    "Du er ein norsk kundeserviceagent for Statens vegvesen. "
+                    "Du er ein norsk kundeserviceagent for Direktoratet for digital tjenesteutvikling. "
                     "Svar på norsk. Ver høfleg og presis."
                 ),
                 "voice": "alloy",
@@ -361,7 +361,7 @@ def estimate_realtime_cost(sessions_per_day, avg_duration_minutes):
 - **NAV kontaktsenter**: Automatisert talebasert rettleiing for ytingar og søknader
 - **Kommunale servicesentra**: 24/7 talebasert borgarservice
 - **Helsevesenet**: Triageringssamtalar med automatisk dokumentasjon
-- **Vegvesenet**: Talebasert rettleiing for førarkort og køyretøytenester
+- **Direktoratetet**: Talebasert rettleiing for førarkort og køyretøytenester
 
 ### Regulatoriske krav
 

plugins/ms-ai-architect/skills/ms-ai-engineering/references/multi-modal/speech-to-ai-pipelines.md

@@ -88,7 +88,7 @@ For norsk offentleg sektor med spesialisert terminologi:
 ```python
 # Phrase list for forbetra norsk gjenkjenning
 phrase_list = speechsdk.PhraseListGrammar.from_recognizer(speech_recognizer)
-phrase_list.addPhrase("Statens vegvesen")
+phrase_list.addPhrase("Direktoratet for digital tjenesteutvikling")
 phrase_list.addPhrase("E6 Megården-Mørsvikbotn")
 phrase_list.addPhrase("Utredningsinstruksen")
 phrase_list.addPhrase("Forvaltningsloven")

plugins/ms-ai-architect/skills/ms-ai-engineering/references/multi-modal/text-to-speech-citizen.md

@@ -65,7 +65,7 @@ synthesizer = speechsdk.SpeechSynthesizer(
 
 # Teksten sin automatisk detekterte språk styrer uttale
 result = synthesizer.speak_text_async(
-    "Dette vedtaket er sendt til deg fra Statens vegvesen."
+    "Dette vedtaket er sendt til deg fra Direktoratet for digital tjenesteutvikling."
 ).get()
 
 if result.reason == speechsdk.ResultReason.SynthesizingAudioCompleted:
@@ -123,7 +123,7 @@ SSML (Speech Synthesis Markup Language) gir finkornet kontroll over korleis teks
     <voice name="en-US-AvaMultilingualNeural">
         <mstts:express-as style="friendly" styledegree="1.5">
             <lang xml:lang="nb-NO">
-                Velkommen til Statens vegvesen sin telefonteneste.
+                Velkommen til Direktoratet for digital tjenesteutvikling sin telefonteneste.
             </lang>
         </mstts:express-as>
     </voice>

plugins/ms-ai-architect/skills/ms-ai-engineering/references/multi-modal/video-analysis-patterns.md

@@ -10,7 +10,7 @@
 
 Videoanalyse og -forståing på Azure-plattforma kombinerer Azure AI Video Indexer sin spesialiserte videoanalyse med generative AI-modellar som GPT-4o for djupare semantisk forståing. Video Indexer ekstraherer over 30 ulike typar innsikt frå video — inkludert scenedeteksjon, talegjenkjenning, emosjonanalyse, OCR, ansiktsgjenkjenning og objektdeteksjon — medan GPT-4o sine visuelle kapabilitetar opnar for fri-form analyse av enkeltbilete og keyframes.
 
-For norsk offentleg sektor er videoanalyse relevant for fleire bruksområde: analyse av overvakingsvideo for Statens vegvesen, transkripsjon og søk i offentlege høyringar for Stortinget, tilgjengelegheitsanalyse av offentleg video, og automatisert kvalitetskontroll av opplæringsvideo. Azure Video Indexer støttar norsk tale-til-tekst og kan oversette til 50+ språk.
+For norsk offentleg sektor er videoanalyse relevant for fleire bruksområde: analyse av overvakingsvideo for Direktoratet for digital tjenesteutvikling, transkripsjon og søk i offentlege høyringar for Stortinget, tilgjengelegheitsanalyse av offentleg video, og automatisert kvalitetskontroll av opplæringsvideo. Azure Video Indexer støttar norsk tale-til-tekst og kan oversette til 50+ språk.
 
 Azure AI Video Indexer tilbyr også real-time videoanalyse (preview) via Azure Arc-enabled infrastruktur, som mogleggjer sanntidsanalyse av livevideo ved kanten — relevant for trafikkmonitorering og smart byinfrastruktur.
 
@@ -330,7 +330,7 @@ Video Indexer ekstraherer rike audio-innsikter:
 
 ### Bruksscenario
 
-- **Statens vegvesen**: Trafikkvideoanalyse for hendingsdeteksjon og trafikkflyt
+- **Direktoratet for digital tjenesteutvikling**: Trafikkvideoanalyse for hendingsdeteksjon og trafikkflyt
 - **Stortinget**: Søkbar indeksering av høyringar og debattar
 - **NRK**: Automatisk underteksting og innhaldsklassifisering
 - **Kommunar**: Analyse av bystyremøte med talar-identifisering

plugins/ms-ai-architect/skills/ms-ai-engineering/references/multi-modal/whisper-speech-recognition.md

@@ -341,7 +341,7 @@ phrase_list = speechsdk.PhraseListGrammar.from_recognizer(recognizer)
 
 # Norske forvaltingstermar
 forvaltingstermar = [
-    "Statens vegvesen", "Digitaliseringsdirektoratet",
+    "Direktoratet for digital tjenesteutvikling", "Digitaliseringsdirektoratet",
     "forvaltingslova", "offentleglova", "personopplysningslova",
     "DPIA", "GDPR", "ROS-analyse", "Schrems II",
     "Microsoft Entra ID", "Azure AI Foundry",