chore(ms-ai-architect): scrub identifying references from fixtures + remove screenshots

Removes:
- All 6 PNG screenshots (playground/screenshots/) and the capture script
  (scripts/screenshots/capture-playground.py).
- "Screenshots" section from plugin README.
- "Screenshot-suite" section from plugin CLAUDE.md.
- Screenshots bullet from marketplace root README's ms-ai-architect listing.

Scrubs the 17 synthetic fixtures + CHANGELOG/CLAUDE/README of identifying
references: organization names, government-agency names, agency-specific
terminology, sector-specific use cases. Replaced with generic placeholder
data ("Acme AS" / "Demosystem") that exercises the same parser archetypes.

Plugin's domain-target wording (Datatilsynet, offentlig sektor, offentlig
myndighet, rettshåndhevelse, NS 5814, Utredningsinstruksen, EU AI Act
Annex III categories) is intact — those describe the plugin's intended
audience, not any specific entity.

This is a cleanup commit. Earlier git history still contains the prior
references; force-push or rebase is required if scrubbing the history is
desired. That decision is out of scope here — please run it separately
if needed.

Verified post-scrub:
- bash tests/validate-plugin.sh -> 215/215 PASS
- bash tests/run-e2e.sh --playground -> 240/240 PASS (170 + 70)

plugins/ms-ai-architect/playground/test-fixtures/utredning.md

@@ -1,8 +1,8 @@
-# AI-arkitekturutredning — ANPR-trafikkanalyse for Statens vegvesen
+# AI-arkitekturutredning — Demosystem for Acme AS
 
 ## 1. Bakgrunn og formål
 
-Statens vegvesen har siden 2018 driftet en on-prem ANPR-løsning for trafikkanalyse på riksveger og enkelte kommunale veger. Løsningen er basert på OCR-bibliotek fra 2017 og leveres som et lukket system uten mulighet for retrening eller forbedring av modell. Saksbehandlingen er manuell og tar i snitt 14 minutter per sak. KI-seksjonen utreder modernisering til en skybasert AI-plattform som støtter custom modell-trening, audit-logging på inferens-nivå, og saksbehandler-co-pilot.
+Acme AS har siden 2018 driftet en on-prem Demosystem-løsning for operasjonell analyse på tvers av leverandørens tjenesteportefølje. Løsningen er basert på et OCR-bibliotek fra 2017 og leveres som et lukket system uten mulighet for retrening eller forbedring av modell. Saksbehandlingen er manuell og tar i snitt 14 minutter per sak. Et internt AI-team utreder modernisering til en skybasert AI-plattform som støtter custom modell-trening, audit-logging på inferens-nivå, og saksbehandler-co-pilot.
 
 ## 2. Mandat
 
@@ -17,7 +17,7 @@ Utredningen skal:
 
 Utredningen kombinerer:
 - Kvalitativ analyse av compliance-krav per relevante lover og forskrifter
-- Kvantitativ TCO-analyse basert på 12 millioner ANPR-deteksjoner/mnd
+- Kvantitativ TCO-analyse basert på 12 millioner Demosystem-deteksjoner/mnd
 - Risikoanalyse per NS 5814 og DPIA per Datatilsynets veileder
 - Markedsundersøkelse av tilgjengelige plattformer fra Azure, AWS og GCP
 
@@ -25,12 +25,12 @@ Utredningen kombinerer:
 
 ### 4.1 Compliance
 
-EU AI Act klassifiserer systemet som høyrisiko (Annex III, punkt 6 — rettshåndhevelse). Statens vegvesen er Provider og Deployer, hvilket trigger alle krav i Art. 9-15 + Art. 27 (FRIA) + Art. 49 (registrering).
+EU AI Act klassifiserer systemet som høyrisiko (Annex III, punkt 6 — rettshåndhevelse). Acme AS er Provider og Deployer, hvilket trigger alle krav i Art. 9-15 + Art. 27 (FRIA) + Art. 49 (registrering).
 
 ### 4.2 Teknologivalg
 
 Azure AI Foundry er anbefalt primær plattform fordi:
-- Full compliance-pakke for offentlig sektor
+- Full compliance-pakke for leverandøren
 - Customer-managed keys og Customer Lockbox tilgjengelig
 - Custom modell-trening via integrert Azure ML
 - Norsk dataresidens (West Europe + EU Data Boundary)
@@ -41,7 +41,7 @@ Azure AI Foundry er anbefalt primær plattform fordi:
 
 ### 4.4 Risiko
 
-Hovedrisiko: bias mot utenlandske kjennemerker, modell-drift over tid, og manglende ABAC-implementering på saksbehandler-tilgang. Alle har konkrete tiltak.
+Hovedrisiko: bias mot utenlandske objekt-ID, modell-drift over tid, og manglende ABAC-implementering på saksbehandler-tilgang. Alle har konkrete tiltak.
 
 ## 5. Konklusjon