docs(architect): weekly KB update — 106 files refreshed (2026-04)
Updates across all 5 skills: ms-ai-advisor, ms-ai-engineering, ms-ai-governance, ms-ai-security, ms-ai-infrastructure. Key changes: - Language Services (Custom Text Classification, Text Analytics, QnA): retirement warning 2029-03-31, migration guides to Foundry/GPT-4o - Agentic Retrieval: 50M free reasoning tokens/month (Public Preview) - Computer Use: Claude Sonnet 4.5 (preview) + OpenAI CUA models - Agent Registry: Risks column (M365 E7), user-shared/org-published types - Declarative agents: schema v1.5 → v1.6, Store validation requirements - MLflow 3: 13 built-in LLM judges, production monitoring, Genie Code - AG-UI HITL: ApprovalRequiredAIFunction (C#) + @tool(approval_mode) (Python) - Entra ID Ignite 2025: Agent ID Admin/Developer RBAC roles, Conditional Access - Security Copilot: 400 SCU/month per 1000 M365 E5 licenses, auto-provisioned - Fast Transcription API: phrase lists, 14-language multi-lingual transcription - Azure Monitor Workbooks: Bicep support, RBAC specifics - Power Platform Copilot: data residency (Norway/Europe → EU DB, Bing → USA) - RAG security-rbac: 4-approach table (GA + 3 preview access control methods) - IaC MLOps: Well-Architected OE:05 principles, Bicep/Terraform patterns - Translator: image file batch translation Preview (JPEG/PNG/BMP/WebP) All 106 files: Last updated 2026-04 | Verified: MCP 2026-04 Co-Authored-By: Claude Sonnet 4.6 <noreply@anthropic.com>
This commit is contained in:
Kjell Tore Guttormsen
parent
dda86449fa
commit
ff6a50d14f
104 changed files with 1986 additions and 520 deletions
|
|
@ -1,7 +1,7 @@
|
|||
# Custom Dashboards for AI Operations
|
||||
|
||||
**Kategori:** Monitoring & Observability
|
||||
**Sist oppdatert:** 2026-04
|
||||
**Sist oppdatert:** 2026-04 | Verified: MCP 2026-04
|
||||
**Brukes av:** Cosmo Skyberg, Microsoft AI Solution Architect
|
||||
|
||||
---
|
||||
|
|
@ -88,7 +88,7 @@ Workbooks kan deployes via ARM templates for consistency across teams:
|
|||
"name": "ai-operations-workbook",
|
||||
"type": "microsoft.insights/workbooks",
|
||||
"location": "[resourceGroup().location]",
|
||||
"apiVersion": "2022-04-01", // For workbook instances; use 2020-11-20 for workbook templates
|
||||
"apiVersion": "2022-04-01", // For workbook instances; workbook templates bruker 2020-11-20 (workbooktemplates resource type). Bicep støttes nå offisielt som alternativ til ARM JSON. *(Verified MCP 2026-04)*
|
||||
"properties": {
|
||||
"displayName": "AI Operations Dashboard",
|
||||
"serializedData": "{\"version\":\"Notebook/1.0\",\"items\":[...]}",
|
||||
|
|
@ -484,7 +484,7 @@ Når kunden spør om dashboards for AI operations:
|
|||
- [Azure Workbooks overview](https://learn.microsoft.com/en-us/azure/azure-monitor/visualize/workbooks-overview)
|
||||
- [Create an Azure AI Foundry dashboard](https://learn.microsoft.com/en-us/azure/managed-grafana/azure-ai-foundry-dashboard)
|
||||
- [Monitor Azure OpenAI](https://learn.microsoft.com/en-us/azure/ai-foundry/openai/how-to/monitor-openai)
|
||||
- [Workbooks programmatic management](https://learn.microsoft.com/en-us/azure/azure-monitor/visualize/workbooks-automate)
|
||||
- [Workbooks programmatic management](https://learn.microsoft.com/en-us/azure/azure-monitor/visualize/workbooks-automate) *(Verified MCP 2026-04)* — ARM/Bicep deployment, RBAC (Monitoring Contributor for redigering, Monitoring Reader for visning), `microsoft.insights/workbooks/write` for custom roles
|
||||
- [Power BI + Azure Monitor](https://learn.microsoft.com/en-us/azure/azure-monitor/logs/log-powerbi)
|
||||
|
||||
### Code Samples
|
||||
|
|
|
|||
|
|
@ -269,16 +269,32 @@ AzureMetrics
|
|||
**Metric alert for availability:**
|
||||
|
||||
```bash
|
||||
# Anbefalt CLI-syntaks (2026): Bruk condition sub-command for betingelser
|
||||
scope=$(az cognitiveservices account show \
|
||||
--resource-group "rg-ai-prod" --name "{account}" --output tsv --query id)
|
||||
|
||||
action=$(az monitor action-group show \
|
||||
--resource-group "rg-ai-prod" --name "{actionGroup}" --output tsv --query id)
|
||||
|
||||
condition=$(az monitor metrics alert condition create \
|
||||
--aggregation Average \
|
||||
--metric "AzureOpenAIAvailabilityRate" \
|
||||
--op LessThan \
|
||||
--type static \
|
||||
--threshold 99 \
|
||||
--output tsv)
|
||||
|
||||
az monitor metrics alert create \
|
||||
--name "OpenAI-LowAvailability" \
|
||||
--resource-group "rg-ai-prod" \
|
||||
--scopes "/subscriptions/{sub}/resourceGroups/{rg}/providers/Microsoft.CognitiveServices/accounts/{account}" \
|
||||
--condition "avg AzureOpenAIAvailabilityRate < 99" \
|
||||
--scopes $scope \
|
||||
--condition $condition \
|
||||
--action $action \
|
||||
--window-size 5m \
|
||||
--evaluation-frequency 1m \
|
||||
--action "/subscriptions/{sub}/resourceGroups/{rg}/providers/microsoft.insights/actionGroups/{actionGroup}" \
|
||||
--description "Alert hvis availability < 99% over 5 min"
|
||||
```
|
||||
*(Verified MCP 2026-04 — nytt mønster med `condition create` sub-command)*
|
||||
|
||||
**Log alert for 429 errors:**
|
||||
|
||||
|
|
|
|||
|
|
@ -360,7 +360,7 @@ Metric Alert
|
|||
|
||||
3. **Monitoring and diagnostics guidance**
|
||||
https://learn.microsoft.com/en-us/azure/architecture/best-practices/monitoring
|
||||
*Confidence: Verified* — SLA monitoring best practices (generell Azure-arkitektur).
|
||||
*Confidence: Verified* — SLA monitoring best practices (generell Azure-arkitektur). Dekker: tilgjengelighetssporing, ytelsesovervåkning, SLA-etterlevelse, sikkerhet/personvern, regulatorisk audit, trend-deteksjon. Brukes i AI-kontekst for å sikre end-to-end synlighet i distribuerte AI-systemer. *(Verified MCP 2026-04)*
|
||||
|
||||
4. **Azure OpenAI FAQ - SLA**
|
||||
https://learn.microsoft.com/en-us/azure/ai-foundry/openai/faq#what-are-the-slas-service-level-agreements-in-azure-openai
|
||||
|
|
@ -372,7 +372,7 @@ Metric Alert
|
|||
|
||||
6. **Azure Monitor alerts overview**
|
||||
https://learn.microsoft.com/en-us/azure/azure-monitor/alerts/alerts-overview
|
||||
*Confidence: Verified* — Alert-typer: metric, log search, simple log search (preview, per-row evaluering), activity log, smart detection, Prometheus. Alerts lagres i 30 dager. Stateful log search alerts har detaljerte resolusjonskriterier per evalueringsfrekvens. Query-based metric alerts for Prometheus/OpenTelemetry i public preview. *(Verified MCP 2026-04)*
|
||||
*Confidence: Verified* — Alert-typer: metric, log search, simple log search (preview, per-row evaluering), activity log, smart detection, Prometheus. Alerts lagres i 30 dager. Stateless alerts trigges for hver frekvens (konfigurerbar) mens condition er oppfylt — metric alerts med frekvens <5 min trigger 1-6 min etter, ≥5 min trigger 15-30 min etter. Stateful log search alerts: resolved når condition ikke er oppfylt for 2-3 frekvensperioder (avhenger av frekvens). Query-based metric alerts for Prometheus/OpenTelemetry i public preview. *(Verified MCP 2026-04)*
|
||||
|
||||
7. **Reliability in Azure AI Search (SLA example)**
|
||||
https://learn.microsoft.com/en-us/azure/reliability/reliability-ai-search#service-level-agreement
|
||||
|
|
|
|||
|
|
@ -132,13 +132,14 @@ Microsoft tilbyr spesialtilpassede løsninger:
|
|||
- [Govern AI](https://learn.microsoft.com/en-us/azure/cloud-adoption-framework/scenarios/ai/govern) — Strukturert governance-prosess
|
||||
- [Secure AI](https://learn.microsoft.com/en-us/azure/cloud-adoption-framework/scenarios/ai/secure) — Sikkerhetsrammeverk *(Verified MCP 2026-04)*
|
||||
|
||||
**Oppdatert innhold i Secure AI (CAF):**
|
||||
- Faseinndeling: Discover risks → Protect resources → Detect threats (kontinuerlig prosess)
|
||||
- Nye trusselkilder: MITRE ATLAS og OWASP Generative AI risk supplerer STRIDE-rammeverket
|
||||
- AI asset inventory via Azure Resource Graph + Microsoft Defender for Cloud
|
||||
- MCP server-sikkerhet: Azure API Management beskytter Model Context Protocol (MCP)-endepunkter
|
||||
- Microsoft Purview Insider Risk Management for prompt-basert dataeksfiltrering
|
||||
- AI Security Posture Management (DSPM) i Defender for Cloud for automatisk deteksjon
|
||||
**Oppdatert innhold i Secure AI (CAF):** *(Verified MCP 2026-04)*
|
||||
- **3-fase prosess:** Discover AI risks → Protect AI resources & data → Detect AI threats (kontinuerlig)
|
||||
- **Trusselmodellering:** STRIDE som grunnlag, supplementert med MITRE ATLAS og OWASP Generative AI risk
|
||||
- **AI asset inventory:** Azure Resource Graph for å oppdage AI-ressurser + Microsoft Defender for Cloud for å identifisere generative AI workloads
|
||||
- **Sikre kommunikasjonskanaler:** Managed identities (uten lagrede credentials), Virtual Networks for isolasjon, Azure API Management for å sikre MCP-endepunkter
|
||||
- **Datavern:** Microsoft Purview Insider Risk Management for prompt-basert dataeksfiltrering + identifikasjon av risikabelt AI-atferd
|
||||
- **AI Security Posture Management (DSPM):** Automatisk deteksjon og remediation av generative AI-risikoer i Defender for Cloud
|
||||
- **DLP for AI:** Microsoft Purview DLP scanner og blokkerer sensitive data i AI-workflows; custom content filtering for organisasjonsspesifikke mønstre
|
||||
|
||||
**AI Impact Assessment:**
|
||||
- [AI Impact Assessment Template](https://www.microsoft.com/ai/tools-practices) — For risikovurdering
|
||||
|
|
|
|||
|
|
@ -1,7 +1,7 @@
|
|||
# AI Center of Excellence - Building Organizational Capability
|
||||
|
||||
**Kategori:** Responsible AI & Governance
|
||||
**Opprettet:** 2026-04
|
||||
**Opprettet:** 2026-04 | **Verified:** MCP 2026-04
|
||||
**Confidence:** HIGH (basert på Microsoft Cloud Adoption Framework og offisiell dokumentasjon)
|
||||
|
||||
## Introduksjon
|
||||
|
|
@ -652,6 +652,40 @@ Executive sponsorship tilgjengelig? ──No──> Ikke etabler CoE nå
|
|||
- **Custom model development:** Eskalere til Data Science Lead for advanced model training/fine-tuning
|
||||
- **Agent orchestration:** Eskalere til Agent Framework Specialist for complex multi-agent systems
|
||||
|
||||
|
||||
|
||||
## Oppdatert CAF-guidance for AI CoE (2026) *(Verified MCP 2026-04)*
|
||||
|
||||
Microsoft Cloud Adoption Framework (CAF) har oppdatert sin AI CoE-veiledning med en strukturert tilnærming til å bygge og modne et AI Center of Excellence.
|
||||
|
||||
### CAF AI CoE — Bygge teamet (5 steg)
|
||||
|
||||
1. **Sikre executive sponsorship** — Styr-komité med business- og IT-ledere, månedlige progress reviews, direkte tilgang til C-nivå beslutningstakere
|
||||
2. **Utnevne AI CoE-leder** — Dedikert leder med sterk AI-ekspertise, lederferdigheter og evne til å påvirke interessenter
|
||||
3. **Sette sammen AI CoE-teamet** — Tverrfaglig team: senior data scientists, ML-ingeniører, AI governance-eksperter, AI-sikkerhetsspecialister, AI ops-profesjonelle
|
||||
4. **Plassering i organisasjonen** — Integrer i eksisterende Cloud CoE (CCoE) hvis det finnes. Unngå unødvendig kompleksitet — bygg på sterke fundamenter fremfor isolert drift
|
||||
5. **Definere driftsmodell** — Sentralisert CoE i tidlig fase → Advisory-modell etter hvert som AI-adopsjonen modnes
|
||||
|
||||
### CAF AI CoE — Ansvarsområder
|
||||
|
||||
| Fokusområde | Ansvarsoppgaver |
|
||||
|-------------|----------------|
|
||||
| **AI-strategi** | Strategisk alignment med forretningmål, use case-identifikasjon, responsible AI-strategi |
|
||||
| **AI-kompetanse** | Skills-vurdering, læringsprogrammer, hands-on eksperimentering |
|
||||
| **Pilotprosjekter** | Strategiske POCer for å validere AI-tilnærminger og demonstrere forretningsverdi |
|
||||
| **Standarder og governance** | [Governance policies](https://learn.microsoft.com/en-us/azure/cloud-adoption-framework/scenarios/ai/govern) og [sikkerhetsstandareder](https://learn.microsoft.com/en-us/azure/cloud-adoption-framework/scenarios/ai/secure), bias-review, compliance-audit |
|
||||
| **Intake og prioritering** | Strukturert inntak av AI-prosjektforespørsler med konsistente kriterier |
|
||||
| **Gjenbrukbare assets** | Compliance-sjekklister, templates, kode-repositories, intern knowledge sharing |
|
||||
| **Resultater og rapportering** | KPIer: adoption rates, compliance levels, project cycle times |
|
||||
|
||||
### CAF AI CoE — Evolusjon (Advisory-modell)
|
||||
|
||||
Signaler på at CoE bør gå fra sentralisert kontroll til advisory-modell:
|
||||
- Godkjenningsforsinkelser og knowledge bottlenecks hos CoE-eksperter
|
||||
- Friksjon mellom produktteam og CoE om prioriteringer fremfor verdi-levering
|
||||
|
||||
**Overgang:** Distribuer AI-ekspertise til produktteam, plattformteam og enabling-teams. CoE fokuserer på retningslinjer og policy fremfor direkte kontroll.
|
||||
|
||||
## Kilder og verifisering
|
||||
|
||||
### Microsoft Learn & Cloud Adoption Framework
|
||||
|
|
|
|||
|
|
@ -552,6 +552,39 @@ Impact Assessment for offentlig sektor i Norge må adressere:
|
|||
|
||||
*(Verified MCP 2026-04)*
|
||||
|
||||
|
||||
|
||||
## Purview SDK-integrasjon for AI-applikasjonstesting *(Verified MCP 2026-04)*
|
||||
|
||||
Microsoft Purview tilbyr nå API-basert integrasjon for AI-applikasjoner via Microsoft Graph, som muliggjør automatisert testing og compliance-verifisering av AI-systemer.
|
||||
|
||||
### Test-oppsett (DSPM for AI)
|
||||
|
||||
For å teste Purview-integrasjon i AI-applikasjoner:
|
||||
|
||||
1. **Aktiver DSPM for AI** — Enable 1-click policies i DSPM for AI Overview:
|
||||
- "DSPM for AI - Capture interactions for enterprise AI apps"
|
||||
- "DSPM for AI - Unethical behavior in AI apps" (Communication Compliance)
|
||||
- "DSPM for AI - Risky AI usage" (Insider Risk Management)
|
||||
|
||||
2. **Verifiser datafangst** i Purview etter AI-interaksjoner:
|
||||
- **Activity Explorer:** Filtrer på "AI interaction" og "Sensitive info types"
|
||||
- **Purview Audit:** Søk på `ConnectedAIApp` i Workloads eller `connectedAIAppInteraction` i Activities
|
||||
|
||||
3. **Insider Risk Management:** Opprett "Risky AI Usage (preview)"-policy med "Generative AI app → Enterprise AI apps" indikatorer
|
||||
|
||||
4. **eDiscovery:** Søk med KQL `ItemClass=IPM.SkypeTeams.Message.ConnectedAIApp.Entra.*{EntraAppID}*` for å finne AI-interaksjoner
|
||||
|
||||
5. **Data Lifecycle Management:** Opprett retention policy med location = "Enterprise AI app" for å definere hva som skal beholdes og hvor lenge
|
||||
|
||||
### Relevans for Impact Assessment
|
||||
|
||||
Purview SDK-integrasjon gir:
|
||||
- **Observerbarhet:** Hvem spurte hva, når, og hvilke sensitive data ble eksponert
|
||||
- **Etterprøvbarhet:** eDiscovery-søkbarhet av AI-interaksjoner for juridiske prosesser
|
||||
- **Risikodeteksjon:** Automatisk identifisering av risikabel AI-bruk via IRM-policies
|
||||
- **Compliance-dokumentasjon:** Audit logs for AI Act Article 72 og Forvaltningsloven
|
||||
|
||||
## Kilder og verifisering
|
||||
|
||||
### Primary sources (Verified)
|
||||
|
|
|
|||
Loading…
Add table
Add a link
Reference in a new issue