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:
parent
dda86449fa
commit
ff6a50d14f
104 changed files with 1986 additions and 520 deletions
|
|
@ -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