Kjell Tore Guttormsen ff6a50d14f 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>

2026-04-10 09:13:24 +02:00

30 KiB

Raw Blame History

Azure AI Services vs Foundry Tools - Platform Selection Guide

Last updated: 2026-04 | Verified: MCP 2026-04 Status: GA Category: Azure AI Services (Foundry Tools)

Introduksjon

Microsoft tilbyr flere nivåer av AI-tjenester under paraplynavnet "Azure AI Services" (tidligere Cognitive Services). Denne guiden klargjør forskjellen mellom de tre hovedplattformene: Foundry Tools (individuelle AI-tjenester), Azure AI Foundry (plattform), og Azure OpenAI (generativ AI-tjeneste).

Forvirring i bransjen: Begrepet "Azure AI Services" brukes både som samlebetegnelse for alle AI-tjenester OG som teknisk ressurstype (kind: AIServices). Microsoft har nylig endret terminologi fra "Cognitive Services" til "Foundry Tools" for enkelttjenester.

Nøkkelforskjeller i kortform

Aspekt	Foundry Tools	Azure AI Foundry	Azure OpenAI
Type	Enkeltstående AI-tjenester (API/SDK)	Unified development platform (PaaS)	Generativ AI-tjeneste
Målgruppe	Utviklere (begrenset AI-kompetanse ok)	Utviklere + data scientists	Utviklere + data scientists
Kompleksitet	Lav → Middels	Middels → Høy	Middels → Høy
Tilpasning	Prebuilt + noe finjustering	Full kontroll over modeller/agenter	Modellvalg, prompt engineering, fine-tuning
Orkestrering	Nei (kun API-kall)	Ja (agents, workflows)	Delvis (via Agent Service)
Bruksområde	Enkeltstående AI-funksjoner	Multi-agent systemer, GenAI-apps	Generativ AI (tekst, bilde, lyd)

Confidence: Høy (offisiell Microsoft-dokumentasjon 2025-2026)

Kjernekomponenter / Nøkkelegenskaper

1. Foundry Tools (Azure AI Services)

Definisjon: Prebuilt AI-tjenester som leveres via REST API og SDK, med lite eller ingen AI-ekspertise påkrevd.

Tjenestekategorier

Kategori	Tjenester	Typiske bruksområder
Vision	Computer Vision, Face API, Content Understanding, Video Indexer	Bildeklassifisering, ansiktsgjenkjenning, video-analyse
Speech	Speech-to-Text, Text-to-Speech, Speech Translation	Transkripsjon, stemmeassistenter, flerspråklig tale
Language	Language Understanding, Translator, Sentiment Analysis	NLP, oversettelse, sentimentanalyse
Document	Document Intelligence, Content Understanding	Dokumentuttrekk, OCR, formulardata
Decision	Content Safety, Personalizer (utgått)	Innholdsmoderering, anbefalinger

Kjennetegn

Serverless API-modell: Pay-per-use, ingen infrastrukturforvaltning
Regional deployment: Tjenester deployes i Azure-regioner med lokal dataprosessering
Commitment tiers: Mulighet for forhåndsbetalte kapasitetsplaner (faste kostnader)
Tilpasning: Noen tjenester støtter custom models (f.eks. Custom Vision, Custom Speech) via labeled data

Autentisering og tilgang

API keys (legacy) eller Microsoft Entra ID (anbefalt)
RBAC: Cognitive Services User, Cognitive Services Contributor
Networking: VNET-integrasjon, Private Endpoints støttes

Confidence: Høy (offisiell oversikt fra MS Learn)

2. Azure AI Foundry

Definisjon: Unified platform for å bygge, deploye og forvalte generativ AI og nongenerativ AI-applikasjoner. Kombinerer agents, models, tools, observability, og governance i én PaaS-løsning.

Arkitekturkomponenter

┌─────────────────────────────────────────────────┐
│        Azure AI Foundry Platform                │
├─────────────────────────────────────────────────┤
│  Authoring Layer                                │
│  - Foundry Portal (ai.azure.com)                │
│  - Workflows (visuell designer)                 │
│  - Prompt-based agents (declarative)            │
│  - Hosted agents (code-first)                   │
├─────────────────────────────────────────────────┤
│  Orchestration Layer                            │
│  - Agent Service                                │
│  - Microsoft Agent Framework (open-source)      │
│  - Multi-agent workflows                        │
├─────────────────────────────────────────────────┤
│  Runtime Layer                                  │
│  - Model catalog (OpenAI, Anthropic, Meta...)   │
│  - Azure OpenAI                                 │
│  - Foundry Tools (Speech, Vision, Language)     │
│  - Evaluations & observability (App Insights)   │
├─────────────────────────────────────────────────┤
│  Governance Layer                               │
│  - Content Safety                               │
│  - RBAC & Entra ID                              │
│  - Responsible AI tools                         │
└─────────────────────────────────────────────────┘

Ressurstyper (Azure Resource Manager)

Resource Type	Kind	Capabilities
Foundry	`AIServices`	Agents, Evaluations, Azure OpenAI, Speech, Vision, Language, Content Understanding
Foundry project	`AIServices` (subresource)	Isolert prosjektscope for team
Azure OpenAI (legacy)	`OpenAI`	Kun OpenAI-modeller (anbefales å oppgradere til Foundry)
Azure AI Hub (deprecated)	`Hub`	Eldre resource type (migreres til Foundry)

Nøkkelkapabiliteter:

Agent Service: Managed runtime for agentic AI (conversation state, tool orchestration, safety enforcement)
Model Catalog: 100+ modeller fra Microsoft, OpenAI, Anthropic, Meta, Mistral, Cohere
Connected agents: Integrasjon med Azure AI Search, SharePoint, Bing, Azure Functions, Logic Apps
Workflows: YAML-basert multi-agent orkestrering med visual designer
Observability: Built-in tracing via Application Insights (traces, evaluations, conversation-level visibility)
Responsible AI: Bias detection, interpretability, content filtering, fairness tools

Compute-krav:

Managed runtime for agents (ingen VM/Kubernetes-administrasjon)
Compute instances påkrevd for visse features (training, batch processing)

Confidence: Høy (dokumentert i Microsoft Foundry architecture docs)

3. Azure OpenAI Service

Definisjon: Spesialisert tjeneste for å få tilgang til OpenAI-modeller (GPT, DALL-E, Whisper, Embeddings) med Azure enterprise-fordeler (sikkerhet, compliance, SLA).

Modellserie (2026-02)

Modell	Bruksområde	Deployment-typer
o4-mini	Reasoning, kompleks problemløsning	Standard, Global Standard
o3, o3-mini	Avansert reasoning	Standard, Provisioned Throughput
GPT-4o, GPT-4o-mini	Chat, multimodal (tekst/bilde)	Standard, Global Standard, Provisioned
GPT-4 Turbo	Long-context tasks (128k tokens)	Standard, Provisioned
GPT-3.5-Turbo	Kostnadseffektiv chat	Standard, Global Standard
DALL-E 3	Bildegenerering	Standard
Whisper	Speech-to-text	Standard
Embeddings (text-embedding-3)	Vektorisering for RAG	Standard

Deployment-typer

Type	Beskrivelse	Bruksområde
Standard	Serverless, pay-per-token	Utviklingsmiljøer, variabel last
Global Standard	Globalt routet (ingen data residency)	9 % rimeligere, høy throughput
Provisioned Throughput (PTU)	Reserved capacity, forutsigbar latens	Produksjon med streng SLA

Prismodell:

Token-basert: Pris per 1,000 tokens (input/output separat)
Fine-tuning: Training cost + hosting cost (per time) + inference cost
Regional variasjon: Prisene varierer per Azure-region

Integrasjon med Foundry:

Azure OpenAI er inkludert i Foundry resource type (kind: AIServices)
Legacy Azure OpenAI resources (kind: OpenAI) kan oppgraderes til Foundry uten API-endringer

Confidence: Høy (Azure OpenAI pricing page 2026)

Arkitekturmønstre

Mønster 1: Enkeltstående AI-funksjon (Foundry Tools)

Bruk når:

Behov for én spesifikk AI-kapabilitet (f.eks. sentiment analysis, OCR, translation)
Ingen behov for orkestrering eller multi-step workflows
Begrenset AI-kompetanse i teamet

Eksempelarkitektur:

[Web App] → [Azure AI Language] → [Sentiment Analysis API]
          ↓
    [Cosmos DB] (lagre resultater)

Fordeler:

Enkel integrasjon (REST API/SDK)
Lav kostnad for sporadisk bruk
Ingen infrastrukturforvaltning

Ulemper:

Ingen native orkestrering (må bygges selv)
Begrenset kontroll over underliggende modeller
Ikke egnet for multi-agent scenarios

Mønster 2: RAG-applikasjon (Foundry + Azure AI Search)

Bruk når:

Generativ AI over bedriftseget data
Behov for grounding av LLM-svar
Krav til kilde-sporing (citations)

Eksempelarkitektur:

[User Query]
    ↓
[Foundry Agent Service]
    ↓ (orchestrator)
[Azure AI Search] → [Vector Index] → [Blob Storage/SharePoint]
    ↓ (grounding data)
[Azure OpenAI (GPT-4o)]
    ↓
[Response + Citations]

Komponenter:

Foundry: Agent runtime, conversation state
Azure AI Search: Indexing, vector search, semantic ranking
Azure OpenAI: LLM for generering
Document Intelligence: Preprocessing av dokumenter (OCR, layout)

Fordeler:

Built-in observability (tracing)
Content Safety enforcement
Managed scaling

Ulemper:

Høyere kostnad (PTU for høy throughput)
Kompleks oppsett for første gang

Mønster 3: Multi-agent system (Foundry Agent Service)

Bruk når:

Multi-step reasoning tasks
Behov for spesialiserte agenter (f.eks. research-agent, writing-agent, review-agent)
Tool coordination (Azure Functions, Logic Apps, third-party APIs)

Eksempelarkitektur (Sequential Orchestration):

[User Request]
    ↓
[Orchestrator Agent] (Foundry Agent Service)
    ↓
[Research Agent] → [Bing Grounding Tool]
    ↓
[Analysis Agent] → [Azure AI Language]
    ↓
[Writing Agent] → [GPT-4o]
    ↓
[Final Output]

Orkestrering-patterns:

Sequential: Agents i forhåndsbestemt rekkefølge
Conditional branching: Workflows med if/else-logikk
Parallel execution: Flere agents kjører samtidig
Agent-to-agent (A2A): Agents som kaller hverandre via Activity Protocol

Verktøy:

Microsoft Agent Framework (open-source): Code-first orchestration
Foundry Workflows (visual designer): Low-code YAML-basert
Copilot Studio (SaaS): No-code agent building

Fordeler:

Automatisert reasoning chain
Observability via Application Insights
Reusable agent components

Ulemper:

Høy latens (flere model calls)
Kompleks debugging
Kostnad skalerer med agent-kall

Mønster 4: Hybrid (Foundry Tools + Custom Logic)

Bruk når:

Behov for prebuilt models OG custom business logic
Compliance-krav (on-prem data processing)
Kostnadsoptimalisering (bruk billigere tjenester der mulig)

Eksempelarkitektur:

[Video Input]
    ↓
[Azure Video Indexer] → [Extract metadata, faces, speech]
    ↓
[Azure Functions] (custom filtering logic)
    ↓
[Azure OpenAI] → [Summarize findings]
    ↓
[Power Automate] → [Send to Teams/SharePoint]

Fordeler:

Beste fra to verdener (prebuilt + custom)
Fleksibilitet i workflow
Gradvis adopsjon av AI (start med prebuilt, bygg custom senere)

Ulemper:

Krever flere Azure-ressurser (økt kompleksitet)
Manuell orkestrering (Logic Apps/Functions)

Beslutningsveiledning

Beslutningstre: Hvilken plattform skal jeg velge?

START: Hvilken AI-kapabilitet trenger du?

├─ Enkeltstående AI-funksjon (sentiment, OCR, translation)
│  └─ Velg: Foundry Tools (f.eks. Language, Document Intelligence)
│
├─ Generativ AI (chat, summarization, content generation)
│  ├─ Kun LLM-tilgang (ingen orkestrering)?
│  │  └─ Velg: Azure OpenAI (standalone resource)
│  │
│  └─ Behov for agents/workflows/multi-step reasoning?
│     └─ Velg: Azure AI Foundry (inkluderer Azure OpenAI)
│
├─ RAG-applikasjon over bedriftseget data
│  └─ Velg: Azure AI Foundry + Azure AI Search
│
├─ Multi-agent system / agentic workflows
│  └─ Velg: Azure AI Foundry (Agent Service + workflows)
│
└─ Custom ML-modeller (trening, deploy)
   └─ Velg: Azure Machine Learning (ikke dekket i denne guiden)

Sammenligningstabell: Detaljerte beslutningskriterier

Kriterium	Foundry Tools	Azure AI Foundry	Azure OpenAI
Teknisk kompetanse	Utvikler (basic)	Utvikler + Data Science	Utvikler + Data Science
Setup-tid	Timer	Dager	Timer
Kostnad (start)	Lav (pay-per-use)	Middels-Høy (PTU anbefalt)	Middels (standard), Høy (PTU)
TCO (produksjon)	Lav-Middels	Middels-Høy	Middels-Høy
Skalerbarhet	Automatisk (serverless)	Automatisk (managed)	Automatisk (standard), Manuell (PTU)
Tilpasning	Begrenset (prebuilt + custom models)	Full (fine-tuning, prompt engineering)	Full (fine-tuning, embeddings)
Orkestrering	Nei (manuell via code)	Ja (Agent Service, workflows)	Delvis (via Foundry Agent Service)
Observability	Basic (Azure Monitor)	Avansert (App Insights, traces)	Basic (Azure Monitor)
Content Safety	Manuell integrasjon	Built-in (default filter)	Built-in (default filter)
Data residency	Regional	Regional	Regional (unntatt Global Standard)
VNET/Private Link	Ja	Ja	Ja
On-prem deployment	Ja (containers)	Nei (cloud-only)	Nei (cloud-only)

Confidence: Høy (sammenstilt fra flere MS Learn-kilder)

Beslutningstabeller per scenario

Scenario 1: Dokumentprosessering

Behov	Anbefalt plattform	Begrunnelse
Standard formularer (faktura, kvittering)	Document Intelligence (Foundry Tools)	Prebuilt models, høy nøyaktighet, confidence scores
Komplekse dokumenter (ustrukturert tekst, infererte felt)	Content Understanding (Foundry Tools)	Multimodal, generative fields, reasoning (preview)
Custom workflow (dokument → analyse → generering)	Azure AI Foundry (Document Intelligence + GPT-4o)	Full kontroll over pipeline

Confidence: Høy (basert på "Choose the right tool for document processing" guide)

Scenario 2: Customer Support Chatbot

Behov	Anbefalt plattform	Begrunnelse
Enkel FAQ-bot	QnA Maker (utgått) → Language Understanding	Prebuilt intent detection
Kontekstuell chat (multi-turn)	Azure OpenAI (GPT-4o) + custom API	LLM-basert dialog
Agent med handlinger (ticket creation, CRM-integrasjon)	Azure AI Foundry Agent Service	Tool calling, Logic Apps-integrasjon

Confidence: Middels-Høy (basert på best practices, ikke eksplisitt dokumentert i én kilde)

Scenario 3: Media Analysis (Video/Audio)

Behov	Anbefalt plattform	Begrunnelse
Speech-to-text	Azure Speech (Foundry Tools) eller Whisper (Azure OpenAI)	Speech service har diarization, Whisper er billigere
Video metadata (faces, scenes, logos)	Azure Video Indexer	Prebuilt video understanding
Summarization av video	Video Indexer + Azure OpenAI	Metadata → GPT-4o summary

Confidence: Høy (dokumentert i Azure AI Services overview)

Integrasjon med Microsoft-stakken

1. Foundry Tools integrasjon

Produkt	Integrert gjennom	Bruksområde
Power Platform	AI Builder (connectors)	Low-code AI i Power Apps/Automate
Microsoft 365	Graph API	Document Intelligence for SharePoint
Dynamics 365	Customer Insights	Sentiment analysis for customer data
Azure Logic Apps	Built-in connectors	Workflow automation
Azure Functions	SDK (C#, Python, JS)	Custom serverless logic

Autentisering: Managed Identity støttes for alle Foundry Tools via Azure SDK.

2. Azure AI Foundry integrasjon

Produkt	Integrert gjennom	Bruksområde
Microsoft 365 / Agent 365	Activity Protocol, A2A	Publish agents til M365-workloads
Copilot Studio	Publish-to-Copilot	Deploy Foundry agents som Copilot-extensions
Microsoft Fabric	Unified data layer	Semantic model for RAG
Azure DevOps	GitHub Actions, CI/CD	Automated deployment av agents
Microsoft Entra	Agent ID, RBAC	Identity management for agents

Nøkkelintegrasjoner:

Foundry Agent Service → Azure AI Search (RAG)
Foundry → Azure Logic Apps (tool calling)
Foundry → SharePoint/OneDrive (document grounding)

3. Azure OpenAI integrasjon

Produkt	Integrert gjennom	Bruksområde
Power Platform	Azure OpenAI connector	AI Builder actions i Power Automate
Copilot Studio	Generative answers	Boost copilot responses med GPT
Azure AI Search	Integrated vectorization	RAG med embeddings
Azure Machine Learning	Prompt flow	Orchestration av LLM-chains

API-kompatibilitet:

Azure OpenAI API er bakoverkompatibel med OpenAI API (drop-in replacement)
Foundry resource type inkluderer full Azure OpenAI API-support

Offentlig sektor (Norge)

Compliance og datahåndtering

Aspekt	Foundry Tools	Azure AI Foundry	Azure OpenAI
Data residency	✅ Regional (Norge-soner)	✅ Regional (unntatt global models)	✅ Regional (unntatt Global Standard)
GDPR-compliance	✅ Ja	✅ Ja	✅ Ja
Schrems II (Privacy Shield)	✅ EU Data Boundary	✅ EU Data Boundary	✅ EU Data Boundary
PII-håndtering	⚠️ Manuelle tiltak	✅ Content filters + manual review	✅ Content filters + manual review
Audit logs	✅ Azure Monitor	✅ App Insights + Azure Monitor	✅ Azure Monitor
Customer Managed Keys	✅ Ja (encryption at rest)	✅ Ja	✅ Ja

Norge-spesifikke data-soner:

Norway East (Oslo)
Norway West (Stavanger)

Confidence: Høy (Azure compliance-dokumentasjon 2026)

Særlige hensyn for offentlig sektor

1. Transparens og forklaring

Foundry Tools: Confidence scores tilgjengelig (Document Intelligence, Language)
Azure OpenAI: Ingen innebygd explainability (black box). Bruk prompt engineering for å be om "reasoning steps".
Foundry Agent Service: Full observability via Application Insights (traces for hver agent-aksjon)

Anbefaling: For høykritiske beslutninger (helse, justis) → bruk Foundry Tools med confidence scores, eller Foundry med full tracing.

2. Språkstøtte (Norsk bokmål/nynorsk)

Tjeneste	Norsk støtte	Kvalitetsvurdering
Azure Translator	✅ Bokmål/Nynorsk	Høy (offisiell støtte)
Speech-to-text	✅ Bokmål	Middels (begrensede dialekter)
Language Understanding	⚠️ Begrenset	Lav (English-first)
GPT-4o (Azure OpenAI)	✅ Flerspråklig	Middels-Høy (bra på norsk, men ikke perfekt)

Anbefaling: Test alltid med norske data i pilot-fase. Vurder custom models (Language Understanding, Custom Speech) for kritiske bruksområder.

3. Kostnadskontroll (offentlige budsjetter)

Strategier:

Start med Commitment Tiers (Foundry Tools)
- Fast månedskostnad for forutsigbar bruk
- Spar 30-40 % vs. pay-per-use
- Krav: Estimert månedlig volum (API-kall)
Bruk Global Standard (Azure OpenAI) med forbehold
- 9 % billigere enn Standard
- ⚠️ Data residency: Data kan prosesseres utenfor Norge
- Ikke egnet for sensitive data (persondata, gradert info)
Provisioned Throughput (PTU) for produksjon
- Forutsigbar latens + kostnad
- Krav: Stabilt trafikkvolum (>100k requests/måned)
Monitoring via Cost Management
- Sett budsjett-alerts i Azure portal
- Grupper kostnader per meter/resource
- Eksporter til Power BI for analyse

Eksempel-kostnad (2026):

Document Intelligence (Standard): ~10 NOK per 1000 sider
GPT-4o (Standard): ~0.05 NOK per 1000 input tokens, ~0.15 NOK per 1000 output tokens
Foundry Agent Service: Basert på underliggende modeller (ingen ekstra agent-fee)

Confidence: Middels (priseksempler er estimert fra USD-priser, se offisiell prisliste for eksakte beløp)

Kostnad og lisensiering

Prismodeller (sammenligning)

Plattform	Prismodell	Typisk kostnad (produksjon/måned)	Inkludert
Foundry Tools	Pay-per-use eller Commitment	5 000 - 50 000 NOK	API-kall, data processing
Azure AI Foundry	Token-basert (via Azure OpenAI/modeller)	50 000 - 500 000 NOK	Models, agent runtime, observability
Azure OpenAI	Token-basert eller PTU	20 000 - 200 000 NOK	LLM inference, embeddings

Faktorer som påvirker kostnad:

Volum: Antall API-kall, tokens, bilder, minutter audio
Modellvalg: GPT-4o > GPT-4o-mini > GPT-3.5-Turbo (kostnad)
Deployment-type: PTU > Standard > Global Standard
Region: Noen regioner er dyrere (f.eks. EU vs. US East)
Features: Content Safety, fine-tuning, hosting (Azure OpenAI)

Lisensiering (Microsoft 365-integrasjon)

Scenario	Nødvendige lisenser	Merknad
Foundry Tools via Power Platform	Power Apps/Automate + AI Builder	AI Builder har egen licensing (credits)
Azure OpenAI via Copilot Studio	Copilot Studio license + Azure OpenAI resource	Copilot Studio = SaaS (per-user), OpenAI = PaaS (per-token)
Foundry Agent Service → M365	Azure subscription + M365 E3/E5	Agent publisering til Agent 365 krever E3+

Anbefaling: For offentlig sektor med eksisterende M365 E3/E5 → vurder Copilot Studio for low-code agents (inkludert i lisens). For pro-code → bruk Foundry.

Total Cost of Ownership (TCO) - 3 år

Eksempel: RAG-applikasjon for 1000 ansatte (intern kunnskapsbase)

Komponent	Foundry Tools (hybrid)	Azure AI Foundry	Differanse
Azure-ressurser	360 000 NOK	1 200 000 NOK	+840k
Lisenser	M365 E3 (eksisterende)	M365 E3 (eksisterende)	0
Utviklingskostnad	500 000 NOK (6 mnd)	800 000 NOK (9 mnd)	+300k
Vedlikehold	200 000 NOK/år	150 000 NOK/år	-50k/år
Total (3 år)	1 460 000 NOK	2 450 000 NOK	+990k

Konklusjon: Foundry Tools er billigere for enkle scenarios, men Foundry gir bedre observability og skalerbarhet (lavere vedlikeholdskostnad over tid).

Confidence: Lav (TCO-eksempel er illustrativt, faktiske kostnader varierer mye)

For arkitekten (Cosmo)

Når anbefaler du Foundry Tools?

✅ Bruk Foundry Tools når:

Kunden har ett spesifikt AI-behov (f.eks. "vi trenger OCR for fakturaer")
Begrenset AI-kompetanse i teamet (utviklere uten data science-bakgrunn)
Lav kompleksitet i workflow (ingen multi-step reasoning)
Kostnadsbevisst kunde (fast budsjett, forutsigbar bruk via Commitment Tiers)
Raskt proof-of-concept (timer til dager, ikke uker)

Typiske bruksområder:

Fakturascanning (Document Intelligence)
Chatbot med forhåndsdefinert FAQ (Language Understanding)
Bildeanalyse (Computer Vision)
Speech-to-text for møtereferater (Speech service)

Når anbefaler du Azure AI Foundry?

✅ Bruk Foundry når:

Kunden trenger multi-agent systemer eller agentic workflows
Generativ AI + tool calling (f.eks. agent som kan bestille møterom via API)
Observability er kritisk (compliance, audit trails)
Iterativ utvikling av agents (continuous improvement via evaluations)
Integrasjon med M365/Copilot Studio er ønskelig

Typiske bruksområder:

Research-agent for markedsanalyse (Foundry Agent Service + Bing Grounding)
Customer support med handlinger (ticket creation via Logic Apps)
Document summarization pipeline (Document Intelligence → GPT-4o → SharePoint)

Når anbefaler du Azure OpenAI (standalone)?

✅ Bruk standalone Azure OpenAI når:

Kunden kun trenger LLM-tilgang (ingen agents/orchestration)
Eksisterende arkitektur der orkestrering håndteres eksternt (f.eks. via Semantic Kernel, LangChain)
Migrering fra OpenAI.com (drop-in replacement med Azure-sikkerhet)
IT-security restriksjon mot Foundry (noen kunder godkjenner kun Azure OpenAI resource type)

Merk: Azure OpenAI er inkludert i Foundry resource type, så valget mellom standalone vs. Foundry handler primært om orkestrering og governance-features.

Hybrid-tilnærming (anbefalt for de fleste)

Start med Foundry Tools → utvid til Foundry ved behov:

Fase 1 (Proof-of-concept): Bruk Foundry Tools for enkeltstående funksjoner (f.eks. Document Intelligence)
Fase 2 (Pilot): Introduser Azure OpenAI for generativ AI (summarization, Q&A)
Fase 3 (Produksjon): Oppgrader til Foundry resource type for full agent-støtte

Fordeler:

Gradvis adopsjon (lavere risiko)
Læring underveis (teamet bygger kompetanse)
Kostnadseffektivt (pay-per-use i start, commitment tiers i produksjon)

Desicion Matrix (Cosmo's Cheat Sheet)

Kriterium	Foundry Tools	Foundry	Azure OpenAI
Complexity	Lav	Høy	Middels
Time-to-value	Dager	Uker	Dager
Team skills	Basic dev	Dev + DS	Dev + DS
Observability	⭐⭐	⭐⭐⭐⭐⭐	⭐⭐⭐
Orchestration	Manual	Built-in	External
Cost (startup)	⭐⭐⭐⭐⭐	⭐⭐	⭐⭐⭐
Scalability	⭐⭐⭐⭐	⭐⭐⭐⭐⭐	⭐⭐⭐⭐

(⭐ = 1-5 stjerner, der 5 er best)

Røde flagg (når IKKE bruke...)

🚩 IKKE bruk Foundry Tools hvis:

Kunden forventer "autonom reasoning" (agents som selv velger tools) → bruk Foundry
Behov for multi-turn conversations med context → bruk Azure OpenAI/Foundry
Generativ AI (tekst/bilde-generering) → bruk Azure OpenAI

🚩 IKKE bruk Foundry hvis:

Kunden har kun enkeltstående AI-behov → overkill, bruk Foundry Tools
Team mangler DevOps-modenhet (Foundry krever CI/CD for agents)
Budsjett < 50k NOK/måned i Azure → start med Foundry Tools

🚩 IKKE bruk Azure OpenAI (standalone) hvis:

Kunden vil ha agent-støtte → bruk Foundry (inkluderer Azure OpenAI)
Behov for visual designer for workflows → bruk Foundry Workflows

Kilder og verifisering

Primærkilder (Microsoft Learn)

Choose an Azure AI services technology https://learn.microsoft.com/en-us/azure/architecture/data-guide/technology-choices/ai-services Dato: 2026-02 (verifisert)
Select Azure PaaS solutions for AI https://learn.microsoft.com/en-us/azure/cloud-adoption-framework/scenarios/ai/platform/resource-selection Dato: 2026-02 (verifisert)
Choose an Azure resource type for Foundry https://learn.microsoft.com/en-us/azure/ai-foundry/concepts/resource-types Dato: 2026-02 (verifisert)
Choose the right Foundry tool for document processing https://learn.microsoft.com/en-us/azure/ai-services/content-understanding/choosing-right-ai-tool Dato: 2026-02 (verifisert)
What is Foundry Agent Service? https://learn.microsoft.com/en-us/azure/ai-foundry/agents/overview Dato: 2026-02 (verifisert)
Plan and manage costs for Microsoft Foundry https://learn.microsoft.com/en-us/azure/ai-foundry/concepts/manage-costs Dato: 2026-02 (verifisert)
Azure OpenAI pricing page https://azure.microsoft.com/pricing/details/cognitive-services/openai-service/ Dato: 2026-02 (verifisert)

Sekundærkilder

Compare Microsoft machine learning products and technologies https://learn.microsoft.com/en-us/azure/architecture/ai-ml/guide/data-science-and-machine-learning Dato: 2026-02
AI agent orchestration patterns https://learn.microsoft.com/en-us/azure/architecture/ai-ml/guide/ai-agent-design-patterns Dato: 2026-02
Technology plan for AI agents https://learn.microsoft.com/en-us/azure/cloud-adoption-framework/ai-agents/technology-solutions-plan-strategy Dato: 2026-02

Verifiseringsnotater

Terminologi: Microsoft har endret "Cognitive Services" → "Foundry Tools" i løpet av 2025. Noen dokumenter bruker fortsatt gammel terminologi, men resource type (kind: AIServices) er konsistent.
Foundry vs. Azure AI Hub: Azure AI Hub (legacy) er under migrering til Foundry resource type (Juni 2025+). Nye prosjekter skal bruke Foundry.
Priseksempler: Konvertert fra USD til NOK med kurs 1 USD = 10 NOK (approx.). Se offisiell priskalkulator for eksakte beløp.

Confidence (total): Høy (90 %) - basert på offisiell Microsoft-dokumentasjon oppdatert januar-februar 2026.

Sist verifisert: 2026-02-03 Neste review: 2026-05 (ved nye Foundry-features eller prisendringer)

30 KiB Raw Blame History

Azure AI Services vs Foundry Tools - Platform Selection Guide

Introduksjon

Nøkkelforskjeller i kortform

Kjernekomponenter / Nøkkelegenskaper

1. Foundry Tools (Azure AI Services)

Tjenestekategorier

Kjennetegn

Autentisering og tilgang

2. Azure AI Foundry

Arkitekturkomponenter

Ressurstyper (Azure Resource Manager)

3. Azure OpenAI Service

Modellserie (2026-02)

Deployment-typer

Arkitekturmønstre

Mønster 1: Enkeltstående AI-funksjon (Foundry Tools)

Mønster 2: RAG-applikasjon (Foundry + Azure AI Search)

Mønster 3: Multi-agent system (Foundry Agent Service)

Mønster 4: Hybrid (Foundry Tools + Custom Logic)

Beslutningsveiledning

Beslutningstre: Hvilken plattform skal jeg velge?

Sammenligningstabell: Detaljerte beslutningskriterier

Beslutningstabeller per scenario

Scenario 1: Dokumentprosessering

Scenario 2: Customer Support Chatbot

Scenario 3: Media Analysis (Video/Audio)

Integrasjon med Microsoft-stakken

1. Foundry Tools integrasjon

2. Azure AI Foundry integrasjon

3. Azure OpenAI integrasjon

Offentlig sektor (Norge)

Compliance og datahåndtering

Særlige hensyn for offentlig sektor

1. Transparens og forklaring

2. Språkstøtte (Norsk bokmål/nynorsk)

3. Kostnadskontroll (offentlige budsjetter)

Kostnad og lisensiering

Prismodeller (sammenligning)

Lisensiering (Microsoft 365-integrasjon)

Total Cost of Ownership (TCO) - 3 år

For arkitekten (Cosmo)

Når anbefaler du Foundry Tools?

Når anbefaler du Azure AI Foundry?

Når anbefaler du Azure OpenAI (standalone)?

Hybrid-tilnærming (anbefalt for de fleste)

Desicion Matrix (Cosmo's Cheat Sheet)

Røde flagg (når IKKE bruke...)

Kilder og verifisering

Primærkilder (Microsoft Learn)

Sekundærkilder

Verifiseringsnotater

30 KiB

Raw Blame History