Kjell Tore Guttormsen
b4a5ff0c75
Synthetic markdown fixtures for the 17 report-producing commands per the canonical archetype-routing-tabell. Each fixture uses the consistent ANPR-trafikkanalyse system from brief example to produce parser-input that exercises every archetype path (aiact, requirements-list, text-document, fria, conformity-checklist, matrix-risk 5x5, matrix-risk-6x5, findings, cost-distribution, capability, phased-plan, markdown, verdict, comparison). Real /architect:<command> capture deferred to incremental work; synthetic fixtures suffice as parser test input for Steps 11-12.
52 lines
2.1 KiB
Markdown
52 lines
2.1 KiB
Markdown
# ADR-001 — Velg Azure AI Foundry som primær AI-plattform for ANPR-trafikkanalyse
|
|
|
|
Status: accepted
|
|
Date: 2026-04-30
|
|
Deciders: AI-arkitekt, sikkerhetsarkitekt, seksjonsleder
|
|
Consulted: personvernombud, juridisk rådgiver, Drift
|
|
Informed: prosjekteierskap, KI-seksjonen
|
|
|
|
## Context and Problem Statement
|
|
|
|
Statens vegvesen skal modernisere ANPR-trafikkanalyse fra on-prem OCR-løsning til skybasert AI-plattform. Plattformen må støtte custom modell-trening, audit-logging på inferens-nivå, real-time inferens (<100ms P95), og full compliance med EU AI Act + GDPR + sikkerhetsloven.
|
|
|
|
## Decision Drivers
|
|
|
|
- Compliance med EU AI Act høyrisiko-krav (Art. 9-15)
|
|
- Norsk dataresidens-krav
|
|
- Customer-managed keys og Private Endpoints
|
|
- Custom modell-trening kapabilitet
|
|
- Total cost of ownership over 3 år
|
|
- Driftbarhet for KI-seksjonen
|
|
|
|
## Considered Options
|
|
|
|
1. **Azure AI Foundry** — Enterprise AI-plattform med full compliance-pakke
|
|
2. **Azure ML + AKS** — Mer kontroll, men høyere driftskost
|
|
3. **AWS SageMaker** — Konkurransedyktig, men mangler norske compliance-sertifiseringer
|
|
4. **On-prem GPU-cluster** — Maks kontroll, men krever betydelig CapEx og driftskompetanse
|
|
|
|
## Decision Outcome
|
|
|
|
Chosen option: **Azure AI Foundry**, fordi det balanserer compliance, driftbarhet, og fleksibilitet best for vår bemanning og tidsramme.
|
|
|
|
### Consequences
|
|
|
|
- Good: full compliance-pakke for offentlig sektor, raskere time-to-prod, integrert med eksisterende Entra ID
|
|
- Good: customer-managed keys og Customer Lockbox tilgjengelig
|
|
- Bad: lock-in til Azure, men mitigert via standardiserte modell-formater (ONNX) og data-portabilitet
|
|
- Bad: høyere månedlig kostnad enn ren Azure ML — kompenseres ved redusert egen-drift
|
|
|
|
## Validation
|
|
|
|
Beslutning evalueres etter 12 måneder mot KPI-er:
|
|
- Saksbehandlingstid (mål: -40%)
|
|
- Modell-nøyaktighet (mål: ≥96% F1)
|
|
- Total cost (mål: ≤ NOK 1.7M/år)
|
|
- Compliance-status (mål: 100% av krav dekket innen 2027-08-02)
|
|
|
|
## More Information
|
|
|
|
- Compare-rapport: see `compare-foundry-vs-aml.md`
|
|
- Cost-analyse: see `cost-tco-3year.md`
|
|
- Security-vurdering: see `security-foundry-baseline.md`
|