Kjell Tore Guttormsen e57dee5a03 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)

2026-05-03 20:53:49 +02:00

2.1 KiB

Raw Blame History

ADR-001 — Velg Azure AI Foundry som primær AI-plattform for Demosystem

Status: accepted Date: 2026-04-30 Deciders: AI-arkitekt, sikkerhetsarkitekt, seksjonsleder Consulted: Datatilsynet, juridisk rådgiver, Drift Informed: prosjekteierskap, AI-teamet

Context and Problem Statement

Acme AS skal modernisere Demosystem 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 AI-teamet

Considered Options

Azure AI Foundry — Enterprise AI-plattform med full compliance-pakke
Azure ML + AKS — Mer kontroll, men høyere driftskost
AWS SageMaker — Konkurransedyktig, men mangler norske compliance-sertifiseringer
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 leverandøren, 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

2.1 KiB Raw Blame History