Kjell Tore Guttormsen
e57dee5a03
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)
52 lines
2.1 KiB
Markdown
52 lines
2.1 KiB
Markdown
# 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
|
|
|
|
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 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`
|