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 KiB

Raw Blame History

Sammenligning — Azure AI Foundry vs Azure ML + AKS

System: Demosystem (Acme AS) Sammenligningsdato: 2026-04-30

Subjects

Subject 1: Azure AI Foundry Subject 2: Azure ML + AKS

Sammenligning

Aspekt	Azure AI Foundry	Azure ML + AKS	Vinner
Time-to-prod	6-8 uker for fundament	12-16 uker	Foundry
Custom modell-trening	Integrert via Azure ML under panseret	Direkte Azure ML	Lik
Compliance-pakke for leverandøren	Inkludert	Må bygges selv	Foundry
Driftbarhet for AI-teamet	Lav driftbyrde, mest klikk-ops	Høy driftbyrde, full DevOps	Foundry
Fleksibilitet for custom infrastruktur	Begrenset til Foundry-mønstre	Full kontroll over AKS-cluster	Azure ML + AKS
Audit-logging på inferens	Innebygd	Må konfigureres manuelt	Foundry
Customer-managed keys	Tilgjengelig	Tilgjengelig	Lik
Customer Lockbox	Tilgjengelig	Tilgjengelig	Lik
Private Endpoints	Tilgjengelig	Tilgjengelig	Lik
Real-time inferens (<100ms)	Tilgjengelig via Foundry endpoints	Tilgjengelig via AKS	Lik
Total cost (3 år)	NOK 6.7M	NOK 5.9M	Azure ML + AKS
Lock-in til Azure	Høy	Medium (mer portabilitet i AKS)	Azure ML + AKS
Forklaringsmodell-integrasjon	Native Foundry-integrasjon	Krever egen wrapper	Foundry
Multi-region failover	Innebygd	Må implementeres manuelt	Foundry

Sammendrag

Azure AI Foundry vinner på time-to-prod, compliance-pakke, og driftbarhet. Azure ML + AKS vinner på pris (-12%) og fleksibilitet. Differansen i pris (~NOK 800k over 3 år) er liten sammenlignet med besparelsen i drift-tid for AI-teamet.

Anbefaling

For Acme AS med begrenset KI-driftkapasitet anbefales Azure AI Foundry. For organisasjoner med dedikert MLOps-team kan Azure ML + AKS gi marginalt bedre kost-nytte.

Kontekst

Beslutningen er sterkere drevet av compliance og driftbarhet enn ren kostnad. Foundry's leverandøren-pakke sparer 8-12 uker arbeid med å sertifisere baseline-konfigurasjonen.

2 KiB Raw Blame History