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)
80 lines
2.5 KiB
Markdown
80 lines
2.5 KiB
Markdown
# Migrasjonsplan — Demosystem
|
|
|
|
System: Demosystem (Acme AS)
|
|
Fra: On-prem OCR + manuell klassifisering
|
|
Til: Azure AI Foundry + saksbehandler-co-pilot
|
|
|
|
## Faser
|
|
|
|
### Fase 1 — Foundry-fundament (uker 1-6)
|
|
|
|
Varighet: 6 uker
|
|
|
|
Milepæler:
|
|
- Hub + projects opprettet i West Europe
|
|
- Network isolation: Private Endpoints + Vnet integration
|
|
- Identity: Entra ID-integrasjon med PIM
|
|
- Logging: OpenTelemetry → Sentinel pipeline
|
|
|
|
Suksesskriterier:
|
|
- Pilot OCR-modell deployert med <100ms latency P95
|
|
- Audit-logg fanger 100% av inferences
|
|
- Sikkerhetsarkitekt godkjenner foundation-design
|
|
|
|
### Fase 2 — Modell-trening og baseline (uker 7-14)
|
|
|
|
Varighet: 8 uker
|
|
|
|
Milepæler:
|
|
- Treningsdata kuratert (200k norske objekt-ID, stratifisert)
|
|
- Custom modell trent på Azure ML
|
|
- Baseline-nøyaktighet etablert (mål: ≥96% F1)
|
|
- Bias-evaluering på utenlandske registre fullført
|
|
|
|
Suksesskriterier:
|
|
- F1 ≥ 96% overall, ≥ 92% per objekter-segment
|
|
- Drift-deteksjon kalibrert med terskel
|
|
- ROS-revisjon godkjent
|
|
|
|
### Fase 3 — saksbehandler-co-pilot (uker 15-22)
|
|
|
|
Varighet: 8 uker
|
|
|
|
Milepæler:
|
|
- Forklaringsmodell (GPT-4 Turbo) integrert via Foundry
|
|
- saksbehandler-UI bygget (Copilot Studio + Power Platform)
|
|
- Workflow: AI flagger → saksbehandler reviewer → klar for sanksjon
|
|
- Brukertest med 12 saksbehandler fra ulike regioner
|
|
|
|
Suksesskriterier:
|
|
- Saksbehandlingstid -40% vs baseline
|
|
- saksbehandler-tillit >7/10 i post-pilot survey
|
|
- Ingen kritiske UX-feil
|
|
|
|
### Fase 4 — Compliance og produksjonssetting (uker 23-28)
|
|
|
|
Varighet: 6 uker
|
|
|
|
Milepæler:
|
|
- FRIA gjennomført og godkjent
|
|
- Conformity assessment ferdigstilt per Annex VI
|
|
- DPIA oppdatert med nye operasjonelle data
|
|
- Produksjonssetting til 3 piloter (Oslo, Bergen, Trondheim)
|
|
|
|
Suksesskriterier:
|
|
- Personvernombud signerer DPIA
|
|
- Ingen open critical-funn fra arkitekturgjennomgang
|
|
- Stabil 99.9% uptime i 30 dager pilot
|
|
|
|
## Risiko
|
|
|
|
| Risiko | Sannsynlighet | Konsekvens | Tiltak |
|
|
|--------|---------------|------------|--------|
|
|
| Custom modell underyter mot 96% mål | medium | high | Backup-strategi: bruk Azure AI Vision OCR som fallback |
|
|
| saksbehandler-motstand mot AI | medium | medium | Tidlig involvering; transparent forklaring; opt-out på enkelt-saker |
|
|
| FRIA blokkerer fase 4 | low | high | Pre-FRIA-kjøring i fase 2 for tidlig varsling |
|
|
| Cost-overrun ved skalering | medium | medium | Reserved capacity-binding etter fase 3 |
|
|
|
|
## Total varighet
|
|
|
|
28 uker (~7 måneder). Avhengighet: Foundry-fundament må være ferdig før modell-trening starter.
|