docs(ms-ai-architect): KB-refresh tema-b — Foundry-navnesveip «Azure AI Foundry»→«Microsoft Foundry» (233 filer)

Verifisert mot offisiell MS-doc (juni 2026): «Microsoft Foundry» er det gjeldende produkt-/portalnavnet; «Foundry (classic)» = gamle «Azure AI Foundry» (/azure/foundry/ vs /azure/foundry-classic/). Premiss bekreftet før sveip. Multi-regel, IKKE naiv s/Azure AI Foundry/Microsoft Foundry/ — MS dropper «Azure AI» (legger IKKE til «Microsoft») for to produktvarianter: - «Azure AI Foundry Agent[ Service|s]» → «Foundry Agent Service/Agents» (MS-form) - «Azure AI Foundry Models» → «Foundry Models» (i «Azure OpenAI in Foundry Models») - «Azure AI Foundry SDK» → «Microsoft Foundry SDK» (operatør-valg) - «Azure AI Foundry portal/project» + generisk → «Microsoft Foundry» - Pre-eksisterende «Microsoft Foundry Models» (4) normalisert → «Foundry Models» Bevart: «Azure OpenAI», «Azure AI Inference SDK», «Azure AI Search», «Azure AI Services», kode-IDer. Historisk ref «(tidligere Azure AI Foundry)» i model-catalog-2026.md beskyttet via lookbehind. URL /azure/ai-foundry/→ /azure/foundry/ kun i owasp-llm-top10 (KB-ref); docs/-filer deferred. Scope: skills (inkl. 3 SKILL.md) + commands + agents + README + CLAUDE. Ekskludert: docs/ (interne), playground/+tests/ fixtures (testdata), CHANGELOG.md (historisk logg), STATE.md (gitignored). 3 SKILL.md endret (advisor/engineering/security) → judge-cache teknisk invalidert for disse, men scorer uendret: advisor 91, eng/gov/infra/sec 96 (alle ≥90). validate 239/0. 0 «Azure AI Foundry» igjen (utenom bevart ref). Co-Authored-By: Claude Opus 4.8 (1M context) <noreply@anthropic.com>
2026-06-23 21:00:27 +02:00 · 2026-06-23 21:00:27 +02:00 · 03d596e4ec
commit 03d596e4ec
parent 20b522ab10
233 changed files with 810 additions and 810 deletions
--- a/skills/ms-ai-advisor/references/architecture/adr-template.md
+++ b/skills/ms-ai-advisor/references/architecture/adr-template.md
@ -9,7 +9,7 @@

 Architecture Decision Records (ADR) er ett av de viktigste leveransene fra en løsningsarkitekt. Dette dokumentet følger MADR-formatet (Markdown Any Decision Records) og er spesialtilpasset for beslutninger rundt Microsoft AI-stakken.

-**Bruksområde:** Azure AI Foundry, Copilot Studio, M365 Copilot, Power Platform AI, Microsoft Agent Framework
+**Bruksområde:** Microsoft Foundry, Copilot Studio, M365 Copilot, Power Platform AI, Microsoft Agent Framework

 **Målgruppe:** Løsningsarkitekter, tekniske ledere, compliance-team, utviklingsteam

@ -291,7 +291,7 @@ Architecture Decision Records (ADR) er ett av de viktigste leveransene fra en l

 ---

-## Eksempel 1: Copilot Studio vs Azure AI Foundry for intern helpdesk
+## Eksempel 1: Copilot Studio vs Microsoft Foundry for intern helpdesk

 ### Metadata

@ -375,7 +375,7 @@ Low-code platform for å bygge conversational AI agent integrert i Teams. Bruker
 **Compliance impact:**
 Data lagres i Dataverse i West Europe region. EU Data Boundary commitment oppfylles. Schrems II-compliant via EU Standard Contractual Clauses. Norwegian Personal Data Act krav oppfylles gjennom GDPR compliance.

-#### Alternativ 2: Azure AI Foundry (med prompt flow)
+#### Alternativ 2: Microsoft Foundry (med prompt flow)

 **Beskrivelse:**
 Full-code plattform for å bygge custom AI agent fra bunnen av. Azure OpenAI for LLM, Azure AI Search for RAG over SharePoint-data, prompt flow for orchestration. Custom web app eller Teams-app som frontend.
@ -410,7 +410,7 @@ Copilot Studio som hoved-platform, men bruke "skills" (custom code) for å kalle

 **Pros:**
 - ✅ Best of both worlds - low-code for 80%, custom code for 20%
- ✅ Raskere MVP enn full Azure AI Foundry - kan starte med Copilot Studio og utvide senere
+- ✅ Raskere MVP enn full Microsoft Foundry - kan starte med Copilot Studio og utvide senere
 - ✅ Gradvis kompetansebygging - teamet kan lære Azure AI over tid
 - ✅ Samme compliance som Copilot Studio - men med mulighet for custom data handling

@ -430,7 +430,7 @@ Samme som Copilot Studio for hoveddelen. Azure OpenAI calls må konfigureres for

 ### Alternativ-sammenligningsmatrise

-| Kriterium | Copilot Studio | Azure AI Foundry | Hybrid |
+| Kriterium | Copilot Studio | Microsoft Foundry | Hybrid |
 |-----------|----------------|------------------|--------|
 | Kostnad (3 år) | 1 000 000 NOK | 1 660 000 NOK | 1 640 000 NOK |
 | Time-to-market | 2-3 måneder | 4-6 måneder | 3-4 måneder |
@ -454,7 +454,7 @@ Copilot Studio møter alle kritiske decision drivers:
 5. **M365 integration**: Native Teams-integrasjon er viktigste bruksflate
 6. **Maintenance**: Minimal operational burden

-Selv om Azure AI Foundry gir mer fleksibilitet, oppveier ikke dette den 60% høyere kostnaden og doble time-to-market. For en intern helpdesk der 90% av spørsmålene er standard FAQ, trenger vi ikke full pro-code kontroll.
+Selv om Microsoft Foundry gir mer fleksibilitet, oppveier ikke dette den 60% høyere kostnaden og doble time-to-market. For en intern helpdesk der 90% av spørsmålene er standard FAQ, trenger vi ikke full pro-code kontroll.

 **Trade-offs akseptert:**
 - **Fleksibilitet vs. Speed**: Ofrer custom AI model control for å møte 3-måneders deadline
@ -659,7 +659,7 @@ Bestemme deployment-type for production: Standard (pay-per-token) vs Provisioned
 - Kritisk forretningsapplikasjon - downtime koster brukertilfredshet

 **Tekniske forutsetninger:**
- Azure AI Foundry i Norway East
+- Microsoft Foundry i Norway East
 - GPT-4 Turbo (0125) som modell
 - Azure AI Search for RAG (FAQ database)
 - Gjennomsnittlig 1500 tokens per request (1000 input + 500 output)
@ -914,7 +914,7 @@ Selv om initial kostnad er høyere (50k belastningtest), er total TCO lavere (5.
 ### References & Links

 **Architecture documentation:**
- Azure AI Foundry chat baseline: https://learn.microsoft.com/en-us/azure/architecture/ai-ml/architecture/baseline-azure-ai-foundry-chat
+- Microsoft Foundry chat baseline: https://learn.microsoft.com/en-us/azure/architecture/ai-ml/architecture/baseline-azure-ai-foundry-chat

 **Microsoft documentation:**
 - [PTU onboarding guide](https://learn.microsoft.com/en-us/azure/ai-services/openai/how-to/provisioned-throughput-onboarding)
@ -1171,7 +1171,7 @@ Query latency er 200-300ms (vs <100ms for AI Search), men total AI response tid
 START: Bygge AI agent/copilot
 │
 ├─→ Trenger du custom code? (Python/C#/TypeScript)
-│   ├─→ JA: Azure AI Foundry
+│   ├─→ JA: Microsoft Foundry
 │   │   └─→ Full kontroll, pro-code, RAG med AI Search
 │   └─→ NEI: Copilot Studio
 │       └─→ Low-code, Power Platform, rask MVP
--- a/skills/ms-ai-advisor/references/architecture/ai-utredning-template.md
+++ b/skills/ms-ai-advisor/references/architecture/ai-utredning-template.md
@ -172,7 +172,7 @@ For AI-løsninger betyr dette typisk:
 - Ulemper: Begrenset tilpasning, [andre]

 **Alternativ 3: [AI-løsning B — mer avansert]**
- Beskrivelse: [F.eks. Azure AI Foundry med custom RAG]
+- Beskrivelse: [F.eks. Microsoft Foundry med custom RAG]
 - Plattform: [Microsoft-plattform]
 - Estimert årskostnad: [X] NOK
 - Fordeler: Full kontroll, skalerbarhet, [andre]
@ -867,7 +867,7 @@ Bruk `/architect:adr` for å generere disse.

 | ADR # | Tittel | Status | Dato |
 |-------|--------|--------|------|
-| ADR-001 | [F.eks. Valg av Copilot Studio over Azure AI Foundry] | Accepted | YYYY-MM-DD |
+| ADR-001 | [F.eks. Valg av Copilot Studio over Microsoft Foundry] | Accepted | YYYY-MM-DD |
 | ADR-002 | [F.eks. Hybrid RAG-strategi med Azure AI Search] | Draft | YYYY-MM-DD |
 ```

@ -1001,7 +1001,7 @@ Bruk `/architect:license` for detaljert kartlegging.
 - [Offentleglova](https://lovdata.no/dokument/NL/lov/2006-05-19-16)

 **Microsoft-dokumentasjon:**
- [Azure AI Foundry](https://learn.microsoft.com/azure/ai-studio/)
+- [Microsoft Foundry](https://learn.microsoft.com/azure/ai-studio/)
 - [Copilot Studio](https://learn.microsoft.com/microsoft-copilot-studio/)
 - [Microsoft 365 Copilot](https://learn.microsoft.com/copilot/microsoft-365/)
 - [Azure AI Content Safety](https://learn.microsoft.com/azure/ai-services/content-safety/)
@ -1058,7 +1058,7 @@ Ikke alle AI-tiltak krever en fullstendig utredning. Bruk denne guiden for å be
 - Intern data, beslutningsstøtte, 50-500 brukere, integrert med SharePoint
 - Fokus: Alle seksjoner, men S3/S7 i forenklet form

-**Kompleks:** Azure AI Foundry-løsning for automatisert saksbehandling
+**Kompleks:** Microsoft Foundry-løsning for automatisert saksbehandling
 - Sensitive persondata, automatiserte vedtak, > 500 brukere, fagsystem-integrasjon
 - Alle seksjoner i full dybde, inkludert DPIA, ROS, ADR-er, og full samhandlingsvurdering

--- a/skills/ms-ai-advisor/references/architecture/capacity-feasibility-benchmarks.md
+++ b/skills/ms-ai-advisor/references/architecture/capacity-feasibility-benchmarks.md
@ -93,7 +93,7 @@ Gjennomførbarhet er den vanligste blinde flekken i AI-utredninger. Teknologien
 | **Enkel** | AI Builder-flyt for dokumentklassifisering i Power Automate | 3-4 måneder |
 | **Middels** | Copilot Studio-agent med RAG mot intern kunnskapsbase | 6-10 måneder |
 | **Middels** | Azure OpenAI-integrasjon i eksisterende webportal | 6-9 måneder |
-| **Kompleks** | Azure AI Foundry-løsning med custom RAG, fagsystem-integrasjon og HITL | 12-18 måneder |
+| **Kompleks** | Microsoft Foundry-løsning med custom RAG, fagsystem-integrasjon og HITL | 12-18 måneder |
 | **Kompleks** | Multi-agent orkestrering med Semantic Kernel for saksbehandling | 14-20 måneder |

 ### 2.3 Tidsplanvalideringsmal
--- a/skills/ms-ai-advisor/references/architecture/cost-models.md
+++ b/skills/ms-ai-advisor/references/architecture/cost-models.md
@ -18,7 +18,7 @@ Microsoft AI-plattformene har ulike prismodeller tilpasset forskjellige bruksomr
 | **Copilot Studio** | Message-based | Per melding | 25,000 meldinger/måned inkludert i basis-lisens |
 | **M365 Copilot** | Per-user | Per bruker/måned | Krever M365 E3/E5 + Copilot-lisens |
 | **Power Platform AI** | Credit-based | AI Builder credits | Varierer per funksjon (se AI Builder-tabell) |
-| **Azure AI Foundry** | Consumption-based | Per service | Avhenger av hvilke Azure AI-tjenester som brukes |
+| **Microsoft Foundry** | Consumption-based | Per service | Avhenger av hvilke Azure AI-tjenester som brukes |

 ---

@ -189,11 +189,11 @@ Fra november 2024 er **Copilot Credits** felles valuta på tvers av Copilot Stud

 ---

-## Azure AI Foundry (AI Studio)
+## Microsoft Foundry (AI Studio)

 ### Priskomponenter

-Azure AI Foundry er en **orkestreringsplattform** som benytter flere Azure-tjenester. Kostnader er summen av:
+Microsoft Foundry er en **orkestreringsplattform** som benytter flere Azure-tjenester. Kostnader er summen av:

 **1. Kjerne-tjenester:**
 - Azure OpenAI Service (token-basert)
@ -284,7 +284,7 @@ Azure AI Foundry er en **orkestreringsplattform** som benytter flere Azure-tjene

 **Behov:** Forsknings-assistent med RAG over 10 TB dokumenter

-**Løsning:** Azure AI Foundry + Azure AI Search
+**Løsning:** Microsoft Foundry + Azure AI Search
 - Azure AI Search:
  - Basic tier: $0.10 per 1000 queries
  - 50,000 queries/måned: $5
@ -343,7 +343,7 @@ Azure AI Foundry er en **orkestreringsplattform** som benytter flere Azure-tjene
 - **Seeded capacity:** Power Apps Premium, Power Automate Premium (500–5000 credits/måned, fases ut nov 2026)
 - **Copilot Credits:** Kan brukes som fallback

-### Azure AI Foundry
+### Microsoft Foundry
 - **Krever:** Azure-abonnement
 - **Per-service billing:** Hver AI-tjeneste prises separat
 - **RBAC:** AI User, AI Administrator
@ -414,7 +414,7 @@ Azure AI Foundry er en **orkestreringsplattform** som benytter flere Azure-tjene
 - 400/408 errors: Du betaler (service prosesserte request)
 - 401/429 errors: Du betaler **ikke** (autentisering/rate limit)

-### Azure AI Foundry-spesifikke tips
+### Microsoft Foundry-spesifikke tips

 **1. Right-size compute**
 - Bruk autoscaling for variable workloads
@ -453,7 +453,7 @@ Azure AI Foundry er en **orkestreringsplattform** som benytter flere Azure-tjene
 - **AI Builder credits rulles ikke over:** Bruk-eller-tap hver måned
 - **Copilot Credits fallback:** Hvis AI Builder credits er oppbrukt, brukes Copilot Credits (uten varsel)

-### Azure AI Foundry
+### Microsoft Foundry
 - **Multi-service billing:** Costs spredt over mange Azure-tjenester (vanskelig å spore)
 - **Marketplace models:** Tredjepartsmodeller (Cohere, etc.) faktureres via Azure Marketplace (vises på resource group-nivå, ikke Foundry-ressurs)
 - **Code Interpreter sessions:** Hver parallell thread = ny session ($X/time)
--- a/skills/ms-ai-advisor/references/architecture/decision-trees.md
+++ b/skills/ms-ai-advisor/references/architecture/decision-trees.md
@ -198,7 +198,7 @@ START: Hva er budsjettsituasjonen?

 ## Quick Reference: Plattform-egenskaper

-| Egenskap | M365 Copilot | Copilot Studio | Azure AI Foundry |
+| Egenskap | M365 Copilot | Copilot Studio | Microsoft Foundry |
 |----------|--------------|----------------|------------------|
 | **Målgruppe** | Informasjonsarbeidere | Makers, citizen devs | Utviklere |
 | **Tilnærming** | Out-of-box | Low-code | Code-first |
@ -213,7 +213,7 @@ START: Hva er budsjettsituasjonen?

 ## Quick Reference: Sikkerhet per plattform

-| Sikkerhetsfunksjon | M365 Copilot | Copilot Studio | Azure AI Foundry |
+| Sikkerhetsfunksjon | M365 Copilot | Copilot Studio | Microsoft Foundry |
 |-------------------|--------------|----------------|------------------|
 | EU Data Boundary | ✓ | ✓ (EU region) | ✓ (velg region) |
 | Managed Identity | N/A | ✓ | ✓ |
@ -234,7 +234,7 @@ Original analysis synthesized from platform reference files in this knowledge ba

 - `platforms/m365-copilot.md` — M365 Copilot capabilities and licensing
 - `platforms/copilot-studio.md` — Copilot Studio features and use cases
- `platforms/azure-ai-foundry.md` — Azure AI Foundry architecture and pricing
+- `platforms/azure-ai-foundry.md` — Microsoft Foundry architecture and pricing
 - `platforms/power-platform.md` — Power Platform AI capabilities

 Decision trees and decision guidance are original work.
--- a/skills/ms-ai-advisor/references/architecture/licensing-matrix.md
+++ b/skills/ms-ai-advisor/references/architecture/licensing-matrix.md
@ -72,7 +72,7 @@ Tilgjengelig som selvstendig add-on (~$15/bruker/måned, *community-kilde*); anb
 | **Azure Free Tier** | Free (limited) | 1 free search service, limited AI services calls | Azure subscription |
 | **Azure Pay-as-you-go** | Consumption-based | Full Azure AI portfolio | Azure subscription, payment method |
 | **Azure Enterprise Agreement** | Committed spend | Full Azure AI portfolio + volume discounts | EA contract |
-| **Azure AI Foundry** | Consumption-based | Model catalog, prompt flow, evaluation | Azure subscription |
+| **Microsoft Foundry** | Consumption-based | Model catalog, prompt flow, evaluation | Azure subscription |
 | **Azure OpenAI Service** | Token-based pricing | GPT-4, GPT-3.5, Embeddings, DALL-E | Azure subscription, application approval |

 ---
@ -308,7 +308,7 @@ Tilgjengelig som selvstendig add-on (~$15/bruker/måned, *community-kilde*); anb

 ---

-### Azure AI Foundry (formerly Azure ML Studio)
+### Microsoft Foundry (formerly Azure ML Studio)

 **Inkluderer:**
 - Model catalog (Azure OpenAI, Hugging Face, Meta)
@ -363,7 +363,7 @@ Tilgjengelig som selvstendig add-on (~$15/bruker/måned, *community-kilde*); anb
 ### Feil 4: Glemmer Azure subscription for AI Foundry

 **Realitet:**
- Azure AI Foundry/OpenAI krever aktiv Azure subscription
+- Microsoft Foundry/OpenAI krever aktiv Azure subscription
 - Separat billing fra M365
 - Kan generere uventede kostnader hvis ikke monitored

@ -559,7 +559,7 @@ Tilgjengelig som selvstendig add-on (~$15/bruker/måned, *community-kilde*); anb

 **Anbefaling:**
 - Azure Enterprise Agreement
- Azure AI Foundry (for MLOps)
+- Microsoft Foundry (for MLOps)
 - Azure OpenAI Service (for LLMs)
 - Azure Machine Learning (for custom models)

--- a/skills/ms-ai-advisor/references/architecture/migration-patterns.md
+++ b/skills/ms-ai-advisor/references/architecture/migration-patterns.md
@ -16,11 +16,11 @@ Denne referansen dekker vanlige migrasjonsveier mellom Microsoft AI-plattformer
 |-----|-----|---------|--------|-------------------|
 | OpenAI API direkte | Azure OpenAI | Lav | Lav | 1-2 uker |
 | Azure AI Inference SDK | OpenAI SDK | Lav | Lav | 1-2 uker |
-| Azure AI Studio | Azure AI Foundry | Lav-Middels | Lav | 2-4 uker |
+| Azure AI Studio | Microsoft Foundry | Lav-Middels | Lav | 2-4 uker |
 | Power Virtual Agents | Copilot Studio | Middels | Middels | 4-8 uker |
 | Custom chatbot | Copilot Studio | Middels-Høy | Middels | 8-12 uker |
-| AWS Bedrock/SageMaker | Azure AI Foundry | Høy | Høy | 12-16 uker |
-| GCP Vertex AI | Azure AI Foundry | Høy | Høy | 12-16 uker |
+| AWS Bedrock/SageMaker | Microsoft Foundry | Høy | Høy | 12-16 uker |
+| GCP Vertex AI | Microsoft Foundry | Høy | Høy | 12-16 uker |
 | Semantic Kernel | Microsoft Agent Framework | Lav-Middels | Lav | 2-4 uker |
 | Azure Cognitive Search | Azure AI Search | Minimal | Minimal | Rebranding (ingen kodeendring) |
 | Basic RAG | Azure AI Search enhanced RAG | Middels | Lav-Middels | 4-6 uker |
@ -117,9 +117,9 @@ Denne referansen dekker vanlige migrasjonsveier mellom Microsoft AI-plattformer

 ---

-### 2. Azure AI Studio → Azure AI Foundry
+### 2. Azure AI Studio → Microsoft Foundry

-**Scenario:** Rebranding-migrasjon fra "Azure AI Studio" til "Azure AI Foundry". Dette er primært en portalendring, men med nye funksjoner.
+**Scenario:** Rebranding-migrasjon fra "Azure AI Studio" til "Microsoft Foundry". Dette er primært en portalendring, men med nye funksjoner.

 #### Hvorfor migrere?
 - Tilgang til nye AI-modeller (DeepSeek, Grok, osv.)
@ -459,12 +459,12 @@ Denne referansen dekker vanlige migrasjonsveier mellom Microsoft AI-plattformer

 ---

-### 5. AWS Bedrock/SageMaker → Azure AI Foundry
+### 5. AWS Bedrock/SageMaker → Microsoft Foundry

 **Scenario:** Du kjører LLM-workloads på AWS og ønsker å migrere til Azure for multi-cloud strategi eller bedre integrering med Microsoft 365.

 #### Hvorfor migrere?
- Unified AI platform (Azure AI Foundry)
+- Unified AI platform (Microsoft Foundry)
 - Integrering med M365 Copilot
 - Bedre GDPR-compliance for EU-kunder
 - Single-vendor strategi (Azure + Microsoft AI)
@ -1182,7 +1182,7 @@ Base effort: 200 timer
 ### Microsoft Learn
 - [Azure Migration Guide](https://learn.microsoft.com/azure/cloud-adoption-framework/migrate/)
 - [Copilot Studio Migration](https://learn.microsoft.com/microsoft-copilot-studio/unified-authoring-conversion)
- [Azure AI Foundry Documentation](https://learn.microsoft.com/azure/foundry/)
+- [Microsoft Foundry Documentation](https://learn.microsoft.com/azure/foundry/)

 ### Verktøy
 - **Azure Migrate:** Assessment og migrering av workloads
--- a/skills/ms-ai-advisor/references/architecture/poc-template.md
+++ b/skills/ms-ai-advisor/references/architecture/poc-template.md
@ -4,7 +4,7 @@

 ---

-Dette dokumentet tilbyr en strukturert mal for å planlegge, gjennomføre og evaluere Proof of Concept (POC) prosjekter for Microsoft AI-løsninger. Malen er tilpasset Azure AI Foundry, Copilot Studio, Power Platform AI, og andre Microsoft AI-plattformer.
+Dette dokumentet tilbyr en strukturert mal for å planlegge, gjennomføre og evaluere Proof of Concept (POC) prosjekter for Microsoft AI-løsninger. Malen er tilpasset Microsoft Foundry, Copilot Studio, Power Platform AI, og andre Microsoft AI-plattformer.

 ## Innhold

@ -80,7 +80,7 @@ _[Velg én eller flere:]_

 - [ ] **Microsoft 365 Copilot** (extensions/agents)
 - [ ] **Copilot Studio** (custom agents)
- [ ] **Azure AI Foundry** (custom gen AI apps)
+- [ ] **Microsoft Foundry** (custom gen AI apps)
 - [ ] **Power Platform AI** (AI Builder, Power Automate AI)
 - [ ] **Azure Machine Learning** (custom ML models)
 - [ ] **Analytical AI** (Content Safety, Document Intelligence, Custom Vision)
@ -248,7 +248,7 @@ Definer spesifikke, målbare kriterier for POC-suksess. Se [Success Criteria Fra
 - [ ] **Explainability:** Validate that model decisions are understandable

 **Tools:**
- Azure AI Foundry evaluation tools
+- Microsoft Foundry evaluation tools
 - Azure AI Content Safety
 - Responsible AI Dashboard (Azure ML)

@ -307,9 +307,9 @@ Ved slutten av POC, evaluer mot disse kriteriene:

 | Metric | Definition | Target Range | Measurement Method |
 |--------|------------|--------------|-------------------|
-| **Groundedness** | % of responses supported by source data | >85% | Azure AI Foundry evaluation |
-| **Relevance** | % of responses relevant to user query | >80% | Azure AI Foundry evaluation |
-| **Fluency** | % of responses that are coherent and grammatical | >90% | Azure AI Foundry evaluation |
+| **Groundedness** | % of responses supported by source data | >85% | Microsoft Foundry evaluation |
+| **Relevance** | % of responses relevant to user query | >80% | Microsoft Foundry evaluation |
+| **Fluency** | % of responses that are coherent and grammatical | >90% | Microsoft Foundry evaluation |
 | **Content Safety** | % of harmful content blocked | 100% | Azure AI Content Safety |
 | **Response Time** | Average latency (seconds) | <3s (p95) | Application Insights |
 | **Throughput** | Requests per second handled | >100 rps | Load testing |
@ -430,7 +430,7 @@ Bruk denne matrisen for å score POC-resultater:

 ---

-### Azure AI Foundry POC Checklist
+### Microsoft Foundry POC Checklist

 **Pre-Development:**
 - [ ] Select foundation model (GPT-4o, GPT-4, custom)
@ -447,7 +447,7 @@ Bruk denne matrisen for å score POC-resultater:
 - [ ] Deploy to pre-production endpoint

 **Evaluation:**
- [ ] Run Azure AI Foundry evaluation suite (groundedness, relevance, fluency)
+- [ ] Run Microsoft Foundry evaluation suite (groundedness, relevance, fluency)
 - [ ] Test adversarial prompts (jailbreak attempts)
 - [ ] Measure latency and throughput
 - [ ] Validate cost per request
@ -582,7 +582,7 @@ Bruk denne matrisen for å score POC-resultater:

 ### 2-Week Standard POC

-**Anbefalt for:** Moderate complexity (Azure AI Foundry RAG, Copilot Studio med custom topics)
+**Anbefalt for:** Moderate complexity (Microsoft Foundry RAG, Copilot Studio med custom topics)

 | Week | Activities | Deliverables |
 |------|------------|--------------|
@ -925,11 +925,11 @@ Legg til ekstra tid hvis:
 ### Microsoft Documentation
 - [AI Adoption Framework (CAF)](https://learn.microsoft.com/azure/cloud-adoption-framework/scenarios/ai/)
 - [Copilot Studio Implementation Guidance](https://learn.microsoft.com/microsoft-copilot-studio/guidance/overview)
- [Azure AI Foundry Evaluation](https://learn.microsoft.com/azure/foundry/how-to/evaluate-generative-ai-app)
+- [Microsoft Foundry Evaluation](https://learn.microsoft.com/azure/foundry/how-to/evaluate-generative-ai-app)
 - [Responsible AI Standard](https://www.microsoft.com/ai/responsible-ai)

 ### Tools
- **Azure AI Foundry:** Model evaluation, deployment
+- **Microsoft Foundry:** Model evaluation, deployment
 - **Copilot Studio:** Agent development, testing
 - **Azure AI Content Safety:** Content moderation
 - **Responsible AI Dashboard:** Fairness, bias detection (Azure ML)
--- a/skills/ms-ai-advisor/references/architecture/rag-maturity-model.md
+++ b/skills/ms-ai-advisor/references/architecture/rag-maturity-model.md
@ -152,7 +152,7 @@ Denne modenhetsmodellen definerer 11 nivåer som representerer en progressiv sti
 | Aspekt | Detaljer |
 |--------|---------|
 | **Teknikk** | Fine-tuning av embedding-modeller med domene-spesifikke treningspar |
-| **Microsoft-tjenester** | Azure AI Foundry (fine-tuning), Azure OpenAI (text-embedding-3-large med custom tuning) |
+| **Microsoft-tjenester** | Microsoft Foundry (fine-tuning), Azure OpenAI (text-embedding-3-large med custom tuning) |
 | **Kompleksitet** | Høy — krever treningsdata og evalueringsrammeverk |
 | **Kostnad** | Variabel (fine-tuning compute + evaluering) |
 | **Typisk forbedring** | +15-30% retrieval-kvalitet i spesialiserte domener |
@ -184,7 +184,7 @@ Denne modenhetsmodellen definerer 11 nivåer som representerer en progressiv sti
 | Aspekt | Detaljer |
 |--------|---------|
 | **Teknikk** | LLM-agent med retrieval-verktøy, router-mønster, multi-backend søk |
-| **Microsoft-tjenester** | Microsoft Agent Framework, Semantic Kernel (VectorStore bridge), Azure AI Foundry Agent Service |
+| **Microsoft-tjenester** | Microsoft Agent Framework, Semantic Kernel (VectorStore bridge), Foundry Agent Service |
 | **Kompleksitet** | Svært høy |
 | **Kostnad** | 5-20x enkelt søk (multiple LLM-kall per query) |
 | **Typisk forbedring** | +30-50% for komplekse, multi-step spørsmål |
@ -200,7 +200,7 @@ Denne modenhetsmodellen definerer 11 nivåer som representerer en progressiv sti
 | Aspekt | Detaljer |
 |--------|---------|
 | **Teknikk** | Confidence scoring → evaluering → re-retrieval/re-generation loop |
-| **Microsoft-tjenester** | Azure AI Foundry Evaluators (Groundedness, Relevance, Retrieval), Semantic Kernel |
+| **Microsoft-tjenester** | Microsoft Foundry Evaluators (Groundedness, Relevance, Retrieval), Semantic Kernel |
 | **Kompleksitet** | Svært høy |
 | **Kostnad** | 10-30x enkelt søk (evaluering + re-retrieval loops) |
 | **Typisk forbedring** | +20-40% groundedness, vesentlig reduksjon i hallusinasjoner |
@ -298,7 +298,7 @@ START
 - **Risiko:** Høy — ny arkitektur, kompleks indekshåndtering

 ### Nivå 7→8: Fine-tune embeddings
- **Krav:** Treningsdata (query-dokument-par), Azure AI Foundry
+- **Krav:** Treningsdata (query-dokument-par), Microsoft Foundry
 - **Endring:** Custom embedding-modell, full re-indeksering
 - **Risiko:** Høy — krever ML-kompetanse

@ -313,7 +313,7 @@ START
 - **Risiko:** Høy — ikke-deterministisk oppførsel, debugging-utfordringer

 ### Nivå 10→11: Self-reflection loop
- **Krav:** Azure AI Foundry Evaluators, confidence thresholds
+- **Krav:** Microsoft Foundry Evaluators, confidence thresholds
 - **Endring:** Evaluerings- og re-retrieval loop
 - **Risiko:** Høy — øker latency vesentlig, krever tydelige kvalitetsgrenser

@ -434,8 +434,8 @@ Disse mønstrene kan kombineres med ethvert nivå og er ikke del av den lineære
 |-------|-----------|--------|
 | Azure AI Search RAG overview | **Verified** | Nivå 1-4 tjenester og priser |
 | Azure AI Search Semantic Ranker | **Verified** | Nivå 2 reranking |
-| Azure AI Foundry evaluators | **Verified** | Nivå 11 evaluering |
-| Azure AI Foundry Agent Service | **Verified** | Nivå 10 agentic RAG |
+| Microsoft Foundry evaluators | **Verified** | Nivå 11 evaluering |
+| Foundry Agent Service | **Verified** | Nivå 10 agentic RAG |
 | Microsoft GraphRAG (GitHub) | **Verified** | Nivå 9 knowledge graphs |
 | Anthropic Contextual Retrieval research | **Baseline** | Nivå 5 forbedringsprosenter |
 | Jina AI Late Chunking research | **Baseline** | Late chunking konsept |
--- a/skills/ms-ai-advisor/references/architecture/security.md
+++ b/skills/ms-ai-advisor/references/architecture/security.md
@ -25,7 +25,7 @@ AI-sikkerhet følger en delt ansvarsmodell mellom Microsoft og kunden. Ansvarsfo

 ### Ansvarsfordeling etter tjeneste

-| Lag | M365 Copilot (SaaS) | Copilot Studio (PaaS) | Azure AI Foundry (PaaS) | Custom IaaS |
+| Lag | M365 Copilot (SaaS) | Copilot Studio (PaaS) | Microsoft Foundry (PaaS) | Custom IaaS |
 |-----|---------------------|----------------------|------------------------|-------------|
 | AI-modellsikkerhet | Microsoft | Delt | Delt | Kunde |
 | Content Safety | Microsoft | Microsoft + Kunde | Kunde | Kunde |
@ -89,7 +89,7 @@ Microsoft sitt Responsible AI-rammeverk definerer seks prinsipper for etisk og s
 - Dokumenter databehandlingsdesign
 - Integrer med compliance-workflows

-### AI Reports i Azure AI Foundry
+### AI Reports i Microsoft Foundry

 Dokumenter AI-prosjekter med:
 - Model cards og versjoner
@ -244,7 +244,7 @@ IMPLEMENTASJONSREKKEFØLGE:
 |-----------|-------------------|--------------|
 | M365 Copilot | 17+ regioner | I tenant-region |
 | Copilot Studio | Multiple | Valgbar per environment |
-| Azure AI Foundry | 30+ Azure regions | I valgt region |
+| Microsoft Foundry | 30+ Azure regions | I valgt region |

 **Advanced Data Residency (ADR):**
 - Utvidet garanti for datalagring
@ -515,7 +515,7 @@ Adversarial Threat Landscape for AI Systems:

 ## Decision Matrix: Sikkerhetsnivå

-| Scenario | M365 Copilot | Copilot Studio | Azure AI Foundry |
+| Scenario | M365 Copilot | Copilot Studio | Microsoft Foundry |
 |----------|--------------|----------------|------------------|
 | Offentlig sektor, sensitiv data | ✓ Med Purview | ✓ Med EU-region | ✓ Med private endpoints |
 | Enterprise, internal use | ✓ | ✓ | ✓ |