open/ms-ai-architect
1
0
Fork 0
Code Issues Releases 4 Activity

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

Browse source 
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>
This commit is contained in:
Kjell Tore Guttormsen 2026-06-23 21:00:27 +02:00
commit 03d596e4ec
233 changed files with 810 additions and 810 deletions
Download patch file Download diff file Expand all files Collapse all files

4
skills/ms-ai-governance/references/responsible-ai/ai-act-annex-iii-checklist.md
View file

@ -447,12 +447,12 @@ Den nye forvaltningsloven (vedtatt 3. juni 2025, Prop. 79 L (2024-2025)) innehol
| Steg | Verktøy | Funksjon |
|------|---------|----------|
| Risikoklassifisering | Microsoft Purview Compliance Manager | EU AI Act assessment template med improvement actions |
| Dokumentasjon | Azure AI Foundry AI Reports | Model cards, evaluation metrics, compliance-klar eksport |
| Dokumentasjon | Microsoft Foundry AI Reports | Model cards, evaluation metrics, compliance-klar eksport |
| Profileringsvurdering | Microsoft Priva | Privacy Impact Assessment for å avgjøre profileringsstatus |
| FRIA | Compliance Manager + Priva | Fundamental Rights Impact Assessment-mal |
| Human oversight | Power Automate / Logic Apps | Godkjenningsworkflows for høyrisiko-beslutninger |
| Logging | Azure Monitor + Log Analytics | Automatisk logging per Art. 12-krav |
| Adversarial testing | Azure AI Foundry Red Teaming Agent | Pre-deployment robustness-testing (Art. 15) |
| Adversarial testing | Microsoft Foundry Red Teaming Agent | Pre-deployment robustness-testing (Art. 15) |
| Post-market monitoring | Microsoft Defender for Cloud | AI threat protection i produksjon |
---

32
skills/ms-ai-governance/references/responsible-ai/ai-act-compliance-guide.md
View file

@ -65,15 +65,15 @@ Providers av høyrisiko-systemer (de som utvikler/markedsfører) må oppfylle **
| Kravområde | Konkret innhold | Microsoft-verktøy |
|-----------|-----------------|-------------------|
| **Risk Management System** | Kontinuerlig identifisering, analyse og mitigering av risikoer gjennom hele livssyklusen | Azure AI Foundry risk assessments, MITRE ATLAS framework |
| **Risk Management System** | Kontinuerlig identifisering, analyse og mitigering av risikoer gjennom hele livssyklusen | Microsoft Foundry risk assessments, MITRE ATLAS framework |
| **Data Governance** | Relevante, representative og feilfrie treningsdata; bias-analyse | Microsoft Purview Data Lifecycle Management, data lineage |
| **Technical Documentation** | Komplett dokumentasjon av design, utvikling, testing | Azure AI Foundry reports (PDF/SPDX), model cards |
| **Technical Documentation** | Komplett dokumentasjon av design, utvikling, testing | Microsoft Foundry reports (PDF/SPDX), model cards |
| **Record-keeping** | Automatisk logging av events for sporbarhet | Azure Monitor, Log Analytics, Purview audit logs |
| **Transparency** | Brukere skal forstå systemets kapabiliteter og begrensninger | Transparency notes, model cards |
| **Human Oversight** | Mekanismer for human-in-the-loop i kritiske beslutninger | Azure Logic Apps, Power Automate approval workflows |
| **Accuracy, Robustness, Security** | Høy presisjon, resiliens mot feil, cybersecurity | Azure AI Content Safety, adversarial testing (PyRIT) |
| **Quality Management System** | ISO-lignende kvalitetsstyring for hele utviklingsløpet | ISO 42001:2023 (Microsoft sertifisert for M365 Copilot, Copilot Studio, Microsoft Foundry, Security Copilot, GitHub Copilot, Dragon Copilot, Dragon Copilot (Radiologist), Copilot Health) *(Verified MCP 2026-06-19)* |
| **Conformity Assessment** | Pre-deployment vurdering (intern eller ekstern) | Azure AI Foundry evaluation metrics, Compliance Manager |
| **Conformity Assessment** | Pre-deployment vurdering (intern eller ekstern) | Microsoft Foundry evaluation metrics, Compliance Manager |
| **CE-merking** | Registrering i EU database før markedsføring | (Gjelder ikke SaaS-tjenester fra Microsoft) |
| **Post-market Monitoring** | Kontinuerlig overvåking av performance i produksjon | Microsoft Defender for Cloud AI threat protection |
@ -110,7 +110,7 @@ For organisasjoner som bygger egne AI-løsninger på Azure:
│
┌─────────────────────────────────────────────────────────────┐
│ Development Layer │
│ • Azure AI Foundry (model development + evaluation) │
│ • Microsoft Foundry (model development + evaluation) │
│ • AI Red Teaming Agent (pre-deployment adversarial testing) │
│ • Model cards + transparency notes (documentation) │
│ • AI Reports (PDF/SPDX export for audits) │
@ -259,7 +259,7 @@ Compliance Manager tilbyr **4 premium AI templates** gratis i 6 måneder ved kj
3. ISO/IEC 42001:2023 (AI management system)
4. NIST AI RMF 1.0
**Automatisk synkronisering fra Azure AI Foundry:**
**Automatisk synkronisering fra Microsoft Foundry:**
- Compliance Manager kan synkronisere **15 automated evaluation actions** fra AI Foundry (reliability, BLEU score, coherence, fluency)
- Real-time pass/fail status vises i Compliance Manager
@ -271,15 +271,15 @@ Compliance Manager tilbyr **4 premium AI templates** gratis i 6 måneder ved kj
2. Create assessment → velg "EU Artificial Intelligence Act"
3. Scope assessment til relevante AI workloads (Azure subscriptions, M365 services)
4. Assign improvement actions til ansvarlige team members
5. Integrate med Azure AI Foundry for automated evaluation sync (krever AI Project Manager RBAC role)
5. Integrate med Microsoft Foundry for automated evaluation sync (krever AI Project Manager RBAC role)
**Confidence: High** — Compliance Manager's AI Act template er offisielt lansert og aktivt vedlikeholdt av Microsoft.
### Azure AI Foundry: Built-in compliance features
### Microsoft Foundry: Built-in compliance features
**AI Reports for audit readiness:**
Azure AI Foundry kan generere **compliance-klare rapporter** som dekker AI Act dokumentasjonskrav:
Microsoft Foundry kan generere **compliance-klare rapporter** som dekker AI Act dokumentasjonskrav:
- Model cards (modellnavn, versjon, formål, begrensninger)
- Evaluation metrics (accuracy, fairness, robustness)
@ -289,7 +289,7 @@ Azure AI Foundry kan generere **compliance-klare rapporter** som dekker AI Act d
**Hvordan generere:**
```bash
# I Azure AI Foundry portal
# I Microsoft Foundry portal
Project → Reports → Create Report
├─ Include: Model card, Evaluations, Safety filters
├─ Export format: PDF (for auditors) eller SPDX (for tech compliance)
@ -309,7 +309,7 @@ Supported risk categories:
**Hvordan kjøre:**
```bash
# I Azure AI Foundry
# I Microsoft Foundry
Evaluation → AI Red Teaming Agent → Select risk categories
├─ Run automated attack scenarios (prompt injections, jailbreaks)
├─ Review failure cases
@ -428,7 +428,7 @@ En kommunes AI-drevne søknadsbehandling må ikke bare følge forvaltningsloven,
9. **EU database registration:** NAV må registrere systemet i EU-databasen før produksjonssetting (fra aug 2026)
**Microsoft-verktøy for NAV:**
- Azure AI Foundry for utvikling + evaluation
- Microsoft Foundry for utvikling + evaluation
- Purview Compliance Manager med AI Act template
- Purview Data Map for data lineage (spore datakilder)
- Azure AI Content Safety for å filtrere upassende input
@ -480,7 +480,7 @@ Selv om offentlige virksomheter ikke har "omsetning", kan administrative sanksjo
**Kostnadsreduksjon med Microsoft-stack:**
- **Purview Compliance Manager:** €0 for AI templates (inkludert i E5/Copilot-lisens)
- **Azure AI Foundry reports:** €0 (inkludert i AI Foundry subscription)
- **Microsoft Foundry reports:** €0 (inkludert i AI Foundry subscription)
- **Automated evaluation sync:** Reduserer manuelle compliance-sjekker (estimert 30-40% tidsbesparelse)
- **Pre-built guardrails:** Azure AI Content Safety koster ~$1-2 per 1000 transactions (billigere enn custom-løsning)
@ -494,7 +494,7 @@ Selv om offentlige virksomheter ikke har "omsetning", kan administrative sanksjo
|--------|---------------------------|
| **Microsoft 365 E5** | Purview Compliance Manager (AI Act template), Purview Audit, Communication Compliance, eDiscovery |
| **Microsoft 365 E5 Compliance** | Full Purview suite (DLP, Insider Risk, Data Lifecycle Management) |
| **Azure AI Foundry** | AI Reports, AI Red Teaming Agent, evaluation metrics, model cards |
| **Microsoft Foundry** | AI Reports, AI Red Teaming Agent, evaluation metrics, model cards |
| **Microsoft Defender for Cloud (CSPM)** | AI threat protection, vulnerability scanning |
| **Copilot for M365** | Baseline AI Act assessment auto-provisioned, built-in content filters |
@ -547,7 +547,7 @@ Selv om offentlige virksomheter ikke har "omsetning", kan administrative sanksjo
**Confidence: High**
**Scenario 2: Kunde bygger custom AI på Azure AI Foundry (høyrisiko)**
**Scenario 2: Kunde bygger custom AI på Microsoft Foundry (høyrisiko)**
**Ditt råd:**
- "Dere er provider, så dere må gjennomføre full compliance-løp: risk assessment, data governance, FRIA (hvis offentlig sektor), conformity assessment."
@ -668,7 +668,7 @@ Tre nivåer av human oversight:
*Last accessed: 2026-02-03*
*Confidence: Highest*
10. **Azure AI Foundry - AI Reports for Compliance** — [Microsoft Tech Community Blog](https://techcommunity.microsoft.com/blog/aiplatformblog/ai-reports-improve-ai-governance-and-genaiops-with-consistent-documentation/4301914)
10. **Microsoft Foundry - AI Reports for Compliance** — [Microsoft Tech Community Blog](https://techcommunity.microsoft.com/blog/aiplatformblog/ai-reports-improve-ai-governance-and-genaiops-with-consistent-documentation/4301914)
*Published: 2024*
*Confidence: High*
@ -676,7 +676,7 @@ Tre nivåer av human oversight:
*Last accessed: 2026-02-03*
*Confidence: Highest*
12. **Azure AI Foundry - Governance and Security for AI Agents** — [Microsoft Learn](https://learn.microsoft.com/en-us/azure/cloud-adoption-framework/ai-agents/governance-security-across-organization)
12. **Microsoft Foundry - Governance and Security for AI Agents** — [Microsoft Learn](https://learn.microsoft.com/en-us/azure/cloud-adoption-framework/ai-agents/governance-security-across-organization)
*Last accessed: 2026-02-03*
*Confidence: Highest*

2
skills/ms-ai-governance/references/responsible-ai/ai-act-conformity-assessment.md
View file

@ -44,7 +44,7 @@ Annex IV spesifiserer hvilken teknisk dokumentasjon som kreves. Under følger hv
- Versjonskontroll og endringshåndtering
**Eksempel:**
> "Systemet benytter Azure OpenAI GPT-4o (modell-id: gpt-4o-2024-08-06) via Azure AI Foundry. Treningsdata er ikke benyttet — systemet er prompt-engineered med virksomhetens egne saksmaler. Retrieval-augmented generation (RAG) er implementert mot en Azure AI Search-indeks med 12 000 dokumenter fra Lovdata og interne retningslinjer. Indeksen oppdateres månedlig."
> "Systemet benytter Azure OpenAI GPT-4o (modell-id: gpt-4o-2024-08-06) via Microsoft Foundry. Treningsdata er ikke benyttet — systemet er prompt-engineered med virksomhetens egne saksmaler. Retrieval-augmented generation (RAG) er implementert mot en Azure AI Search-indeks med 12 000 dokumenter fra Lovdata og interne retningslinjer. Indeksen oppdateres månedlig."
**Typiske mangler:**
- Konkret modell-ID mangler (bare "GPT-4" oppgitt)

20
skills/ms-ai-governance/references/responsible-ai/ai-act-microsoft-tools-mapping.md
View file

@ -17,15 +17,15 @@ Microsoft-plattformen tilbyr en bred portefølje av verktøy som støtter etterl
| AI Act-artikkel | Krav | Microsoft-verktøy | Implementeringsdetalj |
|---|---|---|---|
| **Art. 5** Forbudt praksis | Dokumentasjon av at systemet ikke faller inn under forbudte kategorier | Microsoft Purview Compliance Manager | Opprett tilpasset assessment med Art. 5-sjekkliste; dokumentér eksklusjonsgrunnlag |
| **Art. 9** Risikostyring | Kontinuerlig risikoidentifisering og -reduksjon | Azure AI Content Safety, Azure AI Foundry Evaluation | Sett opp automatisert evaluering i Prompt Flow; konfigurér Content Safety-filtre med terskler tilpasset risikonivå |
| **Art. 9** Risikostyring | Kontinuerlig risikoidentifisering og -reduksjon | Azure AI Content Safety, Microsoft Foundry Evaluation | Sett opp automatisert evaluering i Prompt Flow; konfigurér Content Safety-filtre med terskler tilpasset risikonivå |
| **Art. 9** Risikostyring | Risikoregister og -prosess | Microsoft Purview Compliance Manager | Bruk innebygde risk assessments; knytt til Azure DevOps work items for sporbarhet |
| **Art. 10** Data governance | Treningsdata-kvalitetsdokumentasjon | Microsoft Purview Data Catalog, Azure ML Data Labeling | Registrér alle datasett i Purview med lineage-sporing; dokumentér pre-prosesseringssteg i Azure ML |
| **Art. 10** Data governance | Datakvalitetstiltak og bias-vurdering | Azure AI Foundry Evaluation, Responsible AI Dashboard | Kjør Responsible AI Dashboard i Azure ML for bias-analyse og fairness-måling per undergruppe |
| **Art. 11** Teknisk dokumentasjon | Fullstendig Annex IV-dokumentasjon | Azure ML Model Registry, Prompt Flow Tracing, Azure AI Foundry | Bruk Model Registry for automatisk modellkort-generering; eksportér Prompt Flow-traces til dokumentasjon |
| **Art. 10** Data governance | Datakvalitetstiltak og bias-vurdering | Microsoft Foundry Evaluation, Responsible AI Dashboard | Kjør Responsible AI Dashboard i Azure ML for bias-analyse og fairness-måling per undergruppe |
| **Art. 11** Teknisk dokumentasjon | Fullstendig Annex IV-dokumentasjon | Azure ML Model Registry, Prompt Flow Tracing, Microsoft Foundry | Bruk Model Registry for automatisk modellkort-generering; eksportér Prompt Flow-traces til dokumentasjon |
| **Art. 11** Teknisk dokumentasjon | Versjonskontroll av AI-artefakter | Azure DevOps, GitHub, Azure ML Model Registry | Semantisk versjonering av modeller, prompts og konfigurasjoner; koble til change management-prosess |
| **Art. 12** Loggføring | Automatisk og uforanderlig loggføring | Azure Monitor, Application Insights, Log Analytics | Konfigurér 6-måneders retention (minimum per AI Act); bruk immutable storage for audit logs; alert ved logg-gap |
| **Art. 12** Loggføring | Sporbarhet av AI-beslutninger | Azure AI Foundry Prompt Flow Tracing | Aktiver trace-logging per forespørsel; logg input, output, versjon og bruker-ID |
| **Art. 13** Transparens | Publisering av bruksinstruksjoner | Azure AI Foundry Model Cards, SharePoint, Confluence | Generer modellkort automatisk fra Azure ML; publisér på intern portal med versjonskontroll |
| **Art. 12** Loggføring | Sporbarhet av AI-beslutninger | Microsoft Foundry Prompt Flow Tracing | Aktiver trace-logging per forespørsel; logg input, output, versjon og bruker-ID |
| **Art. 13** Transparens | Publisering av bruksinstruksjoner | Microsoft Foundry Model Cards, SharePoint, Confluence | Generer modellkort automatisk fra Azure ML; publisér på intern portal med versjonskontroll |
| **Art. 13** Transparens | AI-merking i grensesnitt | Copilot Studio (custom messages), custom UI components | Konfigurér velkommen-melding i Copilot Studio; implementér Art. 50(1)-notis i UI-lag |
| **Art. 14** Menneskelig tilsyn | Human-in-the-loop i automatiserte flyter | Power Automate Approvals, Copilot Studio HITL | Konfigurér approval-actions i Power Automate; bruk Copilot Studio escalation til menneskelig agent |
| **Art. 14** Menneskelig tilsyn | Override-mekanisme for AI-beslutninger | Power Apps, custom portals | Bygg override-knapp i saksbehandlerflate; logg alle overrides i Azure Monitor |
@ -74,9 +74,9 @@ Microsoft-plattformen tilbyr en bred portefølje av verktøy som støtter etterl
---
### Azure AI Foundry (Prompt Flow, Evaluation, Model Catalog)
### Microsoft Foundry (Prompt Flow, Evaluation, Model Catalog)
**Hva det gjør:** Azure AI Foundry er en ende-til-ende plattform for utvikling, evaluering og deployering av generative AI-løsninger. Prompt Flow gir visuell orkestrering av LLM-pipeliner med innebygd tracing. Evaluation muliggjør systematisk vurdering av modellkvalitet.
**Hva det gjør:** Microsoft Foundry er en ende-til-ende plattform for utvikling, evaluering og deployering av generative AI-løsninger. Prompt Flow gir visuell orkestrering av LLM-pipeliner med innebygd tracing. Evaluation muliggjør systematisk vurdering av modellkvalitet.
**Mapping til AI Act:**
- **Prompt Flow Tracing:** Art. 12-loggføring — full sporbarhet av input, output og mellomliggende steg per forespørsel
@ -111,7 +111,7 @@ Microsoft-plattformen tilbyr en bred portefølje av verktøy som støtter etterl
- **Privileged Identity Management (PIM):** Just-in-time-tilgang for administratorer til AI-infrastruktur — reduserer risiko for utilsiktet endring
- **Audit Logs:** Detaljert loggføring av alle påloggings- og tilgangshendelser — støtter Art. 12-krav
**Konfigurasjon for AI Act:** Sett opp dedikerte app-registreringer for AI-systemer med minste-privilegium-tilgang. Aktiver PIM for tilgang til Azure AI Foundry og Azure ML. Konfigurér Conditional Access til å kreve MFA og compliant device for alle AI-administrasjonsoppgaver.
**Konfigurasjon for AI Act:** Sett opp dedikerte app-registreringer for AI-systemer med minste-privilegium-tilgang. Aktiver PIM for tilgang til Microsoft Foundry og Azure ML. Konfigurér Conditional Access til å kreve MFA og compliant device for alle AI-administrasjonsoppgaver.
---
@ -165,7 +165,7 @@ Microsoft-plattformen tilbyr en bred portefølje av verktøy som støtter etterl
| Microsoft Purview Compliance Manager | Microsoft 365 E3 / E5 | M365 E5 Compliance | E3 gir grunnleggende assessment; E5 gir avanserte rapporter og Priva |
| Microsoft Priva | Microsoft Priva add-on (~50 NOK/bruker/mnd) | Inkludert i M365 E5 Compliance | Priva Privacy Risk Management krever separat lisens eller E5 |
| Azure AI Content Safety | Pay-as-you-go (Azure consumption) | Dedikert Azure-abonnement | Prising per 1000 tekst-tegn / per bilde; budsjettér ut fra volum |
| Azure AI Foundry (Evaluation) | Pay-as-you-go | Dedikert Azure-abonnement | Evalueringsoperasjoner faktureres per run; Prompt Flow er gratis å kjøre |
| Microsoft Foundry (Evaluation) | Pay-as-you-go | Dedikert Azure-abonnement | Evalueringsoperasjoner faktureres per run; Prompt Flow er gratis å kjøre |
| Azure ML (Responsible AI Dashboard) | Azure ML compute-kostnader | Dedikert Azure-abonnement | Selve Dashboard-funksjonen er gratis; compute for kjøring av analyser faktureres |
| Azure Monitor + Log Analytics | Inkludert i Azure | Utvidet retention tilkommer | 90 dager gratis retention; 6 måneder (AI Act-krav) koster ca. 3,5 NOK/GB/mnd ekstra |
| Microsoft Entra ID (PIM, Conditional Access) | Entra ID P2 | Inkludert i M365 E5 / EMS E5 | P1 gir Conditional Access; P2 kreves for PIM og Identity Protection |
@ -204,7 +204,7 @@ Anbefalt sekvens basert på AI Act-ikrafttredelsesdatoer og risikoprioritering:
**Prioritet:** Oppfylle Art. 9, 10, 11 og 13-krav i god tid før høyrisiko-fristen (2. des 2027, provisorisk — utsatt fra aug 2026 via Omnibus)
5. **Azure AI Foundry Evaluation:** Konfigurér automatisert evalueringspipeline (Art. 9 + Art. 11)
5. **Microsoft Foundry Evaluation:** Konfigurér automatisert evalueringspipeline (Art. 9 + Art. 11)
6. **Responsible AI Dashboard:** Kjør bias- og fairness-analyse (Art. 10)
7. **Purview Data Catalog:** Katalogisér treningsdata og aktivér lineage-sporing (Art. 10)
8. **Teknisk dokumentasjon (Annex IV):** Skriv alle 9 elementer — bruk Azure ML Model Registry som grunnlag

2
skills/ms-ai-governance/references/responsible-ai/ai-act-transparency-notices.md
View file

@ -148,7 +148,7 @@ Art. 50(2) krever at AI-generert tekst, bilde, lyd og video som ikke er åpenbar
**Azure AI Content Safety — Watermarking:**
- Støtter digitalt vannmerke for bilder generert med Azure OpenAI DALL-E
- C2PA (Coalition for Content Provenance and Authenticity) metadata-standard
- Konfigurerbart via Azure AI Foundry
- Konfigurerbart via Microsoft Foundry
**Tekstmerking:**
- Ikke automatisk støttet per 2026-02 for ren tekst

12
skills/ms-ai-governance/references/responsible-ai/ai-center-of-excellence-setup.md
View file

@ -129,7 +129,7 @@ AI CoE skal fylle disse kjerneansvarene, spesielt i oppstarten av AI-adopsjon:
#### A. Definere AI-strategi
- Etabler klar AI-strategi alignet med business goals
- Bruk AI decision tree for å velge riktige løsninger (Azure AI Foundry vs Copilot Studio vs Power Platform AI)
- Bruk AI decision tree for å velge riktige løsninger (Microsoft Foundry vs Copilot Studio vs Power Platform AI)
- Utvikle Responsible AI-strategi som guider etisk implementering
- Identifiser AI-muligheter sammen med business ledere
@ -401,7 +401,7 @@ Executive sponsorship tilgjengelig? ──No──> Ikke etabler CoE nå
## Integrasjon med Microsoft-stakken
### Azure AI Foundry
### Microsoft Foundry
**CoE-ansvar:**
- Definere project-struktur (ett Foundry hub per business unit, projects per use case)
@ -487,7 +487,7 @@ Executive sponsorship tilgjengelig? ──No──> Ikke etabler CoE nå
- Remediate policy violations
**Key policies for AI (fra Cloud Adoption Framework):**
- Azure AI Foundry: Model deployment restrictions, content filter enforcement
- Microsoft Foundry: Model deployment restrictions, content filter enforcement
- Azure AI Services: Allowed SKUs, network isolation
- Azure AI Search: Encryption, network security
- Azure OpenAI: Model restrictions, content filtering
@ -520,7 +520,7 @@ Executive sponsorship tilgjengelig? ──No──> Ikke etabler CoE nå
- Pilots: AI for vegvedlikehold (prediktiv analyse av asfaltslitasje via computer vision)
**Teknologi:**
- Azure AI Foundry i Norway East (data residency)
- Microsoft Foundry i Norway East (data residency)
- Microsoft Purview for GDPR compliance
- Custom policies: "Ingen AI-tjenester utenfor Norge/EU", "Alle models må ha content filter"
@ -538,7 +538,7 @@ Executive sponsorship tilgjengelig? ──No──> Ikke etabler CoE nå
| **Personnel** | 3-20M | Avhenger av team size (se sizing-guide). Lønn + overhead (35-40%). |
| **Training & Certification** | 300k-1M | Microsoft Learn gratis, men dedikert tid (20% av FTE) + sertifiseringer (~10k per person). |
| **Azure Infrastructure** | 500k-5M | CoE Portal (App Service), Azure Policy, Purview, Defender for Cloud, Monitor. Varierer med scale. |
| **Licensing (CoE members)** | 200k-800k | Azure AI Foundry, Copilot Studio, Power Platform Premium per CoE member. |
| **Licensing (CoE members)** | 200k-800k | Microsoft Foundry, Copilot Studio, Power Platform Premium per CoE member. |
| **Tools & Software** | 100k-500k | DevOps tooling, collaboration platforms, knowledge management. |
| **Pilot Projects** | 1-5M | Initial pilots til å demonstrere value. Varierer sterkt med use case. |
| **External Consulting** | 500k-3M | Microsoft FastTrack, partner workshops, architecture reviews. Optional men anbefalt i oppstart. |
@ -551,7 +551,7 @@ Executive sponsorship tilgjengelig? ──No──> Ikke etabler CoE nå
| Rolle | Nødvendige lisenser | Måndeklig kostnad (ca, NOK) |
|-------|---------------------|----------------------------|
| CoE Lead | M365 E5, Azure subscription contributor | ~5000 |
| Data Scientist | M365 E3, Azure AI Foundry, VS Enterprise | ~7000 |
| Data Scientist | M365 E3, Microsoft Foundry, VS Enterprise | ~7000 |
| ML Engineer | M365 E3, Azure DevOps, GitHub Copilot | ~5000 |
| AI Governance Expert | M365 E5 Compliance, Purview | ~6000 |
| Security Specialist | M365 E5 Security, Defender for Cloud | ~6000 |

2
skills/ms-ai-governance/references/responsible-ai/ai-ethics-in-public-sector.md
View file

@ -184,7 +184,7 @@ START
## Integrasjon med Microsoft-stakken
### 1. Azure AI Foundry
### 1. Microsoft Foundry
**Responsible AI-kapabiliteter:**
- Content Safety Studio — automatisk filtrering av ulovlig innhold (hat, vold, seksuelt, selvskading)

2
skills/ms-ai-governance/references/responsible-ai/ai-governance-structure-framework.md
View file

@ -325,7 +325,7 @@ Root Management Group
## Integrasjon med Microsoft-stakken
### Azure AI Foundry
### Microsoft Foundry
**Governance-kapabiliteter:**
- **Azure Policy:** Enforce model deployment policies (hvilke modeller tillates)

10
skills/ms-ai-governance/references/responsible-ai/ai-impact-assessment-framework.md
View file

@ -236,11 +236,11 @@ Bruk følgende matrise for å prioritere risikoer:
## Integrasjon med Microsoft-stakken
### Azure AI Foundry
### Microsoft Foundry
Impact Assessment er integrert i deployment-pipeline:
1. **Pre-deployment review checkpoint** i Azure AI Foundry Control Plane
1. **Pre-deployment review checkpoint** i Microsoft Foundry Control Plane
- Upload Impact Assessment-dokumentet som artifact
- Blokkerer deployment til governance-godkjenning foreligger
@ -432,7 +432,7 @@ Impact Assessment for offentlig sektor i Norge må adressere:
| Komponent | Minimum lisens | Anbefalt lisens |
|-----------|----------------|-----------------|
| **Azure AI Foundry** | Pay-as-you-go Azure | Enterprise Agreement for volum |
| **Microsoft Foundry** | Pay-as-you-go Azure | Enterprise Agreement for volum |
| **Azure ML (RA Dashboard)** | Basic tier | Standard tier for enterprise features |
| **Microsoft Purview** | M365 E5 eller Purview standalone | M365 E5 + Purview Premium |
| **Azure Policy** | Inkludert i Azure-sub | N/A |
@ -615,9 +615,9 @@ Purview SDK-integrasjon gir:
- URL: https://learn.microsoft.com/en-us/azure/machine-learning/concept-responsible-ai-dashboard
- Status: Azure ML GA feature
6. **Azure AI Foundry Evaluation**
6. **Microsoft Foundry Evaluation**
- URL: https://learn.microsoft.com/en-us/azure/foundry/how-to/evaluation-github-action
- Status: Azure AI Foundry GA
- Status: Microsoft Foundry GA
7. **Microsoft Purview AI Risk Management**
- URL: https://learn.microsoft.com/en-us/purview/developer/how-to-test-an-ai-application-integrated-with-purview-sdk

8
skills/ms-ai-governance/references/responsible-ai/ai-risk-taxonomy-classification.md
View file

@ -200,7 +200,7 @@ High-risk actions krever Human-in-the-Loop (HITL) ved:
## Integrasjon med Microsoft-stakken
### Azure AI Foundry
### Microsoft Foundry
| Komponent | Risk Assessment Feature |
|-----------|------------------------|
@ -299,7 +299,7 @@ Risk taxonomy må tilpasses norsk regulering:
|----------|----------------|----------------------------|
| **Azure AI Content Safety** | 11 NOK / 1000 transactions | Content filtering (4 risk categories) |
| **Azure OpenAI (GPT-4o)** | 0.03 NOK / 1K input tokens | Built-in content filters (default: Medium threshold) |
| **Azure AI Foundry (Red Teaming)** | Inkludert i AI Foundry | Automated adversarial testing |
| **Microsoft Foundry (Red Teaming)** | Inkludert i AI Foundry | Automated adversarial testing |
| **Microsoft Defender for Cloud** | 190 NOK / server / måned | AI security posture management |
| **Microsoft Purview (Compliance)** | Fra 2500 NOK / måned | Data classification & DLP for AI |
@ -384,7 +384,7 @@ Hvis kunden beskriver noen av disse, **stopp og advare**:
Anbefal denne kombinasjonen:
1. **Pre-deployment:**
- AI Red Teaming Agent (Azure AI Foundry)
- AI Red Teaming Agent (Microsoft Foundry)
- Responsible AI Dashboard (Azure ML)
- PYRIT (open source red teaming)
@ -424,7 +424,7 @@ Anbefal denne kombinasjonen:
- Hentet: 2026-06-19
- Innhold: Cross-product risk monitoring, AI inventory (Agent 365-agenter, modeller, MCP-servere, tredjeparts AI-apper), Security Reader minimumsrolle
5. **Default Guidelines & controls policies (Azure AI Foundry)**
5. **Default Guidelines & controls policies (Microsoft Foundry)**
- URL: https://learn.microsoft.com/en-us/azure/foundry/openai/concepts/default-safety-policies
- Hentet: 2026-02-04
- Innhold: Content filtering categories, severity levels, default thresholds

8
skills/ms-ai-governance/references/responsible-ai/algorithmic-accountability-auditability.md
View file

@ -37,9 +37,9 @@ Azure Machine Learning implementerer **Machine Learning Operations (MLOps)** som
| **Event Notifications** | Varsler om eksperimentfullføring, modellregistrering, deployment, data drift | Proaktiv varsling av endringer i AI-systemet |
| **Model Monitoring** | Sammenligner model inputs mellom training og inference, sporer model-spesifikke metrikker | Deteksjon av data drift og modellforverring over tid |
### Azure AI Foundry — Distributed Tracing og Observability
### Microsoft Foundry — Distributed Tracing og Observability
For generative AI-applikasjoner og agenter tilbyr Azure AI Foundry **OpenTelemetry-basert distributed tracing** (Verified: Microsoft Learn):
For generative AI-applikasjoner og agenter tilbyr Microsoft Foundry **OpenTelemetry-basert distributed tracing** (Verified: Microsoft Learn):
| Komponent | Implementasjon | Auditbarhet |
|-----------|----------------|-------------|
@ -233,7 +233,7 @@ Er dette en custom ML model (ikke LLM)?
## Integrasjon med Microsoft-stakken
### Azure AI Foundry
### Microsoft Foundry
**Tracing Setup:**
```python
@ -359,7 +359,7 @@ registered_model = ml_client.models.create_or_update(model)
## Kostnad og lisensiering
### Azure AI Foundry — Tracing
### Microsoft Foundry — Tracing
| Komponent | Prislapp | Basert på |
|-----------|----------|-----------|

2
skills/ms-ai-governance/references/responsible-ai/bias-detection-mitigation-strategies.md
View file

@ -455,7 +455,7 @@ ml_client.responsible_ai.scorecard.create(
)
```
### Azure AI Foundry
### Microsoft Foundry
**Content Safety-integrasjon:**

8
skills/ms-ai-governance/references/responsible-ai/content-safety-implementation.md
View file

@ -61,7 +61,7 @@ User Prompt → Content Filter (input) → LLM → Content Filter (output) → R
**Custom content filtering policies:**
Kan konfigureres i Azure AI Foundry per deployment for å:
Kan konfigureres i Microsoft Foundry per deployment for å:
- Justere severity thresholds per kategori (blokkere Low/Medium/High)
- Aktivere/deaktivere Prompt Shields, Protected Material detection
- Definere blocklists
@ -127,7 +127,7 @@ User Input → Azure OpenAI Service (built-in filter) → LLM → (built-in filt
- Mindre granulær kontroll (enten blokkere eller ikke)
- Kan ikke kjøre custom logic mellom filter og LLM
**Konfigurasjon (Azure AI Foundry):**
**Konfigurasjon (Microsoft Foundry):**
```
Deployments → Select deployment → Content filters → Create custom policy
├─ Hate: Block Medium+High
@ -199,7 +199,7 @@ User Input → Pre-filter (Prompt Shields + Custom Categories) → Azure OpenAI
## Integrasjon med Microsoft-stakken
### Azure AI Foundry (tidligere Azure AI Studio)
### Microsoft Foundry (tidligere Azure AI Studio)
**Guardrails + Controls tab** gir:
- **Try it out**: Interaktiv testing av tekst/bilde-moderering med justerbare thresholds
@ -446,7 +446,7 @@ Scenario: 1 million samtaler/måned, gjennomsnitt 2 meldinger per samtale = 2M t
#### Nivå 3: Produksjon (6-12 måneder)
- **Arkitektur:** Hybrid (Pre-filter Prompt Shields + Custom Categories + Azure OpenAI + Post-filter Groundedness)
- **Konfigurasjon:** Multiple custom policies (per user segment: children, adults, admins)
- **Monitoring:** Dashboards i Azure AI Foundry, alerting på anomalous block rates
- **Monitoring:** Dashboards i Microsoft Foundry, alerting på anomalous block rates
- **Kostnad:** S0 tier, budsjettér ~NOK 50,000-200,000/måned for 1M+ transaksjoner
- **Output:** AI Act compliance documentation, DPIA, incident response playbook

14
skills/ms-ai-governance/references/responsible-ai/continuous-improvement-feedback-loops.md
View file

@ -67,7 +67,7 @@ Microsoft bruker automated scorers (LLM judges) for kontinuerlig kvalitetsvurder
- Schedulert evaluering (f.eks. daglig via CronTrigger)
- Real-time scoring av sampled production traffic
- Automated alerts ved threshold violations
- Integration med Azure AI Foundry evaluation tools
- Integration med Microsoft Foundry evaluation tools
**Confidence:** Verified – [Generation Quality Monitoring](https://learn.microsoft.com/en-us/azure/foundry-classic/how-to/monitor-quality-safety?view=foundry-classic)
@ -144,7 +144,7 @@ Benchmark datasets med kjent kvalitet for consistent testing og model validation
**Verktøy:**
- Azure Databricks MLflow 3
- Azure AI Foundry Agent Service
- Foundry Agent Service
- MLflow Tracing & Scorers
**Confidence:** Verified – [MLflow Continuous Improvement](https://learn.microsoft.com/en-us/azure/databricks/mlflow3/genai/overview/)
@ -223,7 +223,7 @@ Alle nye services instrumenteres for monitoring/logging fra dag 1, slik at feedb
## Integrasjon med Microsoft-stakken
### Azure AI Foundry
### Microsoft Foundry
**Production monitoring:**
- **Continuous evaluation**: Scheduled scoring av production traces
@ -258,7 +258,7 @@ model_monitor = MonitorSchedule(
)
```
**Confidence:** Verified – [Azure AI Foundry Monitoring](https://learn.microsoft.com/en-us/azure/foundry-classic/how-to/monitor-quality-safety?view=foundry-classic)
**Confidence:** Verified – [Microsoft Foundry Monitoring](https://learn.microsoft.com/en-us/azure/foundry-classic/how-to/monitor-quality-safety?view=foundry-classic)
### MLflow on Azure Databricks
@ -440,7 +440,7 @@ PDF-rapport for sharing med stakeholders (technical + non-technical), dokumenter
### Lisensiering
**Azure AI Foundry:**
**Microsoft Foundry:**
- Pay-as-you-go for monitoring, evaluation, storage
- Serverless Spark compute for monitoring schedules
@ -532,7 +532,7 @@ Models, prompts, eval datasets, scorers – full reproducibility er non-negotiab
- URL: https://learn.microsoft.com/en-us/azure/databricks/mlflow3/genai/overview/
- Key content: 10-step feedback loop, human-aligned metrics, production monitoring
2. **Azure AI Foundry Production Monitoring**
2. **Microsoft Foundry Production Monitoring**
- URL: https://learn.microsoft.com/en-us/azure/foundry-classic/how-to/monitor-quality-safety?view=foundry-classic
- Key content: Continuous evaluation, scorers, threshold configuration
@ -572,7 +572,7 @@ Models, prompts, eval datasets, scorers – full reproducibility er non-negotiab
- URL: https://learn.microsoft.com/en-us/microsoft-copilot-studio/guidance/responsible-ai
- Key content: Feedback mechanisms, bias monitoring, iterative updates
12. **Azure AI Foundry Observability Concepts**
12. **Microsoft Foundry Observability Concepts**
- URL: https://learn.microsoft.com/en-us/azure/foundry/concepts/observability
- Key content: Tracing, monitoring features, model performance tracking

6
skills/ms-ai-governance/references/responsible-ai/data-quality-responsible-ai.md
View file

@ -36,7 +36,7 @@ Denne referansen dekker Microsofts tilnærming til å sikre dataintegritet gjenn
**Teknikker for balansering:**
- **SMOTE** (Synthetic Minority Oversampling Technique) — genererer syntetiske eksempler for minoritetsklasser
- **Undersampling** — reduserer majoritetsklasser
- **Synthetic data generation** (Azure AI Foundry) — genererer representative datasett
- **Synthetic data generation** (Microsoft Foundry) — genererer representative datasett
### 2. Exploratory Data Analysis (EDA)
@ -292,7 +292,7 @@ data_quality_signal = DataQualitySignal(
)
```
### Azure AI Foundry
### Microsoft Foundry
- **Evaluation tools** → assess data quality before training
- **Synthetic data generation** → generate balanced datasets
@ -379,7 +379,7 @@ def customer_facing_data():
| **Responsible AI Dashboard** | Inkludert i Azure ML | Ingen ekstra kostnad |
| **Microsoft Purview** | Separate license | Data governance add-on |
| **Databricks Expectations** | Databricks license | Premium/Enterprise tier |
| **Azure AI Foundry** | Azure subscription | Separate compute charges |
| **Microsoft Foundry** | Azure subscription | Separate compute charges |
---

8
skills/ms-ai-governance/references/responsible-ai/fairness-testing-measurement.md
View file

@ -221,7 +221,7 @@ def fairness_scorer(inputs, outputs, context):
)
```
### Pattern 4: Azure AI Foundry — Hate and Unfairness Evaluator
### Pattern 4: Microsoft Foundry — Hate and Unfairness Evaluator
**Verified** (Azure AI Evaluation SDK, 2026-02): For Azure OpenAI og generative modeller.
@ -313,9 +313,9 @@ Er dette en high-stakes decision? (lån, jobb, helse)
5. **Generer scorecard** → eksporter PDF med fairness target values
6. **Deployment gate** → beslutning basert på fairness thresholds
### Azure AI Foundry
### Microsoft Foundry
**Verified** (Azure AI Foundry documentation, 2026-02):
**Verified** (Microsoft Foundry documentation, 2026-02):
| Capability | Beskrivelse | Status |
|------------|-------------|--------|
@ -396,7 +396,7 @@ Er dette en high-stakes decision? (lån, jobb, helse)
- Compute: ~2000-3000 NOK/år
- Storage (dashboard artifacts): ~100 NOK/år
### Azure AI Foundry — Content Safety Evaluators
### Microsoft Foundry — Content Safety Evaluators
| Evaluator | Pricing Model | Estimat |
|-----------|---------------|---------|

12
skills/ms-ai-governance/references/responsible-ai/gdpr-compliance-ai-systems.md
View file

@ -10,7 +10,7 @@
General Data Protection Regulation (GDPR) er EU-forordningen som setter globale standarder for databeskyttelse og personvern. For AI-systemer er GDPR-compliance kritisk fordi AI-applikasjoner behandler personopplysninger på måter som krever ekstra oppmerksomhet: treningsdata, inferens-input, loggføring, og lagring av modellutdata.
Microsoft Azure AI-tjenester er designet med GDPR-compliance som grunnlag. Azure OpenAI, Azure AI Foundry, Copilot Studio, og Power Platform AI følger alle Microsofts forpliktelser under GDPR, inkludert:
Microsoft Azure AI-tjenester er designet med GDPR-compliance som grunnlag. Azure OpenAI, Microsoft Foundry, Copilot Studio, og Power Platform AI følger alle Microsofts forpliktelser under GDPR, inkludert:
- **Data Controller vs. Data Processor**: Microsoft opptrer som data processor når kunder bruker Azure AI-tjenester, mens kunden er data controller ansvarlig for å implementere GDPR-krav.
- **Sertifiseringer**: Azure AI-stakken er sertifisert for ISO/IEC 27701 (PIMS), ISO/IEC 27001, og ISO 27018 — standarder som dekker personvernhåndtering og skysikkerhet.
@ -39,7 +39,7 @@ GDPR gir individer seks grunnleggende rettigheter knyttet til sine personopplysn
**Azure-implementering**: Microsoft tilbyr DSR-verktøy for Azure (via Azure Portal), Microsoft 365 Copilot (via Compliance Manager), og Dynamics 365. For Azure AI-tjenester:
- **Azure OpenAI**: Kundedata (prompts, completions) lagres IKKE for treningsformål og deles IKKE med OpenAI.
- **Azure AI Foundry**: Data Subject Requests håndteres via Azure Portal. Personopplysninger i loggdata kan slettes via Purge API (GDPR-compliant).
- **Microsoft Foundry**: Data Subject Requests håndteres via Azure Portal. Personopplysninger i loggdata kan slettes via Purge API (GDPR-compliant).
- **Copilot Studio**: DSR-forespørsler håndteres via Microsoft 365 Admin Center.
**Confidence marker**: Verified (MCP microsoft-learn: GDPR DSR Azure, GDPR DSR Dynamics)
@ -50,7 +50,7 @@ GDPR krever at organisasjoner respekterer dataresidenskrav — personopplysninge
**Azure-implementering**:
- **Azure Regions**: Velg EU-regioner (West Europe, North Europe) for å sikre at data forblir i EU/EØS.
- **Data Location Controls**: Azure AI Foundry og Copilot Studio lar administratorer konfigurere hvor data lagres og behandles.
- **Data Location Controls**: Microsoft Foundry og Copilot Studio lar administratorer konfigurere hvor data lagres og behandles.
- **Encryption at Rest**: Data krypteres med FIPS 140-2-kompatibel AES-256 encryption. Kunder kan bruke Customer-Managed Keys (CMK) for økt kontroll.
- **Encryption in Transit**: TLS 1.2+ og IPsec sikrer data under overføring mellom Azure-tjenester.
@ -65,7 +65,7 @@ GDPR krever at organisasjoner kun samler inn og behandler data som er strengt n
**Azure AI-implementering**:
- **Azure OpenAI**: Prompts og completions lagres IKKE for modellforbedring. Microsoft bruker IKKE kundedata til å trene OpenAI-modeller.
- **Azure AI Content Safety**: Input-tekst og bilder lagres IKKE under moderering (med unntak av customer-supplied blocklists).
- **Azure AI Foundry**: Treningsdata og fine-tuned modeller er eksklusivt tilgjengelig for kunden. Data deles IKKE med tredjeparter.
- **Microsoft Foundry**: Treningsdata og fine-tuned modeller er eksklusivt tilgjengelig for kunden. Data deles IKKE med tredjeparter.
- **Logging**: Kun nødvendige logger (audit trails, security events) lagres. Unngå logging av personopplysninger i klartekst.
**Praktisk eksempel**: En chatbot som behandler HR-data skal kun logge transaksjon-ID og timestamp, ikke personnavn eller fødselsnummer.
@ -299,7 +299,7 @@ User DSR Request → Logic App / Power Automate
## Integrasjon med Microsoft-stakken
### Azure AI Foundry
### Microsoft Foundry
**GDPR-capabilities**:
- **Microsoft Purview Integration**: Automatisk data classification, sensitivity labels, DLP policies
@ -548,7 +548,7 @@ Norge implementerer GDPR gjennom personopplysningsloven. Datatilsynet er tilsyns
8. **Microsoft Purview capabilities for Foundry**
https://learn.microsoft.com/en-us/purview/ai-azure-services
*Data governance, DLP, sensitivity labels for Azure AI Foundry*
*Data governance, DLP, sensitivity labels for Microsoft Foundry*
9. **Responsible AI Privacy and Security**
https://learn.microsoft.com/en-us/azure/machine-learning/concept-responsible-ai

6
skills/ms-ai-governance/references/responsible-ai/human-in-the-loop-oversight.md
View file

@ -10,7 +10,7 @@
Human-in-the-Loop (HITL) er et fundamentalt prinsipp for ansvarlig AI som sikrer at mennesker beholder kontroll og beslutningsmyndighet i AI-drevne systemer. Tross den økende autonomiteten til AI-agenter og generative modeller, er menneskelig oversyn kritisk for å håndtere høyrisikobeslutninger, validere outputkvalitet og beskytte mot feilaktige eller skadelige AI-handlinger.
Microsoft AI-stakken tilbyr HITL-kapabiliteter på tvers av Azure AI Foundry, Copilot Studio, Power Platform, og Microsoft Agent Framework — alle designet for å balansere automatisering med menneskelig kontroll. Dette er spesielt viktig i offentlig sektor, der beslutninger kan påvirke borgeres rettigheter, økonomiske forhold eller sikkerhet.
Microsoft AI-stakken tilbyr HITL-kapabiliteter på tvers av Microsoft Foundry, Copilot Studio, Power Platform, og Microsoft Agent Framework — alle designet for å balansere automatisering med menneskelig kontroll. Dette er spesielt viktig i offentlig sektor, der beslutninger kan påvirke borgeres rettigheter, økonomiske forhold eller sikkerhet.
**Nøkkelverdi:**
- **Sikkerhet:** Mennesker kan stoppe feilaktige eller risikofylte AI-handlinger før de får konsekvenser
@ -350,7 +350,7 @@ Effektiv HITL krever at menneskelige reviewere er kvalifiserte:
## Integrasjon med Microsoft-stakken
### Azure AI Foundry
### Microsoft Foundry
**HITL-kapabiliteter:**
- **Prompt Shields:** Blokkerer prompt injection før den når modellen → menneskelig review av blokkerte inputs
@ -621,7 +621,7 @@ HITL-grensesnitt må være universelt utformet:
**Microsoft Agent Framework:**
- Ingen direkte kostnad (open source)
- Men krever Azure OpenAI eller Azure AI Foundry for models (standard API costs)
- Men krever Azure OpenAI eller Microsoft Foundry for models (standard API costs)
**Offentlig sektor-vurdering:**
- Vurder Microsoft 365 E5 + Power Platform-bundler for best pris

4
skills/ms-ai-governance/references/responsible-ai/model-explainability-interpretability.md
View file

@ -263,7 +263,7 @@ interpret.show(explanation)
- **MLflow tracking**: Log feature importance plots som artifacts
- **Lakehouse**: Lagre SHAP-verdier som Delta tables for historisk analyse
### Azure AI Foundry (Azure OpenAI)
### Microsoft Foundry (Azure OpenAI)
- **Prompt Flow**: Evaluators for groundedness, relevance (GPT-assisted metrics)
- **Limitation**: Reasoning models (o1) har intrinsic CoT men økt persuasiveness/scheming risk
@ -376,7 +376,7 @@ RAI Dashboard-visualiseringer må være tilgjengelige for saksbehandlere med fun
| **Azure Machine Learning** | Pay-as-you-go (compute + storage) | Responsible AI Dashboard, InterpretML, SHAP |
| **Microsoft Fabric** | Capacity-based (CU per måned) | TabularSHAP (Synapse ML), EBM (InterpretML) |
| **Power BI Premium** | Per user (~130 NOK/mnd) eller Per capacity | Kan visualisere SHAP data fra Fabric/AML |
| **Azure AI Foundry** | Pay-per-token (GPT-4) | GPT-assisted evaluators (groundedness, relevance) |
| **Microsoft Foundry** | Pay-per-token (GPT-4) | GPT-assisted evaluators (groundedness, relevance) |
**Optimalisering:**
- Bruk **Azure ML free tier** (4 timer compute/måned) for utvikling

12
skills/ms-ai-governance/references/responsible-ai/red-teaming-ai-models.md
View file

@ -49,7 +49,7 @@ uv pip install "azure-ai-evaluation[redteam]"
### 2. Azure AI Red Teaming Agent (preview)
Managed service i Azure AI Foundry som kombinerer PyRIT med Risk and Safety Evaluations.
Managed service i Microsoft Foundry som kombinerer PyRIT med Risk and Safety Evaluations.
**Tre-faset tilnærming:**
@ -219,7 +219,7 @@ steps:
| **Risk categories** | Content risks (hate, violence, sexual, self-harm, protected materials, code vulnerabilities) | Content + agentic risks (prohibited actions, data leakage, task adherence) |
| **Sandboxing** | Minimal (client-side) | Purple environment (transient, mock tools) |
| **CI/CD integration** | ✅ Full støtte (Python SDK) | ⚠️ Requires API calls til Foundry |
| **Cost** | Free (open-source) | Azure AI Foundry compute costs |
| **Cost** | Free (open-source) | Microsoft Foundry compute costs |
| **SLA** | N/A | None (preview) |
| **Region availability** | Global | East US2, Sweden Central, France Central, Switzerland West |
@ -238,7 +238,7 @@ steps:
## Integrasjon med Microsoft-stakken
### Azure AI Foundry
### Microsoft Foundry
**AI Red Teaming Agent (native integration):**
- Foundry-hosted prompt agents (✅ supported)
@ -247,7 +247,7 @@ steps:
- Azure tool calls (✅ supported)
- Function tool calls (❌ not supported)
**Comprehensive tools list:** [Azure AI Foundry Tools](https://learn.microsoft.com/en-us/azure/foundry-classic/agents/how-to/tools-classic/overview)
**Comprehensive tools list:** [Microsoft Foundry Tools](https://learn.microsoft.com/en-us/azure/foundry-classic/agents/how-to/tools-classic/overview)
### Azure OpenAI Service
@ -395,7 +395,7 @@ jobs:
| Komponent | Pricing Model | Estimat |
|-----------|---------------|---------|
| **AI Red Teaming Agent** | Preview (ingen publisert pricing feb 2026) | TBD |
| **Azure AI Foundry compute** | Per-second billing for deployed models | Varierer (model size, region) |
| **Microsoft Foundry compute** | Per-second billing for deployed models | Varierer (model size, region) |
| **Azure Log Analytics** | Pay-as-you-go (data ingestion + retention) | ~100 NOK/GB/måned |
| **Azure Blob Storage** | Standard storage (audit trails) | ~0.20 NOK/GB/måned |
@ -405,7 +405,7 @@ jobs:
| Microsoft-produkt | Minimum lisens |
|-------------------|----------------|
| **Azure AI Foundry** | Azure subscription (Pay-As-You-Go eller Enterprise Agreement) |
| **Microsoft Foundry** | Azure subscription (Pay-As-You-Go eller Enterprise Agreement) |
| **Azure OpenAI Service** | Azure subscription + approved application |
| **Azure AI Content Safety** | Inkludert i Azure AI Services (pay-per-transaction) |
| **PyRIT** | Ingen (MIT License open-source) |

10
skills/ms-ai-governance/references/responsible-ai/responsible-ai-framework-overview.md
View file

@ -12,7 +12,7 @@ Microsoft Responsible AI Framework er et omfattende rammeverk for å utvikle, vu
Responsible AI er ikke bare teknologi — det omfatter menneskene som bruker det, de som påvirkes av det, og miljøet det deployes i. Microsoft har utviklet [Responsible AI Standard](https://blogs.microsoft.com/wp-content/uploads/prod/sites/5/2022/06/Microsoft-Responsible-AI-Standard-v2-General-Requirements-3.pdf) (v2), som detaljerer hvordan disse prinsippene integreres i engineering-team, AI-livssyklusen og verktøy.
**Relevans:** Gjelder alle Microsoft AI-tjenester — Azure AI Foundry, Copilot Studio, M365 Copilot, Power Platform AI, Azure OpenAI, Azure Machine Learning.
**Relevans:** Gjelder alle Microsoft AI-tjenester — Microsoft Foundry, Copilot Studio, M365 Copilot, Power Platform AI, Azure OpenAI, Azure Machine Learning.
**Confidence:** ✅ High — Basert på offisiell Microsoft-dokumentasjon fra 2025-2026.
@ -112,7 +112,7 @@ Ansvar varierer etter deployment-type (IaaS, PaaS, SaaS):
## Integrasjon med Microsoft-stakken
### Azure AI Foundry / Azure AI Studio
### Microsoft Foundry / Azure AI Studio
- **Safety Evaluations:** Innebygd vurdering av groundedness, relevance, content safety før deployment
- **Adversarial Test Datasets:** Test mot jailbreak-forsøk, prompt injection
@ -171,7 +171,7 @@ Ansvar varierer etter deployment-type (IaaS, PaaS, SaaS):
|------|-----------|---------------|
| 1 | **Adopter RAI-prinsipper som policy** | Bruk Microsoft RAI Standard som baseline, tilpass til norske lovkrav |
| 2 | **Gjennomfør Impact Assessment** | RAI Impact Assessment + DPIA (GDPR Art. 35) |
| 3 | **Velg riktige verktøy** | Azure ML RAI Dashboard for ML-modeller, Azure AI Foundry for generative AI |
| 3 | **Velg riktige verktøy** | Azure ML RAI Dashboard for ML-modeller, Microsoft Foundry for generative AI |
| 4 | **Etabler governance** | AI-governance-team (juridisk, etikk, teknisk), review-prosesser |
| 5 | **Dokumenter for revisjon** | RAI Scorecard, MLOps lineage, transparency materials |
| 6 | **Tren ansatte** | Obligatorisk RAI-opplæring for AI-utviklere og beslutningstakere |
@ -196,7 +196,7 @@ Ansvar varierer etter deployment-type (IaaS, PaaS, SaaS):
- **Compute:** RAI Dashboard-komponenter kjører på Azure ML compute instances (CPU/GPU)
- **Estimat:** ~500-2000 NOK/måned for small/medium workloads (depends on compute SKU, usage)
### Azure AI Foundry Safety Evaluations
### Microsoft Foundry Safety Evaluations
- **Kostnad:** Basert på token-bruk for safety evaluations (GPT-4-based evaluators)
- **Estimat:** ~0.02-0.10 NOK per evaluation (varies by model, evaluation depth)
@ -229,7 +229,7 @@ I offentlig sektor er RAI ikke "nice to have" — det er lovpålagt (GDPR, forva
**2. Shared Responsibility Model avgjør arkitektur**
- **SaaS (M365 Copilot):** Kunden har minst teknisk ansvar, men må fortsatt ha governance, brukspolicyer, output-review.
- **PaaS (Azure AI Foundry, Azure ML):** Kunden har mer ansvar for modelldesign, testing, safety systems.
- **PaaS (Microsoft Foundry, Azure ML):** Kunden har mer ansvar for modelldesign, testing, safety systems.
- **IaaS (custom models på VMs):** Full ansvar for RAI-implementasjon — bruk open source-verktøy (Fairlearn, etc.).
**3. RAI Dashboard er kritisk for ML-modeller i produksjon**

6
skills/ms-ai-governance/references/responsible-ai/responsible-ai-policy-development.md
View file

@ -160,7 +160,7 @@ Policy Lifecycle:
**Microsoft-verktøy:**
- **Responsible AI Dashboard (Azure ML):** Fairness assessment, bias detection, model explainability
- **Azure AI Foundry evaluation tools:** Safety assessment, hallucination detection, bias pre-deployment
- **Microsoft Foundry evaluation tools:** Safety assessment, hallucination detection, bias pre-deployment
- **Azure AI Content Safety:** Harmful text/image filtering
- **PYRIT (Python Risk Identification Toolkit):** Red teaming for adversarial scenarios
@ -218,7 +218,7 @@ Start: New AI initiative or capability?
## Integrasjon med Microsoft-stakken
### Azure AI Foundry
### Microsoft Foundry
**Built-in Governance Capabilities:**
@ -404,7 +404,7 @@ Offentlig sektor i Norge har strengere krav til transparens, likeverdighet og of
|------|-------------|-------------------|
| **Azure Policy** | Inkludert i Azure subscription | Policy enforcement, compliance monitoring |
| **Microsoft Purview** | Per GB data + per user | Data governance, compliance manager, sensitivity labeling |
| **Azure AI Foundry** | Pay-as-you-go (compute, storage, API calls) | Evaluation tools, content safety, model registry |
| **Microsoft Foundry** | Pay-as-you-go (compute, storage, API calls) | Evaluation tools, content safety, model registry |
| **Copilot Studio** | Per user/month or per session | Copilot governance features |
| **Azure Monitor** | Per GB ingested + retention | Logging, alerting for policy violations |
| **Microsoft Defender for Cloud** | Per resource | Security posture, AI threat protection |

16
skills/ms-ai-governance/references/responsible-ai/responsible-ai-training-awareness.md
View file

@ -128,7 +128,7 @@ Fase 4: Certification programs (Critical roles)
**Løsning:** Integrer "just-in-time learning" og feedback loops i arbeidsflyten.
**Implementering:**
- **Pre-tool hooks** — Når brukere åpner AI Builder, Copilot Studio, eller Azure AI Foundry for første gang, vis en 2-minutters reminder om RAI best practices
- **Pre-tool hooks** — Når brukere åpner AI Builder, Copilot Studio, eller Microsoft Foundry for første gang, vis en 2-minutters reminder om RAI best practices
- **Contextual tips** — I Copilot Studio prompt design, vis inline tips om bias mitigation ("Tips: Vurder om denne prompt kan favorisere visse grupper")
- **Reflection prompts** — Ved session-slutt (f.eks. etter å ha bygget en chatbot), still 3 refleksjonsspørsmål: "Har du vurdert fairness? Har du testet uønskede outputs? Har du dokumentert beslutninger?"
@ -174,7 +174,7 @@ Fase 4: Certification programs (Critical roles)
|----------|--------------|-----------|
| Alle ansatte i organisasjon som deployer M365 Copilot | **Ja** (Awareness-nivå) | Alle kan bruke Copilot, alle må forstå ansvar og begrensninger |
| Produkteiere som designer AI features | **Ja** (Literacy + competency) | De tar strategiske valg som påvirker fairness, privacy, safety |
| Utviklere som bygger custom AI i Azure AI Foundry | **Ja** (Technical competency + cert) | De implementerer tekniske safeguards, feil her kan få store konsekvenser |
| Utviklere som bygger custom AI i Microsoft Foundry | **Ja** (Technical competency + cert) | De implementerer tekniske safeguards, feil her kan få store konsekvenser |
| Sluttbrukere av ferdige AI-systemer (f.eks. chatbot kunder møter) | **Nei** (men guidance ja) | De designer ikke systemet, men trenger veiledning for å bruke det effektivt |
| Board/ledelse | **Ja** (Executive briefing) | De har governance-ansvar og må kunne stille riktige spørsmål til AI-prosjekter |
@ -258,12 +258,12 @@ Er du offentlig sektor?
**Baseline:** Organisasjoner som krever RAI training før Copilot-aktivering rapporterer 30 % høyere user satisfaction enn de som ikke gjør det (Microsoft Maturity Model data).
### Azure AI Foundry (teknisk implementering)
### Microsoft Foundry (teknisk implementering)
**Hva:** Plattform for å bygge, evaluere og deploye AI-systemer.
**Integrasjon med training:**
- **Built-in RAI tools** — Azure AI Foundry inkluderer Content Safety, Prompt Shields, Groundedness evaluation. Training må sikre at utviklere vet hvordan bruke disse.
- **Built-in RAI tools** — Microsoft Foundry inkluderer Content Safety, Prompt Shields, Groundedness evaluation. Training må sikre at utviklere vet hvordan bruke disse.
- **Evaluation metrics** — Training må dekke hvordan tolke fairness metrics (f.eks. parity, equalized odds), safety scores, hallucination rates.
- **Deployment gates** — Konfigurer Azure Policy til å kreve at deployment til prod må godkjennes av person med verifisert RAI-sertifisering.
@ -366,7 +366,7 @@ Norsk offentlig sektor har strengere krav til AI training og awareness enn priva
| **Microsoft Learn** | Gratis Microsoft-konto | Gratis | Alltid anbefalt |
| **Viva Learning (basic)** | Microsoft 365 E3/E5 eller Business Premium | Inkludert | For å distribuere training i Teams |
| **Viva Learning (premium connectors)** | Viva Suite eller separat Viva Learning-lisens | ~60 NOK/bruker/måned | Hvis du vil integrere eksterne LMS (LinkedIn Learning, Coursera) |
| **Azure AI Foundry (hands-on labs)** | Azure-subscription | Varierer (pay-as-you-go) | For teknisk training med praktiske øvelser |
| **Microsoft Foundry (hands-on labs)** | Azure-subscription | Varierer (pay-as-you-go) | For teknisk training med praktiske øvelser |
| **Microsoft 365 Copilot** | Copilot-lisens (300 USD/bruker/år) | ~3 000 NOK/bruker/år | Hvis training inkluderer hands-on Copilot-bruk |
**Baseline:** En organisasjon med 1 000 ansatte som implementerer Responsible AI training:
@ -445,7 +445,7 @@ Norsk offentlig sektor har strengere krav til AI training og awareness enn priva
AI Solution Architecture (Eksempel: Custom Chatbot for Kundeservice)
Layer 1: Technical Implementation
└─ Azure AI Foundry + Copilot Studio + Content Safety
└─ Microsoft Foundry + Copilot Studio + Content Safety
Layer 2: Governance & Controls
└─ RAI Policies + Evaluation Framework + Incident Response
@ -464,7 +464,7 @@ Layer 3: People & Competency (KRITISK LAYER)
```markdown
## Decision: Require RAI Training Before Production Deployment
**Context:** We are building a customer-facing chatbot using Azure AI Foundry.
**Context:** We are building a customer-facing chatbot using Microsoft Foundry.
**Decision:** All roles involved in design, development, and operations must complete
role-specific RAI training before system goes to production.
@ -528,7 +528,7 @@ Er det custom AI (ikke bare ferdiglagde features)?
7. [Apply Responsible AI Principles in Learning Environments](https://learn.microsoft.com/training/modules/apply-responsible-ai-principles/) — Training module focused on educational contexts, applicable to organizational learning.
8. [Implement a Responsible Generative AI Solution in Microsoft Foundry](https://learn.microsoft.com/training/modules/responsible-ai-studio/) *(Verified MCP 2026-04 — modulnavn endret fra 'Azure AI Studio' til 'Microsoft Foundry')* — Technical module on RAI implementation in Azure AI Foundry (intermediate level).
8. [Implement a Responsible Generative AI Solution in Microsoft Foundry](https://learn.microsoft.com/training/modules/responsible-ai-studio/) *(Verified MCP 2026-04 — modulnavn endret fra 'Azure AI Studio' til 'Microsoft Foundry')* — Technical module on RAI implementation in Microsoft Foundry (intermediate level).
9. [Scale AI in Your Organization](https://learn.microsoft.com/training/modules/scale-ai/) — Module covering organizational roles, responsibilities, and empowerment through AI.

4
skills/ms-ai-governance/references/responsible-ai/stakeholder-communication-ai-decisions.md
View file

@ -375,7 +375,7 @@ START: Hvem er målgruppen?
---
### Azure AI Foundry (Generative AI)
### Microsoft Foundry (Generative AI)
**Spesielle utfordringer med generative AI**:
- **Hallucinations**: Modellen genererer feil informasjon
@ -576,7 +576,7 @@ Norske offentlige etater må følge **Lov om offentlige anskaffelser**, **GDPR**
---
### Azure AI Foundry — Transparency Note
### Microsoft Foundry — Transparency Note
**Lisensiering**: Transparency Note er dokumentasjon (gratis).

6
skills/ms-ai-governance/references/responsible-ai/transparency-documentation-standards.md
View file

@ -65,7 +65,7 @@ Strukturerte metadatabeskrivelser av AI-modeller og datasets. Originating fra ak
| **Caveats and recommendations** | Usage warnings, update-frekvens |
**Microsoft implementasjon:**
- Azure AI Foundry: Model catalog med built-in model cards for pretrained models
- Microsoft Foundry: Model catalog med built-in model cards for pretrained models
- Hugging Face integration: Model cards synces automatisk
- Custom models: Template for å generere egne model cards
@ -160,7 +160,7 @@ Integrer dokumentasjon som mandatory checkpoints i AI development lifecycle:
**Implementasjon i Azure:**
- **Azure DevOps**: Gates for approval av model cards før deployment
- **Azure ML**: Auto-generate Responsible AI scorecard etter hver training run
- **Azure AI Foundry**: Built-in evaluation tools med export til PDF
- **Microsoft Foundry**: Built-in evaluation tools med export til PDF
- **Microsoft Purview**: Data lineage tracking for governance
**Anti-pattern:** Dokumentere etter deployment ("doc debt") — fører til incomplete/inaccurate documentation.
@ -384,7 +384,7 @@ https://learn.microsoft.com/en-us/azure/foundry/responsible-ai/openai/transparen
---
### Azure AI Foundry
### Microsoft Foundry
**Documentation features:**