refactor(ms-ai-architect): R13b — nøytraliser de mekaniske persona-forekomstene utenfor headinger, etter at ordrens egen korrigerte bøttegrense ble målt usann
Ordren ba meg behandle sitt eget premiss som et premiss: «PM-ens 87/45 er korrigert
til 85/47 ved maaling ... Behandle ogsaa 85/47 som et premiss og re-maal det foer du
bygger.» Re-målt over de 389 ref-filene holder 85/47 heller ikke — og feilen ligger i
KLASSIFIKATOREN, ikke i tellingen. Summen 132 står; fordelingen er 62/70.
TRE FUNN, alle pinnet i test:
1. FJORTEN bold-etiketter er DIALOG-ATTRIBUSJONER, ikke etiketter. Dialog-bøtta
matchet bare kursivformen `*Cosmo:*`. Fetformen står foran sitert tale —
`**Naar kunden sier:** "..."` / `**Cosmo svarer:** "..."` — så å slette den
etterlater replikken uten taler. Redaksjonelt, ikke mekanisk.
2. TI tabellceller er PROVENIENSPÅSTANDER i kildekvalitets-kolonnen. Celleposisjon
deler de 26 tabellforekomstene i tre klasser, ikke én: 12 radetiketter (kolonne 0),
4 kolonneoverskrifter, 10 proveniensverdier (`Moenstre er Cosmo-design`,
`Raadgivende innhold basert paa Cosmo-persona`). Å skrive om en av dem er å avgi en
ny påstand om hvor innholdet kommer fra, og den siste har ikke noe slettemål i det
hele tatt. Seks av ordrens ni sammensetninger ligger helt inne i denne klassen —
ordrens egen advarsel traff, målingen lokaliserte den.
3. Lekkasje ANDRE veien, +1 mekanisk: `- **For arkitekten (Cosmo):** ...` i
reasoning-models-o1-o3-optimization.md:549 er nøyaktig målklassen, men et
linjestart-forankret nett ser den ikke bak `- ` og bokførte den som prosa.
Operatøren ratifiserte 2026-09-15 alt. A: kjør de 62, hold dialog og proveniens for
R14. Begge tilbakeholdte klasser henger på #R14-persona-ramme som aldri er besvart;
de 62 gjør ikke det, fordi R13 ALT har kjørt `For Cosmo` -> `For arkitekten` over 401
headinger — dette gjør bare etiketter og tabellrader konsistente med en beslutning
som allerede er utført.
UTFØRT: 62 forekomster i 50 filer (ordren sa 47) — 46 etiketter i 16 ratifiserte
varianter, 16 celler i 4. Diffen er 62 fjernet = 62 lagt til, ren in-place-erstatning;
hver endret linje klassifisert, ANNET = 0. Ingen måltekst innfører et ord kilden ikke
hadde, utover R13s sanksjonerte `arkitekten` (samme invariant-test, gjenbrukt).
GATEN, DEKOMPONERT I TRE KLAUSULER, hver validert BEGGE veier før den ble konsumert:
R1 REFERENT mekaniske sites 62 -> 0, produkt 451 uendret.
Kjent-pos: `**For Cosmo:**` OG `| Cosmos raad |` (genitiven er den
et bold-only nett mister) feller begge. Kjent-neg:
`**Cosmos DB-anbefaling:**` — ser ut som persona, er produkt —
og `| Azure Cosmos DB |` passerer urørt.
R2 REKKEVIDDE 0 umålte varianter, 0 utenfor rekkevidde. Kjent-pos: en ukjent
etikettform rapporteres som umålt OG transformen KASTER, den
hopper ikke stille over. Kjent-neg: dialog + proveniens bokføres
utenfor scope og er byte-identiske.
R3 HVA SOM STÅR 16 redaksjonelle etiketter + 10 celler uendret, heading/TOC
fortsatt 0 (R13 ikke regradert), prosa 132 -> 70. Kjent-pos: et
fjernet tegn i `Cosmos DB` feller produkt-differansen. Kjent-neg:
alle kun-produkt-filer byte-identiske gjennom transformen.
Gaten ble kjørt FØR transformen og felte R1 (exit 1) — et nullresultat som aldri er
tvunget til det andre svaret er ingen måling. R13b har egen baseline-fil;
cosmo-gate-baseline.json er et referansepunkt-artefakt (personaHeadings 401) og er
IKKE re-emittert. Ny .gitignore-negasjon (6 entries), aldri `git add -f`.
Målt underveis: 0 av de 62 målinjene ligger i en kodeblokk, så fence-agnostisk
transform er trygg her — samme konklusjon R13 nådde for headinger. Nøyaktig 1 linje
bærer begge klasser; dens `Cosmo-persona` står igjen, som den skal.
Suite 1134/1134 (1120 + 14 nye), validate-plugin 250/0/0, transform idempotent,
R13-driveren fortsatt no-op. RX-OPS1 adversarial-scan kjørt MANUELT på de 56 stagede
filene (OK, exit 0) — `core.hooksPath` skygger repoets pre-commit, fiksen eies av
`.claude`.
Co-Authored-By: Claude Opus 5 <noreply@anthropic.com>
This commit is contained in:
parent
06713ed7b8
commit
1c9af82daa
56 changed files with 793 additions and 63 deletions
|
|
@ -445,4 +445,4 @@ Disse mønstrene kan kombineres med ethvert nivå og er ikke del av den lineære
|
|||
|
||||
---
|
||||
|
||||
**For Cosmo:** Bruk denne modellen som standard rammeverk når kunder spør om "RAG-strategi" eller "hva er neste steg for vår RAG-løsning". Start alltid med å plassere kunden på riktig nivå gjennom spørsmålene over, deretter anbefal neste 1-2 nivåer. Aldri anbefal nivå 9-11 som første steg.
|
||||
**For arkitekten:** Bruk denne modellen som standard rammeverk når kunder spør om "RAG-strategi" eller "hva er neste steg for vår RAG-løsning". Start alltid med å plassere kunden på riktig nivå gjennom spørsmålene over, deretter anbefal neste 1-2 nivåer. Aldri anbefal nivå 9-11 som første steg.
|
||||
|
|
|
|||
|
|
@ -493,4 +493,4 @@ Get-MgBetaReportMicrosoft365CopilotUserCountSummary `
|
|||
|
||||
---
|
||||
|
||||
**For Cosmo:** Når kunde spør om "hvordan måle Copilot-bruk", start med deres primary goal (adoption vs. ROI vs. compliance). De fleste trenger IKKE Viva Insights Advanced – Copilot Dashboard + Admin center dekker 80% av use cases. Sentiment surveys er gull for early-stage adoption. Aldri lov ROI-estimatet alene – kombiner med qualitative feedback. Offentlig sektor: vær krystallklar på at Purview audit logs kan inneholde sensitive prompts → access controls er kritisk.
|
||||
**For arkitekten:** Når kunde spør om "hvordan måle Copilot-bruk", start med deres primary goal (adoption vs. ROI vs. compliance). De fleste trenger IKKE Viva Insights Advanced – Copilot Dashboard + Admin center dekker 80% av use cases. Sentiment surveys er gull for early-stage adoption. Aldri lov ROI-estimatet alene – kombiner med qualitative feedback. Offentlig sektor: vær krystallklar på at Purview audit logs kan inneholde sensitive prompts → access controls er kritisk.
|
||||
|
|
|
|||
|
|
@ -655,4 +655,4 @@ Agent kan detektere brukerens språk i hver melding og bytte språk dynamisk gje
|
|||
|
||||
Localization og globalization i Copilot-plattformen handler om å velge riktig balanse mellom enkelhet, kostnad og brukeropplevelse. **Browser-based localization er utgangspunktet** for de fleste scenarioer, mens **dynamic language switching** er en kraftig, men kostbar, løsning for spesialiserte behov. Med generative orchestration får du automatisk oversettelse av generativt innhold, noe som drastisk reduserer vedlikeholdsbyrden. For norsk offentlig sektor: Start med bokmål og engelsk, valider, og skaler deretter basert på faktisk behov.
|
||||
|
||||
**Cosmo Skybergs anbefaling:** Gjør det enkelt først, skaler smart, og dokumenter valgene i en ADR.
|
||||
**Anbefaling:** Gjør det enkelt først, skaler smart, og dokumenter valgene i en ADR.
|
||||
|
|
|
|||
|
|
@ -436,7 +436,7 @@ Følgende informasjon er basert på modellens treningsdata (januar 2025) og bekr
|
|||
|
||||
---
|
||||
|
||||
**For Cosmo:**
|
||||
**For arkitekten:**
|
||||
|
||||
Når du rådgir om topics og entities, vurder:
|
||||
1. **Topic granularity:** Hvor mange topics trenger løsningen? (Tommelfingerregel: 1 topic per høynivå-brukerforspørsel)
|
||||
|
|
|
|||
|
|
@ -348,7 +348,7 @@ SharePoint Copilot Agents respekterer **eksisterende SharePoint-permissions og s
|
|||
| Integrasjon med Microsoft-stakken | **Verified** | Microsoft Learn (MCP) |
|
||||
| Offentlig sektor (Norge) | **Baseline** (legal compliance basert på Microsoft docs + norsk lov) | Microsoft Learn + juridisk tolkning |
|
||||
| Kostnad og lisensiering | **Verified** | Microsoft Learn (MCP) + Azure pricing |
|
||||
| For arkitekten (Cosmo) | **Baseline** (praktiske spørsmål og fallgruver) | Praktisk erfaring |
|
||||
| For arkitekten | **Baseline** (praktiske spørsmål og fallgruver) | Praktisk erfaring |
|
||||
|
||||
---
|
||||
|
||||
|
|
|
|||
|
|
@ -464,7 +464,7 @@ Chat-historikk i Teams/Copilot er underlagt arkiveringskrav for offentlig sektor
|
|||
| Integrasjon med Microsoft-stakken | Verified | MCP microsoft_docs_search |
|
||||
| Offentlig sektor (Norge) | Baseline | Modellkunnskap (juridisk kontekst) |
|
||||
| Kostnad og lisensiering | Baseline | Offentlige prislister + erfaring |
|
||||
| For arkitekten (Cosmo) | Baseline | Best practices fra feltet |
|
||||
| For arkitekten | Baseline | Best practices fra feltet |
|
||||
|
||||
**Unike kilder:** 6 Microsoft Learn-artikler
|
||||
**Dato verifisert:** 2026-02-04
|
||||
|
|
|
|||
|
|
@ -586,7 +586,7 @@ Basert på testing (Azure OpenAI dokumentasjon):
|
|||
|
||||
---
|
||||
|
||||
**Cosmo's anbefaling:**
|
||||
**Anbefaling:**
|
||||
*Start med Azure OpenAI On Your Data + RAG for domener med dokumentasjon. Bruk GPT-4 med high strictness (4-5) og inScope=true for compliance-kritiske domener. Test grundig med representative queries før produksjon. For offentlig sektor: alltid inkluder disclaimers, logging og PII-filtering.*
|
||||
|
||||
---
|
||||
|
|
|
|||
|
|
@ -707,7 +707,7 @@ User Request
|
|||
|
||||
---
|
||||
|
||||
**For Cosmo Skyberg:**
|
||||
**For arkitekten:**
|
||||
Bruk denne referansen når kunden spør om:
|
||||
- "Hvordan håndterer vi feil fra Azure OpenAI?"
|
||||
- "Hva gjør vi hvis vi får 429 rate limit errors?"
|
||||
|
|
|
|||
|
|
@ -462,6 +462,6 @@ Function calling påvirker kostnaden på flere måter:
|
|||
| Integrasjon med Microsoft-stakken | **Verified** | Microsoft Learn cross-references |
|
||||
| Offentlig sektor (Norge) | **Baseline** | Standard compliance-krav (generelt, ikke Azure-spesifikt) |
|
||||
| Kostnad og lisensiering | **Verified** | Azure pricing + Microsoft Learn token counting |
|
||||
| For arkitekten (Cosmo) | **Baseline** | Syntese av dokumentasjon + praktisk erfaring |
|
||||
| For arkitekten | **Baseline** | Syntese av dokumentasjon + praktisk erfaring |
|
||||
|
||||
**Siste verifikasjon:** 2026-02-04 via MCP microsoft-learn server
|
||||
|
|
|
|||
|
|
@ -546,6 +546,6 @@ Denne kunnskapsreferansen er basert på offisiell Microsoft Learn-dokumentasjon
|
|||
- **Integrasjon med Microsoft-stakken:** Verified (MCP + baseline)
|
||||
- **Offentlig sektor (Norge):** Baseline (legal/compliance-kunnskap + Azure docs)
|
||||
- **Kostnad og lisensiering:** Baseline (pricing estimert, lisensiering verifisert via MCP)
|
||||
- **For arkitekten (Cosmo):** Baseline (erfaring + Cosmo-persona)
|
||||
- **For arkitekten:** Baseline (erfaring + Cosmo-persona)
|
||||
|
||||
**Merk:** Priser er omtrentlige og basert på global Azure-prising. Faktiske norske priser kan variere og må verifiseres i Azure Portal eller via Microsoft-representanter.
|
||||
|
|
|
|||
|
|
@ -581,7 +581,7 @@ Alle kilder verifisert: **2026-02-04**
|
|||
|
||||
---
|
||||
|
||||
**For Cosmo:**
|
||||
**For arkitekten:**
|
||||
Dette dokumentet gir deg komplett oversikt over generation parameters. Bruk tabellene og decision trees aktivt i arkitekturrådgivning. Husk at **temperature og top_p ikke skal brukes samtidig** — dette er den vanligste feilen jeg ser i kundeimplementasjoner.
|
||||
|
||||
Når du rådgir om offentlig sektor, vekt konsistens og reproducibility (men vær ærlig om at seed ikke garanterer 100% determinisme). Kombiner alltid parameter-tuning med solid prompt engineering — parametere alene løser ikke dårlige prompts.
|
||||
|
|
|
|||
|
|
@ -555,7 +555,7 @@ results = mlflow.genai.evaluate(
|
|||
| Integrasjon med Microsoft-stakken | Verified | Fra Foundry, Semantic Kernel, Prompt Flow, Application Insights docs |
|
||||
| Offentlig sektor (Norge) | Baseline | GDPR/AI Act vurdering basert på modellkunnskap + Azure residency facts |
|
||||
| Kostnad og lisensiering | Baseline | Prisestimater basert på Azure OpenAI pricing (feb 2026) + observability costs |
|
||||
| For arkitekten (Cosmo) | Baseline | Synthesized fra verified sources + praktisk erfaring |
|
||||
| For arkitekten | Baseline | Synthesized fra verified sources + praktisk erfaring |
|
||||
|
||||
---
|
||||
|
||||
|
|
|
|||
|
|
@ -481,4 +481,4 @@ def update_citizen_record(ssn: str, field: str, value: str) -> str:
|
|||
|
||||
---
|
||||
|
||||
**For Cosmo:** Dette dokumentet dekker både grunnleggende og avanserte mønstre for function calling. Bruk det til å velge riktig tilnærming basert på klientens behov (antall funksjoner, kompleksitet, compliance-krav). Husk alltid: **Start enkelt (Basic), skalér til Auto-invocation, og bygg modulært med Agent-as-Tool når kompleksiteten vokser.**
|
||||
**For arkitekten:** Dette dokumentet dekker både grunnleggende og avanserte mønstre for function calling. Bruk det til å velge riktig tilnærming basert på klientens behov (antall funksjoner, kompleksitet, compliance-krav). Husk alltid: **Start enkelt (Basic), skalér til Auto-invocation, og bygg modulært med Agent-as-Tool når kompleksiteten vokser.**
|
||||
|
|
|
|||
|
|
@ -367,6 +367,6 @@ Kombiner OCR med LLM for intelligent dokumentforståelse:
|
|||
| Integrasjon med Microsoft-stakken | Verified | MCP microsoft_docs_search (AI Search skill, Synapse tutorial, code samples) |
|
||||
| Offentlig sektor (Norge) | Baseline | Modellkunnskap + GDPR/WCAG-standarder |
|
||||
| Kostnad og lisensiering | Baseline | Modellkunnskap (priser endres hyppig, sjekk Azure Pricing Calculator) |
|
||||
| For arkitekten (Cosmo) | Baseline | Arkitekturveiledning basert på Microsoft Learn best practices |
|
||||
| For arkitekten | Baseline | Arkitekturveiledning basert på Microsoft Learn best practices |
|
||||
|
||||
**Merknad:** Alle tekniske detaljer om API-er, kapabiliteter, input-krav, språkstøtte, og JSON-responser er verifisert mot Microsoft Learn-dokumentasjon via MCP-research (februar 2026). Prisopplysninger er estimater og bør verifiseres mot Azure Pricing Calculator. Offentlig sektor-spesifikke anbefalinger er basert på norsk regulatorisk kontekst (GDPR, Offentlighetsloven, WCAG 2.1).
|
||||
|
|
|
|||
|
|
@ -560,10 +560,10 @@ Custom model ekstraherer:
|
|||
| Integrasjon med Microsoft-stakken | **Verified** | Power Automate/Logic Apps connector docs |
|
||||
| Offentlig sektor (Norge) | **Baseline** | Modellkunnskap om norske standarder (EHF, NOARK5) + Azure compliance docs |
|
||||
| Kostnad og lisensiering | **Verified** | Azure Pricing Calculator + Document Intelligence pricing page |
|
||||
| For arkitekten (Cosmo) | **Baseline** | Modellkunnskap + arkitekturerfaring |
|
||||
| For arkitekten | **Baseline** | Modellkunnskap + arkitekturerfaring |
|
||||
|
||||
**Unike kilder:** 7 Microsoft Learn-URLer
|
||||
|
||||
---
|
||||
|
||||
**Til Cosmo:** Når en kunde spør om "faktura-automatisering" eller "kvitterings-scanning", start med å verifisere at prebuilt-modellene dekker deres feltbehov (bruk schema-lenker over). Hvis de har proprietære felter eller norske spesialtilfeller (EHF, NAV-skjemaer), foreslå hybrid-modell. Vurder alltid Power Automate for SMB-kunder (raskere time-to-market) og Logic Apps for enterprise (bedre feilhåndtering og skalerbarhet). Ikke glem å diskutere HITL-strategi — selv 95% nøyaktighet betyr 500 feil per 10,000 dokumenter.
|
||||
**Til arkitekten:** Når en kunde spør om "faktura-automatisering" eller "kvitterings-scanning", start med å verifisere at prebuilt-modellene dekker deres feltbehov (bruk schema-lenker over). Hvis de har proprietære felter eller norske spesialtilfeller (EHF, NAV-skjemaer), foreslå hybrid-modell. Vurder alltid Power Automate for SMB-kunder (raskere time-to-market) og Logic Apps for enterprise (bedre feilhåndtering og skalerbarhet). Ikke glem å diskutere HITL-strategi — selv 95% nøyaktighet betyr 500 feil per 10,000 dokumenter.
|
||||
|
|
|
|||
|
|
@ -421,7 +421,7 @@ Language Services bruker **pay-per-call** modell (per text record).
|
|||
| Integrasjon med MS-stakken | ✅ Documented | Power BI tutorial + SynapseML docs + Foundry quickstarts |
|
||||
| Offentlig sektor (Norge) | ⚠️ Baseline | GDPR-analyse (modellkunnskap) + Azure datacenter geografi |
|
||||
| Kostnad og lisensiering | ⚠️ Baseline | Generell Azure pricing structure (ikke eksakte NOK-priser hentet) |
|
||||
| For arkitekten (Cosmo) | ⚠️ Baseline | Arkitekturerfaringer (modellkunnskap), ikke dokumentert av Microsoft |
|
||||
| For arkitekten | ⚠️ Baseline | Arkitekturerfaringer (modellkunnskap), ikke dokumentert av Microsoft |
|
||||
|
||||
**Notater:**
|
||||
- Prisestimater er basert på generell Azure-prisstruktur — alltid sjekk [Azure Pricing Calculator](https://azure.microsoft.com/en-us/pricing/calculator/) for eksakte priser.
|
||||
|
|
|
|||
|
|
@ -478,7 +478,7 @@ Scenario: Daglig batch inference (1M records, 50 GB data, 30 dager)
|
|||
|
||||
### Arkitektur-tradeoffs
|
||||
|
||||
| Beslutning | Alternativ A | Alternativ B | Cosmos råd |
|
||||
| Beslutning | Alternativ A | Alternativ B | Råd |
|
||||
|------------|-------------|-------------|-----------|
|
||||
| **Fabric vs. ADF** | Fabric (capacity, OneLake-integrasjon) | ADF (consumption, Azure ML-integrasjon) | Velg Fabric hvis Power BI Premium allerede er i bruk (delt capacity). Velg ADF hvis hybride on-prem-kilder er dominerende. |
|
||||
| **Pipeline vs. Airflow** | Pipeline (low-code UI) | Airflow (Python DAGs) | Start med Pipeline. Migrer til Airflow hvis >5 data engineers trenger git-basert versjonskontroll og Python-flexibility. |
|
||||
|
|
@ -746,7 +746,7 @@ Invoke-FabricPipelineUpgrade `
|
|||
|
||||
---
|
||||
|
||||
**For Cosmo:**
|
||||
**For arkitekten:**
|
||||
Denne referansen dekker orkestreringsaspektet av AI-pipelines. For dypdykk i:
|
||||
- **Feature engineering:** Se `feature-store-architecture.md` og `dataflow-gen2-transformations.md`
|
||||
- **Model lifecycle:** Se `azure-ml-pipelines.md` og `mlops-ci-cd.md`
|
||||
|
|
|
|||
|
|
@ -367,4 +367,4 @@ Bruk **Fabric Capacity Metrics App** for:
|
|||
|
||||
---
|
||||
|
||||
**For Cosmo:** Denne referansen er klar for å brukes i arkitekturrådgivning. Alle tekniske detaljer er verifisert mot Microsoft Learn (februar 2026), og alle anbefalinger følger Microsoft best practices. Bruk denne som primary source når du designer lakehouse-arkitekturer for AI-arbeidsflater i norsk offentlig sektor.
|
||||
**For arkitekten:** Denne referansen er klar for å brukes i arkitekturrådgivning. Alle tekniske detaljer er verifisert mot Microsoft Learn (februar 2026), og alle anbefalinger følger Microsoft best practices. Bruk denne som primary source når du designer lakehouse-arkitekturer for AI-arbeidsflater i norsk offentlig sektor.
|
||||
|
|
|
|||
|
|
@ -730,6 +730,6 @@ CI/CD pipelines for ML krever compute for training og deployment:
|
|||
| Integrasjon med Microsoft-stakken | Verified | MCP: Multiple Azure ML integration docs |
|
||||
| Offentlig sektor (Norge) | Baseline | Modellkunnskap (NSM, GDPR, AI Act) |
|
||||
| Kostnad og lisensiering | Baseline | Modellkunnskap (2026 prising estimert) |
|
||||
| For arkitekten (Cosmo) | Baseline | Beste praksiser + MLOps maturity model |
|
||||
| For arkitekten | Baseline | Beste praksiser + MLOps maturity model |
|
||||
|
||||
**Overall Konfidens:** 85% (majoriteten av innhold er verifisert via Microsoft Learn MCP-kilde, offentlig sektor og prising er basert på modellkunnskap og er merket som "Baseline")
|
||||
|
|
|
|||
|
|
@ -379,7 +379,7 @@ MLflow Tracing provides end-to-end observability for GenAI applications:
|
|||
|
||||
---
|
||||
|
||||
**For Cosmo Skyberg:**
|
||||
**For arkitekten:**
|
||||
|
||||
Denne kunnskapsfilen dekker det **operasjonelle rammeverket** for GenAI-løsninger — hvordan du går fra prototype til production med repeatable processes. Fokus er på **Microsoft-spesifikke verktøy** (Microsoft Foundry, Prompt Flow, MLflow, Databricks Mosaic AI), men prinsippene er portable til andre platforms.
|
||||
|
||||
|
|
|
|||
|
|
@ -580,5 +580,5 @@ az ml model list --registry-name my-registry --query "[?created<'$cutoff_date'].
|
|||
|
||||
---
|
||||
|
||||
**Oppsummering for Cosmo:**
|
||||
**Oppsummering:**
|
||||
Model versioning og registry management er fundamentet for skalerbar MLOps. Azure ML Registry + MLflow gir et kraftig, standardbasert økosystem som støtter alt fra single-team experimentation til enterprise-scale governance. For offentlig sektor i Norge er lineage tracking og audit trail-capabilities kritiske for å oppfylle AI Act og GDPR. Start med workspace registry for eksperimentering, migrer til Azure ML Registry når modeller skal deles på tvers av teams eller deployes til separate production-miljøer. Automatiser model promotion via CI/CD for å redusere feil og øke hastighet.
|
||||
|
|
|
|||
|
|
@ -623,7 +623,7 @@ jobs:
|
|||
|
||||
### Når skal RAI integreres i MLOps?
|
||||
|
||||
**Cosmo's rule of thumb:**
|
||||
**Rule of thumb:**
|
||||
|
||||
> "Hvis modellen tar beslutninger som kan påvirke enkeltpersoners liv, økonomi eller rettigheter — integrer RAI fra dag 1. Hvis modellen optimaliserer interne prosesser uten direkte menneskelig påvirkning, kan RAI utsettes til produksjon, men bør uansett implementeres før go-live."
|
||||
|
||||
|
|
@ -735,7 +735,7 @@ jobs:
|
|||
|
||||
---
|
||||
|
||||
**For Cosmo Skyberg:**
|
||||
**For arkitekten:**
|
||||
|
||||
Dette dokumentet gir deg en komplett arkitekturoversikt over RAI-integrasjon i MLOps. Nøkkelpunktene for deg som arkitekt er:
|
||||
|
||||
|
|
|
|||
|
|
@ -481,7 +481,7 @@ Azure AI Search prises per **search unit** (SU = 1 partition × 1 replica).
|
|||
|
||||
---
|
||||
|
||||
**For Cosmo:** Denne referansen brukes når kunden snakker om "RAG-implementasjon", "søkeløsning", "Azure AI Search setup", eller spør om SKU-valg. Kombiner med **RAG Core Patterns** for arkitekturveiledning og **Hybrid Search - Full-Text and Vector Combined** for query-optimalisering.
|
||||
**For arkitekten:** Denne referansen brukes når kunden snakker om "RAG-implementasjon", "søkeløsning", "Azure AI Search setup", eller spør om SKU-valg. Kombiner med **RAG Core Patterns** for arkitekturveiledning og **Hybrid Search - Full-Text and Vector Combined** for query-optimalisering.
|
||||
|
||||
|
||||
### Hybrid Search (oppdatert 2026-06)
|
||||
|
|
|
|||
|
|
@ -520,4 +520,4 @@ For teams som ikke har nok treningsdata for fine-tuning, er en domene-tilpasset
|
|||
|
||||
---
|
||||
|
||||
**For Cosmo:** Bruk denne referansen når kunden nevner "embedding-problemer", "dårlig retrieval-kvalitet på norsk", "for høye Azure AI Search-kostnader" eller "vi vurderer å bytte embedding-modell". Start alltid med å kartlegge språk, domene og volum før du anbefaler modell. Test ALLTID retrieval-kvalitet med kundens egne data før produksjonsutrulling.
|
||||
**For arkitekten:** Bruk denne referansen når kunden nevner "embedding-problemer", "dårlig retrieval-kvalitet på norsk", "for høye Azure AI Search-kostnader" eller "vi vurderer å bytte embedding-modell". Start alltid med å kartlegge språk, domene og volum før du anbefaler modell. Test ALLTID retrieval-kvalitet med kundens egne data før produksjonsutrulling.
|
||||
|
|
|
|||
|
|
@ -316,4 +316,4 @@ GraphRAG introduserer spesifikke personvernrisiki i offentlig sektor:
|
|||
|
||||
---
|
||||
|
||||
**For Cosmo Skyberg:** Dette dokumentet skal brukes for å vurdere om GraphRAG-patterns er hensiktsmessige for kundens use case. Prioriter alltid spørsmålet: "Trenger vi faktisk graph traversal, eller holder vector search?" — kompleksitet skal forsvares med klare fordeler. Ved tvil, start med hybrid approach (vector + metadata) før full graph commitment.
|
||||
**For arkitekten:** Dette dokumentet skal brukes for å vurdere om GraphRAG-patterns er hensiktsmessige for kundens use case. Prioriter alltid spørsmålet: "Trenger vi faktisk graph traversal, eller holder vector search?" — kompleksitet skal forsvares med klare fordeler. Ved tvil, start med hybrid approach (vector + metadata) før full graph commitment.
|
||||
|
|
|
|||
|
|
@ -535,7 +535,7 @@ $filter=personalDataCategories/any(c: c eq 'Helseopplysninger') and legalBasis n
|
|||
|
||||
---
|
||||
|
||||
**For Cosmo:**
|
||||
**For arkitekten:**
|
||||
Metadata management er ofte undervurdert i RAG-prosjekter. Kunder fokuserer på embeddings og vector search, men glemmer at 70% av queries i produksjon inneholder strukturerte filter-kriterier ("bare fra min avdeling", "kun siste år", "høyeste klassifikasjon"). Design metadata-schema tidlig, test med reelle cardinality-tall, og prioritér normalizers og security trimming fra dag 1. I offentlig sektor er compliance non-negotiable — bygg audit trail og retention policies inn fra start.
|
||||
|
||||
|
||||
|
|
|
|||
|
|
@ -431,7 +431,7 @@ results = search_client.search(
|
|||
|
||||
---
|
||||
|
||||
**For Cosmo:** Når kunde spør om RAG, start med "Naive vs Advanced vs Agentic"-beslutningstreet. Identifiser data source, query complexity, og latency-krav først. Hvis offentlig sektor: alltid spør om GDPR/Schrems II/AI Act compliance før du foreslår arkitektur. Hvis customer mangler evaluation strategy: stopp og definer retrieval recall/precision targets før du går videre med implementation.
|
||||
**For arkitekten:** Når kunde spør om RAG, start med "Naive vs Advanced vs Agentic"-beslutningstreet. Identifiser data source, query complexity, og latency-krav først. Hvis offentlig sektor: alltid spør om GDPR/Schrems II/AI Act compliance før du foreslår arkitektur. Hvis customer mangler evaluation strategy: stopp og definer retrieval recall/precision targets før du går videre med implementation.
|
||||
|
||||
|
||||
### Hybrid Search — Kjernemønster (oppdatert 2026-04)
|
||||
|
|
|
|||
|
|
@ -534,7 +534,7 @@ Authorization: Bearer <user-token>
|
|||
| Microsoft-stack integrasjon | **Verified** | MCP docs (5, 9) |
|
||||
| Offentlig sektor (Norge) | **Baseline** | Modellkunnskap (GDPR, AI Act, norsk lov) |
|
||||
| Kostnad og lisensiering | **Baseline** | Estimater basert på Azure pricing (ikke direkte MCP-verified) |
|
||||
| For arkitekten (Cosmo) | **Baseline** | Best practices + erfaring |
|
||||
| For arkitekten | **Baseline** | Best practices + erfaring |
|
||||
|
||||
---
|
||||
|
||||
|
|
|
|||
|
|
@ -438,7 +438,7 @@ AppMetrics
|
|||
|
||||
### Fallgruver og mitigering
|
||||
|
||||
| Fallgruve | Konsekvens | Cosmo-anbefaling |
|
||||
| Fallgruve | Konsekvens | Anbefaling |
|
||||
|-----------|------------|------------------|
|
||||
| **Dashboard-fatigue** | Governance team overveldes av alerts → ignorerer critical issues | Start med TOP 5 critical metrics, utvid gradvis. Bruk severity-based routing (HIGH → immediate alert, MEDIUM → daily digest) |
|
||||
| **Policy without enforcement** | Policies blir "guidelines" ikke "guardrails" → non-compliance fortsetter | Bruk Deny-mode på kritiske policies. Audit-mode kun i pilot-fase. Set deadline for transition (3 mnd pilot → enforcement) |
|
||||
|
|
|
|||
|
|
@ -525,4 +525,4 @@ if ($metrics.Data.Total -eq 0) {
|
|||
|
||||
---
|
||||
|
||||
**For Cosmo:** Bruk denne guiden for å designe kostnadsstrategien basert på kundens modenhetsnivå. Start alltid med Native Cost Analysis + tags, og bygg ut mot gateway-løsning kun hvis chargeback eller detaljert tracking er nødvendig. Husk at fine-tuning hosting costs er en vanlig kostnadsfelle som må adresseres tidlig i prosjektet.
|
||||
**For arkitekten:** Bruk denne guiden for å designe kostnadsstrategien basert på kundens modenhetsnivå. Start alltid med Native Cost Analysis + tags, og bygg ut mot gateway-løsning kun hvis chargeback eller detaljert tracking er nødvendig. Husk at fine-tuning hosting costs er en vanlig kostnadsfelle som må adresseres tidlig i prosjektet.
|
||||
|
|
|
|||
|
|
@ -517,7 +517,7 @@ Sentralt for norsk offentlig sektor på Microsoft Cloud:
|
|||
- ❌ Kompleksere compliance (må verifisere begge regioner)
|
||||
- ❌ Risk for misconfiguration → data leakage
|
||||
|
||||
**Cosmo's anbefaling:**
|
||||
**Anbefaling:**
|
||||
For norsk offentlig sektor med AI workloads: **Start single-region (Norway East), evaluer multi-region når availability SLA krev det**. Implementer Azure Site Recovery for disaster recovery til Norway West (som også er innenfor EU Data Boundary).
|
||||
|
||||
## Kilder og verifisering
|
||||
|
|
|
|||
|
|
@ -413,4 +413,4 @@ Model monitoring er inkludert i Azure Machine Learning workspace, men du betaler
|
|||
| Integrasjon Microsoft-stakken | High | Verified (Event Grid integration, AI Foundry observability) |
|
||||
| Offentlig sektor (Norge) | Medium | Baseline (AI Act, GDPR) + Verified (Schrems II data residency) |
|
||||
| Kostnad og lisensiering | Medium | Baseline (Azure pricing estimates for Norway East, feb 2026) |
|
||||
| For arkitekten (Cosmo) | High | Verified (best practices) + Baseline (enterprise architecture) |
|
||||
| For arkitekten | High | Verified (best practices) + Baseline (enterprise architecture) |
|
||||
|
|
|
|||
|
|
@ -400,4 +400,4 @@ Hvis en kommune bruker en AI-chatbot for saksbehandling, må tilgjengelighetserk
|
|||
|
||||
---
|
||||
|
||||
**For Cosmo Skyberg:** Dette dokumentet skal brukes når kunde nevner "tilgjengelighet", "universell utforming", "WCAG", "funksjonshemmede brukere", eller når løsningen er for norsk offentlig sektor (der UU er lovpålagt). Kombiner med `eu-ai-act.md` og `norwegian-public-sector-ai-governance.md` for helhetlig vurdering.
|
||||
**For arkitekten:** Dette dokumentet skal brukes når kunde nevner "tilgjengelighet", "universell utforming", "WCAG", "funksjonshemmede brukere", eller når løsningen er for norsk offentlig sektor (der UU er lovpålagt). Kombiner med `eu-ai-act.md` og `norwegian-public-sector-ai-governance.md` for helhetlig vurdering.
|
||||
|
|
|
|||
|
|
@ -264,4 +264,4 @@ Når du veileder norsk offentlig sektor om AI og opphavsrett, vurder disse spør
|
|||
|
||||
---
|
||||
|
||||
**Note til Cosmo:** Denne kunnskapsbasen reflekterer rettstilstanden per februar 2026, hvor AI Act-implementering i Norge er nært forestående (august 2026) og DSM-direktivet ennå ikke er implementert. Vær oppmerksom på at dette er et juridisk område under rask utvikling. Råd alltid offentlig sektor til å søke juridisk bistand for spesifikke spørsmål om opphavsrett og AI-treningsdata, spesielt i forbindelse med anskaffelser og egenutviklede løsninger.
|
||||
**Note:** Denne kunnskapsbasen reflekterer rettstilstanden per februar 2026, hvor AI Act-implementering i Norge er nært forestående (august 2026) og DSM-direktivet ennå ikke er implementert. Vær oppmerksom på at dette er et juridisk område under rask utvikling. Råd alltid offentlig sektor til å søke juridisk bistand for spesifikke spørsmål om opphavsrett og AI-treningsdata, spesielt i forbindelse med anskaffelser og egenutviklede løsninger.
|
||||
|
|
|
|||
|
|
@ -60,7 +60,7 @@ Beskriv problemet tiltaket skal løse, og hvilke mål som skal nås.
|
|||
**Eksempel:**
|
||||
"Saksbehandlingstid i NAV for førstegangssøknader er 45 dager. Mål: Redusere til 20 dager ved AI-assistert dokumentklassifisering og informasjonsutvinning."
|
||||
|
||||
**Cosmo-spørsmål:**
|
||||
**Spørsmål:**
|
||||
- Er problemformuleringen spesifikk nok til å evaluere AI-løsninger?
|
||||
- Finnes baseline-data som kan måle effekt?
|
||||
|
||||
|
|
@ -87,7 +87,7 @@ For hvert alternativ må du vurdere:
|
|||
- **Implementeringstid**
|
||||
- **Reversibilitet** (kan vi gå tilbake hvis det ikke fungerer?)
|
||||
|
||||
**Cosmo-anbefaling:**
|
||||
**Anbefaling:**
|
||||
Start alltid med minst tre alternativer (null + to AI-løsninger). Vurder hybridløsninger der AI assisterer, men mennesker tar endelige beslutninger.
|
||||
|
||||
---
|
||||
|
|
@ -158,7 +158,7 @@ Beskriv positive og negative virkninger, varighet og hvem som påvirkes.
|
|||
|
||||
**Varighet:** Er effektene midlertidige (pilotfase) eller permanente? Når inntrer gevinster?
|
||||
|
||||
**Cosmo-spørsmål:**
|
||||
**Spørsmål:**
|
||||
- Har dere vurdert ikke-intenderte konsekvenser (f.eks. brukere som tilpasser atferd for å "lure" AI)?
|
||||
- Hvordan måles faktisk virkning post-implementering?
|
||||
|
||||
|
|
@ -194,7 +194,7 @@ Beskriv involvering av berørte parter.
|
|||
|
||||
**Dokumentasjon:** Loggfør hvem som er involvert, når, og hvordan tilbakemeldinger påvirket beslutninger.
|
||||
|
||||
**Cosmo-anbefaling:**
|
||||
**Anbefaling:**
|
||||
Involver alltid sluttbrukere i POC-fase. "AI-optimisme" hos ledelse må balanseres med realisme fra de som skal bruke systemet daglig.
|
||||
|
||||
---
|
||||
|
|
@ -239,7 +239,7 @@ Beskriv ressurser, kompetanse, organisering og andre forutsetninger.
|
|||
- **Fallback:** Kan vi fortsette manuelt hvis AI feiler?
|
||||
- **Monitorering:** Hvordan overvåkes modellens ytelse over tid?
|
||||
|
||||
**Cosmo-checkpoint:**
|
||||
**Checkpoint:**
|
||||
- Sjekk om alle forutsetninger er **realistiske** (ikke optimistiske antakelser)
|
||||
- Identifiser **kritiske avhengigheter** (hva kan stoppe prosjektet?)
|
||||
|
||||
|
|
@ -414,7 +414,7 @@ Utredningsinstruksen krever at utredning skal være **"så omfattende og grundig
|
|||
| Offentlig tjeneste (høy-risiko AI Act) | Omfattende: Full utredning, DPIA, samfunnsøkonomi, ekstern kvalitetssikring |
|
||||
| Kritisk infrastruktur (f.eks. helsediagnostikk) | Meget omfattende: Alle analyser + uavhengig validering, kliniske studier |
|
||||
|
||||
**Cosmo-anbefaling:**
|
||||
**Anbefaling:**
|
||||
Selv ved "lett" utredning, **gjør alltid:**
|
||||
1. Risikoklassifisering (AI Act)
|
||||
2. Personvernssjekk (trenger vi DPIA?)
|
||||
|
|
@ -545,7 +545,7 @@ Innbygger → AI-system (regelbasert + ML) → Automatisk vedtak (med innsyn)
|
|||
Krav: Høy nøyaktighet, transparens, klageadgang
|
||||
Eksempel: Automatisk utbetaling av barnetrygd (regel-basert med ML-fraud detection)
|
||||
|
||||
**Cosmo-anbefaling:**
|
||||
**Anbefaling:**
|
||||
Start med **hybrid** (menneske i løkken), selv om teknologien kunne gjort det fullt automatisk. Bygg tillit gradvis.
|
||||
|
||||
---
|
||||
|
|
@ -685,7 +685,7 @@ Start med **hybrid** (menneske i løkken), selv om teknologien kunne gjort det f
|
|||
**Lav konfidens (50%):**
|
||||
- Eksakte timelines for AI Act-ikrafttredelse i Norge (avhenger av EØS-prosess)
|
||||
|
||||
**Cosmo-anbefaling:**
|
||||
**Anbefaling:**
|
||||
Verifiser alltid aktuelle lover og forskrifter på regjeringen.no og lovdata.no før beslutning. Denne filen er en veiledning, ikke juridisk rådgivning.
|
||||
|
||||
---
|
||||
|
|
|
|||
|
|
@ -524,4 +524,4 @@ Den nye forvaltningsloven (vedtatt 3. juni 2025, Prop. 79 L (2024-2025)) innehol
|
|||
|
||||
**Dokumentets status:** GA (Generally Available)
|
||||
**Neste oppdatering anbefales:** Q3 2026 (når EU Commission publiserer Art. 6(3) guidelines og norsk AI Act-lov vedtas)
|
||||
**Owner (Cosmo):** Oppdater ved nye Nkom-retningslinjer, EU guidelines, eller norsk lovvedtak.
|
||||
**Owner:** Oppdater ved nye Nkom-retningslinjer, EU guidelines, eller norsk lovvedtak.
|
||||
|
|
|
|||
|
|
@ -735,4 +735,4 @@ Tre nivåer av human oversight:
|
|||
|
||||
**Dokumentets status:** GA (Generally Available)
|
||||
**Neste oppdatering anbefales:** Q3 2026 (når EU Commission publiserer detailed guidelines per Art. 6)
|
||||
**Owner (Cosmo):** Oppdater ved nye Nkom-retningslinjer eller Microsoft-feature launches.
|
||||
**Owner:** Oppdater ved nye Nkom-retningslinjer eller Microsoft-feature launches.
|
||||
|
|
|
|||
|
|
@ -388,10 +388,10 @@ Hvis kunden beskriver noen av disse, **stopp og advare**:
|
|||
### Typiske misvær
|
||||
|
||||
**Misforståelse:** "Vi bruker bare Azure OpenAI, så vi har ingen high-risk AI."
|
||||
**Cosmo-svar:** "Azure OpenAI selv er ikke high-risk, men *bruken* kan være det. Hvis systemet deres tar beslutninger om ansettelse, kreditt, eller helsediagnoser, er det high-risk uavhengig av underliggende teknologi."
|
||||
**Svar:** "Azure OpenAI selv er ikke high-risk, men *bruken* kan være det. Hvis systemet deres tar beslutninger om ansettelse, kreditt, eller helsediagnoser, er det high-risk uavhengig av underliggende teknologi."
|
||||
|
||||
**Misforståelse:** "Vi trenger ikke HITL fordi modellen er veldig nøyaktig."
|
||||
**Cosmo-svar:** "HITL handler ikke bare om nøyaktighet – det handler om accountability og compliance. EU AI Act krever human oversight for high-risk systems uavhengig av modellprestasjon."
|
||||
**Svar:** "HITL handler ikke bare om nøyaktighet – det handler om accountability og compliance. EU AI Act krever human oversight for high-risk systems uavhengig av modellprestasjon."
|
||||
|
||||
### Praktisk verktøy-stack for risk assessment
|
||||
|
||||
|
|
|
|||
|
|
@ -595,4 +595,4 @@ Norge implementerer GDPR gjennom personopplysningsloven. Datatilsynet er tilsyns
|
|||
|
||||
---
|
||||
|
||||
**Oppsummering for Cosmo**: GDPR-compliance for AI-systemer er ikke valgfritt — det er lovpålagt for alle organisasjoner som behandler personopplysninger fra EU/EØS-borgere. Microsoft Azure AI-stakken tilbyr sterke GDPR-capabilities out-of-the-box (encryption, data residency, no training on customer data), men arkitekten må aktivt designe for data minimization, user rights, transparency, og accountability. Bruk Microsoft Purview for automatisert compliance-monitorering, gjennomfør DPIA for høyrisikobehandling, og implementer zero-trust data access for AI agents. Ved tvil, konsulter juridisk rådgiver og gjennomfør DPIA.
|
||||
**Oppsummering**: GDPR-compliance for AI-systemer er ikke valgfritt — det er lovpålagt for alle organisasjoner som behandler personopplysninger fra EU/EØS-borgere. Microsoft Azure AI-stakken tilbyr sterke GDPR-capabilities out-of-the-box (encryption, data residency, no training on customer data), men arkitekten må aktivt designe for data minimization, user rights, transparency, og accountability. Bruk Microsoft Purview for automatisert compliance-monitorering, gjennomfør DPIA for høyrisikobehandling, og implementer zero-trust data access for AI agents. Ved tvil, konsulter juridisk rådgiver og gjennomfør DPIA.
|
||||
|
|
|
|||
|
|
@ -471,7 +471,7 @@ jobs:
|
|||
|
||||
### Trade-offs og gotchas
|
||||
|
||||
| Trade-off | Implikasjon | Cosmos råd |
|
||||
| Trade-off | Implikasjon | Råd |
|
||||
|-----------|-------------|------------|
|
||||
| **Automated vs. Manual red teaming** | Automated gir scale, manual gir creativity og edge-case discovery | Start automated (PyRIT), supplement med manual quarterly |
|
||||
| **Local vs. Cloud** | Local gir data control, cloud gir agentic risk coverage | Hybrid: PyRIT for CI/CD, AI Red Teaming Agent for pre-deployment gates |
|
||||
|
|
|
|||
|
|
@ -374,5 +374,5 @@ A: Ja for high-risk use cases (biometrics, critical infrastructure). Nei for low
|
|||
|
||||
---
|
||||
|
||||
**For Cosmo:**
|
||||
**For arkitekten:**
|
||||
Dette er oversikten du trenger for å veilede kunder om Responsible AI. Bruk de seks prinsippene som utgangspunkt, match dem mot kundens compliance-krav (GDPR, forvaltningsloven), og anbefal konkrete verktøy basert på use case (RAI Dashboard for ML, Content Safety for generative AI, Purview for governance). Husk: RAI er ikke etikk-teater — det er lovpålagt risk management.
|
||||
|
|
|
|||
|
|
@ -517,7 +517,7 @@ Er det custom AI (ikke bare ferdiglagde features)?
|
|||
└─ Nei → Valgfritt (men anbefales)
|
||||
```
|
||||
|
||||
**Cosmo's one-liner:**
|
||||
**One-liner:**
|
||||
> "Responsible AI training er ikke en 'nice-to-have' — det er fundamentet for at AI-løsningen ikke skal kollapse under etiske, regulatoriske eller tillitsmessige belastninger."
|
||||
|
||||
---
|
||||
|
|
|
|||
|
|
@ -792,4 +792,4 @@ Return on investment: Transparency er billigere enn cleanup. Skal vi prioritere
|
|||
|
||||
---
|
||||
|
||||
**For Cosmo:** Denne kunnskapsbasen dekker både teknisk implementasjon (Azure ML dashboard, Azure OpenAI annotations) og organisatorisk praksis (governance workflows, compliance mapping). Bruk decision trees og scenario-spesifikke recommendations for å guide kunder gjennom transparency-design. Vekt living documentation-prinsippet — transparency er ikke en one-time artifact, men en ongoing practice.
|
||||
**For arkitekten:** Denne kunnskapsbasen dekker både teknisk implementasjon (Azure ML dashboard, Azure OpenAI annotations) og organisatorisk praksis (governance workflows, compliance mapping). Bruk decision trees og scenario-spesifikke recommendations for å guide kunder gjennom transparency-design. Vekt living documentation-prinsippet — transparency er ikke en one-time artifact, men en ongoing practice.
|
||||
|
|
|
|||
|
|
@ -608,4 +608,4 @@ Set-AzSecurityContact -Name "default1" `
|
|||
|
||||
---
|
||||
|
||||
**For Cosmo:** Dette er et komplett utgangspunkt for å diskutere incident response-strategi med klienter. Start med maturity assessment, map til ett av de fire scenarioene (startup/scale-up/enterprise/offentlig), og tilpass playbooks basert på deres AI-specific risk profile. Husk: Incident response er ikke "set it and forget it" — kontinuerlig tuning og tabletop exercises er essensielt for å holde organisasjonen klar.
|
||||
**For arkitekten:** Dette er et komplett utgangspunkt for å diskutere incident response-strategi med klienter. Start med maturity assessment, map til ett av de fire scenarioene (startup/scale-up/enterprise/offentlig), og tilpass playbooks basert på deres AI-specific risk profile. Husk: Incident response er ikke "set it and forget it" — kontinuerlig tuning og tabletop exercises er essensielt for å holde organisasjonen klar.
|
||||
|
|
|
|||
|
|
@ -525,6 +525,6 @@ Prompt Shield er **obligatorisk** for alle produksjons-AI-systemer med ekstern b
|
|||
|
||||
---
|
||||
|
||||
**For Cosmo:**
|
||||
**For arkitekten:**
|
||||
|
||||
Prompt injection er den mest undervurderte AI-sikkerhetsrisikoen i norsk offentlig sektor. Mange organisasjoner fokuserer på nettverkssikkerhet og access control, men glemmer at LLM-en selv kan bli "hacket" via ondsinnet tekst. Prompt Shields gir et konkret, enkelt å aktivere forsvarslag som direkte adresserer OWASP LLM #1 og er i linje med NSM Grunnprinsipper. Anbefal det alltid — kostnadene er lave, risikoredusjonen er høy.
|
||||
|
|
|
|||
|
|
@ -464,7 +464,7 @@ Basert på offisiell Microsoft Learn-dokumentasjon (sist verifisert 2026-06 via
|
|||
|
||||
---
|
||||
|
||||
**For Cosmo:**
|
||||
**For arkitekten:**
|
||||
|
||||
Security Copilot er et av de mest konkrete AI-verdiforslaget i Microsoft-stakken for sikkerhetsteam. Det er ikke "AI for AI's skyld" — det er direkte tidsbesparelse på veldefinerte oppgaver.
|
||||
|
||||
|
|
|
|||
|
|
@ -934,7 +934,7 @@ Denne guiden er basert på følgende Microsoft Learn-dokumentasjon (sist verifis
|
|||
|
||||
---
|
||||
|
||||
**For Cosmo:**
|
||||
**For arkitekten:**
|
||||
|
||||
Når en kunde spør om "Hvordan sikrer jeg AI-tjenester?", nevn denne guiden og gi konkrete anbefalinger basert på deres scenario:
|
||||
- Er det service-to-service kommunikasjon? → Managed Identity + Private Endpoint
|
||||
|
|
|
|||
|
|
@ -246,7 +246,7 @@ Azure Cost Management aggregerer kostnader per dag, men fakturering skjer måned
|
|||
|
||||
### Fallgruver per modenhetsnivå
|
||||
|
||||
| Modenhetsnivå | Typisk fallgruve | Cosmo-anbefaling |
|
||||
| Modenhetsnivå | Typisk fallgruve | Anbefaling |
|
||||
|---------------|------------------|------------------|
|
||||
| **Beginner** | Oppretter kun ét budsjett for hele subscriptionen, mangler granularitet | Start med resource group-budsjetter per team, bruk templates for konsistens |
|
||||
| **Intermediate** | Ignorerer forecast alerts, reagerer kun på 100%-overskridelse | Implementer forecast alerts (110%) med eskalert respons |
|
||||
|
|
@ -287,7 +287,7 @@ Azure Cost Management aggregerer kostnader per dag, men fakturering skjer måned
|
|||
| Beslutningsveiledning | **Verified** | Cost optimization best practices (Well-Architected) |
|
||||
| Integrasjon med Microsoft-stakken | **Verified** | Official docs (tags, Power BI, Azure Monitor) |
|
||||
| Offentlig sektor (Norge) | **Domain Expertise** | KTG/DDT-kontekst, ikke Microsoft-spesifikk |
|
||||
| For arkitekten (Cosmo) | **Baseline + Best Practices** | Syntetisert fra research + field experience |
|
||||
| For arkitekten | **Baseline + Best Practices** | Syntetisert fra research + field experience |
|
||||
|
||||
---
|
||||
|
||||
|
|
|
|||
|
|
@ -575,7 +575,7 @@ Tilgjengelig i deployment workflow:
|
|||
|
||||
---
|
||||
|
||||
**For Cosmo:**
|
||||
**For arkitekten:**
|
||||
|
||||
Denne kunnskapen er kritisk for **cost optimization discussions** med kunder. Viktigste takeaways:
|
||||
|
||||
|
|
|
|||
|
|
@ -637,7 +637,7 @@ az webapp create --name webapp-slm-phi4 --resource-group rg-slm-norway --plan pl
|
|||
| **Integrasjon med Microsoft-stakken** | Verified | MCP (code samples, deployment guides) |
|
||||
| **Offentlig sektor (Norge)** | Baseline | Domenekunnskap (norsk offentlig sektor) |
|
||||
| **Kostnad og lisensiering** | Verified (priseksempler) + Baseline (TCO-kalkulasjoner) | MCP (Azure-priser) + estimering |
|
||||
| **For arkitekten (Cosmo)** | Baseline | Erfaringsbaserte anbefalinger |
|
||||
| **For arkitekten** | Baseline | Erfaringsbaserte anbefalinger |
|
||||
|
||||
---
|
||||
|
||||
|
|
|
|||
Loading…
Add table
Add a link
Reference in a new issue