refactor(examples): replace sector-specific example material with generic, fictitious examples

Reference files, test fixtures, the playground demo project and one design
document now use generic, fictitious examples (buildings, energy, water,
grants, municipal services). The playground demo (17 fixtures plus the
embedded demo state) tells one consistent story: a municipal customer
chatbot that pre-screens housing-benefit applications, classified under
Annex III point 5(a). The embedded demo copies were edited in place rather
than regenerated, because they already carry newer AI Act dates than the
fixture files.

Legal text is unchanged. Test semantics are unchanged. Four dark-theme
onboarding screenshots with outdated placeholder text are removed.

Co-Authored-By: Claude Opus 5.5 <noreply@anthropic.com>
This commit is contained in:
Kjell Tore Guttormsen 2026-09-23 14:03:53 +02:00
commit 544934dc57
Signed by: ktg
SSH key fingerprint: SHA256:JakMjO6FTBBzN0Bhfj9saOoEjaFxlSdYuZQQpM/lF9Q
77 changed files with 363 additions and 368 deletions

View file

@ -8,13 +8,13 @@ Metodikk: NS 5814 / ISO 31000 + AI-trusselbibliotek
| Trussel | Sannsynlighet | Konsekvens | Score | Nivå |
|---------|---------------|------------|-------|------|
| Modell-drift som degraderer nøyaktighet | 4 | 3 | 12 | medium |
| Treningsdata-bias mot småbiler eller MC | 3 | 3 | 9 | medium |
| Adversarielle plate-design unngår OCR | 2 | 4 | 8 | medium |
| Treningsdata-bias mot nynorsk og andre språk | 3 | 3 | 9 | medium |
| Manipulerte vedlegg unngår OCR-kontroll | 2 | 4 | 8 | medium |
| API-utilgjengelighet i kritisk periode | 2 | 4 | 8 | medium |
| Klage-saksbehandling overbelastet ved skalering | 4 | 3 | 12 | medium |
| Datatap pga manglende georedundans | 1 | 5 | 5 | low |
| Misbruk av AI-forklaring som bevis | 3 | 4 | 12 | medium |
| Kjedevirkning ved feil i objektregister | 2 | 5 | 10 | medium |
| Misbruk av AI-forklaring som vedtaksbegrunnelse | 3 | 4 | 12 | medium |
| Kjedevirkning ved feil i fagsystemet | 2 | 5 | 10 | medium |
## Radar-akser (7 dimensjoner)
@ -33,8 +33,8 @@ Metodikk: NS 5814 / ISO 31000 + AI-trusselbibliotek
| ID | Beskrivelse | Severity | Tiltak |
|----|-------------|----------|--------|
| T-101 | Modell-drift over tid | high | Månedlig retraining-pipeline; alarm ved >2% nøyaktighetsfall |
| T-102 | Bias mot småbiler/MC | high | Stratifisert evaluering ved hver release |
| T-103 | Adversarielle plate-design | medium | Robusthetstest mot kjente angreps-mønstre |
| T-102 | Bias mot nynorsk og andre språk | high | Stratifisert evaluering ved hver release |
| T-103 | Manipulerte vedlegg | medium | Robusthetstest mot kjente angreps-mønstre |
| T-104 | API-utilgjengelighet | medium | Multi-region failover med RTO 1t |
| T-105 | Saksbehandlings-overbelastning | high | Automatisk batching + prioriteringsregler |
@ -54,9 +54,9 @@ Metodikk: NS 5814 / ISO 31000 + AI-trusselbibliotek
|----|---------|-------|----------|
| T-101 | Modell-drift over tid | 12 | high |
| T-105 | Saksbehandlings-overbelastning | 12 | high |
| T-107 | Misbruk av AI-forklaring som bevis | 12 | high |
| T-108 | Kjedevirkning ved feil i objektregister | 10 | high |
| T-103 | Bias mot småbiler/MC | 9 | medium |
| T-107 | Misbruk av AI-forklaring som vedtaksbegrunnelse | 12 | high |
| T-108 | Kjedevirkning ved feil i fagsystemet | 10 | high |
| T-103 | Bias mot nynorsk og andre språk | 9 | medium |
Restrisiko: 4×3 → 2×2