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

fix(ms-ai-architect): G7 idx-26h lukket — entryen overdrev sin egen dekning, og stempelet satte scopet

Browse source 
Status-linja sa 'anbefalt for production use med awareness om SLA-limitations'.
Tre MS Learn-sider sier ordrett det motsatte: 'provided without a service-level
agreement, and we don't recommend it for production workloads'. Erstattet med
kildens egen ordlyd, ikke slettet - preview-status er seksjonens eneste
operativt avgjoerende faktum og staar ingen andre steder i den.

ENTRYENS ANDRE FUNN VAR FALSKT. Den sier 'neither source page states either' om
Customization-punktene. Det holder for de TO sidene entryen maalte, og faller mot
en tredje: how-to-responsible-ai-insights-ui dokumenterer konfigurasjonen direkte
(steg 4 'enables cohort analysis' + 'features of interest'; steg 1 'an optional
description about the model's functionality'). Punktene var altsaa BELAGT INNHOLD
MED UKILDET ORDLYD - reparasjonen er reformulering, ikke sletting. Bare 'identified
risk groups' og 'decisions og mitigations' var ukildet. 9.11-lærdommen gjentok seg
med entryen selv som den som overpaastod.

STEMPELET SATTE SCOPET, ikke preferanse. Aa datere 'Verified' til 2026-08-09
paastaar at HELE seksjonen er verifisert, saa to locatorer entryen ikke navnga
maatte ogsaa lukkes (operatoerratifisert hver for seg): 'max error rate per
subgroup' (maalverdier settes paa metrikken; fairness-maal fanger differanse
eller forhold PAA TVERS av undergrupper) og rad-en 'Compliance officers | ...
(EU AI Act, sector-specific regler)' (verken rollenavnet eller parentesen finnes
i kilden).

Stempelet var FEIL DA DET BLE SATT, ikke foreldet: Status-linja var usann
2026-08-03, dagen idx-26d daterte stempelet over den.

LABELEN, IKKE PREVIEWET: den ratifiserte previewet slo Auditors-raden inn i
Risk officers-raden; labelen sa 'rett raden', entall. Auditors-raden er belagt
ordrett i konsept-siden og staar urort.

Kilder: begge how-to-sidene lagt inn som #11-12, gamle 11-15 renummerert 13-17,
'Unique sources: 15 URLs' -> 17. Ingen prosa i fila kryss-refererer kildenummer
(verifisert med grep).

RETTELSE: oektens egen ratifiseringsprompt paastod at editen ogsaa lukker
idx-26g. Det gjoer den ikke - 26g er bokfoert mot en ANNEN fil
(stakeholder-communication-ai-decisions.md), med egen kildeliste, egen
telle-paastand og et 'Status: GA'-funn denne editen ikke roerer. Renummereringen
var uansett riktig for DENNE fila, saa editen staar, men spoersmaalet var galt.

Bokfoert som idx-26j: fottekstens proveniens-blokk (3+2+1 = 6, ikke 5; udefinert
referent; 80/20 matcher hverken 10/5 foer eller 12/5 etter) + dialekt-paret
'model-' mot ratifisert 'modell-' som denne editen selv innfoerte.

Suite 1047/1047. Koe: 8 aapne / 10 resolved.
This commit is contained in:
Kjell Tore Guttormsen 2026-08-09 10:14:47 +02:00
commit 99675d576c
3 changed files with 111 additions and 14 deletions
Download patch file Download diff file Expand all files Collapse all files

32
skills/ms-ai-governance/references/responsible-ai/transparency-documentation-standards.md
View file

@ -106,7 +106,7 @@ PDF-rapport designet for å dele model- og data-innsikter mellom tekniske og ikk
|-------|-------------------|
| **Data scientists** | Ekstrahere insights fra Responsible AI dashboard for deployment approval |
| **Product managers** | Sette target performance/fairness metrics og verifisere at modellen møter dem |
| **Compliance officers** | Review for regulatory compliance (EU AI Act, sector-specific regler) |
| **Risk officers** | Dele modell- og data-innsikter for auditability, slik AI-regelverk krever |
| **Auditors** | Arkiverte scorecards i Azure ML Run History for retrospective review |
**Komponenter i Scorecard:**
@ -122,13 +122,13 @@ PDF-rapport designet for å dele model- og data-innsikter mellom tekniske og ikk
> **Ikke scorecard-segmenter:** Error analysis og Counterfactual analysis er komponenter i Responsible AI *dashboard*, ikke segmenter i scorecard-PDF-en. Scorecard-en eksporterer innsikter fra dashboard-et, men de to komponentene har ingen egne segmenter i PDF-rapporten.
**Customization:**
- Target values: Akseptabel accuracy, max error rate per subgroup
- Cohort analysis: Disaggregated performance for identified risk groups
- Narrative sections: Fritekst-forklaringer for decisions og mitigations
- Target values: Ytelsesmetrikkene du velger (inntil tre) med målverdier — f.eks. target accuracy og target error rate — pluss målverdi på fairness-metrikken du velger
- Cohort analysis: Modellytelsen på de underliggende kohortene for de features of interest du velger, og over-/underrepresentasjon i datasettet
- Scorecard summary: Tittel og en valgfri fritekstbeskrivelse av modellens funksjonalitet, dataene den er trent og evaluert på, og arkitekturtype
**Status:** Public preview (Azure ML) — anbefalt for production use med awareness om SLA-limitations.
**Status:** Public preview (Azure ML) — leveres uten SLA, og Microsoft anbefaler den ikke for production workloads.
**Confidence:** Verified (MCP: microsoft-learn, 2026-08-03)
**Confidence:** Verified (MCP: microsoft-learn, 2026-08-09)
---
@ -759,30 +759,38 @@ Return on investment: Transparency er billigere enn cleanup. Skal vi prioritere
https://learn.microsoft.com/en-us/azure/cloud-adoption-framework/ai-agents/responsible-ai-across-organization
(Status: Verified 2026-02 — Cross-functional governance, auditing, transparency mechanisms)
11. **Generate Responsible AI insights in the studio UI**
https://learn.microsoft.com/en-us/azure/machine-learning/how-to-responsible-ai-insights-ui
(Status: Verified 2026-08-09 — Scorecard-konfigurasjon: målverdier, cohort analysis i Data analysis-seksjonen, fritekstbeskrivelse i scorecard summary)
12. **Use Responsible AI scorecard (preview) in Azure Machine Learning**
https://learn.microsoft.com/en-us/azure/machine-learning/how-to-responsible-ai-scorecard
(Status: Verified 2026-08-09 — De sju scorecard-segmentene; preview uten SLA, ikke anbefalt for production workloads)
**Baseline sources (model knowledge + MCP-inferred):**
11. **Model Cards for Model Reporting** (Mitchell et al., 2019)
13. **Model Cards for Model Reporting** (Mitchell et al., 2019)
https://arxiv.org/abs/1810.03993
(Academic origin of model card concept)
12. **Datasheets for Datasets** (Gebru et al., 2018)
14. **Datasheets for Datasets** (Gebru et al., 2018)
https://arxiv.org/abs/1803.09010
(Academic origin of datasheet concept)
13. **EU AI Act**
15. **EU AI Act**
https://artificialintelligenceact.eu/
(Status: Adopted 2024 — Transparency obligations for high-risk AI)
14. **NIST AI Risk Management Framework**
16. **NIST AI Risk Management Framework**
https://www.nist.gov/itl/ai-risk-management-framework
(US standard for AI governance)
15. **Developing Responsible Generative AI Applications (Windows)**
17. **Developing Responsible Generative AI Applications (Windows)**
https://learn.microsoft.com/en-us/windows/ai/rai
(Status: Verified 2026-02 — Model Cards reference, red teaming, governance processes)
**Total MCP calls:** 5 (microsoft_docs_search: 3, microsoft_docs_fetch: 2, microsoft_code_sample_search: 1)
**Unique sources:** 15 URLs
**Unique sources:** 17 URLs
**Confidence:** 80% Verified (MCP), 20% Baseline (established frameworks)
---