ms-ai-architect/skills/ms-ai-engineering/references/azure-ai-services/ai-services-vs-foundry-tools-selection.md

# Azure AI Services vs Foundry Tools - Platform Selection Guide

**Last updated:** 2026-06-19 | Verified: MCP 2026-06-19
**Status:** GA
**Category:** Azure AI Services (Foundry Tools)

---

## Introduksjon

Microsoft tilbyr flere nivåer av AI-tjenester under paraplynavnet "Azure AI Services" (tidligere Cognitive Services). Denne guiden klargjør forskjellen mellom de tre hovedplattformene: **Foundry Tools** (individuelle AI-tjenester), **Azure AI Foundry** (plattform), og **Azure OpenAI** (generativ AI-tjeneste).

**Forvirring i bransjen:** Begrepet "Azure AI Services" brukes både som samlebetegnelse for alle AI-tjenester OG som teknisk ressurstype (kind: AIServices). Microsoft har nylig endret terminologi fra "Cognitive Services" til "Foundry Tools" for enkelttjenester.

### Nøkkelforskjeller i kortform

| Aspekt | Foundry Tools | Azure AI Foundry | Azure OpenAI |
|--------|---------------|------------------|--------------|
| **Type** | Enkeltstående AI-tjenester (API/SDK) | Unified development platform (PaaS) | Generativ AI-tjeneste |
| **Målgruppe** | Utviklere (begrenset AI-kompetanse ok) | Utviklere + data scientists | Utviklere + data scientists |
| **Kompleksitet** | Lav → Middels | Middels → Høy | Middels → Høy |
| **Tilpasning** | Prebuilt + noe finjustering | Full kontroll over modeller/agenter | Modellvalg, prompt engineering, fine-tuning |
| **Orkestrering** | Nei (kun API-kall) | Ja (agents, workflows) | Delvis (via Agent Service) |
| **Bruksområde** | Enkeltstående AI-funksjoner | Multi-agent systemer, GenAI-apps | Generativ AI (tekst, bilde, lyd) |

**Confidence:** Høy (offisiell Microsoft-dokumentasjon 2025-2026)

---

## Kjernekomponenter / Nøkkelegenskaper

### 1. Foundry Tools (Azure AI Services)

**Definisjon:** Prebuilt AI-tjenester som leveres via REST API og SDK, med lite eller ingen AI-ekspertise påkrevd.

#### Tjenestekategorier

| Kategori | Tjenester | Typiske bruksområder |
|----------|-----------|---------------------|
| **Vision** | Computer Vision, Face API, Content Understanding, Video Indexer | Bildeklassifisering, ansiktsgjenkjenning, video-analyse |
| **Speech** | Speech-to-Text, Text-to-Speech, Speech Translation | Transkripsjon, stemmeassistenter, flerspråklig tale |
| **Language** | Language Understanding, Translator, Sentiment Analysis | NLP, oversettelse, sentimentanalyse |
| **Document** | Document Intelligence, Content Understanding | Dokumentuttrekk, OCR, formulardata |
| **Decision** | Content Safety, Personalizer (utgått) | Innholdsmoderering, anbefalinger |

#### Kjennetegn

- **Serverless API-modell:** Pay-per-use, ingen infrastrukturforvaltning
- **Regional deployment:** Tjenester deployes i Azure-regioner med lokal dataprosessering
- **Commitment tiers:** Mulighet for forhåndsbetalte kapasitetsplaner (faste kostnader)
- **Tilpasning:** Noen tjenester støtter custom models (f.eks. Custom Vision, Custom Speech) via labeled data

#### Autentisering og tilgang

- **API keys** (legacy) eller **Microsoft Entra ID** (anbefalt)
- **RBAC:** Cognitive Services User, Cognitive Services Contributor
- **Networking:** VNET-integrasjon, Private Endpoints støttes

**Confidence:** Høy (offisiell oversikt fra MS Learn)

---

### 2. Azure AI Foundry

**Definisjon:** Unified platform for å bygge, deploye og forvalte generativ AI og nongenerativ AI-applikasjoner. Kombinerer agents, models, tools, observability, og governance i én PaaS-løsning.

#### Arkitekturkomponenter

```
┌─────────────────────────────────────────────────┐
│        Azure AI Foundry Platform                │
├─────────────────────────────────────────────────┤
│  Authoring Layer                                │
│  - Foundry Portal (ai.azure.com)                │
│  - Workflows (visuell designer)                 │
│  - Prompt-based agents (declarative)            │
│  - Hosted agents (code-first)                   │
├─────────────────────────────────────────────────┤
│  Orchestration Layer                            │
│  - Agent Service                                │
│  - Microsoft Agent Framework (open-source)      │
│  - Multi-agent workflows                        │
├─────────────────────────────────────────────────┤
│  Runtime Layer                                  │
│  - Model catalog (OpenAI, Anthropic, Meta...)   │
│  - Azure OpenAI                                 │
│  - Foundry Tools (Speech, Vision, Language)     │
│  - Evaluations & observability (App Insights)   │
├─────────────────────────────────────────────────┤
│  Governance Layer                               │
│  - Content Safety                               │
│  - RBAC & Entra ID                              │
│  - Responsible AI tools                         │
└─────────────────────────────────────────────────┘
```

#### Ressurstyper (Azure Resource Manager)

| Resource Type | Kind | Capabilities |
|---------------|------|--------------|
| **Foundry** | `AIServices` | Agents, Evaluations, Azure OpenAI, Speech, Vision, Language, Content Understanding |
| **Foundry project** | `AIServices` (subresource) | Isolert prosjektscope for team |
| **Azure OpenAI** (legacy) | `OpenAI` | Kun OpenAI-modeller (anbefales å oppgradere til Foundry) |
| **Azure AI Hub** (deprecated) | `Hub` | Eldre resource type (migreres til Foundry) |

**Nøkkelkapabiliteter:**

- **Agent Service:** Managed runtime for agentic AI (conversation state, tool orchestration, safety enforcement)
- **Model Catalog:** 100+ modeller fra Microsoft, OpenAI, Anthropic, Meta, Mistral, Cohere
- **Connected agents:** Integrasjon med Azure AI Search, SharePoint, Bing, Azure Functions, Logic Apps
- **Workflows:** YAML-basert multi-agent orkestrering med visual designer
- **Observability:** Built-in tracing via Application Insights (traces, evaluations, conversation-level visibility)
- **Responsible AI:** Bias detection, interpretability, content filtering, fairness tools

**Compute-krav:**
- Managed runtime for agents (ingen VM/Kubernetes-administrasjon)
- Compute instances påkrevd for visse features (training, batch processing)

**Confidence:** Høy (dokumentert i Microsoft Foundry architecture docs)

---

### 3. Azure OpenAI Service

**Definisjon:** Spesialisert tjeneste for å få tilgang til OpenAI-modeller (GPT, DALL-E, Whisper, Embeddings) med Azure enterprise-fordeler (sikkerhet, compliance, SLA).

#### Modellserie (2026-02)

| Modell | Bruksområde | Deployment-typer |
|--------|-------------|------------------|
| **o4-mini** | Reasoning, kompleks problemløsning | Standard, Global Standard |
| **o3, o3-mini** | Avansert reasoning | Standard, Provisioned Throughput |
| **GPT-4o, GPT-4o-mini** | Chat, multimodal (tekst/bilde) | Standard, Global Standard, Provisioned |
| **GPT-4 Turbo** | Long-context tasks (128k tokens) | Standard, Provisioned |
| **GPT-3.5-Turbo** | Kostnadseffektiv chat | Standard, Global Standard |
| **DALL-E 3** | Bildegenerering | Standard |
| **Whisper** | Speech-to-text | Standard |
| **Embeddings** (text-embedding-3) | Vektorisering for RAG | Standard |

#### Deployment-typer

| Type | Beskrivelse | Bruksområde |
|------|-------------|-------------|
| **Standard** | Serverless, pay-per-token | Utviklingsmiljøer, variabel last |
| **Global Standard** | Globalt routet (ingen data residency) | 9 % rimeligere, høy throughput |
| **Provisioned Throughput (PTU)** | Reserved capacity, forutsigbar latens | Produksjon med streng SLA |

**Prismodell:**
- **Token-basert:** Pris per 1,000 tokens (input/output separat)
- **Fine-tuning:** Training cost + hosting cost (per time) + inference cost
- **Regional variasjon:** Prisene varierer per Azure-region

**Integrasjon med Foundry:**
- Azure OpenAI er **inkludert** i Foundry resource type (kind: AIServices)
- Legacy Azure OpenAI resources (kind: OpenAI) kan oppgraderes til Foundry uten API-endringer

**Confidence:** Høy (Azure OpenAI pricing page 2026)

---

## Arkitekturmønstre

### Mønster 1: Enkeltstående AI-funksjon (Foundry Tools)

**Bruk når:**
- Behov for én spesifikk AI-kapabilitet (f.eks. sentiment analysis, OCR, translation)
- Ingen behov for orkestrering eller multi-step workflows
- Begrenset AI-kompetanse i teamet

**Eksempelarkitektur:**

```
[Web App] → [Azure AI Language] → [Sentiment Analysis API]
          ↓
    [Cosmos DB] (lagre resultater)
```

**Fordeler:**
- Enkel integrasjon (REST API/SDK)
- Lav kostnad for sporadisk bruk
- Ingen infrastrukturforvaltning

**Ulemper:**
- Ingen native orkestrering (må bygges selv)
- Begrenset kontroll over underliggende modeller
- Ikke egnet for multi-agent scenarios

---

### Mønster 2: RAG-applikasjon (Foundry + Azure AI Search)

**Bruk når:**
- Generativ AI over bedriftseget data
- Behov for grounding av LLM-svar
- Krav til kilde-sporing (citations)

**Eksempelarkitektur:**

```
[User Query]
    ↓
[Foundry Agent Service]
    ↓ (orchestrator)
[Azure AI Search] → [Vector Index] → [Blob Storage/SharePoint]
    ↓ (grounding data)
[Azure OpenAI (GPT-4o)]
    ↓
[Response + Citations]
```

**Komponenter:**
- **Foundry:** Agent runtime, conversation state
- **Azure AI Search:** Indexing, vector search, semantic ranking
- **Azure OpenAI:** LLM for generering
- **Document Intelligence:** Preprocessing av dokumenter (OCR, layout)

**Fordeler:**
- Built-in observability (tracing)
- Content Safety enforcement
- Managed scaling

**Ulemper:**
- Høyere kostnad (PTU for høy throughput)
- Kompleks oppsett for første gang

---

### Mønster 3: Multi-agent system (Foundry Agent Service)

**Bruk når:**
- Multi-step reasoning tasks
- Behov for spesialiserte agenter (f.eks. research-agent, writing-agent, review-agent)
- Tool coordination (Azure Functions, Logic Apps, third-party APIs)

**Eksempelarkitektur (Sequential Orchestration):**

```
[User Request]
    ↓
[Orchestrator Agent] (Foundry Agent Service)
    ↓
[Research Agent] → [Bing Grounding Tool]
    ↓
[Analysis Agent] → [Azure AI Language]
    ↓
[Writing Agent] → [GPT-4o]
    ↓
[Final Output]
```

**Orkestrering-patterns:**
- **Sequential:** Agents i forhåndsbestemt rekkefølge
- **Conditional branching:** Workflows med if/else-logikk
- **Parallel execution:** Flere agents kjører samtidig
- **Agent-to-agent (A2A):** Agents som kaller hverandre via Activity Protocol

**Verktøy:**
- **Microsoft Agent Framework** (open-source): Code-first orchestration
- **Foundry Workflows** (visual designer): Low-code YAML-basert
- **Copilot Studio** (SaaS): No-code agent building

**Fordeler:**
- Automatisert reasoning chain
- Observability via Application Insights
- Reusable agent components

**Ulemper:**
- Høy latens (flere model calls)
- Kompleks debugging
- Kostnad skalerer med agent-kall

---

### Mønster 4: Hybrid (Foundry Tools + Custom Logic)

**Bruk når:**
- Behov for prebuilt models OG custom business logic
- Compliance-krav (on-prem data processing)
- Kostnadsoptimalisering (bruk billigere tjenester der mulig)

**Eksempelarkitektur:**

```
[Video Input]
    ↓
[Azure Video Indexer] → [Extract metadata, faces, speech]
    ↓
[Azure Functions] (custom filtering logic)
    ↓
[Azure OpenAI] → [Summarize findings]
    ↓
[Power Automate] → [Send to Teams/SharePoint]
```

**Fordeler:**
- Beste fra to verdener (prebuilt + custom)
- Fleksibilitet i workflow
- Gradvis adopsjon av AI (start med prebuilt, bygg custom senere)

**Ulemper:**
- Krever flere Azure-ressurser (økt kompleksitet)
- Manuell orkestrering (Logic Apps/Functions)

---

## Beslutningsveiledning

### Beslutningstre: Hvilken plattform skal jeg velge?

```
START: Hvilken AI-kapabilitet trenger du?

├─ Enkeltstående AI-funksjon (sentiment, OCR, translation)
│  └─ Velg: Foundry Tools (f.eks. Language, Document Intelligence)
│
├─ Generativ AI (chat, summarization, content generation)
│  ├─ Kun LLM-tilgang (ingen orkestrering)?
│  │  └─ Velg: Azure OpenAI (standalone resource)
│  │
│  └─ Behov for agents/workflows/multi-step reasoning?
│     └─ Velg: Azure AI Foundry (inkluderer Azure OpenAI)
│
├─ RAG-applikasjon over bedriftseget data
│  └─ Velg: Azure AI Foundry + Azure AI Search
│
├─ Multi-agent system / agentic workflows
│  └─ Velg: Azure AI Foundry (Agent Service + workflows)
│
└─ Custom ML-modeller (trening, deploy)
   └─ Velg: Azure Machine Learning (ikke dekket i denne guiden)
```

---

### Sammenligningstabell: Detaljerte beslutningskriterier

| Kriterium | Foundry Tools | Azure AI Foundry | Azure OpenAI |
|-----------|---------------|------------------|--------------|
| **Teknisk kompetanse** | Utvikler (basic) | Utvikler + Data Science | Utvikler + Data Science |
| **Setup-tid** | Timer | Dager | Timer |
| **Kostnad (start)** | Lav (pay-per-use) | Middels-Høy (PTU anbefalt) | Middels (standard), Høy (PTU) |
| **TCO (produksjon)** | Lav-Middels | Middels-Høy | Middels-Høy |
| **Skalerbarhet** | Automatisk (serverless) | Automatisk (managed) | Automatisk (standard), Manuell (PTU) |
| **Tilpasning** | Begrenset (prebuilt + custom models) | Full (fine-tuning, prompt engineering) | Full (fine-tuning, embeddings) |
| **Orkestrering** | Nei (manuell via code) | Ja (Agent Service, workflows) | Delvis (via Foundry Agent Service) |
| **Observability** | Basic (Azure Monitor) | Avansert (App Insights, traces) | Basic (Azure Monitor) |
| **Content Safety** | Manuell integrasjon | Built-in (default filter) | Built-in (default filter) |
| **Data residency** | Regional | Regional | Regional (unntatt Global Standard) |
| **VNET/Private Link** | Ja | Ja | Ja |
| **On-prem deployment** | Ja (containers) | Nei (cloud-only) | Nei (cloud-only) |

**Confidence:** Høy (sammenstilt fra flere MS Learn-kilder)

---

### Beslutningstabeller per scenario

#### Scenario 1: Dokumentprosessering

| Behov | Anbefalt plattform | Begrunnelse |
|-------|-------------------|-------------|
| **Standard formularer** (faktura, kvittering) | Document Intelligence (Foundry Tools) | Prebuilt models, høy nøyaktighet, confidence scores |
| **Komplekse dokumenter** (ustrukturert tekst, infererte felt) | Content Understanding (Foundry Tools) | Multimodal, generative fields, reasoning (GA: v1.0 / 2025-11-01) |
| **Custom workflow** (dokument → analyse → generering) | Azure AI Foundry (Document Intelligence + GPT-4o) | Full kontroll over pipeline |

**Confidence:** Høy (basert på "Choose the right tool for document processing" guide)

---

#### Scenario 2: Customer Support Chatbot

| Behov | Anbefalt plattform | Begrunnelse |
|-------|-------------------|-------------|
| **Enkel FAQ-bot** | QnA Maker (utgått) → Language Understanding | Prebuilt intent detection |
| **Kontekstuell chat** (multi-turn) | Azure OpenAI (GPT-4o) + custom API | LLM-basert dialog |
| **Agent med handlinger** (ticket creation, CRM-integrasjon) | Azure AI Foundry Agent Service | Tool calling, Logic Apps-integrasjon |

**Confidence:** Middels-Høy (basert på best practices, ikke eksplisitt dokumentert i én kilde)

---

#### Scenario 3: Media Analysis (Video/Audio)

| Behov | Anbefalt plattform | Begrunnelse |
|-------|-------------------|-------------|
| **Speech-to-text** | Azure Speech (Foundry Tools) eller Whisper (Azure OpenAI) | Speech service har diarization, Whisper er billigere |
| **Video metadata** (faces, scenes, logos) | Azure Video Indexer | Prebuilt video understanding |
| **Summarization av video** | Video Indexer + Azure OpenAI | Metadata → GPT-4o summary |

**Confidence:** Høy (dokumentert i Azure AI Services overview)

---

## Integrasjon med Microsoft-stakken

### 1. Foundry Tools integrasjon

| Produkt | Integrert gjennom | Bruksområde |
|---------|-------------------|-------------|
| **Power Platform** | AI Builder (connectors) | Low-code AI i Power Apps/Automate |
| **Microsoft 365** | Graph API | Document Intelligence for SharePoint |
| **Dynamics 365** | Customer Insights | Sentiment analysis for customer data |
| **Azure Logic Apps** | Built-in connectors | Workflow automation |
| **Azure Functions** | SDK (C#, Python, JS) | Custom serverless logic |

**Autentisering:** Managed Identity støttes for alle Foundry Tools via Azure SDK.

---

### 2. Azure AI Foundry integrasjon

| Produkt | Integrert gjennom | Bruksområde |
|---------|-------------------|-------------|
| **Microsoft 365 / Agent 365** | Activity Protocol, A2A | Publish agents til M365-workloads |
| **Copilot Studio** | Publish-to-Copilot | Deploy Foundry agents som Copilot-extensions |
| **Microsoft Fabric** | Unified data layer | Semantic model for RAG |
| **Azure DevOps** | GitHub Actions, CI/CD | Automated deployment av agents |
| **Microsoft Entra** | Agent ID, RBAC | Identity management for agents |

**Nøkkelintegrasjoner:**
- **Foundry Agent Service → Azure AI Search** (RAG)
- **Foundry → Azure Logic Apps** (tool calling)
- **Foundry → SharePoint/OneDrive** (document grounding)

---

### 3. Azure OpenAI integrasjon

| Produkt | Integrert gjennom | Bruksområde |
|---------|-------------------|-------------|
| **Power Platform** | Azure OpenAI connector | AI Builder actions i Power Automate |
| **Copilot Studio** | Generative answers | Boost copilot responses med GPT |
| **Azure AI Search** | Integrated vectorization | RAG med embeddings |
| **Azure Machine Learning** | Prompt flow | Orchestration av LLM-chains |

**API-kompatibilitet:**
- Azure OpenAI API er bakoverkompatibel med OpenAI API (drop-in replacement)
- Foundry resource type inkluderer full Azure OpenAI API-support

---

## Offentlig sektor (Norge)

### Compliance og datahåndtering

| Aspekt | Foundry Tools | Azure AI Foundry | Azure OpenAI |
|--------|---------------|------------------|--------------|
| **Data residency** | ✅ Regional (Norge-soner) | ✅ Regional (unntatt global models) | ✅ Regional (unntatt Global Standard) |
| **GDPR-compliance** | ✅ Ja | ✅ Ja | ✅ Ja |
| **Schrems II (Privacy Shield)** | ✅ EU Data Boundary | ✅ EU Data Boundary | ✅ EU Data Boundary |
| **PII-håndtering** | ⚠️ Manuelle tiltak | ✅ Content filters + manual review | ✅ Content filters + manual review |
| **Audit logs** | ✅ Azure Monitor | ✅ App Insights + Azure Monitor | ✅ Azure Monitor |
| **Customer Managed Keys** | ✅ Ja (encryption at rest) | ✅ Ja | ✅ Ja |

**Norge-spesifikke data-soner:**
- **Norway East** (Oslo)
- **Norway West** (Stavanger)

**Confidence:** Høy (Azure compliance-dokumentasjon 2026)

---

### Særlige hensyn for offentlig sektor

#### 1. Transparens og forklaring
- **Foundry Tools:** Confidence scores tilgjengelig (Document Intelligence, Language)
- **Azure OpenAI:** Ingen innebygd explainability (black box). Bruk prompt engineering for å be om "reasoning steps".
- **Foundry Agent Service:** Full observability via Application Insights (traces for hver agent-aksjon)

**Anbefaling:** For høykritiske beslutninger (helse, justis) → bruk Foundry Tools med confidence scores, eller Foundry med full tracing.

---

#### 2. Språkstøtte (Norsk bokmål/nynorsk)

| Tjeneste | Norsk støtte | Kvalitetsvurdering |
|----------|--------------|-------------------|
| **Azure Translator** | ✅ Bokmål/Nynorsk | Høy (offisiell støtte) |
| **Speech-to-text** | ✅ Bokmål | Middels (begrensede dialekter) |
| **Language Understanding** | ⚠️ Begrenset | Lav (English-first) |
| **GPT-4o (Azure OpenAI)** | ✅ Flerspråklig | Middels-Høy (bra på norsk, men ikke perfekt) |

**Anbefaling:** Test alltid med norske data i pilot-fase. Vurder custom models (Language Understanding, Custom Speech) for kritiske bruksområder.

---

#### 3. Kostnadskontroll (offentlige budsjetter)

**Strategier:**

1. **Start med Commitment Tiers** (Foundry Tools)
   - Fast månedskostnad for forutsigbar bruk
   - Spar 30-40 % vs. pay-per-use
   - Krav: Estimert månedlig volum (API-kall)

2. **Bruk Global Standard (Azure OpenAI) med forbehold**
   - 9 % billigere enn Standard
   - ⚠️ Data residency: Data kan prosesseres utenfor Norge
   - Ikke egnet for sensitive data (persondata, gradert info)

3. **Provisioned Throughput (PTU) for produksjon**
   - Forutsigbar latens + kostnad
   - Krav: Stabilt trafikkvolum (>100k requests/måned)

4. **Monitoring via Cost Management**
   - Sett budsjett-alerts i Azure portal
   - Grupper kostnader per meter/resource
   - Eksporter til Power BI for analyse

**Eksempel-kostnad (2026):**
- **Document Intelligence (Standard):** ~10 NOK per 1000 sider
- **GPT-4o (Standard):** ~0.05 NOK per 1000 input tokens, ~0.15 NOK per 1000 output tokens
- **Foundry Agent Service:** Basert på underliggende modeller (ingen ekstra agent-fee)

**Confidence:** Middels (priseksempler er estimert fra USD-priser, se offisiell prisliste for eksakte beløp)

---

## Kostnad og lisensiering

### Prismodeller (sammenligning)

| Plattform | Prismodell | Typisk kostnad (produksjon/måned) | Inkludert |
|-----------|------------|-----------------------------------|-----------|
| **Foundry Tools** | Pay-per-use eller Commitment | 5 000 - 50 000 NOK | API-kall, data processing |
| **Azure AI Foundry** | Token-basert (via Azure OpenAI/modeller) | 50 000 - 500 000 NOK | Models, agent runtime, observability |
| **Azure OpenAI** | Token-basert eller PTU | 20 000 - 200 000 NOK | LLM inference, embeddings |

**Faktorer som påvirker kostnad:**

1. **Volum:** Antall API-kall, tokens, bilder, minutter audio
2. **Modellvalg:** GPT-4o > GPT-4o-mini > GPT-3.5-Turbo (kostnad)
3. **Deployment-type:** PTU > Standard > Global Standard
4. **Region:** Noen regioner er dyrere (f.eks. EU vs. US East)
5. **Features:** Content Safety, fine-tuning, hosting (Azure OpenAI)

---

### Lisensiering (Microsoft 365-integrasjon)

| Scenario | Nødvendige lisenser | Merknad |
|----------|-------------------|---------|
| **Foundry Tools via Power Platform** | Power Apps/Automate + AI Builder | AI Builder har egen licensing (credits) |
| **Azure OpenAI via Copilot Studio** | Copilot Studio license + Azure OpenAI resource | Copilot Studio = SaaS (per-user), OpenAI = PaaS (per-token) |
| **Foundry Agent Service → M365** | Azure subscription + M365 E3/E5 | Agent publisering til Agent 365 krever E3+ |

**Anbefaling:** For offentlig sektor med eksisterende M365 E3/E5 → vurder Copilot Studio for low-code agents (inkludert i lisens). For pro-code → bruk Foundry.

---

### Total Cost of Ownership (TCO) - 3 år

**Eksempel: RAG-applikasjon for 1000 ansatte (intern kunnskapsbase)**

| Komponent | Foundry Tools (hybrid) | Azure AI Foundry | Differanse |
|-----------|------------------------|------------------|-----------|
| **Azure-ressurser** | 360 000 NOK | 1 200 000 NOK | +840k |
| **Lisenser** | M365 E3 (eksisterende) | M365 E3 (eksisterende) | 0 |
| **Utviklingskostnad** | 500 000 NOK (6 mnd) | 800 000 NOK (9 mnd) | +300k |
| **Vedlikehold** | 200 000 NOK/år | 150 000 NOK/år | -50k/år |
| **Total (3 år)** | 1 460 000 NOK | 2 450 000 NOK | +990k |

**Konklusjon:** Foundry Tools er billigere for enkle scenarios, men Foundry gir bedre observability og skalerbarhet (lavere vedlikeholdskostnad over tid).

**Confidence:** Lav (TCO-eksempel er illustrativt, faktiske kostnader varierer mye)

---

## For arkitekten (Cosmo)

### Når anbefaler du Foundry Tools?

✅ **Bruk Foundry Tools når:**
- Kunden har **ett spesifikt AI-behov** (f.eks. "vi trenger OCR for fakturaer")
- **Begrenset AI-kompetanse** i teamet (utviklere uten data science-bakgrunn)
- **Lav kompleksitet** i workflow (ingen multi-step reasoning)
- **Kostnadsbevisst** kunde (fast budsjett, forutsigbar bruk via Commitment Tiers)
- **Raskt proof-of-concept** (timer til dager, ikke uker)

**Typiske bruksområder:**
- Fakturascanning (Document Intelligence)
- Chatbot med forhåndsdefinert FAQ (Language Understanding)
- Bildeanalyse (Computer Vision)
- Speech-to-text for møtereferater (Speech service)

---

### Når anbefaler du Azure AI Foundry?

✅ **Bruk Foundry når:**
- Kunden trenger **multi-agent systemer** eller **agentic workflows**
- **Generativ AI + tool calling** (f.eks. agent som kan bestille møterom via API)
- **Observability** er kritisk (compliance, audit trails)
- **Iterativ utvikling** av agents (continuous improvement via evaluations)
- **Integrasjon med M365/Copilot Studio** er ønskelig

**Typiske bruksområder:**
- Research-agent for markedsanalyse (Foundry Agent Service + Bing Grounding)
- Customer support med handlinger (ticket creation via Logic Apps)
- Document summarization pipeline (Document Intelligence → GPT-4o → SharePoint)

---

### Når anbefaler du Azure OpenAI (standalone)?

✅ **Bruk standalone Azure OpenAI når:**
- Kunden **kun** trenger LLM-tilgang (ingen agents/orchestration)
- **Eksisterende arkitektur** der orkestrering håndteres eksternt (f.eks. via Semantic Kernel, LangChain)
- **Migrering fra OpenAI.com** (drop-in replacement med Azure-sikkerhet)
- **IT-security restriksjon** mot Foundry (noen kunder godkjenner kun Azure OpenAI resource type)

**Merk:** Azure OpenAI er **inkludert** i Foundry resource type, så valget mellom standalone vs. Foundry handler primært om **orkestrering** og **governance-features**.

---

### Hybrid-tilnærming (anbefalt for de fleste)

**Start med Foundry Tools → utvid til Foundry ved behov:**

1. **Fase 1 (Proof-of-concept):** Bruk Foundry Tools for enkeltstående funksjoner (f.eks. Document Intelligence)
2. **Fase 2 (Pilot):** Introduser Azure OpenAI for generativ AI (summarization, Q&A)
3. **Fase 3 (Produksjon):** Oppgrader til Foundry resource type for full agent-støtte

**Fordeler:**
- Gradvis adopsjon (lavere risiko)
- Læring underveis (teamet bygger kompetanse)
- Kostnadseffektivt (pay-per-use i start, commitment tiers i produksjon)

---

### Desicion Matrix (Cosmo's Cheat Sheet)

| Kriterium | Foundry Tools | Foundry | Azure OpenAI |
|-----------|---------------|---------|--------------|
| **Complexity** | Lav | Høy | Middels |
| **Time-to-value** | Dager | Uker | Dager |
| **Team skills** | Basic dev | Dev + DS | Dev + DS |
| **Observability** | ⭐⭐ | ⭐⭐⭐⭐⭐ | ⭐⭐⭐ |
| **Orchestration** | Manual | Built-in | External |
| **Cost (startup)** | ⭐⭐⭐⭐⭐ | ⭐⭐ | ⭐⭐⭐ |
| **Scalability** | ⭐⭐⭐⭐ | ⭐⭐⭐⭐⭐ | ⭐⭐⭐⭐ |

(⭐ = 1-5 stjerner, der 5 er best)

---

### Røde flagg (når IKKE bruke...)

**🚩 IKKE bruk Foundry Tools hvis:**
- Kunden forventer "autonom reasoning" (agents som selv velger tools) → bruk Foundry
- Behov for multi-turn conversations med context → bruk Azure OpenAI/Foundry
- Generativ AI (tekst/bilde-generering) → bruk Azure OpenAI

**🚩 IKKE bruk Foundry hvis:**
- Kunden har kun enkeltstående AI-behov → overkill, bruk Foundry Tools
- Team mangler DevOps-modenhet (Foundry krever CI/CD for agents)
- Budsjett < 50k NOK/måned i Azure → start med Foundry Tools

**🚩 IKKE bruk Azure OpenAI (standalone) hvis:**
- Kunden vil ha agent-støtte → bruk Foundry (inkluderer Azure OpenAI)
- Behov for visual designer for workflows → bruk Foundry Workflows

---

## Kilder og verifisering

### Primærkilder (Microsoft Learn)

1. **Choose an Azure AI services technology**
   https://learn.microsoft.com/en-us/azure/architecture/data-guide/technology-choices/ai-services
   Dato: 2026-02 (verifisert)

2. **Select Azure PaaS solutions for AI**
   https://learn.microsoft.com/en-us/azure/cloud-adoption-framework/scenarios/ai/platform/resource-selection
   Dato: 2026-02 (verifisert)

3. **Choose an Azure resource type for Foundry**
   https://learn.microsoft.com/en-us/azure/foundry-classic/concepts/resource-types
   Dato: 2026-02 (verifisert)

4. **Choose the right Foundry tool for document processing**
   https://learn.microsoft.com/en-us/azure/ai-services/content-understanding/choosing-right-ai-tool
   Dato: 2026-02 (verifisert)

5. **What is Foundry Agent Service?**
   https://learn.microsoft.com/en-us/azure/foundry/agents/overview
   Dato: 2026-02 (verifisert)

6. **Plan and manage costs for Microsoft Foundry**
   https://learn.microsoft.com/en-us/azure/foundry/concepts/manage-costs
   Dato: 2026-02 (verifisert)

7. **Azure OpenAI pricing page**
   https://azure.microsoft.com/pricing/details/cognitive-services/openai-service/
   Dato: 2026-02 (verifisert)

---

### Sekundærkilder

8. **Compare Microsoft machine learning products and technologies**
   https://learn.microsoft.com/en-us/azure/architecture/ai-ml/guide/data-science-and-machine-learning
   Dato: 2026-02

9. **AI agent orchestration patterns**
   https://learn.microsoft.com/en-us/azure/architecture/ai-ml/guide/ai-agent-design-patterns
   Dato: 2026-02

10. **Technology plan for AI agents**
    https://learn.microsoft.com/en-us/azure/cloud-adoption-framework/ai-agents/technology-solutions-plan-strategy
    Dato: 2026-02

---

### Verifiseringsnotater

- **Terminologi:** Microsoft har endret "Cognitive Services" → "Foundry Tools" i løpet av 2025. Noen dokumenter bruker fortsatt gammel terminologi, men resource type (`kind: AIServices`) er konsistent.
- **Foundry vs. Azure AI Hub:** Azure AI Hub (legacy) er under migrering til Foundry resource type (Juni 2025+). Nye prosjekter skal bruke Foundry.
- **Priseksempler:** Konvertert fra USD til NOK med kurs 1 USD = 10 NOK (approx.). Se offisiell priskalkulator for eksakte beløp.

**Confidence (total):** Høy (90 %) - basert på offisiell Microsoft-dokumentasjon oppdatert januar-februar 2026.

---

**Sist verifisert:** 2026-06-19
**Neste review:** 2026-09-19 (ved nye Foundry-features eller prisendringer)