Kjell Tore Guttormsen
544934dc57
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 Four dark-theme onboarding screenshots with outdated placeholder text are removed.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>
84 lines
2.6 KiB
Markdown
84 lines
2.6 KiB
Markdown
# Migrasjonsplan — Acme Kunde-chatbot
|
|
|
|
System: Acme Kunde-chatbot (Acme Kommune)
|
|
Fra: On-prem OCR + manuell klassifisering
|
|
Til: Azure AI Foundry + saksbehandler-co-pilot
|
|
|
|
## Faser
|
|
|
|
### Fase 1 — Foundry-fundament (uker 1-6)
|
|
|
|
Varighet: 6 uker
|
|
Status: done
|
|
|
|
Milepæler:
|
|
- Hub + projects opprettet i West Europe
|
|
- Network isolation: Private Endpoints + Vnet integration
|
|
- Identity: Entra ID-integrasjon med PIM
|
|
- Logging: OpenTelemetry → Sentinel pipeline
|
|
|
|
Suksesskriterier:
|
|
- Pilot OCR-modell deployert med <100ms latency P95
|
|
- Audit-logg fanger 100% av inferences
|
|
- Sikkerhetsarkitekt godkjenner foundation-design
|
|
|
|
### Fase 2 — Modell-trening og baseline (uker 7-14)
|
|
|
|
Varighet: 8 uker
|
|
Status: done
|
|
|
|
Milepæler:
|
|
- Treningsdata kuratert (200k anonymiserte vedlegg, stratifisert på dokumenttype og språk)
|
|
- Custom modell trent på Azure ML
|
|
- Baseline-nøyaktighet etablert (mål: ≥96% F1)
|
|
- Bias-evaluering på henvendelser og vedlegg på andre språk fullført
|
|
|
|
Suksesskriterier:
|
|
- F1 ≥ 96% overall, ≥ 92% per dokumenttype
|
|
- Drift-deteksjon kalibrert med terskel
|
|
- ROS-revisjon godkjent
|
|
|
|
### Fase 3 — saksbehandler-co-pilot (uker 15-22)
|
|
|
|
Varighet: 8 uker
|
|
Status: active
|
|
|
|
Milepæler:
|
|
- Forklaringsmodell (GPT-4 Turbo) integrert via Foundry
|
|
- saksbehandler-UI bygget (Copilot Studio + Power Platform)
|
|
- Workflow: AI flagger → saksbehandler reviewer → klar for vedtak
|
|
- Brukertest med 12 saksbehandlere fra ulike tjenesteområder
|
|
|
|
Suksesskriterier:
|
|
- Saksbehandlingstid -40% vs baseline
|
|
- saksbehandler-tillit >7/10 i post-pilot survey
|
|
- Ingen kritiske UX-feil
|
|
|
|
### Fase 4 — Compliance og produksjonssetting (uker 23-28)
|
|
|
|
Varighet: 6 uker
|
|
Status: planned
|
|
|
|
Milepæler:
|
|
- FRIA gjennomført og godkjent
|
|
- Conformity assessment ferdigstilt per Annex VI
|
|
- DPIA oppdatert med nye operasjonelle data
|
|
- Produksjonssetting i 3 pilotbydeler
|
|
|
|
Suksesskriterier:
|
|
- Personvernombud signerer DPIA
|
|
- Ingen open critical-funn fra arkitekturgjennomgang
|
|
- Stabil 99.9% uptime i 30 dager pilot
|
|
|
|
## Risiko
|
|
|
|
| Risiko | Sannsynlighet | Konsekvens | Tiltak |
|
|
|--------|---------------|------------|--------|
|
|
| Custom modell underyter mot 96% mål | medium | high | Backup-strategi: bruk Azure AI Vision OCR som fallback |
|
|
| saksbehandler-motstand mot AI | medium | medium | Tidlig involvering; transparent forklaring; opt-out på enkelt-saker |
|
|
| FRIA blokkerer fase 4 | low | high | Pre-FRIA-kjøring i fase 2 for tidlig varsling |
|
|
| Cost-overrun ved skalering | medium | medium | Reserved capacity-binding etter fase 3 |
|
|
|
|
## Total varighet
|
|
|
|
28 uker (~7 måneder). Avhengighet: Foundry-fundament må være ferdig før modell-trening starter.
|