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onboarding screenshots with outdated placeholder text are removed.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>

2026-09-23 14:03:53 +02:00

2.6 KiB

Raw Blame History

AI-arkitekturutredning — Acme Kunde-chatbot for Acme Kommune

1. Bakgrunn og formål

Acme Kommune har siden 2018 driftet en on-prem Acme Kunde-chatbot-løsning for forhåndsvurdering av søknader på tvers av kommunens tjenesteportefølje. Løsningen er basert på et OCR-bibliotek fra 2017 og leveres som et lukket system uten mulighet for retrening eller forbedring av modell. Saksbehandlingen er manuell og tar i snitt 14 minutter per sak. Et internt AI-team utreder modernisering til en skybasert AI-plattform som støtter custom modell-trening, audit-logging på inferens-nivå, og saksbehandler-co-pilot.

2. Mandat

Utredningen skal:

Anbefale teknologivalg blant Azure AI Foundry, Azure ML+AKS, AWS SageMaker og on-prem GPU-cluster
Vurdere compliance-status mot EU AI Act, GDPR, sikkerhetsloven og arkivloven
Estimere TCO over 3 år
Identifisere risiko og foreslå mitigerende tiltak
Definere KPI-er for produksjonssetting

3. Metode

Utredningen kombinerer:

Kvalitativ analyse av compliance-krav per relevante lover og forskrifter
Kvantitativ TCO-analyse basert på 1,2 millioner chatbot-meldinger og vedlegg/mnd
Risikoanalyse per NS 5814 og DPIA per Datatilsynets veileder
Markedsundersøkelse av tilgjengelige plattformer fra Azure, AWS og GCP

4. Funn

4.1 Compliance

EU AI Act klassifiserer systemet som høyrisiko (Annex III, punkt 5(a) — tilgang til offentlige ytelser). Acme Kommune er Provider og Deployer, hvilket trigger alle krav i Art. 9-15 + Art. 27 (FRIA) + Art. 49 (registrering).

4.2 Teknologivalg

Azure AI Foundry er anbefalt primær plattform fordi:

Full compliance-pakke for leverandøren
Customer-managed keys og Customer Lockbox tilgjengelig
Custom modell-trening via integrert Azure ML
Norsk dataresidens (West Europe + EU Data Boundary)

4.3 TCO

3-års TCO estimert til NOK 6.7M (P50). Hovedkostnad: Azure AI Services (38%) + Azure OpenAI (16%).

4.4 Risiko

Hovedrisiko: bias mot henvendelser på andre språk enn norsk, modell-drift over tid, og manglende ABAC-implementering på saksbehandler-tilgang. Alle har konkrete tiltak.

5. Konklusjon

Anbefalt: gjennomfør 8-ukers POC før formell prosjektoppstart. Ved vellykket POC, full implementering over 28 uker mot produksjonssetting Q2 2027.

6. Anbefaling

Godkjenn POC-budsjett på NOK 1.2M og forenkle prosjekt-mandat for fase 1-4 ved positiv POC-evaluering.

7. Referanser

EU AI Act 2024/1689
GDPR 2016/679
Sikkerhetsloven (LOV-2018-06-01-24)
Arkivloven (LOV-1992-12-04-126)
NS 5814:2008 — Krav til risikovurderinger
Datatilsynets veileder for AI og personvern (2024)

2.6 KiB Raw Blame History