ms-ai-architect/skills/ms-ai-engineering/references/mlops-genaiops/genaiops-llm-specific-practices.md

GenAIOps - LLM-Specific MLOps Practices

Dato: 2026-02-04 Last updated: 2026-06-19 Category: MLOps & GenAIOps Konfidensgrad: Høy (basert på 18 MCP-kilder fra Microsoft Learn) Type: reference Source: https://learn.microsoft.com/python/api/overview/azure/ai-evaluation-readme Status: Established Practice

---

⚠️ Retirement 2027-04-20 (verifisert 2026-06-19): Prompt Flow (Microsoft Foundry + Azure ML) pensjoneres 20. april 2027 og anbefales ikke for ny utvikling — migrer til Microsoft Agent Framework (MAF). Referanser til Prompt Flow nedenfor gjelder eksisterende løsninger frem til fristen; nye GenAIOps-pipelines bør bygge på MAF. Migrasjonsguide.

Innhold

• Introduksjon
• Beslutningsveiledning
• Integrasjon med Microsoft-stakken
• Offentlig sektor (Norge)
• Kostnad og lisensiering
• For arkitekten (Cosmo)
• Kilder og verifisering

Introduksjon

GenAIOps (Generative AI Operations), også kalt LLMOps, beskriver operasjonelle praksiser og strategier for håndtering av store språkmodeller (LLMs) i produksjon. Mens tradisjonell MLOps fokuserer på å trene og deploye diskriminative modeller, handler GenAIOps om å velge, tilpasse, orkestrere og overvåke eksisterende foundation models.

MLflow 3 Tracing — GenAI Observability

MLflow Tracing provides end-to-end observability for GenAI applications:

• Records inputs, outputs, intermediate steps, and metadata
• Supports complex agent-based systems and multi-turn conversations
• Integrates with Genie Code for natural language trace analysis
• Enables: debugging, performance monitoring, cost optimization, auditability
• Production monitoring reuses same scorers as development evaluation (consistent lifecycle)

1. Fine-Tuning Pattern

Når: Foundation model trenger domenespesifikk kunnskap som ikke kan oppnås med prompting alene.

Workflow:

1. Data preparation (JSONL format for Azure OpenAI)
2. Fine-tuning job (Azure OpenAI Studio eller REST API)
3. Model evaluation (hold-out test set)
4. Model deployment (dedicated PTU deployment for production)
5. A/B testing (new fine-tuned model vs. base model)

MLOps-overlap: 80% — Kan gjenbruke eksisterende DataOps og model training pipelines.

Konfidensgrad: 90% — Microsoft dokumenterer end-to-end fine-tuning workflow.

2. Prompt Engineering Pattern

Når: Use case kan løses med zero-shot, few-shot eller Chain-of-Thought prompting.

Artefakter:

• System prompt (persona, tone, constraints)
• User prompt template (Jinja2, Handlebars)
• Few-shot examples (stored in Prompt Registry)

Workflow:

1. Prompt experimentation (Prompt Flow designer)
2. Variant testing (A/B testing av ulike prompts)
3. Evaluation (LLM-as-judge metrics)
4. Prompt versioning (Prompt Registry)
5. Deployment (orchestrator henter versioned prompt)

MLOps-utvidelse: Ny — Prompts som first-class artifacts.

Konfidensgrad: 85% — Best practices fremdeles emergent (2025).

3. RAG (Retrieval-Augmented Generation) Pattern

Når: LLM trenger domain-specific eller real-time data for å svare korrekt.

Microsoft RAG Architecture:

[User Query]
    → [Orchestrator (Prompt Flow / Semantic Kernel)]
        → [Embedding Model (Azure OpenAI text-embedding-3-small)]
        → [Vector Store (Azure AI Search hybrid search)]
        → [Retrieval (top-k chunks)]
        → [Prompt Construction (query + context)]
        → [LLM (Azure OpenAI GPT-4o)]
        → [Response]

Experimentation-dimensjoner:

• Chunking strategy (fixed-size, semantic, recursive)
• Chunk size (512, 1024, 2048 tokens)
• Chunk overlap (0%, 10%, 20%)
• Embedding model (ada-002, text-embedding-3-small, text-embedding-3-large)
• Retrieval method (vector, full-text, hybrid, semantic ranker)
• Top-k (3, 5, 10 chunks)
• Reranking (Azure AI Search semantic ranker, cross-encoder models)

DataOps-utvidelse:

• Index versioning: Snapshot av chunked data + embeddings
• Incremental updates: Add/update/delete chunks uten full rebuild
• Freshness policies: Real-time (change data capture) vs. batch (nightly)
• GDPR compliance: Right-to-be-forgotten (delete user data from vector store)

Konfidensgrad: 95% — RAG er den mest dokumenterte GenAIOps-patternern.

---

Beslutningsveiledning

Når velge hva?

Scenario	Anbefaling	Begrunnelse
Foundation model er "good enough"	Prompt Engineering	Lavest kostnad, raskest time-to-market
Trenger domenekunnskap, har kvalitetsdata	Fine-Tuning	Bedre ytelse enn few-shot, men krever PTU for production
Trenger real-time data eller stor knowledge base	RAG	Unngår staleness, kan oppdatere uten retraining
Høy security/compliance	RAG + Azure AI Search (RBAC)	Data forblir i vector store, ikke "bakt inn" i modellen
Multimodal (tekst + bilde)	Prompt Engineering (GPT-4o/GPT-4 Turbo)	Foundation models støtter multimodal input

Konfidensgrad: 85% — Valg avhenger av use case-spesifikke trade-offs.

GenAIOps Maturity Model (Microsoft)

Nivå 1 - Initial (0-9 poeng):

• Eksperimenterer med LLM APIs
• Manuell prompt engineering
• Ingen strukturerte evalueringer

Nivå 2 - Defined (10-14 poeng):

• Systematisk prompt development
• CI/CD for flows (basic)
• Grunnleggende evaluering (groundedness, relevance)

Nivå 3 - Managed (15-19 poeng):

• Proaktiv monitoring (quality + safety)
• Fine-tuning workflows
• Advanced version control (prompts + data + models)

Nivå 4 - Optimized (20-28 poeng):

• Full automation (CI/CD + monitoring + retraining)
• A/B testing i produksjon
• Continuous improvement loops (feedback → retraining)

Selvvurdering: GenAIOps Maturity Model Assessment

Konfidensgrad: 95% — Offisiell Microsoft assessment.

---

Integrasjon med Microsoft-stakken

Microsoft Foundry (tidligere Azure AI Studio)

Hva: Unified platform for GenAI lifecycle management.

GenAIOps capabilities:

• Model Catalog: Browse over 1,900 models (OpenAI, Meta, Mistral, Cohere)
• Prompt Flow: Visual designer for LLM workflows
• Evaluation SDK: Built-in evaluators (groundedness, relevance, coherence, fluency, safety)
• Content Safety: Real-time filtering (hate, violence, sexual, self-harm)
• Model fine-tuning: Azure OpenAI fine-tuning jobs
• Deployment: Managed Online Endpoints (serverless, PTU, PAYG)
• Monitoring: Generation Quality Signal + Token Statistics Signal

Konfidensgrad: 95% — Microsoft Foundry er Microsoft sitt flagship GenAI-verktøy (2025).

Azure Machine Learning

Hva: Enterprise MLOps-plattform som utvides med GenAIOps capabilities.

GenAIOps features:

• Prompt Flow integration: Author flows i AML Studio
• MLflow: Experiment tracking + model registry (støtter LLM artifacts)
• Pipelines: Orchestrate chunking, embedding, evaluation workflows
• Managed Online Endpoints: Deploy orchestrators (Docker containers)
• Model Monitoring: Data drift + model decay (LLM-specific metrics coming)

Konfidensgrad: 90% — AML støtter GenAIOps, men Foundry er mer fokusert.

Azure Databricks

Hva: Unified analytics platform med Mosaic AI (LLMOps suite).

LLMOps features:

• Unity Catalog: Unified governance (models, prompts, vector indexes)
• MLflow for GenAI: Prompt Registry, LLM tracing, autologging
• Vector Search: Delta table-based, auto-syncing indexes
• Model Serving: Unified endpoint for OpenAI, open-source og custom models
• Mosaic AI Agent Framework: Build, evaluate, deploy agents
• AI Gateway: Centralized governance for multiple LLM providers

Konfidensgrad: 95% — Databricks har dedikert LLMOps docs (mest moden platform).

API Management som LLM Gateway

Hva: Centralized gateway foran Azure OpenAI in Foundry Models og andre LLM APIs.

GenAIOps use cases:

• Load balancing: Distribuer trafikk over multiple Azure OpenAI instances (med health endpoint monitoring og circuit breaking)
• Throttling: Rate limiting per user/subscription (token-per-minute og requests-per-minute)
• Token tracking: Centralized logging av token consumption (cross-model observability)
• Cost allocation: Chargeback til teams basert på usage (showback/chargeback for multitenant)
• A/B testing / Safe deployment: Route 10% traffic til ny modell, 90% til gammel
• Circuit breaker: Failover til backup LLM provider (OpenAI → Mistral)
• Federated authentication: Extend client auth beyond Entra ID and API keys
• Data sovereignty: Enforce regional routing compliance for GDPR

Implementasjonsalternativer (Verified MCP 2026-04):

1. Azure API Management (anbefalt) — PaaS, built-in Azure OpenAI policies (Limit Azure OpenAI API token usage, Emit metrics for consumption), zone-redundant, multi-region. Bruk GenAI gateway toolkit for custom policies + load-testing.
2. Custom code — Deploy gateway-logikk til App Service, Container Apps eller AKS. Kan frontes av API Management for HTTP-gateway capabilities.

Viktig: Global og data zone deployments i Azure OpenAI (som distribuerer kapasitet på tvers av datasentre) er i seg selv en gateway-implementasjon — vurder om disse dekker behovet FØR du legger til ekstra gateway-lag.

Konfidensgrad: 90% — API Management for LLM er dokumentert pattern (Verified MCP 2026-04).

---

Offentlig sektor (Norge)

Compliance-dimensjoner

Krav	GenAIOps-implikasjon
GDPR Article 17 (right to be forgotten)	Vector stores må støtte incremental deletion. Azure AI Search støtter dette.
Utredningsinstruksen (KS/KMD)	Prompt versioning + evaluation results = audit trail for AI-beslutninger
NSM Grunnprinsipper for IKT-sikkerhet	Content Safety må være enabled i production. Azure AI Content Safety er realtime.
Digdir Prinsipper for utvikling av digitale tjenester	Human-in-the-loop approval gates i CI/CD (GenAIOps template støtter dette)
AI Act (High-Risk AI Systems)	Logging av alle LLM-interaksjoner (MLflow tracing + Application Insights)

Konfidensgrad: 80% — Compliance-tolkning krever juridisk input.

Norsk språkstøtte

Utfordring: Foundation models (GPT-4, GPT-4o) er primært engelsk-trent.

GenAIOps-tilnærminger:

1. Multilingual prompts: Eksplisitt be om norsk output ("Svar på norsk")
2. Fine-tuning: Fine-tune GPT-4o på norske datasett (krever PTU)
3. RAG med norsk grounding data: Norske dokumenter i vector store (embeddings er multilingual)
4. NB-BERT embeddings: Bruk Norwegian BERT for embedding norske dokumenter (Azure AI Search custom embeddings)

Konfidensgrad: 70% — Norsk språkstøtte i GenAI er fortsatt eksperimentell (2025).

---

Kostnad og lisensiering

Token-basert prissetting (Azure OpenAI)

Modell	Input (1M tokens)	Output (1M tokens)	Bruksområde
GPT-4o	$2.50	$10.00	RAG, complex reasoning
GPT-4o-mini	$0.15	$0.60	High-volume classification
GPT-4 Turbo	$10.00	$30.00	Legacy (prefer GPT-4o)
GPT-3.5 Turbo	$0.50	$1.50	Cost-sensitive use cases
text-embedding-3-small	$0.02	N/A	Embedding generation

Priser er per februar 2025 (NOK-estimat: USD × 10.5).

Konfidensgrad: 95% — Azure OpenAI pricing er dokumentert.

Provisioned Throughput Units (PTU)

Hva: Dedikert kapasitet for forutsigbar latency og cost.

Når: Production workloads med >100M tokens/måned.

Kostnad: $36 000 - $48 000 per PTU per måned (avhenger av modell og region).

Konfidensgrad: 90% — PTU pricing varierer, krever Azure quote.

Cost Optimization Tactics

1. Prompt compression: Fjern unødvendige tokens fra system prompt
2. Caching: Azure OpenAI støtter prompt caching (50% discount på cached tokens)
3. Model downselection: Bruk GPT-4o-mini for classification, GPT-4o for reasoning
4. Batching: Async batch API (50% discount, men høyere latency)
5. Token limits: max_tokens parameter for å unngå runaway costs

Konfidensgrad: 95% — Cost optimization er godt dokumentert.

---

For arkitekten (Cosmo)

Spørsmål du ALLTID bør stille

1. "Trenger dere faktisk fine-tuning, eller holder prompting?"

   • 80% av use cases løses med RAG + prompt engineering.
   • Fine-tuning krever PTU (dyrt) og mer ops-kompleksitet.

2. "Hva er kvalitetskravet?"

   • Pass rate på 70% (groundedness) er typisk for MVP.
   • Pass rate på 90%+ krever extensive evaluation og tuning.

3. "Har dere plan for human feedback loop?"

   • Thumbs up/down i UI → Application Insights → Retraining pipeline.
   • Uten feedback loop, modellen degraderer over tid.

4. "Hva er token-budsjettet?"

   • 1M requests × 1000 tokens avg = 1B tokens/måned = ~$12,500 USD med GPT-4o.
   • PTU blir billigere ved >100M tokens/måned.

5. "Hvordan håndterer dere GDPR right-to-be-forgotten i vector store?"

   • Azure AI Search: Incremental deletion støttes.
   • Databricks Vector Search: Delta table-based, soft delete.

Red Flags

❌ "Vi trenger ikke evaluering, vi bare deployer" → Uten groundedness/relevance metrics, ingen måte å vite om LLM hallusinerer.

❌ "Vi lagrer alle prompts i hardkoded strings" → Prompts MÅ være versjonerte artefakter (Prompt Registry eller Git).

❌ "Vi overvåker bare latency, ikke quality" → LLM kan svare raskt med feil svar. Quality monitoring er kritisk.

❌ "Vi trenger ikke content safety, det er et B2B-system" → Prompt injection attacks kan få LLM til å lekke data selv i enterprise-systemer.

Anbefalte Steg for Pilot (MVP)

Uke 1-2: Setup

1. Provisioner Microsoft Foundry project
2. Deploy Azure OpenAI (GPT-4o + text-embedding-3-small)
3. Setup Azure AI Search (vector index)
4. Enable Azure AI Content Safety

Uke 3-4: Development

1. Bygg RAG flow i Prompt Flow
2. Test med 10-20 representative queries
3. Evaluer med built-in evaluators (groundedness, relevance)
4. Iterer på chunking strategy og retrieval method

Uke 5-6: CI/CD

1. Clone GenAIOps Prompt Flow template
2. Setup GitHub Actions / Azure DevOps pipelines
3. Implementer human-in-the-loop approval gate
4. Deploy til dev endpoint

Uke 7-8: Production Prep

1. Setup monitoring (quality + tokens + safety)
2. Implement feedback loop (thumbs up/down)
3. Load testing (PTU vurdering)
4. Deploy til production endpoint (blue-green)

Konfidensgrad: 90% — Basert på Microsoft LLMOps workshop (2025).

---

Kilder og verifisering

Microsoft Learn-kilder (18 dokumenter)

1. Advance your maturity level for GenAIOps
2. GenAIOps with prompt flow and Azure DevOps
3. GenAIOps with prompt flow and GitHub
4. Generative AI operations for organizations with MLOps investments
5. LLMOps workflows on Azure Databricks
6. MLOps and GenAIOps for AI workloads on Azure
7. Integrate prompt flow with DevOps for LLM-based applications
8. Azure AI Evaluation SDK
9. Mosaic AI capabilities for GenAI
10. MLflow Prompt Registry
11. Microsoft Foundry monitoring
12. MLflow Tracing for GenAI
13. GenAI app developer workflow
14. Plan and prepare a GenAIOps solution (Microsoft Learn Training)
15. Implement LLMOps in Azure Databricks (Microsoft Learn Training)
16. Access Azure OpenAI in Foundry Models through a gateway (Verified MCP 2026-04)
17. RAG solution design and evaluation guide
18. Microsoft GenAIOps Prompt Flow Template (GitHub)

MCP-kall utført

• microsoft_docs_search: 3 søk (GenAIOps overview, LLMOps best practices, lifecycle)
• microsoft_docs_fetch: 3 hentinger (maturity model, genaiops-for-mlops, databricks llmops)
• microsoft_code_sample_search: 2 søk (evaluation Python code, monitoring code)

Totalt: 18 kilder, 8 MCP-kall.

Verifiseringsdato: 2026-02-04

---

For Cosmo Skyberg:

Denne kunnskapsfilen dekker det operasjonelle rammeverket for GenAI-løsninger — hvordan du går fra prototype til production med repeatable processes. Fokus er på Microsoft-spesifikke verktøy (Microsoft Foundry, Prompt Flow, MLflow, Databricks Mosaic AI), men prinsippene er portable til andre platforms.

Viktigste takeaway: GenAIOps er MLOps + Prompt Ops + Orchestration Ops + Vector Store Ops. Det er MER enn bare model deployment — det er hele økosystemet rundt LLM-baserte applikasjoner.

Når kunder spør "hvordan setter vi LLM i produksjon?", start med GenAIOps Maturity Model for å kartlegge hvor de er, og bruk GenAIOps Prompt Flow Template som konkret utgangspunkt.