Petter Schultz
0c6bcb7782
Etablerer 9-mappe-arbeidsstruktur basert på Forte sitt startklar-malverk (Salg/_mal/startklar-malverk/), kalibrert for Nivå 1 (avgrenset strategisk, 6-8 uker). Inkluderer skeletter for: - 1. Oppdrag og kontekst (oppdragsbeskrivelse, leveranser, rammer, interessenter, møtelogg, møtenotat-mal) - 2. Organisasjonsforståelse (struktur, roller, nøkkelpersoner) - 3. System- og datalandskap (SuperOffice, Business Central, nopCommerce — fylles ut i Fase A-B) - 4. Informasjonsarkitektur (begrepskatalog, masterdata-og-eierskap, Data Governance prinsipper) — kjernen for leveranse 03 og 07 - 5. Personvern og sikkerhet (GDPR, Privacy by Design) - 6. AI-rammeverk (operasjonelle prinsipper — ny for Standard, bygger på Forte AI Accelerator) - 7. Standardisering og handlingsplan (avvik, prioritering, tiltak) - 8. Kontinuerlig læring (intervjuguider, åpne spørsmål, funn) - 9. Leveranser (Executive Summary, sluttrapport, leveranseplan) Co-Authored-By: Claude Opus 4.7 (1M context) <noreply@anthropic.com>
60 lines
2.6 KiB
Markdown
60 lines
2.6 KiB
Markdown
---
|
|
title: "AI-prinsipper — Standard Online"
|
|
date: "YYYY-MM-DD"
|
|
tags: ["ai", "prinsipper", "rammeverk"]
|
|
refs:
|
|
- "../4.informasjonsarkitektur/masterdata-og-eierskap.md"
|
|
- "../5.personvern-og-sikkerhet/gdpr-oversikt.md"
|
|
- "identifiserbarhet-og-tilgang.md"
|
|
- "logging-og-sporbarhet.md"
|
|
- "human-in-the-loop.md"
|
|
qa:
|
|
status: "draft"
|
|
version: 1
|
|
---
|
|
|
|
# AI-prinsipper
|
|
|
|
Operasjonelle prinsipper for AI-agenter hos Standard Online. **Dette er ikke en arkitektur-spec** — det er et sett premisser som arkitekturen må respektere. Konkret implementering avklares i en senere fase.
|
|
|
|
## Grunnpremiss
|
|
|
|
AI-agenter blir bare så pålitelige som dataene under dem. Kontroll og eierskap til data er fundamentet for å kunne sette agenter i produksjon. AI-fundamentet er bygget på [[../4.informasjonsarkitektur/masterdata-og-eierskap]] og [[../4.informasjonsarkitektur/data-governance-prinsipper]].
|
|
|
|
## Fem prinsipper
|
|
|
|
### 1. Identifiserbarhet — hver agent har egen identitet
|
|
|
|
Ingen AI-agent skal opptre under en generisk eller delt identitet. Hver agent autentiseres og autoriseres som en egen entitet. Se [[identifiserbarhet-og-tilgang]].
|
|
|
|
### 2. Minste privilegium — agenter får kun det de trenger
|
|
|
|
Tilganger gis per agent, per oppgave, og kun til nødvendig data og funksjonalitet. Tilganger gjennomgås periodisk. Se [[identifiserbarhet-og-tilgang]].
|
|
|
|
### 3. Sporbarhet — hver handling logges
|
|
|
|
Hver handling utført av en agent logges med agent-ID, tidspunkt, input, output og berørt data. Logger er tilgjengelige for dataeier. Se [[logging-og-sporbarhet]].
|
|
|
|
### 4. Human-in-the-loop for kritiske beslutninger
|
|
|
|
Beslutninger kategoriseres i tre nivåer: autonom, varslende, godkjennende. Kategoriseringen reflekterer risiko og reversibilitet. Se [[human-in-the-loop]].
|
|
|
|
### 5. Datakvalitet som premiss
|
|
|
|
En agent settes ikke i produksjon mot et domene før domenet har tydelig System-of-Record, definert Dataforvalter og minimum akseptabel datakvalitet. Se [[datakvalitet-som-ai-premiss]].
|
|
|
|
## Åpne spørsmål for kundedialog
|
|
|
|
Disse spørsmålene bør avklares før konkret AI-arkitektur designes:
|
|
|
|
- Hva er kundens akseptable risikonivå for autonome handlinger?
|
|
- Hvilke domener er "high-stakes" hvor menneskelig godkjenning alltid kreves?
|
|
- Hvilke ansatte/roller skal kunne sette opp og endre agenter?
|
|
- Hvordan håndteres feil og avvik fra agenter — incident response?
|
|
- Hvilke åpne kilder/LLM-leverandører er akseptable? Hva er GDPR-grunnlaget for treningsdata?
|
|
- Hva er kundens posisjon på AI-baserte beslutninger overfor sluttbrukere (transparens, klagerett)?
|
|
|
|
---
|
|
|
|
*Klassifisering: Begrenset*
|