Architettura e governance per l'intelligenza artificiale

Questo articolo illustra in che modo i carichi di lavoro di intelligenza artificiale rientrano nell'Azure landing zone e nell'architettura aziendale. Identifica le funzionalità aggiuntive della piattaforma che le organizzazioni devono considerare man mano che l'adozione dell'IA cresce.

Applica gli stessi principi e le procedure consigliate di Azure Landing Zone ai carichi di lavoro di intelligenza artificiale, come per gli altri carichi di lavoro. I carichi di lavoro di intelligenza artificiale non richiedono un'architettura o un modello di governance di Azure landing zone diversi. I team della piattaforma devono usare la baseline di governance esistente ed estenderla dove necessario per tenere conto dei servizi e dei modelli di intelligenza artificiale che l'organizzazione prevede di usare.

Risultato: al termine della pianificazione dell'architettura e della governance, è necessario avere una baseline di governance aggiornata che supporta le tecnologie di intelligenza artificiale che si prevede di usare in Azure.

Architetture e albero delle decisioni

Zona di destinazione della piattaforma

L'adozione dell'IA deve basarsi sulla landing zone di Azure esistente anziché introdurre una struttura di piattaforma separata. I carichi di lavoro di intelligenza artificiale usano la stessa gerarchia dei gruppi di gestione e le stesse funzionalità della piattaforma di altri carichi di lavoro Azure. Le organizzazioni in genere non necessitano di gruppi di gestione specifici dell'intelligenza artificiale. I team della piattaforma devono invece estendere le funzionalità di governance e connettività esistenti per gestire i servizi Azure usati dai carichi di lavoro di intelligenza artificiale.

Baseline di governance: la baseline di governance della landing zone di Azure esistente deve rimanere il punto di partenza per i carichi di lavoro di intelligenza artificiale. I team della piattaforma devono estendere tale baseline quando i servizi di intelligenza artificiale introducono requisiti che i criteri esistenti non affrontano.

• Criteri di Azure: le organizzazioni devono iniziare con i criteri di base dell'acceleratore della landing zone della piattaforma. I team della piattaforma devono quindi aggiungere definizioni di Criteri di Azure per i servizi di intelligenza artificiale approvati dall'organizzazione, ad esempio Microsoft Foundry models, Foundry Tools, Azure AI Search e Macchine virtuali di Azure. L'applicazione di questi criteri tramite la gerarchia del gruppo di gestione esistente offre ai carichi di lavoro di intelligenza artificiale protezioni coerenti senza richiedere un modello di governance separato. Le linee guida Microsoft supportano l'applicazione dei criteri specifici dell'intelligenza artificiale tramite la gerarchia dei gruppi di gestione della landing zone in modo che le risorse del carico di lavoro ereditino tali criteri.

• Rete: anche i modelli di rete delle landing zone Azure esistenti devono rimanere le basi per i carichi di lavoro di intelligenza artificiale. I team della piattaforma devono estendere la connettività condivisa e la protezione di rete in cui i carichi di lavoro di intelligenza artificiale creano requisiti aggiuntivi, in particolare per i servizi con connessione Internet o l'accesso ai dati on-premises.

  • Protezione DDoS: i carichi di lavoro di intelligenza artificiale con connessione Internet devono usare Azure DDoS Protection. Il team della piattaforma può fornire questa protezione come parte delle funzionalità di rete condivise dell'organizzazione anziché richiedere ai singoli team del carico di lavoro di stabilire un approccio a livello di piattaforma.

  • Connettività ibrida: le organizzazioni che accedono ai dati locali da carichi di lavoro di intelligenza artificiale di Azure devono scegliere la connettività in base ai requisiti di prestazioni e disponibilità. Azure ExpressRoute fornisce connettività privata ed è appropriato quando le organizzazioni richiedono connettività prevedibile per Azure. Gateway VPN di Azure fornisce connettività crittografata su Internet pubblico e può soddisfare requisiti di connettività meno impegnativi. Le linee guida esistenti per la landing zone di Azure supportano anche Gateway VPN ed ExpressRoute come modelli di connettività ibrida.

Landing zone del carico di lavoro

I carichi di lavoro di intelligenza artificiale usano gli stessi principi dell'area di destinazione del carico di lavoro degli altri carichi di lavoro di Azure. Ogni carico di lavoro deve avere una propria landing zone del carico di lavoro e usare una o più sottoscrizioni Azure per separare gli ambienti in base ai requisiti di governance e isolamento dell'organizzazione. Le sottoscrizioni di Azure forniscono confini per aree quali quota, costo, governance e sicurezza.

Il team della piattaforma deve inserire le sottoscrizioni della landing zone del carico di lavoro per i carichi di lavoro di intelligenza artificiale nel gruppo di gestione esistente che fornisce i controlli di governance appropriati. I carichi di lavoro di intelligenza artificiale esposti a Internet in genere appartengono al gruppo di gestione online. I carichi di lavoro di intelligenza artificiale interni appartengono in genere al gruppo di gestione interno ("Corp"). I team della piattaforma devono usare questi limiti esistenti invece di creare gruppi di gestione specifici per l'intelligenza artificiale. Le assegnazioni di Criteri di Azure a livello di gruppo di gestione forniscono quindi protezioni coerenti della piattaforma per i carichi di lavoro di IA e altri carichi di lavoro.

Reliability

I carichi di lavoro di intelligenza artificiale devono usare gli standard di disponibilità e ripristino di emergenza esistenti dell'organizzazione. I team della piattaforma devono preparare la landing zone di Azure per supportare più aree geografiche, in modo che i team del carico di lavoro possano distribuire i carichi di lavoro di intelligenza artificiale tra aree geografiche quando i requisiti di continuità aziendale giustificano i costi e la complessità aggiunti. Le linee guida di Azure sulle aree geografiche per le landing zone raccomandano specificamente di progettare la piattaforma in modo che possa supportare landing zone del carico di lavoro multiregione.

• Ubicazione dei dati: anche l'ubicazione dei dati deve far parte della progettazione regionale. I team dei carichi di lavoro devono posizionare i dati recuperati vicino ai servizi di intelligenza artificiale che li usano quando la latenza e le prestazioni sono importanti. Il posizionamento regionale deve soddisfare anche i requisiti di residenza dei dati dell'organizzazione.

• Disponibilità e capacità: l'intelligenza artificiale introduce considerazioni aggiuntive a livello di area geografica perché la disponibilità del servizio, la disponibilità del modello e la capacità possono variare in base alla regione di Azure. Le organizzazioni devono identificare le aree geografiche che supportano i servizi e i modelli di intelligenza artificiale approvati prima di rendere disponibili tali aree geografiche per i carichi di lavoro di intelligenza artificiale.

• Failover: i team del carico di lavoro che richiedono il failover a livello di area geografica devono tenere conto anche degli asset di intelligenza artificiale da cui dipende il carico di lavoro, ad esempio le distribuzioni di modello e i dati di recupero. La progettazione del ripristino deve garantire che l'area secondaria disponga delle risorse e dei dati necessari per ripristinare il carico di lavoro.

Integrazione aziendale

I carichi di lavoro di intelligenza artificiale devono integrarsi con le piattaforme aziendali tramite gli stessi principi di architettura degli altri carichi di lavoro. Il principale aspetto specifico dell'intelligenza artificiale è l'accesso ai dati aziendali attendibili.

Le organizzazioni devono stabilire un approccio unificato ai dati che rende disponibili ai carichi di lavoro di intelligenza artificiale i dati sottoposti a governance senza che ogni team del carico di lavoro crei modelli di integrazione dei dati separati. Microsoft Fabric può preparare e fornire dati aziendali per scenari di analisi e intelligenza artificiale. I carichi di lavoro di Azure AI possono quindi usare i dati appropriati tramite pattern di integrazione approvati. Per indicazioni su come stabilire questa base, vedere Piattaforma dati unificata.

Passaggi successivi

Le considerazioni sull'architettura e sulla governance per una landing zone del carico di lavoro dipendono dalle piattaforme e dalle tecnologie di intelligenza artificiale usate dal carico di lavoro. Le indicazioni seguenti forniscono raccomandazioni più approfondite sull'architettura per diversi modelli di adozione dell'IA.