Architectuur en governance voor AI

In dit artikel wordt uitgelegd hoe AI-workloads in uw Azure landingszone en bedrijfsarchitectuur passen. Het identificeert de extra platformmogelijkheden die organisaties moeten overwegen naarmate de AI-adoptie opschaalt.

Pas dezelfde Azure landing zone-principes en best practices toe op AI-workloads als op andere workloads. Voor AI-workloads is geen andere Azure-landingszonearchitectuur of governancemodel vereist. Platformteams moeten hun bestaande governancebasislijn gebruiken en waar nodig uitbreiden om rekening te houden met de AI-services en -modellen die de organisatie van plan is te gebruiken.

Resultaat: Aan het einde van architectuur- en governanceplanning moet u een bijgewerkte governancebasislijn hebben die ondersteuning biedt voor de AI-technologieën die u in Azure wilt gebruiken.

Architecturen en beslissingsstructuur

Platformlandingszone

AI-acceptatie moet voortbouwen op de bestaande Azure landingszone in plaats van een afzonderlijke platformstructuur te introduceren. AI-workloads maken gebruik van dezelfde hiërarchie van beheergroepen en platformmogelijkheden als andere Azure workloads. Organisaties hebben over het algemeen geen AI-specifieke beheergroepen nodig. In plaats daarvan moeten platformteams bestaande governance- en connectiviteitsmogelijkheden uitbreiden om de Azure services aan te pakken die ai-workloads gebruiken.

Basislijn voor governance: de bestaande Azure basislijn voor governance van de landingszone moet het startpunt blijven voor AI-workloads. Platformteams moeten die basislijn uitbreiden wanneer AI-services vereisten introduceren waarvoor bestaand beleid geen dekking biedt.

• Azure Policy: Organisaties moeten beginnen met de basisbeleidsregels van de platform landing zone accelerator. Platformteams moeten vervolgens Azure Policy definities toevoegen voor de AI-services die de organisatie goedkeurt, zoals Microsoft Foundry-modellen, Foundry Tools, Azure AI Zoeken en Azure Virtuele Machines. Het toepassen van deze beleidsregels via de bestaande hiërarchie van beheergroepen biedt consistente kaders voor AI-workloads zonder dat hiervoor een afzonderlijk governancemodel is vereist. Microsoft richtlijnen ondersteunen het toepassen van het AI-specifieke beleid via de hiërarchie van de landingszonebeheergroep, zodat workloadresources deze overnemen.

• Netwerken: Bestaande Azure netwerkpatronen voor landingszones moeten ook de basis blijven voor AI-workloads. Platformteams moeten gedeelde connectiviteit en netwerkbeveiliging uitbreiden waarbij AI-workloads aanvullende vereisten creëren, met name voor internetgerichte services of toegang tot on-premises gegevens.

  • DDoS Protection: Internetgerichte AI-workloads moeten gebruikmaken van Azure DDoS Protection. Het platformteam kan deze beveiliging bieden als onderdeel van de gedeelde netwerkmogelijkheden van de organisatie in plaats van afzonderlijke workloadteams te verplichten om hun eigen platformniveaubenadering vast te stellen.

  • Hybride connectiviteit: organisaties die toegang hebben tot on-premises gegevens van Azure AI-workloads moeten connectiviteit kiezen op basis van hun prestatie- en beschikbaarheidsvereisten. Azure ExpressRoute biedt privéconnectiviteit en is geschikt wanneer organisaties voorspelbare connectiviteit met Azure vereisen. Azure VPN-gateway biedt versleutelde connectiviteit via het openbare internet en kan voldoen aan minder veeleisende connectiviteitsvereisten. Bestaande richtlijnen voor Azure landingszones ondersteunen ook VPN Gateway en ExpressRoute als hybride verbindingspatronen.

Landing zones voor workloads

AI-workloads gebruiken dezelfde principes voor landingszones voor workloads als andere Azure workloads. Elke workload moet een eigen landingszone voor workloads hebben en een of meer Azure abonnementen gebruiken om omgevingen te scheiden op basis van de governance- en isolatievereisten van de organisatie. Azure-abonnementen vormen afbakeningen voor aspecten zoals quota, kosten, governance en beveiliging.

Het platformteam moet abonnementen voor de workload-landingszone voor AI-workloads plaatsen onder de bestaande beheergroep die de juiste beheeropties biedt. Internetgerichte AI-workloads behoren over het algemeen tot de onlinebeheergroep. Interne AI-workloads behoren over het algemeen onder de interne ("Corp") beheergroep. Platformteams moeten deze bestaande afbakeningen gebruiken in plaats van specifiek voor AI beheergroepen aan te maken. Azure Policy toewijzingen op beheergroepsniveau bieden vervolgens consistente platformbeveiligingen voor AI en andere workloads.

Reliability

AI-workloads moeten gebruikmaken van de bestaande standaarden voor beschikbaarheid en rampenherstel van de organisatie. Platformteams moeten de Azure landingszone voorbereiden ter ondersteuning van meerdere regio's, zodat workloadteams AI-workloads kunnen implementeren in verschillende regio's wanneer hun vereisten voor bedrijfscontinuïteit de toegevoegde kosten en complexiteit rechtvaardigen. Azure-richtlijnen voor regio's van landingszones raden u specifiek aan om het platform te ontwerpen, zodat het workloadlandingszones voor meerdere regio's kan ondersteunen.

• Gegevenslocatie: Gegevenslocatie moet ook deel uitmaken van het regionale ontwerp. Workloadteams moeten ophaalgegevens in de buurt plaatsen van de AI-services die deze gebruiken wanneer latentie en prestaties belangrijk zijn. Regionale plaatsing moet ook voldoen aan de vereisten voor gegevensresidentie van de organisatie.

• Beschikbaarheid en capaciteit: AI introduceert aanvullende regionale overwegingen omdat de beschikbaarheid van de service, de beschikbaarheid van modellen en de capaciteit per Azure regio kunnen variëren. Organisaties moeten de regio's identificeren waar hun goedgekeurde AI-services en -modellen worden ondersteund voordat ze deze regio's beschikbaar maken voor AI-workloads.

• Failover: Workloadteams waarvoor regionale failover is vereist, moeten ook rekening houden met AI-assets waar de workload van afhankelijk is, zoals modelimplementaties en het ophalen van gegevens. Het herstelontwerp moet ervoor zorgen dat de secundaire regio beschikt over de resources en gegevens die nodig zijn om de workload te herstellen.

Bedrijfsintegratie

AI-workloads moeten worden geïntegreerd met bedrijfsplatformen via dezelfde architectuurprincipes als andere workloads. De primaire AI-specifieke overweging is toegang tot vertrouwde organisatiegegevens.

Organisaties moeten een uniforme aanpak voor gegevens vaststellen die beheerde gegevens beschikbaar maakt voor AI-workloads zonder dat elk workloadteam afzonderlijke patronen voor gegevensintegratie hoeft te bouwen. Microsoft Fabric kan organisatiegegevens voorbereiden en leveren voor analyse- en AI-scenario's. Azure AI-workloads kunnen vervolgens de juiste gegevens gebruiken via goedgekeurde integratiepatronen. Zie Unified Data Platform voor hulp bij het tot stand brengen van deze basis.

Volgende stappen 

De architectuur- en governanceoverwegingen voor een workload landing zone zijn afhankelijk van de AI-platforms en technologieën die door de workload worden gebruikt. De volgende richtlijnen bieden meer aanbevelingen voor de architectuur voor verschillende AI-acceptatiepatronen.