AI-acceptatie

Dit artikel bevat een algemeen overzicht van Microsoft AI-oplossingen en helpt besluitvormers te bepalen hoe hun organisatie AI moet gebruiken.

Organisaties investeren in AI om bedrijfswaarde te creëren. De uitdaging is bepalen waar AI waarde kan leveren en of die waarde de investering rechtvaardigt. Zonder een duidelijke strategie kunnen teams experimenteren zonder voldoende waarde te produceren en kunnen AI-investeringen gefragmenteerd worden.

Microsoft AI-oplossingen voldoen aan verschillende bedrijfsbehoeften en bieden verschillende aanpassingsniveaus. Dit bereik biedt organisaties opties om AI-investeringen af te stemmen op de waarde die ze verwachten te bereiken.

Resultaat: Met deze richtlijnen kunnen besluitvormers de basis voor AI-acceptatie vaststellen en bepalen waar hun organisatie moet investeren.

AI-beslisboom en -architecturen

1. Wat is AI?

Kunstmatige intelligentie (AI) maakt gebruik van algoritmen om gegevens te analyseren en resultaten te produceren. Veel AI-modellen leren patronen van bestaande gegevens en gebruiken deze patronen om nieuwe informatie te verwerken en resultaten te produceren. AI-mogelijkheden vallen over het algemeen in drie algemene gebieden:

• Traditionele AI (niet-generatief): analyseert gegevens en produceert resultaten voor een gedefinieerd doel, zoals het maken van voorspellingen, het classificeren van informatie en het detecteren van afwijkingen.

• Generatieve AI: maakt nieuwe inhoud of antwoorden op basis van het verzoek van een gebruiker en de beschikbare context. Veelvoorkomende toepassingen zijn onder andere het opstellen van inhoud, het beantwoorden van vragen, het samenvatten van informatie, het genereren van code en het helpen van werknemers met hun werk.

• Agentic AI: maakt gebruik van AI-modellen met instructies en hulpprogramma's om een doel te bereiken en taken uit te voeren. Agents kunnen aanvragen interpreteren, bepalen wat ze moeten doen en verbonden systemen gebruiken om acties uit te voeren binnen gedefinieerde machtigingen en besturingselementen.

Deze typen kunnen samenwerken. Een agent kan bijvoorbeeld generatieve AI gebruiken om een verzoek te interpreteren en traditionele AI gebruiken om een voorspelling te doen voordat een geautoriseerde actie wordt ondernomen. De zakelijke beslissing is dus niet alleen of ai moet worden gebruikt. Het gaat erom waar AI waarde kan creëren en welk capaciteitsniveau geschikt is voor elke use-case.

2. Basis van AI-adoptie

Wat moet leiderschap eerst doen? Geslaagde AI-acceptatie vereist meer dan het selecteren van de juiste technologie. Leiders moeten de organisatorische voorwaarden scheppen waarmee teams AI productief en verantwoord kunnen gebruiken. Begin met drie acties:

• Lead AI adoption: Hoe moeten leiders ai-acceptatie begeleiden? AI-acceptatie werkt het beste wanneer leidinggevenden een gemeenschappelijke richting voor de organisatie tot stand brengen. Leiders moeten de bedrijfsresultaten definiëren die AI naar verwachting ondersteunt en zichtbare steun verleent voor deze prioriteiten. Een AI-strategie of -charter moet organisatieprioriteiten en beslissingsrechten documenteren. Ook moet worden gedefinieerd hoe de organisatie de waarde van AI-investeringen meet.

• AI-governance centraliseren: wat moeten we centraliseren? AI maakt governancebeslissingen die van toepassing zijn in de hele organisatie. Succesvolle organisaties beleggen centrale verantwoordelijkheid voor organisatiebreed AI-beleid en -standaarden. Een centrale governance-functie, zoals een AI Center of Excellence, kan verantwoorde AI-vereisten en gemeenschappelijke grenzen definiëren. Bedrijfsgroepen kunnen vervolgens AI-mogelijkheden binnen die grenzen najagen. Zie Verantwoord AI-beleid.

• Toegang voor medewerkers: Wie moet toegang hebben tot AI? Brede toegang tot goedgekeurde AI-mogelijkheden kan organisaties helpen waardevolle toepassingen van AI te identificeren en ervaring binnen de organisatie op te bouwen. Werknemers begrijpen de bedrijfsprocessen die ze elke dag uitvoeren en kunnen kansen identificeren waar AI hun werk kan verbeteren. Organisaties moeten toegang koppelen aan training, zodat werknemers begrijpen hoe ze goedgekeurde AI-mogelijkheden effectief en verantwoord kunnen gebruiken.

3. Welke AI moeten we gebruiken?

Welke AI-oplossingen moeten we beschikbaar maken? Organisaties gebruiken ai over het algemeen voor twee algemene doeleinden:

• Individuele efficiëntie verbeteren: AI helpt werknemers effectiever te werken door middel van mogelijkheden zoals opstellen, onderzoeken, vergadervoorbereiding en informatie vinden.

• Bedrijfsfunctionaliteit automatiseren: MET AI kunnen organisaties bedrijfsfunctionaliteit uitbreiden of automatiseren via mogelijkheden zoals agents, prognoses en beslissingsondersteuning.

Microsoft biedt oplossingen voor beide doeleinden. Organisaties moeten de oplossing goedkeuren die voldoet aan hun vereisten met de laagste operationele last. Voor een grotere aanpassing zijn over het algemeen meer gespecialiseerde vaardigheden en meer operationele verantwoordelijkheid vereist. Gebruik de Microsoft AI-beslissingsboom.

3.1 Individuele efficiëntie verbeteren

Wilt u de individuele efficiëntie verbeteren? Als het doel is om te verbeteren hoe werknemers werken, moet u bepalen waar u hulp nodig hebt. Microsoft biedt AI-ervaringen die werknemers in de hele organisatie, binnen specifieke producten of binnen specifieke rollen kunnen ondersteunen.

3.2 Bedrijfsfunctionaliteit automatiseren

Wilt u bedrijfsfunctionaliteit automatiseren? Als het doel is om bedrijfsprocessen aan te vullen of te automatiseren, kiest u de AI-oplossing die het vereiste aanpassingsniveau biedt met de laagste operationele verantwoordelijkheid.

3.2.1 AI op SaaS-platforms

Wilt u AI-ontwikkelplatforms met low-code, no-code als SaaS beschikbaar maken? SaaS- en low-codeplatforms verminderen de technische inspanning die nodig is om AI-mogelijkheden te maken. Begin met deze AI-opties wanneer ze voldoende aanpassing bieden voor de bedrijfsbehoefte. Microsoft Copilot Studio biedt een beheerd platform voor het maken van agents en het verbinden van agents met organisatorische gegevens en systemen.

3.2.2 AI op Azure platforms (PaaS)

Wilt u AI bouwen met Azure platform-as-a-service-oplossingen? Beheerde Azure AI-platforms bieden meer aanpassing dan SaaS-ontwikkeling zonder dat organisaties de onderliggende rekeninfrastructuur rechtstreeks hoeven te beheren. Gebruik deze benadering wanneer SaaS-mogelijkheden onvoldoende controle bieden over modellen, toepassingslogica, gegevensintegratie of AI-ontwikkeling.

3.2.3 AI op Azure infrastructuur

Azure infrastructuur mag niet de standaardbenadering voor AI-adoptie zijn. Gebruik beheerde AI-platforms wanneer deze voldoen aan zakelijke en technische vereisten. Azure infrastructuur is geschikt wanneer de organisatie controle vereist over modellen of runtime-omgevingen die beheerde platforms niet kunnen bieden. Het kan ook ondersteuning bieden voor gespecialiseerde prestatie- of nalevingsvereisten. Organisaties die deze aanpak kiezen, moeten rekening houden met meer technische expertise en doorlopende operationele verantwoordelijkheid.

4. Een AI-gegevensbasis voorbereiden

Hoe moeten gegevens AI ondersteunen? VOOR AI hoeven organisaties geen volledig nieuwe gegevensstrategie te maken voordat de adoptie begint. De vereiste gegevensmogelijkheden zijn afhankelijk van de AI-oplossingen en use cases die de organisatie gebruikt. Identificeer de organisatorische gegevens die elke AI-mogelijkheid vereist en zorg ervoor dat u veilig toegang hebt tot de gegevens en hierop passende governance kunt toepassen. Zie Unified data platform voor AI en Analytics voor meer informatie.

5. AI gebruiken

Microsoft's Cloud Adoption Framework geeft u een gestructureerd pad en u kunt het destilleren tot stappen voor AI-adoptie. Elke stap bouwt voort op de stap ervoor.

• AI-planning: AI-usecases omzetten in een plan om ze in productie te brengen.
• AI gereed: ontdek hoe AI-workloads in uw Azure landingszone passen en bepaalt u of uw architectuur of governance moet worden gewijzigd.
• AI besturen, beveiligen, beheren: standaarden instellen voor het besturen, beveiligen en beheren van AI-workloads.