Notatka
Dostęp do tej strony wymaga autoryzacji. Może spróbować zalogować się lub zmienić katalogi.
Dostęp do tej strony wymaga autoryzacji. Możesz spróbować zmienić katalogi.
Cel sztucznej inteligencji: Każda organizacja chce, aby sztuczna inteligencja zwiększała wartość swoich pracowników i procesów. Ta wartość musi pochodzić ze sztucznej inteligencji, która pozostaje bezpieczna i działa wydajnie. Musi odpowiadać umiejętnościom i danym, które już masz, oraz mieścić się w budżecie. Wyzwanie sztucznej inteligencji: Cel jest jasny, ale osiągnięcie tej wartości nie zawsze jest proste. Zespoły często bardzo dużo eksperymentują i osiągają z tego niewielkie korzyści. Niektóre tworzą sprzeczne rozwiązania w całej organizacji. W innych miejscach obawy dotyczące bezpieczeństwa i niskie zaufanie ograniczają możliwości użytkowników, które powstrzymują sztuczną inteligencję.
Rozwiązanie sztucznej inteligencji: Wiele organizacji zwróciło się do Microsoft rozwiązań sztucznej inteligencji, aby sprostać tym wyzwaniom. Microsoft oferuje szeroki zestaw możliwości, które zapewniają elastyczność efektywnego rozwiązywania poszczególnych przypadków użycia i zapewnienia bezpieczeństwa sztucznej inteligencji podczas skalowania. Te wskazówki zapewniają osobom podejmującym decyzje ramy umożliwiające kierowanie tej pracy i dostosowanie inwestycji w sztuczną inteligencję do potrzeb biznesowych.
Zalecenie: Utwórz strategię sztucznej inteligencji, która odpowiada potrzebom biznesowym, wykonując decyzje opisane w poniższych sekcjach w kolejnych sekcjach. Każda decyzja wyznacza ograniczenia, które kształtują kolejną, i pozwala skupić się na tworzeniu wartości.
1. Identyfikacja przypadków użycia sztucznej inteligencji
Pierwszym krokiem tworzenia ram strategii sztucznej inteligencji jest identyfikacja przypadków użycia. W tym kroku opisano, w jaki sposób osoby podejmujące decyzje odkrywają, gdzie sztuczna inteligencja może poprawić wyniki biznesowe w całej organizacji. Celem jest w pierwszej kolejności pokazanie najbardziej istotnych możliwości. Lista nie musi być wyczerpująca, chociaż może być. Jego celem jest zapewnienie wszystkim wspólnego poglądu na to, co ma największe znaczenie dla firmy. Przejdź przez to po kolei, aby każdy przypadek użycia można było powiązać z rzeczywistą wartością.
Zacznij od problemów biznesowych. Poszukaj miejsca, w którym organizacja potrzebuje lepszych wyników, zanim w ogóle rozważysz sztuczną inteligencję. Najwyraźniejsze sygnały pojawiają się w sposobie, w jaki ludzie pracują, na przykład w postaci powtarzającej się ręcznej pracy lub powolnych procesów zatwierdzania. Sformułuj poszukiwania prostymi słowami, na przykład: „gdzie wyniki nie spełniają oczekiwań” albo „gdzie ludzie poświęcają czas na powtarzalne zadania”. Takie podejście pozwala skupić AI na wartości, a nie na nowości. Kompromis: Szeroka analiza ujawnia wiele możliwości, więc skup się na lukach względem oczekiwanych rezultatów, które są zarówno mierzalne, jak i istotne.
Przetłumacz problemy na przypadki użycia. Przekształć każdy problem biznesowy w krótkie stwierdzenie określające działanie i oczekiwany rezultat, na przykład „pomóc pracownikom wsparcia odpowiadać na podstawie dokumentów wewnętrznych, aby skrócić czas rozwiązywania zgłoszeń”. Upewnij się, że dane działanie występuje wystarczająco często, aby uzasadnić inwestycję. Kompromis polega na tym, że wczesne scenariusze są zwykle mało precyzyjne, więc przed przejściem dalej doprecyzuj je do postaci jasnych i praktycznych opisów.
Klasyfikuj przypadek użycia. Klasyfikuj każdy przypadek użycia na podstawie sposobu tworzenia wartości. Ta decyzja służy do kierowania późniejszymi opcjami technologicznymi.
Praca indywidualna: Te przypadki użycia zwiększają sposób działania poszczególnych osób lub zespołów wewnątrz istniejących narzędzi. Przykłady obejmują pisanie pomocy lub przygotowanie na spotkanie. Są one silnie dostosowane do generacyjnych rozwiązań sztucznej inteligencji, takich jak Microsoft 365 Copilot.
Automatyzacja biznesowa: Te przypadki użycia zmieniają sposób działania organizacji lub dostarczają wartość. Przykłady to automatyczne kierowanie klientów lub prognozowanie zapotrzebowania. Często potrzebują integracji z innymi systemami i mogą łączyć więcej niż jeden typ sztucznej inteligencji.
Weź pod uwagę wymagany typ sztucznej inteligencji. Jest to kwestia, a nie ostateczna decyzja i można ją ponownie przejrzeć, ponieważ przypadek użycia staje się jaśniejszy. Przybliżone poczucie, ile spójności chcesz uzyskać w wyniku, zawęża wybory technologiczne, które nadejdą dalej. Masz swobodę dostosowywania go później.
Generowanie sztucznej inteligencji (niedeterministycznej) generuje dane wyjściowe, które mogą się różnić nawet dla tych samych danych wejściowych, i działa dobrze, gdy dane wejściowe są nieustrukturyzowane, takie jak język naturalny lub dokumenty. Pasuje do przypadków, w których przepływ pracy nie jest stały i gdzie system ma tworzyć zawartość lub pomagać w podjęciu decyzji przez człowieka. Wybierz to podejście, gdy nie znasz z góry dokładnych kroków i pewna zmienność wyników jest dopuszczalna.
Niegeneracyjna sztuczna inteligencja (deterministyczna) generuje spójne i powtarzalne dane wyjściowe ze ustrukturyzowanych danych wejściowych. Pasuje do przypadków, w których zdefiniowany jest przepływ pracy, a te same dane wejściowe powinny prowadzić do tego samego wyniku. Wybierz tę opcję w przypadku zadań wymagających dokładności, takich jak przewidywanie lub wykrywanie anomalii.
Zastosuj tę samą sekwencję w każdym obszarze biznesowym. Powtarzalny proces ogranicza chaos, powstrzymuje przed sięganiem po generatywną sztuczną inteligencję tam, gdzie nie jest potrzebna, i przygotowuje do wyboru dalszej ścieżki postępowania.
2. Strategia technologii sztucznej inteligencji
Jakie rozwiązanie Microsoft sztucznej inteligencji należy wybrać? Po zidentyfikowaniu przypadków użycia, które wymagają jakiego typu sztucznej inteligencji, zacznij zawężać sposób kompilowania lub kupowania każdego z nich. Microsoft oferuje cztery modele wdrożenia, które stanowią kompromis między możliwością dostosowania a prostotą w ramach modelu współdzielonej odpowiedzialności. Są to gotowe do użycia rozwiązania Copilot, tworzenie aplikacji SaaS w środowisku low-code, tworzenie zarządzanych rozwiązań PaaS oraz infrastruktura Azure. Przechodząc od pierwszego modelu do ostatniego, zyskujesz większą kontrolę, ale tracisz na szybkości.
Każde podejście wymaga innego poziomu umiejętności technicznych i zwraca inny stopień kontroli. Użyj drzewa decyzyjnego w poniższej sekcji, aby zawęzić opcje. Następnie skorzystaj z poniższych wskazówek, aby rozważyć cztery czynniki dotyczące rozwiązania sztucznej inteligencji:
- Możliwości: Przejrzyj możliwości rozwiązań Microsoft i Azure sztucznej inteligencji, aby sprawdzić, czy spełniają one potrzeby twojego przypadku użycia.
- Potrzebne dane: Upewnij się, że wymagane dane istnieją i są dostępne dla scenariusza.
- Wymagane umiejętności: Przed wybraniem rozwiązania sprawdź, czy każdy przypadek użycia jest osiągalny z bieżącymi możliwościami.
- Koszt: Oceń, czy rozwiązanie pasuje do budżetu.
drzewo decyzyjne sztucznej inteligencji Microsoft
Microsoft Copilots (agenci SaaS)
Gotowe do użycia rozwiązania AI firmy Microsoft, zwane Copilotami, szybko zwiększają wydajność, ponieważ wymagają minimalnej konfiguracji i działają w oparciu o dane, które już masz. Microsoft 365 Copilot dodaje pomoc dotyczącą sztucznej inteligencji w aplikacjach pakietu Office. Copiloty wbudowane w produkt oraz oparte na rolach są ukierunkowane na określone role zawodowe i branże. Kompromis: Copilots dostarcza najszybsze wyniki, ale oferują one mniej dostosowywania niż niestandardowe rozwiązanie.
| Microsoft Copilots | Opis | Użytkownik | Potrzebne dane | Wymagane umiejętności | Główne czynniki kosztowe |
|---|---|---|---|---|---|
| Microsoft 365 Copilot | Czat i pomoc w aplikacjach w usłudze Microsoft 365 oparte na zasobach internetowych i funkcji Work IQ oraz na danych Microsoft. | Biznes | Zastosuj etykiety poufności do danych Microsoft 365, aby ochrona podążała za zawartością. | Ogólne zarządzanie zasobami IT i danymi | Licencja na użytkownika |
| Copiloty i agenci oparci na rolach | Pomoc specyficzna dla roli dla agenta zabezpieczeń, agenta sprzedaży, usługi i agenta finansowego. | Biznes | Tak. Dostępne są opcje połączenia danych i opcje wtyczek. | Ogólne zarządzanie zasobami IT i danymi | dostęp do Microsoft 364 Copilot lub jednostki obliczeniowe dla zabezpieczeń (SCU) dla Security Copilot |
| Copiloty i agenci w produkcie | Sztuczna inteligencja wewnątrz produktów, takich jak GitHub, Power Apps, Power BI, Dynamics 365, Power Automate, Microsoft Fabric, Microsoft Entrai Azure. | Firma i osoba indywidualna | Tak. Większość wymaga minimalnego przygotowania danych. | Minimalna (podstawowa konfiguracja administratora i gotowość danych) | Bezpłatna lub subskrypcja |
| Microsoft Copilot | Microsoft Copilot to bezpłatna internetowa aplikacja do czatu. | Osoba fizyczna | Nie. | Żadne | Bezpłatna |
Platformy deweloperskie sztucznej inteligencji SaaS (niskokodowe)
Microsoft udostępnia opcje programowania SaaS umożliwiające tworzenie agentów sztucznej inteligencji. Copilot Studio umożliwia użytkownikom biznesowym tworzenie asystentów sztucznej inteligencji przy użyciu języka naturalnego, a rozszerzenia Microsoft 365 Copilot umożliwiają dostosowywanie Copilot przedsiębiorstwa przy użyciu danych i procesów specyficznych dla firmy. Kompromis: platformy deweloperskie SaaS otwierają programowanie dla zespołów biznesowych, ale duże dostosowanie osiąga limity i może wymagać przejścia na zarządzaną platformę.
| Platform | Opis | Użytkownik | Potrzebne dane | Wymagane umiejętności | Główne czynniki kosztowe |
|---|---|---|---|---|---|
| Copilot Studio | Użyj Copilot Studio do tworzenia konwersacyjnych agentów sztucznej inteligencji i przepływów pracy automatyzacji przy użyciu narzędzi o niskim kodzie i języka naturalnego. | Dział IT | Automatyzuje większość integracji danych w celu tworzenia niestandardowych copilots z połączeniami z różnymi źródłami danych. | Konfiguracja platformy umożliwiająca łączenie źródeł danych, projektowanie przepływów konwersacyjnych i wdrażanie copilots | Licencja |
| Narzędzia rozszerzalności dla Microsoft 365 Copilot | Customize Microsoft 365 Copilot z większą ilością danych lub możliwościami za pomocą agentów deklaratywnych. Użyj narzędzi, takich jak Copilot Studio, Agent Builder i Agents Toolkit. | Firma i osoba indywidualna | Dodawanie danych za pomocą łączników Microsoft 365 Copilot. | Zarządzanie danymi, ogólne umiejętności informatyczne lub deweloperskie | licencja Microsoft 365 Copilot |
Sztuczna inteligencja na platformach Azure (PaaS)
Platforma jako usługa jest punktem wyjścia dla większości niestandardowych aplikacji i agentów. Wybierz ją, gdy tworzenie aplikacji SaaS w modelu low-code nie zapewnia wystarczających możliwości dostosowania, ale nadal chcesz, aby platformą zarządzał Microsoft. Środowisko zarządzane umożliwia tworzenie niestandardowych agentów i modeli. Ta praca wymaga większego nakładu pracy niż opracowywanie rozwiązań SaaS, ale mniej wysiłku niż samodzielne uruchamianie infrastruktury. Microsoft zarządza platformą i nie utrzymujesz serwerów ani nie trenujesz modeli podstawowych. Kompromis: zarządzana platforma zapewnia większą kontrolę niż programowanie w modelu SaaS, ale wymaga umiejętności inżynieryjnych, których nie mają opcje programowania SaaS.
| Cel sztucznej inteligencji | rozwiązanie Microsoft | Potrzebne dane | Wymagane umiejętności | Główne czynniki kosztowe |
|---|---|---|---|---|
| Agent budujący | usługa agenta Microsoft Foundry | Yes | Wybór typu agenta, dodawanie narzędzi i danych, debugowanie przy użyciu śladów, oceny, optymalizacji, publikowania, monitorowania. Zobacz Cykl życia agenta | Korzystanie z tokenów modelu, pamięci, cech, zasobów obliczeniowych, połączeń podstawowych |
| Tworzenie aplikacji RAG | Odlewnia | Yes | Wybór modeli, orkiestracja przepływu danych, dzielenie danych na fragmenty, wzbogacanie fragmentów, wybór metody indeksowania, rozumienie typów zapytań (pełnotekstowych, wektorowych, hybrydowych), rozumienie filtrów i faset, ponowne rankingowanie wyników, inżynieria promptów, wdrażanie punktów końcowych interfejsu API i korzystanie z nich w aplikacjach | Oblicz, liczba użytych i odebranych tokenów, zużyte usługi sztucznej inteligencji, przechowywanie i transfer danych |
| Dostosowanie modelu GenAI | Odlewnia | Yes | Wstępne przetwarzanie danych, dzielenie danych na dane trenowania i walidacji, weryfikowanie modeli, konfigurowanie innych parametrów, ulepszanie modeli, wdrażanie modeli i korzystanie z punktów końcowych w aplikacjach | Oblicz, liczba użytych i odebranych tokenów, zużyte usługi sztucznej inteligencji, przechowywanie i transfer danych |
| Trenowanie i wnioskowanie modeli |
Azure Machine Learning lub Microsoft Fabric |
Yes | Wstępne przetwarzanie danych, trenowanie modeli przy użyciu kodu lub automatyzacji, ulepszanie modeli, wdrażanie modeli uczenia maszynowego i wykorzystanie punktów końcowych w aplikacjach. | Obliczenia, magazyn i transfer danych |
| Korzystanie ze wstępnie utworzonych modeli i usług sztucznej inteligencji | Narzędzia odlewnicze | Yes | Wybierz modele sztucznej inteligencji, zabezpieczanie punktów końcowych, korzystanie z punktów końcowych w aplikacjach i dostrajanie w razie potrzeby | Korzystanie z punktów końcowych modelu, pamięci masowej, transferu danych, zasobów obliczeniowych (jeśli trenowane są modele niestandardowe) |
| Izolowanie aplikacji sztucznej inteligencji | Azure Container Apps z obsługą bezserwerowego procesora GPU | Yes | Wybierz modele sztucznej inteligencji, organizowanie przepływu danych, dzielenie danych na fragmenty, wzbogacanie danych, wybieranie indeksowania, interpretację typów zapytań (pełnotekstowe, wektorowe, hybrydowe), interpretację filtrów i aspektów, przeprowadzanie ponownej oceny, tworzenie promptów, wdrażanie punktów końcowych i korzystanie z punktów końcowych w aplikacjach; opcjonalna konfiguracja środowiska/sieci wirtualnej na potrzeby izolacji sieci (dostępność regionalna i stan funkcji mogą się różnić) | Oblicz, liczba użytych i odebranych tokenów, zużyte usługi sztucznej inteligencji, przechowywanie i transfer danych |
Zobacz poszczególne strony cennika produktów wymienionych w obszarze Sztuczna inteligencja i uczenie maszynowe oraz kalkulator cen Azure w celu wygenerowania oszacowań kosztów.
Sztuczna inteligencja w infrastrukturze Azure
Azure infrastruktura zapewnia pełną kontrolę nad własnymi modelami i środowiskami uruchomieniowymi. Zwykle jego stworzenie zajmuje najwięcej czasu i wymaga najwięcej wysiłku, aby utrzymać je z upływem czasu. Wybierz tę opcję, jeśli musisz korzystać z własnych modeli, używać niestandardowych środowisk uruchomieniowych lub spełniać wymagania dotyczące wydajności i zgodności, których nie mogą zarządzać platformy zarządzane. Kompromis: Infrastruktura oferuje największą kontrolę, ale ma najwięcej własności operacyjnej.
| Cel sztucznej inteligencji | rozwiązanie Microsoft | Potrzebne dane | Wymagane umiejętności | Główne czynniki kosztowe |
|---|---|---|---|---|
| Trenuj i uruchamiaj własne modele na infrastrukturze, którą zarządzasz | AI w infrastrukturze Azure | Yes | Zarządzanie infrastrukturą, IT, instalacja programu, trenowanie modelu, testowanie modelu, orkiestracja, wdrażanie punktów końcowych, zabezpieczanie punktów końcowych i korzystanie z punktów końcowych w aplikacjach | Zasoby obliczeniowe, orkiestrator węzłów obliczeniowych, dyski zarządzane (opcjonalnie), usługi magazynu, Azure Bastion i inne używane usługi Azure |
Zobacz Ceny procesorów GPU w systemie Linux i maszynach wirtualnych Windows. Skorzystaj z kalkulatora cen Azure w celu oszacowania.
3. Strategia odpowiedzialnego używania sztucznej inteligencji
Niezależnie od modelu i budżetu wybranego w powyższych krokach odpowiedzialne użycie jest warunkiem uruchamiania sztucznej inteligencji w środowisku produkcyjnym na dużą skalę. Twoja organizacja musi ustanowić standardy, które zapewnią, że sztuczna inteligencja będzie sprawiedliwa i rozliczalna we wszystkich zespołach. Wybrane modele określają, gdzie te standardy mają zastosowanie, ale same standardy pozostają stałe w całej organizacji. Opieraj się na wskazówkach firmy Microsoft dotyczących odpowiedzialnej sztucznej inteligencji, zamiast definiować te standardy tutaj. Zapoznaj się ze wskazówkami CAF, aby utworzyć zasady odpowiedzialnej sztucznej inteligencji i ustanowić spójne ramy.
4. Strategia danych
Standard dotyczący odpowiedzialnej sztucznej inteligencji jest tylko tak mocny, jak dane, na których się opiera, dlatego kolejnym krokiem jest strategia zarządzania danymi. Strategia danych decyduje o tym, czy priorytetowe scenariusze użycia dysponują dobrze zarządzanymi danymi wysokiej jakości. Trwała strategia pozyskuje i klasyfikuje dane oraz zapewnia ich zgodność, w miarę jak rozwiązania AI stają się coraz powszechniejsze w usługach Microsoft 365 i Azure. Skoncentruj się na bazowych zasadach ładu i zarządzaniu cyklem życia zamiast na projektowaniu poszczególnych obciążeń roboczych. Zapoznaj się ze wskazówkami CAF, aby opracować strategię danych na potrzeby sztucznej inteligencji i analityki.
5. Jak wdrożyć sztuczną inteligencję
Po ustawieniu strategii przejdź do planowania i gotowości. Wskazówki dotyczące wdrażania AI zawierają listy kontrolne dla startupów i przedsiębiorstw, które pomagają przenieść każdą z powyższych decyzji do środowiska produkcyjnego przy wbudowanych mechanizmach nadzoru i zabezpieczeniach.