Observação
O acesso a essa página exige autorização. Você pode tentar entrar ou alterar diretórios.
O acesso a essa página exige autorização. Você pode tentar alterar os diretórios.
Meta de IA: Cada organização quer que a IA adicione valor a suas pessoas e processos. Esse valor precisa vir da IA que permanece segura e é executada com eficiência. Ele deve se ajustar às habilidades e dados que você já tem e permanecer dentro do orçamento. Desafio de IA: A meta é clara, mas atingir esse valor nem sempre é simples. As equipes geralmente experimentam muito e veem pouco retorno. Alguns criam soluções conflitantes em toda a organização. Em outros lugares, as preocupações com a segurança e a baixa confiança restringem o que as pessoas podem usar, o que retém a IA.
Solução de IA: Muitas organizações recorreram a soluções de IA Microsoft para atender a esses desafios. Microsoft oferece um amplo conjunto de recursos que oferecem flexibilidade para lidar com cada caso de uso com eficiência e manter a IA segura conforme ela é dimensionada. Essa orientação fornece aos tomadores de decisão uma estrutura para direcionar esse trabalho e alinhar os investimentos em IA com as necessidades de negócios.
Recomendação: Crie uma estratégia de IA que atenda às suas necessidades de negócios trabalhando nas decisões nas seções a seguir em sequência. Cada decisão define as restrições que moldam a próxima e mantém o foco na criação de valor.
1. Identificação de caso de uso de IA
A primeira etapa para enquadrar sua estratégia de IA é a identificação de caso de uso. Esta etapa define como os tomadores de decisão descobrem onde a IA pode melhorar os resultados dos negócios em toda a organização. O objetivo é destacar primeiro as oportunidades significativas. A lista não precisa ser exaustiva, embora possa ser. Seu objetivo é dar a todos uma visão comum do que mais importa para o negócio. Siga essa ordem para que cada caso de uso possa ser vinculado a um valor real.
Comece com problemas de negócios. Procure onde a organização precisa de melhores resultados antes de considerar a IA. Os sinais mais claros aparecem em como as pessoas funcionam, como esforço manual repetido ou aprovações lentas. Enquadre a busca em termos simples, como "em que os resultados não atendem às expectativas" ou "onde as pessoas gastam tempo em tarefas repetitivas". Essa abordagem mantém o foco da IA no valor, em vez da novidade. Compensação: uma análise ampla revela muitas oportunidades, portanto mantenha o foco nas lacunas dos resultados que sejam mensuráveis e significativas.
Transforme problemas em casos de uso. Transforme cada problema de negócios em uma breve instrução que nomeia a atividade e o resultado esperado, como "ajudar os agentes de suporte a responder de documentos internos para que o tempo de resolução caia". Confirme se a atividade ocorre com frequência suficiente para justificar o investimento. Compensação: os primeiros cenários tendem a ser vagos, portanto, refine-os em descrições claras e práticas antes de seguir em frente.
Classificar caso de uso. Classifique cada caso de uso com base em como ele cria valor. Use essa decisão para orientar as opções de tecnologia posteriores.
Trabalho individual: Esses casos de uso melhoram a forma como indivíduos ou equipes trabalham dentro de ferramentas existentes. Exemplos incluem assistência à escrita ou preparação para reuniões. Eles se alinham fortemente a soluções de IA gerativas, como Microsoft 365 Copilot.
Automação de negócios: Esses casos de uso mudam a forma como a organização opera ou fornece valor. Exemplos incluem roteamento automatizado de clientes ou previsão de demanda. Eles geralmente precisam de integração com outros sistemas e podem combinar mais de um tipo de IA.
Considere o tipo de IA necessário. Essa é uma consideração, não uma decisão final, e você pode revisitá-la à medida que o caso de uso se torna mais claro. Uma noção aproximada de quanta consistência você deseja no resultado restringe as escolhas tecnológicas que vêm em seguida. Você tem a liberdade de ajustá-la mais tarde.
A IA generativa (não determinística) produz saídas que podem variar até mesmo para a mesma entrada e funciona bem quando as entradas não são estruturadas, como linguagem natural ou documentos. Ele atende a casos em que o fluxo de trabalho não é corrigido e onde você deseja que o sistema crie conteúdo ou ajude uma decisão humana. Opte por esta abordagem quando você não souber exatamente quais são as etapas e alguma variação no resultado for aceitável.
A IA nãogenerativa (determinística) produz saídas consistentes e repetíveis de entradas estruturadas. Ele se ajusta a casos em que o fluxo de trabalho é definido e a mesma entrada deve levar ao mesmo resultado. Opte por esta abordagem para tarefas que exigem precisão, como previsão ou detecção de anomalias.
Aplique essa mesma sequência em todas as áreas de negócios. Um fluxo repetível reduz a confusão, impede que você acesse a IA generativa onde ela não é necessária e prepara você para escolher um caminho de solução em seguida.
2. Estratégia de tecnologia de IA
Qual solução de IA Microsoft você deve escolher? Depois de identificar quais casos de uso precisam de qual tipo de IA, comece a restringir como criar ou comprar cada um deles. Microsoft oferece quatro modelos de adoção que equilibram personalização e simplicidade em uma abordagem de responsabilidade compartilhada. São Copilots prontos para usar, desenvolvimento de SaaS com pouco código, desenvolvimento gerenciado de PaaS e infraestrutura do Azure. À medida que você passa do primeiro modelo para o último, você ganha controle e desiste da velocidade.
Cada abordagem requer um nível diferente de habilidade técnica e retorna um grau diferente de controle. Use a árvore de decisão na seção a seguir para restringir as opções. Em seguida, use as seguintes diretrizes para pesar quatro fatores para a solução de IA:
- Capacidades: Examine os recursos de soluções de IA Microsoft e Azure para ver se elas atendem às necessidades do seu caso de uso.
- Dados necessários: Confirme se os dados necessários existem e está acessível para o cenário.
- Habilidades necessárias: Valide se cada caso de uso é possível com os recursos atuais antes de selecionar uma solução.
- Custo: Avalie se a solução se ajusta ao seu orçamento.
árvore de decisão de IA Microsoft
Microsoft Copilots (agentes SaaS)
Microsoft soluções de IA prontas para uso, chamadas Copilots, aumentam a eficiência rapidamente porque precisam de pouca configuração e funcionam com os dados que você já tem. Microsoft 365 Copilot adiciona assistência de IA em aplicativos do Office. Os Copilots integrados ao produto e baseados em funções se concentram em funções e setores específicos. Trade-off: os copilotos produzem os resultados mais rápidos, mas oferecem menos personalização do que uma solução personalizada.
| Copilotos da Microsoft | Descrição | Usuário | Dados necessários | Habilidades requeridas | Principais fatores de custo |
|---|---|---|---|---|---|
| Microsoft Copilot | Um aplicativo que se conecta ao seu conteúdo de trabalho e aos aplicativos que você já usa, reunindo os modelos de IA mais recentes para ajudá-lo a criar conteúdo finalizado. | Negócios | Aplique rótulos de confidencialidade de proteção aos dados do Microsoft 365 para que a proteção siga o conteúdo. | Gerenciamento geral de TI e dados | Licença por usuário |
| Copilots e agentes baseados em funções | Ajuda específica para segurança, agente de vendas, serviço e agente financeiro. | Negócios | Sim. Opções de conexão de dados e integração estão disponíveis. | Gerenciamento geral de TI e dados | acesso ao Microsoft Copilot ou SCUs (Unidades de Computação de Segurança) para Security Copilot |
| Copilots e agentes integrados ao produto | IA dentro de produtos como GitHub, Power Apps, Power BI, Dynamics 365, Power Automate, Microsoft Fabric, Microsoft Entrae Azure. | Empresarial e indivíduo | Sim. A maioria requer preparação mínima de dados. | Mínimo (configuração básica de administrador e preparação de dados) | Gratuito ou por assinatura |
| Microsoft Copilot | Microsoft Copilot é um aplicativo de chat gratuito com base na Web. | Indivíduo | No | Nenhum | Gratuito |
Plataformas de desenvolvimento de IA saaS (baixo código)
Microsoft fornece opções de desenvolvimento de SaaS para criar agentes de IA. Copilot Studio permite que os usuários de negócios criem assistentes de IA com linguagem natural, enquanto as extensões Microsoft 365 Copilot permitem personalizar Copilot empresariais com dados e processos específicos da empresa. Trade-off: as plataformas de desenvolvimento SaaS abrem o desenvolvimento para equipes de negócio, mas a personalização intensa tem seus limites e pode exigir a migração para uma plataforma gerenciada.
| Platform | Descrição | Usuário | Dados necessários | Habilidades requeridas | Principais fatores de custo |
|---|---|---|---|---|---|
| Copilot Studio | Use Copilot Studio para criar agentes de IA de conversa e fluxos de trabalho de automação com ferramentas de baixo código e linguagem natural. | TI | Automatiza grande parte da integração de dados para criar copilots personalizados com conexões com várias fontes de dados. | Configuração da plataforma para conectar fontes de dados, projetar fluxos de conversa e implantar copilots | Licença |
| Ferramentas de extensibilidade para Microsoft 365 Copilot | Customize Microsoft 365 Copilot com mais dados ou recursos por meio de agentes declarativos. Use ferramentas como Copilot Studio, Agent Builder e Agents Toolkit. | Empresarial e indivíduo | Use os conectores do Microsoft 365 Copilot para adicionar dados. | Gerenciamento de dados, TI geral ou habilidades de desenvolvedor | licença Microsoft 365 Copilot |
IA em plataformas de Azure (PaaS)
A plataforma como serviço é o ponto de partida para a maioria dos aplicativos e agentes personalizados. Escolha-o quando o desenvolvimento de SaaS de baixo código não puder fornecer personalização suficiente, mas você ainda deseja Microsoft executar a plataforma para você. Você obtém um ambiente gerenciado para criar agentes e modelos personalizados. Esse trabalho exige mais esforço do que o desenvolvimento de SaaS, mas menos esforço do que executar a infraestrutura por conta própria. Microsoft gerencia a plataforma e você não mantém servidores nem treina os modelos base. Contrapartida: uma plataforma gerenciada oferece mais controle do que o desenvolvimento em SaaS, mas exige conhecimentos de engenharia que as opções de desenvolvimento em SaaS não exigem.
| Objetivo da IA | solução Microsoft | Dados necessários | Habilidades requeridas | Principais fatores de custo |
|---|---|---|---|---|
| Criar agentes | Serviço de Agente do Microsoft Foundry | Sim | Seleção do tipo de agente, adição de ferramentas e dados, depuração com rastros, avaliação, otimização, publicação, monitoramento. Ver o ciclo de vida do Agente | Consumindo tokens do modelo, armazenamento, recursos, computação, conexões de orientação |
| Criar RAG | Fundição | Sim | Seleção de modelos, orquestração do fluxo de dados, segmentação de dados, enriquecimento de blocos, escolha da indexação, compreensão dos tipos de consulta (texto completo, vetorial, híbrida), compreensão de filtros e facetas, reranqueamento, engenharia de prompt, implantação de endpoints e consumo de endpoints em aplicativos | Computação, número de tokens de entrada e saída, serviços de IA consumidos, armazenamento e transferência de dados |
| Aperfeiçoar modelos GenAI | Fundição | Sim | Pré-processamento de dados, divisão dos dados em dados de treinamento e validação, validação de modelos, configuração de outros parâmetros, melhoria de modelos, implantação de modelos e consumo de endpoints em aplicativos | Computação, número de tokens de entrada e saída, serviços de IA consumidos, armazenamento e transferência de dados |
| Treinar e inferir modelos |
Azure Machine Learning ou Microsoft Fabric |
Sim | Pré-processar dados, treinar modelos usando código ou automação, melhorar modelos, implantar modelos de aprendizado de máquina e utilizar endpoints em aplicativos. | Computação, armazenamento e transferência de dados |
| Consuma modelos e serviços de IA prontos | Foundry Tools | Sim | Selecionar modelos de IA, proteger pontos de extremidade, consumir pontos de extremidade em aplicativos e ajustar de acordo com a necessidade | Usar pontos de extremidade de modelo consumidos, armazenamento, transferência de dados, computação (se você treina modelos personalizados) |
| Isolar aplicativos de IA | Aplicativos de Contêiner do Azure com suporte de GPU sem servidor | Sim | Selecione modelos de IA, orquestrando fluxo de dados, segmentando dados, enriquecendo segmentos de dados, escolhendo indexação, entendendo tipos de consulta (texto completo, vetor, híbrido), entendendo filtros e facetas, executando reclassificação, engenharia de prompts, implantando endpoints e consumindo endpoints em aplicativos; configuração opcional de ambiente/VNet para isolamento de rede (disponibilidade regional e status do recurso podem variar) | Computação, número de tokens de entrada e saída, serviços de IA consumidos, armazenamento e transferência de dados |
Consulte as páginas de preços individuais para produtos listados em IA + machine learning e na calculadora de preços Azure para gerar estimativas de custo.
IA na infraestrutura do Azure
A infraestrutura do Azure oferece controle total de seus próprios modelos e ambientes de execução. Normalmente, leva mais tempo para ser desenvolvido e exige mais esforço para se manter ao longo do tempo. Escolha essa opção quando precisar trazer seus próprios modelos, usar runtimes personalizados ou atender às necessidades de desempenho e conformidade que as plataformas gerenciadas não podem. Trade-off: a infraestrutura oferece o maior controle, mas também exige a maior responsabilidade operacional.
| Objetivo da IA | solução Microsoft | Dados necessários | Habilidades requeridas | Principais fatores de custo |
|---|---|---|---|---|
| Treinar e executar seus próprios modelos na infraestrutura que você gerencia | AI sobre infraestrutura Azure | Sim | Gerenciamento de infraestrutura, TI, instalação de programas, treinamento de modelos, avaliação comparativa de modelos, orquestração, implantação de pontos de extremidade, proteção de pontos de extremidade e uso de pontos de extremidade em aplicativos. | Computação, orquestrador de nós de computação, discos gerenciados (opcional), serviços de armazenamento, Azure Bastion e outros serviços de Azure usados |
Consulte os preços da GPU com máquinas virtuais Linux e Windows. Use a calculadora de preços Azure para estimativas.
3. Estratégia de IA responsável
Seja qual for o modelo e o orçamento escolhidos nas etapas acima, o uso responsável é uma condição de execução da IA em produção em escala. Sua organização precisa estabelecer os padrões que mantêm a IA justa e responsável em todas as equipes. Os modelos selecionados determinam onde esses padrões se aplicam, mas os padrões em si permanecem constantes em toda a organização. Baseie-se nas diretrizes da Microsoft para IA responsável em vez de definir esses padrões aqui. Consulte as diretrizes do CAF para criar políticas de IA responsável para colocar uma estrutura consistente em vigor.
4. Estratégia de dados
Um padrão de IA responsável é tão forte quanto os dados por trás dele, portanto, sua estratégia de dados vem em seguida. Sua estratégia de dados determina se os casos de uso prioritários têm dados governados e de alta qualidade com os quais trabalhar. Uma estratégia durável origina e classifica os dados e os mantém em conformidade à medida que a IA se espalha por Microsoft 365 e Azure. Concentre-se nas linhas de base de governança e no gerenciamento do ciclo de vida em vez do design por carga de trabalho. Consulte as diretrizes de CAF para criar uma estratégia de dados para IA e análise.
5. Como adotar a IA
Com a estratégia definida, passe para o planejamento e a preparação. As diretrizes de adoção de IA fornecem listas de verificação para startups e empresas que levam cada uma das decisões acima para produção, com governança e segurança integradas.