Estratégia de IA - Orientações para definir a estratégia de IA da sua organização

Objetivo da IA: Todas as organizações querem que a IA acrescente valor às suas pessoas e processos. Esse valor tem de vir de uma IA que se mantém segura e funciona de forma eficiente. Tem de se adequar às competências e dados que já possui e manter-se dentro do orçamento. Desafio da IA: O objetivo é claro, mas alcançar esse valor nem sempre é simples. As equipas costumam experimentar muito e veem pouco retorno. Alguns constroem soluções contraditórias em toda a organização. Noutros locais, preocupações de segurança e baixa confiança restringem o que as pessoas podem usar, o que trava a IA.

Solução de IA: Muitas organizações recorreram às soluções de IA da Microsoft para enfrentar estes desafios. A Microsoft oferece um conjunto alargado de capacidades que lhe dão flexibilidade para abordar cada caso de uso de forma eficiente e manter a IA segura à medida que esta cresce. Estas orientações dão aos decisores um quadro para direcionar esse trabalho e alinhar os investimentos em IA com as necessidades do negócio.

Recomendação: Crie uma estratégia de IA que se adapte às necessidades do seu negócio, trabalhando as decisões nas secções seguintes em sequência. Cada decisão define as restrições que moldam a próxima e mantém o foco na criação de valor.

1. Identificação de casos de uso por IA

O primeiro passo na definição da sua estratégia de IA é a identificação de casos de uso. Esta etapa define como os decisores descobrem onde a IA pode melhorar os resultados empresariais em toda a organização. O objetivo é apresentar primeiro oportunidades significativas. A lista não precisa de ser exaustiva, embora possa ser. O seu objetivo é dar a todos uma visão comum sobre o que mais importa para o negócio. Percorra-o por ordem para que cada caso de uso possa ser associado a valor real.

1. Comece por problemas empresariais. Procure onde a organização precisa de melhores resultados antes de considerar a IA. Os sinais mais claros aparecem na forma como as pessoas trabalham, como esforços manuais repetidos ou aprovações lentas. Enquadre a pesquisa em termos simples como "onde é que os resultados falham as expectativas" ou "onde é que as pessoas passam tempo em tarefas repetitivas." Esta abordagem mantém a IA apontada para o valor em vez da novidade. Trade-off: Uma análise abrangente identifica muitas oportunidades, por isso mantenha o foco nas disparidades nos resultados que sejam simultaneamente mensuráveis e relevantes.

2. Traduz problemas em casos de uso. Transforme cada problema de negócio numa breve declaração que nomeie a atividade e o resultado esperado, como "ajudar os agentes de suporte a responder a partir de documentos internos para que o tempo de resolução diminua." Confirme que a atividade acontece com frequência suficiente para justificar o investimento. Compensação: Os cenários iniciais tendem a ser vagos, por isso refine-os, transformando-os em descrições claras e concretas antes de avançar.

3. Classificar o caso de uso. Classifica cada caso de uso com base em como cria valor. Use esta decisão para orientar futuras escolhas tecnológicas.

   • Trabalho individual: Estes casos de uso melhoram a forma como indivíduos ou equipas trabalham dentro das ferramentas existentes. Exemplos incluem assistência na escrita ou preparação de reuniões. Alinham-se fortemente com soluções de IA generativa como o Microsoft 365 Copilot.

   • Automação empresarial: Estes casos de uso alteram a forma como a organização opera ou entrega valor. Exemplos incluem o encaminhamento automatizado do cliente ou a previsão da procura. Frequentemente precisam de integração com outros sistemas e podem combinar mais do que um tipo de IA.

4. Considere o tipo de IA necessário. Isto é uma consideração, não uma decisão final, e podes revisitá-la à medida que o caso de uso se torna mais claro. Uma noção aproximada de quanta consistência se pretende no resultado reduz as opções tecnológicas que surgem a seguir. Tens a liberdade de ajustar mais tarde.

   • A IA generativa (não determinística) produz saídas que podem variar mesmo para a mesma entrada, e funciona bem quando as entradas não são estruturadas, como linguagem natural ou documentos. Adequa-se a casos em que o fluxo de trabalho não é fixo e onde se quer que o sistema crie conteúdo ou ajude numa decisão humana. Opta por esta abordagem quando não souberes os passos exatos antecipadamente e alguma variação nos resultados for aceitável.

   • A IA não generativa (determinística) produz saídas consistentes e repetíveis a partir de entradas estruturadas. Adapta-se a casos em que o fluxo de trabalho está definido e a mesma entrada deve levar ao mesmo resultado. Opte por esta abordagem para tarefas que dependem da precisão, como previsão ou deteção de anomalias.

Aplique esta mesma sequência a todas as áreas de negócio. Um fluxo repetível reduz a confusão, impede-te de recorrer à IA generativa onde não é necessária e prepara-te para escolher um caminho de solução a seguir.

2. Estratégia de tecnologia de IA

Que solução de IA da Microsoft deve escolher? Depois de identificar que casos de uso precisam de que tipo de IA, comece a restringir como construir ou comprar cada um. A Microsoft oferece quatro modelos de adoção que trocam a personalização pela simplicidade numa abordagem de responsabilidade partilhada. São Copilots prontos a usar, desenvolvimento SaaS de baixo código, desenvolvimento PaaS gerido e infraestrutura do Azure. À medida que passas do primeiro modelo para o último, ganhas controlo e perdes velocidade.

Cada abordagem requer um nível diferente de habilidade técnica e retorna um grau distinto de controlo. Use a árvore de decisão na secção seguinte para restringir as opções. Depois, use as seguintes orientações para pesar quatro fatores para a solução da IA:

• Capacidades: Analise as capacidades das soluções de IA da Microsoft e da Azure para ver se correspondem às necessidades do seu caso de uso.
• Dados necessários: Confirme que os dados necessários existem e estão acessíveis para o cenário.
• Competências necessárias: Valide que cada caso de uso é alcançável com as capacidades atuais antes de selecionar uma solução.
• Custo: Avalie se a solução se enquadra no seu orçamento.

Árvore de decisão de IA da Microsoft

Microsoft Copilots (agentes SaaS)

As soluções de IA prontas a usar da Microsoft, chamadas Copilots, aumentam rapidamente a eficiência porque precisam de pouca configuração e trabalham com dados que já possui. O Microsoft 365 Copilot adiciona assistência de IA em todas as aplicações do Office. Os Copilotos integrados no produto e baseados na função focam-se em funções profissionais e indústrias específicas. Compensação: Os copilotos oferecem os resultados mais rápidos, mas oferecem menos personalização do que uma solução personalizada.

Plataformas de desenvolvimento de IA SaaS (low-code)

A Microsoft disponibiliza opções de desenvolvimento SaaS para construir agentes de IA. O Copilot Studio permite que utilizadores empresariais criem assistentes de IA com linguagem natural, enquanto as extensões do Microsoft 365 Copilot permitem personalizar o Copilot empresarial com dados e processos específicos da empresa. Trade-off: As plataformas de desenvolvimento SaaS permitem que as equipas de negócio participem no desenvolvimento, mas a personalização extensiva tem limites e pode exigir a passagem para uma plataforma gerida.

IA em plataformas Azure (PaaS)

A plataforma como serviço é o ponto de partida para a maioria das aplicações e agentes personalizados. Escolhe-a quando o desenvolvimento SaaS low-code não te der personalização suficiente, mas ainda assim queres que a Microsoft execute a plataforma por ti. Tens um ambiente gerido para construir agentes e modelos personalizados. Este trabalho exige mais esforço do que o desenvolvimento SaaS, mas menos esforço do que gerir a infraestrutura por si próprio. A Microsoft gere a plataforma e tu não manténs servidores nem treinas os modelos base. Contrapartida: Uma plataforma gerida dá-lhe mais controlo do que o desenvolvimento em SaaS, mas requer competências de engenharia que as opções de desenvolvimento em SaaS não exigem.

Consulte as páginas individuais de preços para produtos listados em IA + aprendizagem automática e a calculadora de preços Azure para gerar estimativas de custos.

IA na infraestrutura do Azure

A infraestrutura do Azure dá-lhe controlo total sobre os seus próprios modelos e runtimes. Normalmente demora mais tempo a construir e exige mais esforço para ser mantido ao longo do tempo. Escolha esta opção quando tiver de trazer os seus próprios modelos, usar runtimes personalizados ou satisfazer necessidades de desempenho e conformidade que as plataformas geridas não conseguem. Compensação: A infraestrutura oferece o maior controlo, mas acarreta a maior responsabilidade operacional.

Veja os preços das GPUs em máquinas virtuais Linux e Windows. Use a calculadora de preços do Azure para estimativas.

3. Estratégia de IA responsável

Seja qual for o modelo e orçamento que escolher nos passos acima, o uso responsável é uma condição para executar IA em produção em grande escala. A sua organização precisa de definir os padrões que garantam uma IA justa e responsável em todas as equipas. Os modelos que selecionou determinam onde estes padrões se aplicam, mas os próprios padrões mantêm-se constantes em toda a organização. Basee-se nas orientações da Microsoft para IA responsável em vez de definir esses padrões aqui. Consulte as orientações da CAF para criar políticas de IA Responsável , de modo a implementar um quadro consistente.

4. Estratégia de dados

Um padrão de IA responsável é tão forte quanto os dados que o sustentam, por isso a sua estratégia de dados vem a seguir. A sua estratégia de dados determina se os seus casos de uso prioritários têm dados governados e de alta qualidade para trabalhar. Uma estratégia duradoura obtém e classifica dados e mantém-nos em conformidade à medida que a IA se espalha pelo Microsoft 365 e Azure. Concentre-se nas linhas de base da governação e na gestão do ciclo de vida em vez do design por carga de trabalho. Consulte as orientações da CAF para criar uma estratégia de dados para IA e análise.

5. Como adotar a IA

Com a estratégia definida, passe para planeamento e prontidão. A orientação de adoção da IA fornece listas de verificação para startups e empresas que levam cada decisão acima para a produção, com governação e segurança integradas.

Próximo passo