AI-användning

Den här artikeln innehåller en översikt över Microsoft AI-lösningar och hjälper beslutsfattare att avgöra hur deras organisation ska införa AI.

Organisationer investerar i AI för att skapa affärsvärde. Utmaningen är att avgöra var AI kan leverera värde och om det värdet motiverar investeringen. Utan en tydlig strategi kan team experimentera utan att skapa tillräckligt med värde och AI-investeringar kan bli fragmenterade.

Microsoft AI-lösningar hanterar olika affärsbehov och tillhandahåller olika anpassningsnivåer. Det här intervallet ger organisationer alternativ för att anpassa AI-investeringar till det värde de förväntar sig att uppnå.

Resultat: Den här vägledningen hjälper beslutsfattare att upprätta grunden för AI-implementering och avgöra var deras organisation ska investera.

AI-beslutsträd och arkitekturer

1. Vad är AI?

Artificiell intelligens (AI) använder algoritmer för att analysera data och producera resultat. Många AI-modeller lär sig mönster från befintliga data och använder dessa mönster för att bearbeta ny information och ge resultat. AI-funktioner hör vanligtvis till tre breda områden:

• Traditionell AI (icke-generativ): Analyserar data och ger resultat för ett definierat syfte, till exempel att göra förutsägelser, klassificera information och identifiera avvikelser.

• Generativ AI: Skapar nytt innehåll eller svar baserat på en användares begäran och tillgängliga kontext. Vanliga användningsområden är att skriva innehåll, svara på frågor, sammanfatta information, generera kod och hjälpa anställda med deras arbete.

• Agentisk AI: Använder AI-modeller med instruktioner och verktyg för att sträva mot ett mål och slutföra uppgifter. Agenter kan tolka begäranden, bestämma vad de ska göra och använda anslutna system för att vidta åtgärder inom definierade behörigheter och kontroller.

Dessa typer kan fungera tillsammans. En agent kan till exempel använda generativ AI för att tolka en begäran och traditionell AI för att göra en förutsägelse innan en auktoriserad åtgärd vidtas. Affärsbeslutet är därför inte bara om ai ska införas. Det handlar om var AI kan skapa värde och vilken förmågenivå som är lämplig för varje användningsfall.

2. Grunden för AI-användning

Vad ska ledningen göra först? En lyckad AI-implementering kräver mer än att välja rätt teknik. Ledare måste skapa de organisationsvillkor som gör det möjligt för team att använda AI produktivt och ansvarsfullt. Börja med tre åtgärder:

• Led AI-användningen: Hur ska ledare vägleda AI-implementering? AI-implementering fungerar bäst när chefer etablerar en gemensam riktning för organisationen. Ledare bör definiera de affärsresultat som AI förväntas stödja och visa tydligt stöd för dessa prioriteringar. En AI-strategi eller ett styrdokument bör dokumentera organisationens prioriteringar och beslutsrättigheter. Den bör också definiera hur organisationen mäter värdet av AI-investeringar.

• Centralisera AI-styrning: Vad ska vi centralisera? AI medför styrningsbeslut som gäller i hela organisationen. Framgångsrika organisationer etablerar centralt ansvar för organisationsomfattande AI-principer och standarder. En central styrningsfunktion, till exempel ett AI Center of Excellence, kan definiera ansvarsfulla AI-krav och gemensamma gränser. Affärsgrupper kan sedan sträva efter AI-möjligheter inom dessa gränser. Se Ansvarsfulla AI-policyer.

• Personalens åtkomst: Vem ska ha åtkomst till AI? Bred åtkomst till godkända AI-funktioner kan hjälpa organisationer att identifiera värdefulla användningsområden för AI och bygga upp organisatorisk erfarenhet. Medarbetarna förstår de affärsprocesser de utför varje dag och kan identifiera möjligheter där AI kan förbättra deras arbete. Organisationer bör kombinera åtkomst med utbildning så att anställda förstår hur de kan använda godkända AI-funktioner effektivt och ansvarsfullt.

3. Vilken AI ska vi använda?

Vilka AI-lösningar ska vi göra tillgängliga? Organisationer inför vanligtvis AI för två breda syften:

• Förbättra individuell effektivitet: AI hjälper anställda att slutföra arbetet mer effektivt genom funktioner som utformning, forskning, förberedelse av möten och identifiering av information.

• Automatisera affärsfunktioner: AI hjälper organisationer att utöka eller automatisera affärsfunktioner genom funktioner som agenter, prognostisering och beslutsstöd.

Microsoft tillhandahåller lösningar för båda syftena. Organisationer bör godkänna den lösning som uppfyller deras krav med minst operativt ansvar. Större anpassning kräver vanligtvis mer specialiserade kunskaper och större operativt ägarskap. Använd Microsoft AI-beslutsträdet.

3.1 Förbättra individuell effektivitet

Vill du öka den individuella effektiviteten? Om målet är att förbättra hur anställda arbetar kan du identifiera var du behöver hjälp. Microsoft tillhandahåller AI-upplevelser som kan stödja anställda i hela organisationen, inom specifika produkter eller inom specifika roller.

3.2 Automatisera affärsfunktioner

Vill du automatisera affärsfunktioner? Om målet är att förbättra eller automatisera affärsprocesser väljer du den AI-lösning som ger den anpassningsnivå som krävs med det lägsta operativa ansvaret.

3.2.1 AI på SaaS-plattformar

Vill du göra AI-utvecklingsplattformar med low-code (low-code, no-code) tillgängliga? SaaS- och lågkodsplattformar minskar den tekniska ansträngning som krävs för att skapa AI-funktioner. Börja med de här AI-alternativen när de tillhandahåller tillräckligt med anpassning för verksamhetens behov. Microsoft Copilot Studio tillhandahåller en hanterad plattform för att skapa agenter och ansluta dem till organisationsdata och system.

3.2.2 AI på Azure plattformar (PaaS)

Vill du skapa AI med Azure PaaS-lösningar? Hanterade Azure AI-plattformar ger större anpassningsmöjligheter än SaaS-utveckling utan att organisationer behöver hantera den underliggande beräkningsinfrastrukturen direkt. Använd den här metoden när SaaS-funktioner inte ger tillräckligt med kontroll över modeller, programlogik, dataintegrering eller AI-utveckling.

3.2.3 AI på Azure infrastruktur

Azure infrastruktur bör inte vara standardmetoden för AI-implementering. Använd hanterade AI-plattformar när de uppfyller affärs- och tekniska krav. Azure infrastruktur är lämplig när organisationen kräver kontroll över modeller eller körningsmiljöer som hanterade plattformar inte kan tillhandahålla. Det kan också stödja särskilda prestanda- eller efterlevnadskrav. Organisationer som väljer den här metoden måste planera för större teknisk expertis och löpande operativt ansvar.

4. Så här förbereder du ett datafundament för AI

Hur bör data stödja AI? AI kräver inte att organisationer skapar en helt ny datastrategi innan implementeringen börjar. Vilka datafunktioner som krävs beror på de AI-lösningar och användningsfall som organisationen inför. Identifiera de organisationsdata som varje AI-funktion kräver och se till att du kan komma åt data på ett säkert sätt och förvalta den på lämpligt sätt. Mer information finns i Enhetlig dataplattform för AI och analys.

5. Hur man antar AI

Microsoft Cloud Adoption Framework ger dig en strukturerad väg och du kan bryta ner det i steg för AI-implementering. Varje steg bygger på det som föregår det.

• AI-planering: Omvandla AI-användningsområden till en plan för att flytta dem till produktion.
• AI-redo: Lär dig hur AI-arbetsbelastningar passar in i din Azure landningszon och hur du avgör om din arkitektur eller styrning behöver ändras.
• Styr, skydda och hantera AI: Upprätta standarder för styrning, skydd och hantering av AI-arbetsbelastningar.