Delen via

Het beste pro-codepatroon kiezen om uw generatieve AI-oplossing te maken

Patroonselectie in de PRO-code ISV Journey

Om onafhankelijke softwareleveranciers (ISV's) te helpen hun generatieve AI-oplossingen te bouwen, heeft Microsoft richtlijnen gemaakt om u te helpen bij het vinden van een bruikbare use-case en het maken ervan. Deze pagina is gericht op pro-codepatronen die ontwikkelaars kunnen kiezen tijdens het maken van hun oplossing. Als u niet zeker weet of u een pro-code- of low-code-patroon wilt kiezen, gaat u naar de pagina voor het inrichten van de mogelijkheid om de beste aanpak voor uw use-case te vinden.

Overwegingen voor een pro-codetraject

Als u een pro-code-benadering kiest, kunnen ISV's, zoals u, gebruikmaken van zeer aanpasbare opties bij het ontwerpen van uw AI-toepassingen. Binnen de pro-codebenadering zijn er veel patronen die betrekking hebben op verschillende platforms om te voldoen aan verschillende behoeften en voorkeuren. Een pro-codepatroon is geschikt als u:

  • Een zeer aangepaste app bouwen en meer onderdelen in uw beheer nodig hebben.
  • Ai-mogelijkheden integreren in uw eigen toepassing of helemaal opnieuw bouwen.
  • Zich houden aan unieke problemen met betrekking tot gegevens of beveiliging.

Als u een snelle oplossing nodig hebt en hulpprogramma's zoals Power Platform-connectors kunt gebruiken, kunt u overwegen patronen met weinig code te onderzoeken.

Er zijn twee benaderingen op hoog niveau binnen pro-code:

  • Een aangepaste copilot bouwen. Deze benadering omvat patronen die u helpen bij het maken van een oplossing met mogelijkheden voor natuurlijke taal. Door te bouwen met een aangepaste copilot kan uw AI op natuurlijke wijze communiceren met gebruikers in een breed scala aan situaties.
  • Een toepassing bouwen in Fabric. Deze aanpak behandelt patronen die gebruikmaken van Fabric voor het verwerken of opslaan van gegevens, die kunnen worden geïntegreerd met een AI-toepassing die u maakt. Deze patronen bieden een sterke basis voor gegevens en een mogelijkheid voor meer aanpassing.

Beide benaderingen bieden talloze voordelen en bieden u de mogelijkheid om een aanpasbare AI-toepassing te maken. Afhankelijk van het patroon dat u kiest, kunt u een volledig nieuwe toepassing of nieuwe mogelijkheden bouwen die u in een bestaande toepassing introduceert.

Een patroon kiezen

Het kiezen van een patroon is de laatste stap die een ISV neemt voordat u begint met het bouwen van een oplossing. Het patroon dat u selecteert:

  • Heeft invloed op de mogelijkheden van uw oplossing. Door het juiste patroon voor de situatie te kiezen, kunt u uw oplossing afstemmen op de behoeften van uw klanten. Als u een patroon met te weinig mogelijkheden selecteert, kunt u beperken wat u kunt maken.
  • Beïnvloedt de ontwikkelingskosten van het project. Sommige patronen vereisen een zwaardere lift tijdens de ontwikkeling, waardoor ISV's tijd en geld kosten. De investering die nodig is voor het patroon dat u selecteert, moet de mogelijke waarde van uw use-case niet te boven gaan.
  • Hiermee kunt u binnen verschillende interfaces werken. Sommige patronen zijn ontworpen om volledig nieuwe toepassingen te maken, terwijl andere zijn ontworpen om te werken binnen uw bestaande toepassingen of platforms van Microsoft.
  • Hiermee worden gegevens, infrastructuur en andere overwegingen voor back-end gewijzigd. Pro-codepatronen zijn veelzijdig, maar kunnen limieten hebben of wijzigingen vereisen. Normaal gesproken worden uw opties voor gegevens en infrastructuur beter aanpasbaar naarmate u complexere patroonopties kiest.

Vanwege al deze factoren is het essentieel om uw situatie, de behoeften van uw klanten en uw technische mogelijkheden zorgvuldig te evalueren voordat u een patroon kiest. Het platform en de strategie die u selecteert, hebben invloed op wat u kunt maken.

Opties voor meerdere patronen

In plaats van slechts één patroon te kiezen, kunnen ISV's ervoor kiezen om mogelijkheden van meerdere patronen te integreren. Het is zelfs mogelijk om opties met weinig code en pro-code te combineren.

Of u nu één patroon kiest of meerdere combineert, het is belangrijk om rekening te houden met de situatie waarin u zich bevindt en het platform te kiezen dat het beste voor u werkt. Deze pagina is specifiek gericht op pro-codepatronen. Als u meer opties voor pro- en low-code wilt verkennen, kunt u de uitgebreide pagina met patronen bezoeken.

Semantic Kernel

ISV's die geavanceerde AI-toepassingen willen bouwen, kunnen Semantische kernel gebruiken in veel van de verschillende patroonopties. Semantic Kernel is een opensource-SDK (Software Development Kit) waarmee u uw bestaande C#-, Python- en Java-code eenvoudig kunt combineren met modellen uit OpenAI, Azure OpenAI, Hugging Face en meer.

Omdat Semantische kernel rechtstreeks met uw code communiceert, is het mogelijk om deze veel verschillende patronen te gebruiken. Ongeacht het patroon dat u kiest, kan Semantic Kernel uw ontwikkeltraject ondersteunen en uw oplossing mogelijk maken met nieuwe generatieve AI-mogelijkheden.

Een aangepaste copilot bouwen

Door een aangepaste copilot te bouwen, kunt u een toepassing maken met een gematigde coderingslift en meer aanpasbaarheid dan het aannemen of uitbreiden van een first-party, Microsoft Copilot zou dat doen. Hoewel u zelf veel onderdelen moet bouwen, biedt Microsoft belangrijke ondersteuning via SDK's, sjablonen en meer, afhankelijk van het patroon dat u kiest.

Een beslissingsstructuur voor de benadering 'Een aangepaste copilot bouwen'. Eén pijl leidt naar een vak met de tekst 'Verbetert bestaande apps met AI die gebruikmaakt van ISV-gegevens', die verbinding maken met Pattern D: Microsoft Graph API's. Een andere pijl leidt naar een vak met de tekst 'Maakt chatbots die kunnen reageren op gebruikersvragen en eenvoudige taken offloaden', wat leidt tot Pattern E: Azure OpenAI Assistants. Een derde pijl leidt naar een vak met de tekst 'Voegt mogelijkheden voor natuurlijke taal toe aan ISV Teams-chatbots via vooraf gedefinieerde sjablonen', wat leidt tot Pattern F: Teams AI Library. Een laatste pijl leidt naar een vak met de tekst 'Biedt hoge aanpassingsmogelijkheden met vooraf getrainde modellen, Azure AI SDK en promptstroom', wat leidt tot Pattern G: Azure AI Foundry.

Microsoft Graph API's

De Microsoft Graph API opent gebruikersgegevens uit Microsoft 365-toepassingen, zoals informatie in Outlook, Teams, OneDrive en SharePoint. Door uw bestaande toepassingen in staat te stellen deze API aan te roepen, kunt u uw gebruikerservaring verbeteren met persoonlijke gegevens van Microsoft 365.

Deze API's kunnen worden geïntegreerd in de gebruikersinterface van uw eigen oplossing. De verzamelde tenantgegevens kunnen worden weergegeven vanuit Graph Explorer. Dit is een opensource-platform dat is ontworpen om u te helpen meer te weten te komen over Microsoft Graph API's.

Mogelijk bent u geïnteresseerd in dit patroon als u:

  • Gebruik een bestaande toepassing die u wilt verbeteren met persoonlijke gegevens.
  • Wilt u persoonlijke antwoorden geven aan uw eindgebruiker op basis van hun Microsoft 365-activiteit.
  • Gegevens specifiek van Microsoft 365 vereisen.

De belangrijkste voordelen van deze aanpak zijn:

  • Toegang tot de Microsoft 365-gegevens van uw eindgebruiker om hun ervaring aan te passen.
  • Snel en eenvoudig verbinding maken met gegevens, zodat u zich kunt richten op andere aspecten van uw toepassing.

Laten we eens kijken hoe een fictieve ISV dit patroon in hun toepassing kon gebruiken.

Scenario met Microsoft Graph-API's

Contoso heeft een toepassing gebouwd waarmee klanten interne bewerkingen kunnen beheren, maar ze willen deze verbeteren. Hun klanten brengen problemen met betrekking tot basistaken met betrekking tot administratieve taken, zoals het plannen van vergaderingen, het afmelden van verlof en het verzenden van e-mailberichten die te veel tijd in beslag nemen.

Om dit probleem op te lossen, besluit Contoso om hun generatieve AI-toepassing te verbeteren met behulp van Microsoft Graph API's, die verbinding kunnen maken met de gegevens van hun klanten in Microsoft 365. Contoso kan de mogelijkheden van hun AI-assistent verbeteren met toegang tot relevantere persoonlijke gegevens die zijn opgehaald uit de API. Met Microsoft Graph-API's kan de oplossing van Contoso het volgende doen:

  • Agenda-items en time-away-e-mailberichten genereren op basis van context van de gebruiker en hun verlofaanvragen.
  • Gebruik informatie uit de Outlook-agenda's van hun eindklanten om mogelijke vergadertijden en genodigden voor te stellen.
  • Suggesties voor toonbewerkingen, onderwerpregels en documenten die aan e-mailberichten moeten worden gekoppeld op basis van de geschiedenis tussen geadresseerde en afzender.

Deze wijzigingen en meer zorgen ervoor dat de generatieve AI-toepassing van Contoso de administratieve taken van hun klanten aanzienlijk kan stroomlijnen. Door Microsoft Graph API's in hun toepassing te gebruiken, kunnen ze nuttige en persoonlijke adviezen bieden voor werknemers.

Azure OpenAI-assistenten

Met behulp van de mogelijkheden van Azure OpenAI-assistenten kunnen ISV's snel AI-assistenten maken en integreren in hun bestaande toepassingen. Azure OpenAI-assistenten kunnen vragen beantwoorden, eenvoudige taken vragen stellen en zelfs worden aangepast om code te schrijven en uit te voeren op basis van de invoer van een gebruiker.

Het maken van een Azure OpenAI-assistent is net zo eenvoudig als het schrijven van een JSON-bestand met een beschrijving van de functie die u wilt uitvoeren door de assistent en het geven van een sandbox-omgeving in Python waarin deze moet worden uitgevoerd. Hierdoor kan de assistent uw bestaande API's aanroepen en reageren op prompts.

Mogelijk bent u geïnteresseerd in dit patroon als u:

  • Een bestaande toepassing hebben die zou profiteren van een aangepaste assistent.
  • Wil snel een copilot-achtige toepassing ontwikkelen met minder technische lift.
  • Moet worden geïntegreerd met extra hulpprogramma's waarmee uw toepassing taken zonder taal kan uitvoeren, zoals wiskunde.

De belangrijkste voordelen van deze aanpak zijn:

  • Snel en efficiënt een AI-assistent maken.
  • Uw klanten voorzien van een AI-assistent die meer specifieke vragen en aanvragen kan beantwoorden.
  • Het inschakelen van uw oplossing met AI-mogelijkheden waarmee eenvoudige acties kunnen worden gevraagd om taken te stroomlijnen.

Scenario met Azure OpenAI-assistent

Contoso heeft een bestaande toepassing voor retailklanten die een werknemersportal biedt voor onboarding, voorraadbeheer, betalingsverwerking en meer. Contoso gebruikt Azure OpenAI Assistant om een winkelassistent te maken, zodat klanten richtlijnen krijgen die zijn afgestemd op hun specifieke situatie.

Door een AI-assistent te maken, kan Contoso de gegevens van de bedrijven integreren in de toepassing, zodat deze vragen kan beantwoorden met behulp van bedrijfsgegevens. Met deze mogelijkheden kan de copilot het volgende doen:

  • Leid nieuwe werknemers door middel van typische winkelprocessen.
  • Voorraadbehoeften en -vereisten voorspellen op basis van eerdere trends.
  • Referentierichtlijnen in geüploade arbeidsdocumenten, zoals verlofbeleid.

Door een AI-assistent in hun toepassing op te halen, wordt de oplossing van Contoso een bron van richtlijnen en suggesties voor werknemers, in plaats van alleen een beheerhulpprogramma. Hun klanten kunnen het gebruiken om vragen te beantwoorden en een pad te identificeren voor dagelijkse taken.

AI-bibliotheek voor Teams

Als u al een Teams-chatbot hebt of geïnteresseerd bent in het maken van een chatbot, kunt u uw chatbot verbeteren met generatieve AI-mogelijkheden. Scaffolding in de AI-bibliotheek van Teams biedt ondersteuning voor gesprekstaal voor uw chatbot, die rechtstreeks toegankelijk is voor gebruikers in Teams.

Voor deze toepassing moet u de bedrijfslogica invoeren die u wilt gebruiken voor uw app, terwijl de grote taalmodellen (LLM's) die Microsoft biedt de back-endaspecten van de chatbot afhandelt. U kunt zelfs uw chatbot wijzigen om verschillende LLM's, invoegtoepassingen en meer te gebruiken.

Mogelijk bent u geïnteresseerd in dit patroon als u:

  • Een bestaande Teams-chatbot hebben die u wilt uitbreiden met mogelijkheden voor natuurlijke taal.
  • Wilt u gebruikmaken van vooraf gebouwde sjablonen, geïntegreerde gegevensopties en ingebouwde veiligheidsfuncties.

De belangrijkste voordelen van deze aanpak zijn:

  • Verbeter uw Teams-chatbot met mogelijkheden voor natuurlijke taal.
  • Het bouwen van een generatieve AI-oplossing met voldoende ondersteuningsopties.
  • Pas uw chatbot aan zodat deze van toepassing is op uw situatie- of industriële behoeften.

Teams AI-bibliotheekscenario

Contoso heeft Teams-chatbots al enige tijd beschikbaar gesteld aan hun klanten, maar naarmate AI-mogelijkheden zich ontwikkelen, willen ze hun toepassing moderniseren door deze in staat te stellen specifiekere vragen te beantwoorden en persoonlijke adviezen te geven aan de werknemer.

Met behulp van de AI-bibliotheek van Microsoft Teams kan Contoso eenvoudig mogelijkheden voor natuurlijke taal toevoegen aan hun chatbot. Met deze nieuwe generatieve AI-mogelijkheden kan de chatbot klanten beter ondersteunen door:

  • Suggesties voor tactische volgende stappen voor lopende projecten en tips om toekomstige bedrijfsevenementen voor te bereiden.
  • Vergaderagenda's, e-mailconcepten en meer maken op basis van een korte interactie tussen de gebruiker en chatbot.
  • Vragen beantwoorden met behulp van op maat gemaakte antwoorden op basis van de context van het gesprek.

Deze functies helpen de werknemerservaring voor klanten van Contoso te stroomlijnen en stelt hen in staat om intelligentere antwoorden te krijgen, sneller. Het opnemen van generatieve AI in hun Teams-chatbot maakt de gebruikers efficiënter op het werk, omdat ze natuurlijk kunnen communiceren met de chatbot om ondersteuning op het werk te ontvangen.

Azure AI Foundry

Als u een volledig aangepaste generatieve AI-toepassing wilt maken die zeer flexibel is in termen van mogelijkheden, kunt u een van de vele geavanceerde opties van Azure AI Foundry-gebruiken. Met het bouwen van generatieve AI-oplossingen met Azure AI Foundry kunt u uw oplossing aanpassen aan uw specifieke behoeften, inclusief het voldoen aan zeer technische of nichevereisten.

Azure AI Foundry biedt veel opties voor het bouwen van een AI-toepassing, zoals prompt flow en de Azure AI SDK, beide bevatten vooraf getrainde modellen waarmee u kunt werken. De service is geïntegreerd met andere Azure-services en biedt resources voor continue toepassingsontwikkeling, zoals een LLMOps-hulpprogrammaketen.

Mogelijk bent u geïnteresseerd in dit patroon als u:

  • U wilt een volledig nieuwe toepassing bouwen of een bestaande toepassing wijzigen.
  • Vereist dat uw AI-assistent complexe processen voltooit, zoals het lezen en controleren van technische documenten of het analyseren van complexe gegevenstrends.
  • Volledige controle over app-ontwikkeling om spraak, persoonlijkheid en merkidentiteit aan te passen aan uw specifieke behoeften.

De belangrijkste voordelen van deze aanpak zijn:

  • Het creëren van een op maat gemaakte copilot die kan reageren op meer nichevragen en aanvragen.
  • Uw oplossing aanpassen om te voldoen aan unieke beveiligings- of gegevensvereisten.

Azure AI Foundry-scenario

Contoso wil een volledig aangepaste generatieve AI-toepassing bouwen ter ondersteuning van hun gezondheidszorgklanten tijdens het maken en verwerken van claims. Om de toepassing te commercialiseren, moesten ze klantgegevens nauwkeurig kunnen verwerken, voldoen aan gespecialiseerde beveiligingsoverwegingen en nauwkeurige inhoud genereren.

Door Azure AI Foundry te gebruiken om een volledig nieuwe generatieve AI-toepassing te maken, konden ze een volledig aangepaste, zeer veilige toepassing bouwen die is afgestemd op de behoeften van hun gezondheidszorgklanten. Met de nieuwe toepassing van Contoso kunnen artsen die voor verzekeraars werken eenvoudig formulieren invullen. De copilot die ze hebben gemaakt via Azure AI Foundry, kan:

  • Ondersteuning voor het bouwen van formulieren voor voorwaardelijke autorisatie via gespreksprompts op basis van verschillende organisatiespecifieke vragen.
  • Voer query's uit op meerdere patiëntenrecords en controleer informatie in de toepassing van Contoso.
  • Maak kennis met organisatiespecifieke beveiligingsoverwegingen om risico' s en privacyproblemen te minimaliseren.

Door patiëntengegevens nauwkeurig op te halen en natuurlijke taalmogelijkheden te gebruiken om formulieren te genereren, kan Contoso het proces voor het maken van claims versnellen. Hun oplossing bespaart gebruikers waardevolle tijd door deze gespecialiseerde taken snel en nauwkeurig uit te voeren.

Een app bouwen in Fabric

Hoewel veel ISV's bekend zijn met Fabric als een gegevens- of analyseoplossing, kan het ook fungeren als een uitgebreide, geïntegreerde gegevensbasis voor generatieve AI-toepassingen. Of u nu een app rechtstreeks in Fabric wilt bouwen of wilt integreren met OneLake, het bouwen van een app in Fabric biedt u niet-overeenkomende aanpassingen en controle over uw oplossing.

Een koppelingsstructuur voor de benadering 'Een app bouwen in Fabric'. Eén pijl leidt naar een vak met de tekst 'Hiermee kunnen ISV's gegevens in Fabric OneLake lezen, schrijven en beheren met behulp van bestaande API's, sneltoetsen en meer, wat leidt tot Pattern H: Interop met Fabric. Een tweede pijl leidt naar een vak met de tekst 'Hiermee kunnen ISV's producten ontwikkelen op het Fabric-platform of Fabric combineren met bestaande toepassingen, wat leidt tot Pattern I: Build on Fabric. Een laatste pijl leidt naar een vak met de tekst 'biedt ISV's hulpprogramma's voor het maken van zeer aanpasbare workloads binnen het Fabric-ecosysteem. Dit leidt tot Pattern J: Een Infrastructuurworkload bouwen.

Een koppelingsstructuur voor de build van een app in Fabric

Interoperabiliteit met Infrastructuur

De integratie van uw bestaande toepassing met Fabric biedt eindeloze opties voor het stroomlijnen van de gegevensback-end van uw oplossing. Door te samenwerken met Fabric kunt u een groot aantal verschillende gegevensbronnen op één platform samenvoegen met behulp van verschillende hulpprogramma's en API's.

Fabric biedt zowel OneLake-API's als Realtime Intelligence-API's die zijn ontworpen om snel toegang te krijgen tot en uw gegevens te verwerken. U kunt Data Factory ook gebruiken om uw gegevens te combineren tussen omgevingen via snelkoppelingen en complexe gegevensverwerkingstaken van maximaal 200 externe bronnen te beheren. Zelfs als uw gegevens zich niet in Azure bevindt, kunt u snelkoppelingen maken om uw gegevens naar OneLake te brengen.

Mogelijk bent u geïnteresseerd in dit patroon als u:

  • Een bestaande toepassing hebben waarvoor verbeterde gegevensverwerking is vereist.
  • Teken uw gegevens uit verschillende bronnen en omgevingen.
  • Wilt u de gegevens van uw toepassing lezen en beheren in OneLake of Data Factory.

De belangrijkste voordelen van deze aanpak zijn:

  • Het verbeteren van gegevensmogelijkheden voor bestaande apps door verbeterde verwerking, opslag en analytische mogelijkheden.
  • Gegevens van meerdere tenants en omgevingen integreren in één platform.

Interoperabiliteit met Fabric-scenario

De SaaS-toepassing die Contoso heeft ontwikkeld voor hun retailklanten, vereist meer gegevensmogelijkheden om gegevens van meerdere tenants te beheren. De eindklanten van Contoso vereisen meer inzicht in hun gegevens en vragen meer informatie over trends en patronen in hun gegevens. Hun klanten gebruiken echter verschillende platformen voor voorraadbeheer, personeel, webbeheer en meer waartoe Contoso toegang moet hebben om een volledig overzicht van de gegevens te vormen.

Om deze problemen op te lossen, heeft Contoso hun bestaande toepassing verbonden met Fabric. Hierdoor kunnen ze beter gegevensbeheer op beheerniveau hebben, evenals betere gegevensinzichten en zichtbaarheid voor tenants. Hun toepassing kan het volgende doen:

  • Gebruik snelkoppelingen voor het delen van gegevens en meerdere clouds om informatie van verschillende tenants in OneLake te verzamelen.
  • Krijg direct toegang tot organisatiegegevens via Realtime Intelligence-API's.
  • Verwerken van hoeveelheden gegevens die zijn gekoppeld aan een grootschalige oplossing.
  • Geef informatie weer over de gegevens van klanten via interactieve dashboards die Contoso in hun toepassing heeft gemaakt.

Nu Contoso gemakkelijker toegang heeft tot gegevens van hun klanten, kunnen ze hun oplossing aanpassen om die informatie aan hun eindklanten te verstrekken. Hun eindklanten kunnen hun gegevens eenvoudig en nauwkeurig interpreteren en gebruiken om keuzes te maken voor hun bedrijf.

Bouwen op fabric

Naast het maken van verbinding met Fabric als gegevensplatform voor uw toepassing, kunt u ook bouwen op Fabric om de functionaliteiten van Fabric rechtstreeks in uw app in te sluiten. Ontwikkelaars kunnen verschillende REST API's gebruiken om Fabric-mogelijkheden in hun toepassingen in te bouwen ter ondersteuning van meer technische werkstromen met generatieve AI-mogelijkheden.

Verschillende API's kunnen in uw toepassing worden geïntegreerd om deze met verschillende functies in te schakelen. Het insluiten van de Warehouse-API in uw toepassing biedt bijvoorbeeld de datawarehouse-opties die beschikbaar zijn in Fabric. Door uw toepassing rechtstreeks boven op Fabric te ontwikkelen, kunt u deze Fabric-functies naadloos gebruiken en manipuleren in de interface van uw eigen toepassing.

Mogelijk bent u geïnteresseerd in dit patroon als u:

  • Bouwt een toepassing die wordt gebruikt door gegevenswetenschappers of andere gebruikers met uitgebreidere behoeften voor gegevensbeheer.
  • U wilt uitgebreide opties voor gegevensopslag en -verwerking opnemen in uw toepassing.
  • U wilt een volledig nieuwe toepassing bouwen of een bestaande toepassing wijzigen.

De belangrijkste voordelen van deze aanpak zijn:

  • De gegevensmogelijkheden van Fabric rechtstreeks integreren in uw oplossing.
  • Gegevens in uw eigen toepassing beheren en bewerken.
  • Uw toepassing maken met volledige aanpasbaarheid en controle.

Bouwen op Fabric-scenario

Klanten van Contoso hebben behoefte aan complexere gegevensmogelijkheden. Tussen het bijhouden van verkooptrends, planningen van werknemers, voorraad voor digitale en persoonlijke winkels en meer in meerdere tenants, vereisen ze veel meer ondersteuning voor gegevensverwerking in hun nieuwe toepassing.

Om klantgegevens effectiever te beheren, heeft Contoso een nieuwe toepassing ontwikkeld die is gebouwd op Fabric. Met deze toepassing kunnen gebruikers rechtstreeks met hun gegevens communiceren en ermee communiceren in de toepassing van Contoso. Door gebruik te maken van de mogelijkheden voor gegevensverwerking van Fabric, kan hun toepassing het volgende doen:

  • Maak verbinding met OneLake, Power BI en meer rechtstreeks in de toepassing, die kan worden weergegeven via aangepaste dashboards die door Contoso zijn gebouwd.
  • Geef gegevensinzichten in de winstgevendheid van categorieën zoals online- of persoonlijke winkels, verschillende winkellocaties en op productmerk en categorie.
  • Gebruik AI om deze gegevens te analyseren en inzichten en suggesties te geven aan klanten, zoals het voorstellen van een wijziging in prijzen voor een product, het voorspellen van mogelijke onderbrekingen en het identificeren van uitbijters in omzetstromen.
  • Geef klanten van Contoso directe toegang tot hun Fabric-gegevens binnen het platform van Contoso.

Door de mogelijkheden van Fabric in te sluiten binnen hun toepassing, kunnen ze gegevens rechtstreeks in hun oplossing beheren en bewerken. De AI die ze op hun oplossing hebben gebouwd, heeft toegang tot deze gegevens en biedt persoonlijke zakelijke inzichten voor klanten van Contoso.

Een Infrastructuurworkload bouwen

Naast het bouwen met de zeven systeemeigen workloads van Fabric, kunnen ISV's de mogelijkheden van Fabric uitbreiden door hun eigen aangepaste workloads te maken en ze als een afzonderlijke oplossing aan te bieden. Deze workloads kunnen volledig nieuw worden gebouwd om een overvloed aan mogelijkheden voor gegevensbeheer te bieden, of dat nu een meer holistische weergave van de gegevens van uw klanten creëert of acties uitvoert op basis van gegevenstrends en voorspellingen.

ISV's kunnen de Microsoft Fabric Workload Development Kit gebruiken om hun eigen workload te maken en deze te publiceren als een SaaS-aanbieding voor andere Fabric-gebruikers op de Azure Marketplace. Dit patroon is eenvoudig te genereren op Azure Marketplace en maakt gebruik van Fabric UX wanneer u contact opstelt met klanten, zodat u zich kunt concentreren op het ontwikkelen van uw workload.

Mogelijk bent u geïnteresseerd in dit patroon als u:

  • Wil graag een hulpprogramma maken dat beschikbaar is voor eindgebruikers in Fabric, zoals andere ontwikkelaars of gegevenswetenschappers.
  • Bekijk een gegevensbehoefte of vereiste die u met Fabric wilt aanpakken.
  • U wilt gebruikmaken van Microsoft-ondersteuning, zoals bestaande UX en eenvoudige publicatie in Azure Marketplace.

De belangrijkste voordelen van deze aanpak zijn:

  • Uw toepassing publiceren in Azure Marketplace, waar deze eenvoudig kan worden geopend en aangeschaft door technische eindgebruikers in Fabric.
  • Het maken van uiterst aanpasbare oplossingen die rechtstreeks zijn afgestemd op de gegevensvereisten van uw klanten.

Een Fabric-workloadscenario bouwen

Contoso wil oplossingen maken die door hun retailklanten kunnen worden gebruikt om toeleveringsketens en voorraadbeheer bij te houden in zowel digitale als persoonlijke winkels voor verschillende tenants. Ze willen dat hun toepassing eenvoudig toegankelijk is voor technische eindgebruikers, zodat ze meer gebruik kunnen maken van hun gegevensgestuurde toepassing.

Met behulp van de Microsoft Fabric Workload Development Kit kon Contoso een workload ontwikkelen die hun klanten rechtstreeks vanuit Fabric kunnen openen in een UX waarmee ze bekend zijn. Ze konden het geld verdienen als een SaaS-toepassing in Azure Marketplace, waar het gemakkelijk toegankelijk is voor eindgebruikers van Contoso in het Fabric-platform. Hun Fabric-workload kan het volgende doen:

  • Optimaliseer de inventaris door inzicht te bieden in gebieden waarvoor extra vraag nodig is en ai-mogelijkheden te gebruiken om een pad vooruit te voorstellen.
  • Voorspel de toekomstige vraag via machine learning-mogelijkheden die eerdere trends analyseren.
  • Simuleer mogelijke scenario's die van invloed kunnen zijn op de toeleveringsketen, zoals het wijzigen van leveranciers.

Door hun oplossing als infrastructuurworkload aan te bieden, kan Contoso gegevenswetenschappers en andere technische professionals helpen om toeleveringsketens te optimaliseren. Klanten van Contoso krijgen meer inzicht in hun bedrijf, door middel van de zorgvuldige analyse van eerdere gegevens en voorspellingen van toekomstige trends.

Conclusie

Door meer te weten te komen over elk patroon en hun mogelijkheden, moet u nu zijn uitgerust om te bepalen hoe u uw generatieve AI-oplossing bouwt. Nadat u de gekozen benadering hebt onderzocht en hebt bevestigd dat deze binnen uw mogelijkheden valt, kunt u beginnen met het ontwikkelen van uw toepassing.

Bekijk de onderstaande bronnen voor meer informatie over uw gekozen patroon en andere volgende stappen voor het bouwen van uw generatieve AI-ervaring.

Uw eigen copilot bouwen

Koppelingen naar meer informatie voor elke build uw eigen copilot-patroon:

Meer informatie over het bouwen van een app in Fabric

Koppelingen naar meer informatie over het bouwen van apps in Fabric:

Meer informatie over generatieve AI-patronen en hun voordelen: Generatieve AI-ervaringen maken met de Microsoft Cloud - Een handleiding voor ISV's | Microsoft Learn

UX-richtlijnen voor ISV's die generatieve AI-ervaringen ontwerpen: Volgende stappen voor het ontwerpen van uw generatieve AI-gebruikerservaring.

  • Last updated on