Tworzenie strategii sztucznej inteligencji

Pomyślna strategia sztucznej inteligencji wymaga planowania strukturalnego w czterech podstawowych obszarach. Zidentyfikuj przypadki użycia sztucznej inteligencji, które zapewniają wymierną wartość biznesową, wybierz technologie sztucznej inteligencji firmy Microsoft , które są zgodne z umiejętnościami zespołu, ustanów skalowalny ład danych i implementują praktyki odpowiedzialnego używania sztucznej inteligencji, które zachowują zaufanie i spełniają wymagania prawne. Dotyczy to organizacji wszystkich rozmiarów, w tym startupów, małych i średnich firm, dużych przedsiębiorstw, organizacji non-profit i instytucji sektora publicznego.

Szybki link:Drzewo decyzyjne sztucznej inteligencji firmy Microsoft

Dlaczego strategiczne planowanie sztucznej inteligencji ma znaczenie: udokumentowana strategia sztucznej inteligencji zapewnia spójne, szybsze i możliwe do inspekcji wyniki w porównaniu z eksperymentami ad hoc. Ten przewodnik zawiera listę praktycznych kroków dotyczących wdrażania rozwiązania Microsoft Copilot, konfiguracji środowiska Foundry, adopcji agenta sztucznej inteligencji, integracji Azure OpenAI i zarządzania ładem AI w całej organizacji za pomocą Microsoft Purview.

Identyfikowanie przypadków użycia sztucznej inteligencji

Sztuczna inteligencja przekształca operacje biznesowe, przyspieszając pracę merytoryczną i automatyzując rutynowe procesy. Generowanie sztucznej inteligencji (systemy tworzące zawartość, taką jak tekst, obrazy lub kod) zwiększają produktywność pracowników wiedzy. Analiza sztucznej inteligencji i uczenia maszynowego automatyzują zadania z dużą ilością danych, zmniejszają współczynniki błędów i generują szczegółowe informacje predykcyjne. Zacznij od izolowania procesów z wymiernymi tarciami, w których sztuczna inteligencja zwiększa koszty, szybkość, jakość lub środowisko klienta.

Najpierw skoncentruj się na wynikach biznesowych: Pomyślne programy sztucznej inteligencji zakotwiczają każdy przypadek użycia do określonego celu biznesowego, a nie eksperymentu opartego na modelu. Metody odnajdywania strukturalnego są skorelowane z wyższymi współczynnikami powodzenia operacji, co jest wzmocnione przez wskazówki dotyczące sztucznej inteligencji centrum architektury platformy Azure.

1. Identyfikowanie możliwości automatyzacji. Skoncentruj się na procesach odpowiednich do automatyzacji, aby zwiększyć wydajność i zmniejszyć koszty operacyjne. Skierować się na powtarzające się zadania, operacje na dużych zbiorach danych lub obszary o wysokim współczynniku błędów, w których sztuczna inteligencja może mieć znaczący wpływ.

2. Zbieraj opinie klientów. Użyj ustrukturyzowanych opinii klientów (ankiet, transkrypcji pomocy technicznej, komentarzy NPS), aby odkryć przypadki użycia, które zwiększają zadowolenie podczas automatyzacji za pomocą sztucznej inteligencji. Ta opinia pomaga określić priorytety inicjatyw z wymiernym wpływem.

3. Przeprowadzanie oceny wewnętrznej. Zbieranie danych wejściowych z działów (operacji, finansów, praw, pomocy technicznej, produktu) w celu identyfikowania wyzwań i nieefektywności sztucznej inteligencji. Dokumentowanie przepływów pracy i zbieranie danych wejściowych uczestników projektu w celu odkrycia możliwości automatyzacji, generowania szczegółowych informacji lub lepszej jakości podejmowania decyzji.

4. Badania przypadków użycia w branży. Zbadaj, jak podobne organizacje lub branże używają sztucznej inteligencji do rozwiązywania problemów lub ulepszania operacji. Użyj zasobów, takich jak architektury sztucznej inteligencji w Centrum architektury platformy Azure, aby uzyskać inspirację i ocenić odpowiednie podejścia.

5. Zdefiniuj cele sztucznej inteligencji. Dla każdego przypadku użycia zdefiniuj cel (ogólnego przeznaczenia), cel (żądany wynik) i metrykę sukcesu (miarę kwantyfikalną). Te testy porównawcze prowadzą do wdrażania i mierzenia sukcesu. Aby uzyskać więcej informacji, zobacz przykładową strategię sztucznej inteligencji.

Definiowanie strategii technologii sztucznej inteligencji

Strategia technologiczna określa równowagę szybkości, dostosowywania i kontroli. Firma Microsoft udostępnia trzy podstawowe wzorce użycia sztucznej inteligencji: gotowe do użycia oprogramowanie (SaaS), rozszerzalne platformy programistyczne (PaaS) i w pełni zarządzaną infrastrukturę (IaaS). Wybierz model, który jest zgodny z dojrzałością inżynieryjną, stanem zgodności, miejscem przechowywania danych i potrzebami dostosowywania.

1. Wdrażanie standardowych mechanizmów współdziałania sztucznej inteligencji. Standardowe protokoły umożliwiają systemom sztucznej inteligencji komunikowanie się na różnych platformach i zmniejszanie implementacji niestandardowych. Te protokoły obsługują udostępnianie danych i integrację systemu przy zachowaniu elastyczności przyszłych zmian technologicznych. Poznaj protokoły, takie jak Model Context Protocol na potrzeby pozyskiwania danych między systemami, aby zapewnić, że systemy sztucznej inteligencji obsługują wymagania dotyczące współdziałania. Oceń narzędzia, takie jak NLWeb , aby przygotować zawartość do sieci Web sztucznej inteligencji. Na przykład zobacz Model Context Protocol in Microsoft Copilot Studio i Exposing REST APIs as MCP servers.

2. Poznaj agentów sztucznej inteligencji jako systemy podejmowania decyzji. Agent sztucznej inteligencji to mikrousługa, która używa generowania modelu sztucznej inteligencji do rozumowania, działania i uczenia się. Systemy te reprezentują przejście od aplikacji generacji wspomaganej wyszukiwaniem (RAG) do systemów podejmowania decyzji dostosowujących się do zmieniających się warunków. Biorąc pod uwagę odrębny charakter agentów w organizacji, zapoznaj się z artykułem Wdrażanie agenta sztucznej inteligencji , aby uzyskać wyspecjalizowane wskazówki dotyczące implementowania agentów w całym środowisku.

3. Wybierz odpowiedni model usługi sztucznej inteligencji. Firma Microsoft oferuje trzy modele usług o różnych poziomach dostosowywania i wspólnej odpowiedzialności: oprogramowanie jako usługa (SaaS), platforma jako usługa (PaaS) i infrastruktura jako usługa (IaaS). Każdy model wymaga różnych umiejętności technicznych i zapewnia różne stopnie kontroli nad implementacją sztucznej inteligencji. Dopasuj możliwości zespołu, wymagania dotyczące danych i potrzeby dostosowywania przy użyciu odpowiedniego modelu usług. Użyj drzewa decyzyjnego sztucznej inteligencji, aby kierować procesem wyboru.

Drzewo decyzyjne sztucznej inteligencji firmy Microsoft

Usługi sztucznej inteligencji (SaaS)

Gotowe do użycia rozwiązania sztucznej inteligencji firmy Microsoft o nazwie Copilots zwiększają produktywność przy minimalnej konfiguracji. Rozwiązanie Microsoft 365 Copilot zapewnia pomoc w zakresie sztucznej inteligencji w aplikacjach pakietu Office, a wyspecjalizowane Copilots koncentrują się na określonych rolach i branżach pracy. Zacznij od tych rozwiązań, aby uzyskać początkowe wyniki przed przejściem do tworzenia niestandardowego.

Sztuczna inteligencja na platformach z małą ilością kodu

Firma Microsoft udostępnia platformy z małą ilością kodu na potrzeby tworzenia niestandardowych agentów sztucznej inteligencji bez pełnego zespołu programistycznego. Copilot Studio umożliwia użytkownikom biznesowym tworzenie asystentów sztucznej inteligencji przy użyciu języka naturalnego, podczas gdy rozszerzenia Platformy Microsoft 365 Copilot umożliwiają dostosowywanie rozwiązania Copilot dla przedsiębiorstw przy użyciu danych i procesów specyficznych dla firmy.

Sztuczna inteligencja na platformach Azure (PaaS)

Platforma Azure udostępnia platformy programistyczne dla różnych wzorców rozwiązań sztucznej inteligencji i poziomów dojrzałości. Foundry to ujednolicona platforma do tworzenia aplikacji generacji wspomaganej wyszukiwaniem (RAG), budowania agentów AI do zastosowań produkcyjnych, oceniania i dostosowywania modeli bazowych oraz stosowania odpowiedzialnego zarządzania AI. Te możliwości zarządzane umożliwiają zespołom deweloperów skupienie się na różnicowaniu rozwiązań, podczas gdy platforma Azure dostarcza zabezpieczenia, ład, wgląd i skalowalne elementy pierwotne infrastruktury. Skorzystaj z cennika usługi Azure AI i kalkulatora cen platformy Azure na potrzeby modelowania kosztów.

Sztuczna inteligencja w usługach infrastruktury platformy Azure (IaaS)

Usługi infrastruktury platformy Azure zapewniają szczegółową kontrolę wydajności, izolacji lub zgodności sztucznej inteligencji. Usługa Azure Virtual Machines z obsługą procesora GPU umożliwia niestandardowe trenowanie i testowanie porównawcze modelu (PyTorch, TensorFlow, rozproszone dostrajanie). Usługa Azure Kubernetes Service (AKS) oferuje orkiestrację kontenerów, buforowanie procesorów GPU, skalowanie automatyczne i segmentację wielodostępnych obciążeń na potrzeby wnioskowania i potoków trenowania. Użyj ścieżek IaaS, jeśli musisz korzystać z własnych modeli, używać niestandardowych środowisk uruchomieniowych lub zoptymalizować pod kątem kosztów i wydajności poza zarządzanymi abstrakcjami platform. Informacje o cenach infrastruktury platformy Azure można znaleźć w kalkulatorze cen platformy Azure na potrzeby prognozowania pojemności.

Definiowanie strategii danych

Strategia danych definiuje sposób, w jaki dane są pozyskiwane, klasyfikowane, zabezpieczone, wzbogacone, monitorowane i wycofane, jednocześnie utrzymując zgodność i minimalizując ryzyko narażenia. Trwała strategia zapewnia priorytetowe przypadki użycia sztucznej inteligencji na platformie Microsoft 365, platformie Azure i majątek hybrydowych, które podlegają, wysokiej jakości, śledzenia pochodzenia danych. Skoncentruj się na planach bazowych ładu, planowaniu elastyczności, instrumentacji cyklu życia i wymuszaniu odpowiedzialnego użycia.

1. Konfigurowanie ładu danych dla projektów sztucznej inteligencji.Nadzór nad danymi zapewnia bezpieczne korzystanie z danych sztucznej inteligencji i przestrzeganie przepisów za pośrednictwem kontroli dostępu i zasad. Zacznij od klasyfikowania danych na podstawie poufności i wymaganego dostępu. Użyj usługi Microsoft Purview Data Security Posture Management (DSPM) dla sztucznej inteligencji, aby chronić aplikacje generujące sztuczną inteligencję. Obejmuje ona możliwości zabezpieczeń danych sztucznej inteligencji.

2. Planowanie wzrostu i wydajności danych. Upewnij się, że środowisko danych obsługuje bieżące projekty sztucznej inteligencji i przyszły wzrost bez obniżenia wydajności lub nadmiernego kosztu. Dokumentowanie bieżącego woluminu danych, częstotliwości przetwarzania i wymaganych typów danych na przypadek użycia. Te informacje ułatwiają wybór odpowiednich usług platformy Azure.

3. Zarządzanie danymi w całym cyklu życia. Zdefiniuj sposób zbierania, przechowywania i wycofywania danych przy zachowaniu ich dostępności i bezpieczeństwa w przypadku użycia sztucznej inteligencji. Skonfiguruj systematyczne zbieranie z baz danych, interfejsów API, urządzeń IoT i źródeł innych firm. Wybierz warstwy magazynowania platformy Azure na podstawie częstotliwości dostępu. Twórz potoki ETL/ELT (przepływy pracy przetwarzania danych) w celu zachowania jakości i używania pulpitu nawigacyjnego odpowiedzialnej sztucznej inteligencji do sprawdzania stronniczość w danych szkoleniowych.

4. Postępuj zgodnie z praktykami dotyczącymi odpowiedzialnych danych. Upewnij się, że systemy sztucznej inteligencji używają danych etycznych i spełniają wymagania prawne. Śledzenie źródeł danych i użycia przy użyciu pochodzenia danych usługi Microsoft Fabric lub pochodzenia danych usługi Microsoft Purview. Ustaw standardy jakości, sprawdź stronniczość i oceń sprawiedliwość w zestawach danych szkoleniowych. Utwórz zasady przechowywania, które równoważą wydajność sztucznej inteligencji z prywatnością i zgodnością.

Opracowywanie strategii odpowiedzialnej sztucznej inteligencji

Odpowiedzialne sztuczna inteligencja konwertuje zaufanie, bezpieczeństwo i dostosowanie przepisów do mechanizmów kontroli operacyjnej w całym cyklu życia sztucznej inteligencji. Strategia odpowiedzialnej sztucznej inteligencji przekłada zasady na wymuszane mechanizmy kontroli, mierzalne punkty kontrolne i wyraźną odpowiedzialność. Zachowaj łańcuch inspekcji w ramach przeglądów projektu, ocen ryzyka, wymuszania zasad, monitorowania modelu i agenta oraz reagowania na zdarzenia.

1. Przypisz wyraźną własność ładu w zakresie sztucznej inteligencji. Wyznaczyć określone osoby lub zespoły do własnych decyzji dotyczących ładu w zakresie sztucznej inteligencji i zarządzać wymaganiami prawnymi. Role ładu definiują urząd podejmowania decyzji dla projektów sztucznej inteligencji. Przypisz kogoś do monitorowania zmian technologii sztucznej inteligencji i nowych przepisów. Utwórz centrum doskonałości w chmurze sztucznej inteligencji , aby scentralizować obowiązki i ustanowić procedury dotyczące problemów ze ładem w zakresie sztucznej inteligencji.

2. Przyjęcie zasad odpowiedzialnej sztucznej inteligencji jako celów biznesowych. Użyj zasad odpowiedzialnej sztucznej inteligencji firmy Microsoft jako struktury etycznego tworzenia sztucznej inteligencji. Te sześć zasad sztucznej inteligencji jest zgodne z platformą zarządzania ryzykiem NIST AI i stają się mierzalnymi celami biznesowymi, które prowadzą do wyboru i opracowywania projektów. Zintegruj te zasady z planowaniem projektu, procesami programowania i metrykami sukcesu.

3. Wybierz narzędzia odpowiedzialnej sztucznej inteligencji dla projektów. Wybierz narzędzia, które implementują etyczne zasady sztucznej inteligencji w ramach inicjatyw sztucznej inteligencji. Firma Microsoft udostępnia narzędzia i procesy odpowiedzialnego używania sztucznej inteligencji , które pasują do różnych przypadków użycia sztucznej inteligencji i poziomów ryzyka. Zintegruj te narzędzia z przepływami pracy programowania, aby zastosować praktyki odpowiedzialnego używania sztucznej inteligencji.

4. Zachowaj zgodność z przepisami dotyczącymi sztucznej inteligencji. Identyfikowanie lokalnych i międzynarodowych przepisów dotyczących sztucznej inteligencji, które mają zastosowanie do operacji i przypadków użycia sztucznej inteligencji. Wymagania dotyczące zgodności różnią się w zależności od branży, lokalizacji i typu aplikacji sztucznej inteligencji. Monitoruj zmiany regulacyjne i strategie zgodności aktualizacji, aby zachować zgodność.

Przykładowa strategia sztucznej inteligencji

W tym przykładzie strategia sztucznej inteligencji używa fikcyjnej firmy Contoso. Firma Contoso obsługuje platformę handlu elektronicznego dla klientów i zatrudnia przedstawicieli sprzedaży, którzy potrzebują narzędzi do prognozowania danych biznesowych. Firma zarządza również opracowywaniem produktów i zarządzaniem zapasami do produkcji. Kanały sprzedaży obejmują prywatne firmy i regulowane agencje sektora publicznego.

Następny krok