Стратегия искусственного интеллекта

2025-07-02

В этой статье объясняется процесс подготовки организации к внедрению ИИ. В ней описывается, как выбрать правильные решения ИИ, подготовить данные и основать подход на принципах ответственного ИИ. Хорошо запланированная стратегия искусственного интеллекта соответствует вашим бизнес-целям и гарантирует, что проекты ИИ способствуют общему успеху.

Определение вариантов использования ИИ

ИИ улучшает индивидуальную эффективность и улучшает бизнес-процессы. Создание искусственного интеллекта повышает производительность и улучшает взаимодействие с клиентами. Негенеративный ИИ, например машинное обучение, анализирует структурированные данные и автоматизирует повторяющиеся задачи. Используйте это понимание для выявления областей в бизнесе, где ИИ добавляет ценность.

Определение возможностей автоматизации. Сосредоточьтесь на процессах, подходящих для автоматизации для повышения эффективности и снижения операционных затрат. Целевые повторяющиеся задачи, операции с большим объемом данных или области с высоким уровнем ошибок, где ИИ может оказать значительное влияние.
Сбор отзывов клиентов. Используйте отзывы клиентов для выявления вариантов использования, которые повышают удовлетворенность клиентов при автоматическом использовании СИ. Эта обратная связь помогает определить приоритеты важных инициатив искусственного интеллекта.
Проведение внутренней оценки. Сбор данных из различных отделов для выявления проблем и неэффективности, которые могут решать ИИ. Документирование рабочих процессов и сбор отзывов заинтересованных лиц для выявления возможностей автоматизации, генерации аналитических сведений или улучшения процесса принятия решений.
Варианты использования в отрасли исследований. Узнайте, как аналогичные организации или отрасли используют ИИ для решения проблем или улучшения операций. Используйте такие инструменты, как архитектуры ИИ в Центре архитектуры Azure для вдохновения и оценки подходящих подходов.
Определение целевых объектов ИИ. Для каждого идентифицированного варианта использования определите цель (общую цель), цель (требуемый результат) и метрику успеха (квантификируемую меру). Эти ориентиры помогут вашему внедрению ИИ и измерению его успешности. Для получения дополнительной информации см. пример стратегии ИИ.

Определение стратегии технологии искусственного интеллекта

Стратегия технологии определяет правильный подход к возможностям вашей организации, ресурсам данных и требованиям к бюджету. Эта стратегия подготавливает организацию к архитектуре на основе агента, которая позволяет нескольким системам ИИ совместно работать над сложными задачами. Чтобы выбрать наиболее подходящий подход для ваших потребностей, необходимо оценить варианты технологий в трех моделях служб.

Общие сведения об агентах ИИ. Агенты ИИ — это автономные системы, использующие модели ИИ для выполнения задач без постоянного контроля над человеком. Эти системы представляют собой переход от традиционной автоматизации к интеллектуальному принятию решений, которые адаптируются к изменению условий. Необходимо запланировать интеграцию агентов для поддержки сложных рабочих процессов и многосистемной совместной работы. Проверьте Что такое агенты?, чтобы понять возможности агентов и подготовить организацию к решениям на основе агентов.
Внедрение стандартных механизмов взаимодействия СИ. Стандартные протоколы позволяют системам ИИ взаимодействовать между различными платформами и уменьшать пользовательские реализации. Эти протоколы поддерживают общий доступ к данным и интеграцию системы при сохранении гибкости для будущих изменений технологий. Следует понимать такие протоколы, как протокол контекста модели, для приема данных между системами, чтобы обеспечить соответствие требованиям к совместимости ваших систем ИИ. Оцените такие инструменты, как NLWeb, чтобы подготовить контент для веба с использованием ИИ. Например, см. протокол контекста модели в Microsoft Copilot Studio и предоставление REST API в качестве серверов MCP.
Выберите соответствующую модель службы ИИ. Корпорация Майкрософт предлагает три модели служб с различными уровнями настройки и общей ответственности: программное обеспечение как услуга (SaaS), платформа как услуга (PaaS) и инфраструктура как услуга (IaaS). Каждая модель требует различных технических навыков и обеспечивает различные степени контроля над реализацией ИИ. Вы должны сопоставлять возможности вашей команды, требования к данным и потребности настройки с соответствующей моделью предоставления услуг. Используйте дерево принятия решений ИИ ниже, чтобы руководствоваться процессом выбора.

Купите ИИ с программными службами (SaaS)

Корпорация Майкрософт предоставляет решения SaaS для создания искусственного интеллекта, известные как Copilots, для повышения производительности с минимальным техническим опытом. Дополнительные сведения см. в таблице ниже.

Microsoft Copilots	Описание	Пользователь	Необходимые данные	Необходимые навыки	Основные факторы затрат
Microsoft 365 Copilot	Microsoft 365 Copilot предоставляет веб-интерфейс (Интернет) и рабочий чат (Microsoft Graph) и встроенный ИИ для приложений Microsoft 365.	Бизнес	Да. Классифицируйте данные с метками конфиденциальности и безопасно взаимодействуйте с данными в Microsoft Graph.	Общие ИТ-управление и управление данными	Лицензия
Копилоты на ролевой основе	Агенты, повышающие эффективность определенных ролей в области безопасности, продаж, обслуживания и финансов.	Бизнес	Да. Доступны параметры подключения данных и плагинов.	Общие ИТ-управление и управление данными	Лицензии или вычислительные единицы безопасности (Copilot для безопасности)
Копилоты в рамках продукта	ИИ в таких продуктах, как GitHub, Power Apps, Power BI, Dynamics 365, Power Automate, Microsoft Fabric и Azure.	Бизнес и физическое лицо	Да. Для большинства требуется минимальная подготовка данных.	Нет	Бесплатный или подписка
Microsoft Copilot или Microsoft Copilot Pro	Microsoft Copilot — это бесплатное веб-приложение чата. Copilot Pro обеспечивает более высокую производительность, емкость и доступ к Copilot в некоторых приложениях Microsoft 365.	Индивид	Нет	Нет	Microsoft Copilot бесплатно. Microsoft Copilot Pro требует подписки
Средства расширяемости для Microsoft 365 Copilot	Настроить Microsoft 365 Copilot с дополнительными данными или возможностями с помощью декларативных агентов. Используйте такие инструменты, как Copilot Studio, построитель агентов, набор средств Teams и SharePoint.	Бизнес и физическое лицо	Используйте соединители Microsoft Graph для добавления данных.	Управление данными, общие ИТ-навыки или навыки разработчика	лицензия на Microsoft 365 Copilot
Copilot Studio	Используйте Copilot Studio для создания, тестирования и развертывания агентов в среде разработки SaaS.	разработчик.	Автоматизирует большую часть работы с данными для разработки индивидуальных помощников.	Платформа для подключения источников данных, настройки приглашений и развертывания помощников.	Лицензия

Создание рабочих нагрузок ИИ с помощью платформ Azure (PaaS)

Azure предоставляет несколько вариантов PaaS, адаптированных к целям ИИ, набору навыков и потребностям данных. Эти платформы обслуживают различные уровни технического опыта. Просмотрите страницы цен для каждой службы Azure и используйте калькулятор цен Azure для разработки оценок затрат.

Цель ИИ	Решение Майкрософт	Необходимые данные	Необходимые навыки	Основные факторы затрат
Агенты сборки	Служба агента Azure AI Foundry	Да	Настройка среды, выбор модели, инструментарий, базовое хранилище данных, изоляция данных, активация агента, подключение агентов, фильтрация содержимого, частные сети, мониторинг агентов, мониторинг служб	Использование токенов модели, хранилища, особенностей, вычислений, базовых подключений
Создание приложений RAG	Azure AI Foundry	Да	Выбор моделей, оркестрация потоков данных, деление данных на части, обогащение частей, выбор индексирования, понимание типов запросов (полнотекстовый, векторный, гибридный), понимание фильтров и фасетов, выполнение повторной сортировки, инженерия запросов, развертывание конечных точек и использование конечных точек в приложениях	Вычисления, количество входящих и исходящих маркеров, потребленные службы ИИ, хранилища и передача данных
Настройка моделей GenAI	Azure AI Foundry	Да	Предварительная обработка данных, разделение данных на данные обучения и проверки, проверка моделей, настройка других параметров, улучшение моделей, развертывание моделей и использование конечных точек в приложениях	Вычисления, количество входящих и исходящих маркеров, потребленные службы ИИ, хранилища и передача данных
Обучение и вывод моделей	Машинное обучение Azure или Microsoft Fabric	Да	Предварительная обработка данных, обучение моделей с помощью кода или автоматизации, улучшение моделей, развертывание моделей машинного обучения и использование конечных точек в приложениях	Вычислительные ресурсы, хранилище и передача данных
Использование предварительно созданных моделей и служб ИИ	Службы ИИ Azure и (или) Azure OpenAI	Да	Выбор моделей ИИ, защита конечных точек, использование конечных точек в приложениях и настройка при необходимости	Использование конечных точек модели, хранилища, передачи данных, вычислительных ресурсов (если вы обучаете пользовательские модели)
Изоляция ИИ-приложений	Приложения контейнеров Azure	Да	Выбор моделей ИИ, организация потоков данных, разделение данных на блоки, обогащение блоков, выбор метода индексирования, понимание типов запросов (полнотекстовые, векторные, гибридные), понимание фильтров и фасетов, выполнение повторного ранжирования, инженерия запросов, развертывание конечных точек и использование конечных точек в приложениях	Вычисления, количество входящих и исходящих маркеров, потребленные службы ИИ, хранилища и передача данных

Перенос моделей ИИ с помощью служб инфраструктуры (IaaS)

Для повышения настройки и управления используйте решения IaaS Azure, такие как виртуальные машины Azure через CycleCloud и Службу Azure Kubernetes. Эти решения позволяют обучать и развертывать пользовательские модели искусственного интеллекта. Ознакомьтесь с соответствующими страницами цен и калькулятором цен Azure.

Цель ИИ	Решение Майкрософт	Необходимые данные	Необходимые навыки	Основные факторы затрат
Обучайте и используйте собственные модели ИИ. Перенос собственных моделей в Azure.	Виртуальные машины Azure или Служба Azure Kubernetes	Да	Управление инфраструктурой, ИТ-служба, установка программы, обучение модели, тестирование моделей, оркестрация, развертывание конечных точек, защита конечных точек и использование конечных точек в приложениях	Вычислительные ресурсы, оркестратор вычислительных узлов, управляемые диски (необязательно), службы хранилища, Бастион Azure и другие службы Azure, используемые

Разработка стратегии обработки и анализа данных ИИ

Стратегия обработки данных определяет способ сбора, управления и использования данных для инициатив ИИ. Эта стратегия гарантирует, что ресурсы данных поддерживают варианты использования ИИ при сохранении безопасности и соответствия требованиям. Необходимо установить платформы управления, оценить потребности масштабируемости, управление жизненным циклом разработки и реализовать ответственные методики обработки данных.

Создайте платформы управления данными для рабочих нагрузок ИИ. Управление данными обеспечивает безопасное и соответствующее использование данных ИИ с помощью средств управления доступом и политики ответственного использования. Платформы управления определяют требования для различных вариантов использования ИИ и устанавливают текущие процессы управления данными. Необходимо определить схемы классификации данных на основе уровней конфиденциальности и воздействия. Используйте средства защиты безопасности данных и соответствия требованиям для созданных приложений искусственного интеллекта в Microsoft Purview.
Оцените требования к масштабируемости для потребностей данных ИИ. Оценка масштабируемости гарантирует, что инфраструктура данных обрабатывает текущие и будущие требования рабочей нагрузки искусственного интеллекта без проблем с производительностью или превышения затрат. Эта оценка определяет требования к объему, скорости и разнообразию, которые определяют выбор технологии. Для каждого варианта использования ИИ необходимо документирование текущих томов данных, частот обработки и типов данных.
Проектирование управления жизненным циклом данных для ресурсов ИИ. Управление жизненным циклом данных обеспечивает их доступность, безопасность и экономичность на всех этапах — от сбора до удаления, удовлетворяя потребности искусственного интеллекта. Этот подход относится к стратегиям сбора, оптимизации хранилища и процессам обеспечения качества. Необходимо запланировать систематическое сбор данных из баз данных, API, устройств Интернета вещей и сторонних поставщиков. Разработка стратегий хранения с соответствующими уровнями на основе шаблонов доступа и потребностей хранения. Создайте конвейеры ETL/ELT для обеспечения качества данных и используйте панель мониторинга ответственного искусственного интеллекта для выявления и устранения смещения в наборе данных.
Реализуйте методики ответственного анализа данных для разработки ИИ. Ответственные практики гарантируют, что системы искусственного интеллекта используют данные этически и поддерживают соответствие нормативным требованиям. Эти методики помогут принимать решения о сборе данных, использовании и хранении на протяжении всего жизненного цикла ИИ. Для прозрачности необходимо реализовать отслеживание происхождения данных с помощью Microsoft Fabric или Microsoft Purview . Устанавливайте стандарты качества данных, обнаружение предвзятости и рекомендации по обеспечению справедливости в наборах данных для обучения. Определите политики хранения и удаления, которые балансируют производительность ИИ с требованиями конфиденциальности и соблюдения нормативов.

Разработка ответственной стратегии искусственного интеллекта

Стратегия ответственного искусственного интеллекта гарантирует, что решения ИИ остаются надежными и этическими. Эта стратегия устанавливает платформы для этической разработки ИИ, которые соответствуют бизнес-целям. Необходимо установить подотчетность, определить принципы, выбрать инструменты и оценить соответствие требованиям для создания ответственной стратегии искусственного интеллекта.

Назначьте подотчетность ИИ назначенным командам. Структуры подотчетности обеспечивают владение решениями по управлению ИИ и обеспечивают гибкое управление нормативными требованиями. Эти структуры определяют роли и полномочия принятия решений для инициатив искусственного интеллекта. Необходимо назначить отдельных лиц или команд для мониторинга изменений технологий ИИ и нормативных требований. Создайте облачный центр искусственного интеллекта для централизации обязанностей и установления процедур эскалации.
Принятие принципов ответственного ИИ в качестве бизнес-целей. Принципы ответственного искусственного интеллекта обеспечивают основу для этических разработок ИИ, которые руководствуются принятием решений и соответствуют отраслевым стандартам. Эти принципы становятся бизнес-целями, которые формируют выбор и разработку проектов ИИ. Необходимо принять шесть ответственных принципов ИИ Корпорации Майкрософт, которые соответствуют платформе NIST AI Risk Management Framework (RMF). Интегрируйте эти принципы в метрики планирования проектов, процессов разработки и успешного выполнения.
Выберите инструменты ответственного ИИ для вашего портфеля ИИ. Выбор инструмента обеспечивает соответствующие механизмы для этических принципов ИИ и поддерживает согласованное применение ответственных стандартов ИИ. Выбор инструментов решает задачи интеграции и операционных процессов. Необходимо оценить и выбрать соответствующие средства и процессы ответственного ИИ, которые соответствуют вариантам использования ИИ и профилям рисков. Интегрируйте эти средства в рабочие процессы разработки, чтобы обеспечить согласованность приложений.
Определите требования к соответствию нормативным требованиям ИИ. Оценка соответствия защищает организацию от юридических рисков и гарантирует соответствие инициатив ИИ применимым законам и отраслевым стандартам. Требования к соответствию зависят от отраслевых, географических и ИИ-приложений. Необходимо определить соответствующие локальные и международные правила ИИ, применимые к вашим операциям и вариантам использования ИИ. Отслеживайте изменения нормативных требований и обновляйте стратегии соответствия требованиям, чтобы обеспечить непрерывное выравнивание на протяжении всего процесса внедрения ИИ.

Пример стратегии искусственного интеллекта

В этом примере стратегия искусственного интеллекта основана на вымышленной компании Contoso. Компания Contoso управляет платформой электронной коммерции с клиентом и использует представителей продаж, которым нужны инструменты для прогнозирования бизнес-данных. Компания также управляет разработкой и инвентаризацией продуктов для производства. Ее каналы продаж включают как частные компании, так и строго регулируемые государственные учреждения.

Вариант использования ИИ	Цели	Задачи	Метрики успешности	Подход к искусственному интеллекту	Решение Майкрософт	Потребности в данных	Потребности в навыке	Факторы затрат	Стратегия данных ИИ	Стратегия ответственного искусственного интеллекта
Функция чата веб-приложения электронной коммерции	Автоматизация бизнес-процессов	Повышение удовлетворенности клиентов	Увеличение коэффициента удержания клиентов	PaaS, генерированный ИИ, RAG	Azure AI Foundry	Описания товаров и их сочетания	Разработка RAG и облачных приложений	Использование	Настройте управление данными для клиентской информации и внедрите механизмы контроля справедливости ИИ.	Назначьте ответственность за ИИ Центру передового опыта и выравните в соответствии с принципами ответственного ИИ.
Внутренний рабочий процесс обработки документов приложения	Автоматизация бизнес-процессов	Сокращайте затраты	Увеличение скорости завершения	Аналитический ИИ, тонкая настройка	Службы ИИ Azure — аналитика документов	Стандартные документы	Разработка приложений	Предполагаемое использование	Определите управление данными для внутренних документов и планируйте политики жизненного цикла данных.	Назначение подотчетности ИИ и обеспечение соответствия политикам обработки данных.
Управление инвентаризацией и приобретение продуктов	Автоматизация бизнес-процессов	Сокращайте затраты	Более короткий срок хранения запасов	Машинное обучение, модели обучения	Машинное обучение Azure	Исторические данные инвентаризации и продаж	Машинное обучение и разработка приложений	Предполагаемое использование	Обеспечение управления данными о продажах и обнаружение и устранение предвзятости в данных.	Назначьте подотчетность ИИ и соблюдайте финансовые нормы.
Ежедневные трудоемкие работы в компании	Повышение производительности отдельных пользователей	Улучшение взаимодействия с сотрудниками	Повышение удовлетворенности сотрудников	SaaS генеративный ИИ	Microsoft 365 Copilot	Данные OneDrive	Общие ИТ	Затраты на подписку	Реализуйте управление данными сотрудников и обеспечьте конфиденциальность данных.	Установите ответственность ИИ и используйте встроенные функции ответственного ИИ.
Приложение электронной коммерции для регулируемых отраслевых чатов	Автоматизация бизнес-процессов	Увеличение объема продаж	Увеличение продаж	Обучение генеративной модели искусственного интеллекта IaaS	Виртуальные машины Azure	Данные обучения для конкретного домена	Разработка облачной инфраструктуры и приложений	Инфраструктура и программное обеспечение	Определите правила управления для регулируемых данных и спланируйте жизненный цикл с мерами обеспечения соответствия.	Назначьте подотчетность ИИ и соблюдайте отраслевые правила.

Следующий шаг

План ИИ