Создание стратегии искусственного интеллекта

Для успешной стратегии искусственного интеллекта требуется структурированное планирование в четырех основных областях. Определите варианты использования AI, которые обеспечивают измеримую бизнес-ценность, выберите Майкрософт технологии ИИ, которые соответствуют навыкам вашей команды, создайте масштабируемое управление и реализуйте ответственные методики ИИ, которые сохраняют доверие и соответствуют нормативным требованиям. Он применяется к организациям всех размеров, включая стартапы, малые и средние предприятия, крупные предприятия, некоммерческие организации и государственные учреждения.

Быстрая ссылка:дерево решений Майкрософт ИИ

Почему стратегический план планирования ИИ имеет значение: документированная стратегия искусственного интеллекта создает согласованные, быстрые, аудитируемые результаты по сравнению с нерегламентированным экспериментированием. В этом руководстве перечислены действия по развертыванию Microsoft Copilot, настройке среды Foundry Майкрософт, внедрению агента ИИ, интеграции Azure OpenAI и управлению ИИ на уровне организации с Microsoft Purview.

Определение вариантов использования ИИ

ИИ преобразует бизнес-операции, ускоряя работу знаний и автоматизовав обычные процессы. Генеративный ИИ (системы, создающие контент, например текст, изображения или код) повышает производительность интеллектуального труда. Аналитический ИИ и машинное обучение автоматизируют задачи с большим объемом данных, сокращают частоту ошибок и создают прогнозные аналитические сведения. Начните с изоляции процессов с измеримыми трениями, когда ИИ улучшает затраты, скорость, качество или взаимодействие с клиентами.

Сначала сосредоточьтесь на бизнес-результатах: успешные программы искусственного интеллекта привязывали каждый вариант использования к количественной бизнес-цели, а не к модели-первому эксперименту. Структурированные методы исследования коррелируют с более высокими показателями успешной операционализации, о чем свидетельствует руководство по ИИ из Центра архитектуры Azure.

1. 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.

2. Сбор отзывов клиентов. Используйте структурированные отзывы клиентов (опросы, поддержку расшифровок, комментарии NPS) для выявления вариантов использования, которые повышают удовлетворенность при автоматическом использовании ИИ. Эта обратная связь помогает определить приоритеты инициатив с измеримым воздействием.

3. Проведение внутренней оценки. Сбор информации от отделов (операционного, финансового, юридического, отдела поддержки и продукта) для выявления проблем и неэффективности, которые можно решить с помощью ИИ. Документирование рабочих процессов и сбор мнений заинтересованных сторон для выявления возможностей автоматизации, генерации аналитических данных или улучшения качества принятия решений.

4. Варианты использования в отрасли исследований. Узнайте, как аналогичные организации или отрасли используют ИИ для решения проблем или улучшения операций. Используйте такие ресурсы, как архитектуры AI в Центре архитектуры Azure для вдохновения и оценки подходящих подходов.

5. Определение целевых объектов ИИ. Для каждого варианта использования определите цель (общую цель), цель (желаемый результат) и метрику успеха (квантификируемую меру). Эти эталоны направляют внедрение и оценивают успех. Дополнительные сведения см. в примере стратегии искусственного интеллекта.

Определение стратегии технологии искусственного интеллекта

Стратегия технологии определяет баланс скорости, настройки и управления. Майкрософт предоставляет три основных шаблона потребления ИИ: готовое к использованию программное обеспечение (SaaS), расширяемые платформы разработки (PaaS) и полностью управляемая инфраструктура (IaaS). Выберите модель, которая соответствует инженерной зрелости, положению в отношении соответствия требованиям, размещению данных и требованиям настройки.

1. 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. Изучите протоколы, такие как протокол контекста модели для приема данных между системами ИИ, чтобы обеспечить соответствие требованиям к взаимодействию. Оцените такие инструменты, как NLWeb, чтобы подготовить контент для веба с использованием ИИ. Например, ознакомьтесь с Протоколом контекста модели в Microsoft Copilot Studio и предоставлением API REST в качестве серверов MCP.

2. Изучите агенты ИИ в качестве систем принятия решений. Агент ИИ — это микрослужба, использующая модель создания ИИ для рассудка, действия и обучения. Эти системы представляют собой переход от приложений с генерацией, усиленной извлечением (RAG), к системам принятия решений, которые адаптируются к изменяющимся условиям. Учитывая отличительный характер агентов в организации, ознакомьтесь с внедрением агентов ИИ для получения специализированных рекомендаций по внедрению агентов в вашей среде.

3. Выберите соответствующую модель службы ИИ. Майкрософт предлагает три модели служб с различными уровнями настройки и общий доступ: 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. Сопоставьте возможности вашей команды, требования к данным и потребности в настройке с соответствующей моделью сервиса. Используйте дерево принятия решений ИИ, чтобы управлять процессом выбора.

дерево принятия решений Майкрософт ИИ

Службы ИИ (SaaS)

Готовые к использованию решения ИИ от Майкрософт, называемые Copilots, повышают производительность с минимальными настройками. Microsoft 365 Copilot предоставляет помощь ИИ в приложениях Office, а специализированные копилоты сосредоточатся на конкретных ролях и отраслях промышленности. Начните с этих решений, чтобы достичь первоначальных результатов перед переходом на настраиваемую разработку.

ИИ на платформах с низким кодом

Майкрософт предоставляет платформы с низким кодом для разработки пользовательских агентов ИИ без полной команды разработки. Copilot Studio позволяет бизнес-пользователям создавать помощники по искусственному интеллекту с естественным языком, а расширения Microsoft 365 Copilot позволяют настраивать корпоративные Copilot с данными и процессами, определенными компанией.

ИИ на платформах Azure (PaaS)

Azure предоставляет платформы разработки для различных шаблонов решений ИИ и уровней зрелости. Foundry — это единая платформа для создания приложений с увеличенным извлечением информации (RAG), разработки рабочих агентов ИИ, оценки и настройки базовых моделей и применения ответственных элементов управления ИИ. Эти управляемые возможности позволяют командам разработчиков сосредоточиться на различиях решений, а Azure обеспечивает безопасность, управление, наблюдаемость и масштабируемость примитивов инфраструктуры. Используйте цены на Azure AI и калькулятор цен для Azure для моделирования затрат.

ИИ в службах инфраструктуры Azure (IaaS)

Azure службы инфраструктуры обеспечивают детальный контроль производительности, изоляции или соответствия требованиям ИИ. Виртуальные машины Azure с поддержкой GPU позволяют обучение и тестирование пользовательских моделей (PyTorch, TensorFlow, распределённая тонкая настройка). Azure Kubernetes Service (AKS) предоставляет оркестрацию контейнеров, пул GPU, автомасштабирование и сегментацию мультитенантной рабочей нагрузки для выводов и учебных конвейеров. Используйте пути IaaS, если необходимо принести собственные модели, использовать пользовательские среды выполнения или оптимизировать затраты и производительность за пределами абстракций управляемой платформы. Обратитесь к ценам инфраструктуры Azure, используя калькулятор цен Azure для прогнозирования ёмкости.

Определение стратегии обработки данных

Стратегия обработки данных определяет, как данные источаются, классифицируются, защищаются, обогащаются, отслеживаются и выводятся из эксплуатации, при соблюдении требований и минимизации риска воздействия. Долговечная стратегия обеспечивает, чтобы приоритетные сценарии использования ИИ в Microsoft 365, Azure и гибридных инфраструктурах имели управляемые, высококачественные данные с отслеживанием происхождения. Сосредоточьтесь на базовых показателях управления, планировании эластичности, инструментировании жизненного цикла и ответственном применении.

1. Настройте управление данными для проектов ИИ.Управление данными обеспечивает безопасное использование данных ИИ и соблюдение нормативных требований с помощью средств управления доступом и политик. Начните с классификации данных на основе конфиденциальности и требуемого доступа. Используйте Управление состоянием безопасности данных Microsoft Purview (DSPM) для ИИ для защиты созданных приложений ИИ. Она включает возможности для обеспечения безопасности данных ИИ.

2. Планирование роста и производительности данных. Убедитесь, что среда данных поддерживает текущие проекты ИИ и будущий рост без снижения производительности или чрезмерной стоимости. Документируйте текущий объем данных, частоту обработки и необходимые типы данных для каждого варианта использования. Эта информация помогает выбрать соответствующие службы Azure.

3. Управление данными на протяжении всего жизненного цикла. Определите способ сбора, хранения и выхода из эксплуатации данных при сохранении его доступности и безопасности для использования ИИ. Настройте систематическую коллекцию из баз данных, API, устройств Интернета вещей и сторонних источников. Выберите уровни хранилища Azure на основе частоты доступа. Создайте конвейеры ETL/ELT (рабочие процессы обработки данных) для поддержания качества и используйте панель Responsible AI для проверки предвзятости в обучающих данных.

4. Следуйте рекомендациям по ответственной обработке данных. Убедитесь, что системы искусственного интеллекта используют данные этически и соответствуют нормативным требованиям. Отслеживайте источники данных и их использование с помощью линии данных Microsoft Fabric или линии данных Microsoft Purview. Задайте стандарты качества, проверьте предвзятость и оцените справедливость в наборах данных для обучения. Создайте политики хранения, которые уравновешивают эффективность ИИ с обеспечением конфиденциальности и соблюдением нормативных требований.

Разработка ответственной стратегии искусственного интеллекта

Ответственный ИИ преобразует доверие, безопасность и регулирование в операционные элементы управления в течение жизненного цикла ИИ. Стратегия ответственного искусственного интеллекта преобразует принципы в применяемые средства контроля, измеримые контрольные точки и четкую подотчетность. Сохраняйте цепочку аудита в ходе проверок проектирования, оценки рисков, принудительного применения политики, модели и мониторинга агентов и реагирования на инциденты.

1. Назначьте четкую ответственность за управление ИИ. Назначьте конкретных людей или команды, которые будут отвечать за решения по управлению ИИ и управлять нормативными требованиями. Роли управления определяют центр принятия решений для проектов ИИ. Назначьте кому-то возможность отслеживать изменения технологий ИИ и новые правила. Создайте центр превосходства в облаке ИИ , чтобы централизировать обязанности и установить процедуры для проблем управления ИИ.

2. Принятие ответственных принципов ИИ в качестве бизнес-целей. Используйте принципы Майкрософт ответственных принципов ИИ в качестве платформы для этической разработки ИИ. Эти шесть принципов ИИ соответствуют платформе NIST AI Risk Management Framework и становятся измеримыми бизнес-целями, которые направляют выбор проекта и разработку. Интегрируйте эти принципы в метрики планирования проектов, процессов разработки и успешного выполнения.

3. Выберите ответственные средства ИИ для ваших проектов. Выберите инструменты, реализующие этические принципы ИИ в инициативах ИИ. Майкрософт предоставляет ответственные средства и процессы ИИ, соответствующие различным вариантам использования ИИ и уровням риска. Интеграция этих средств в рабочие процессы разработки для применения ответственных методик ИИ.

4. Оставайтесь в соответствии с правилами ИИ. Определите локальные и международные правила ИИ, применимые к операциям и вариантам использования ИИ. Требования к соответствию зависят от отрасли, расположения и типа приложения ИИ. Отслеживайте изменения нормативных требований и обновляйте стратегии соответствия требованиям, чтобы обеспечить соответствие требованиям.

Пример стратегии искусственного интеллекта

В этом примере стратегия ИИ использует вымышленную компанию 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. Каналы продаж включают частные компании и регулируемые государственные учреждения.

Следующий шаг