Примечание.
Для доступа к этой странице требуется авторизация. Вы можете попробовать войти или изменить каталоги.
Для доступа к этой странице требуется авторизация. Вы можете попробовать изменить каталоги.
Цель ИИ: Каждая организация хочет, чтобы ИИ добавлял ценность для своих людей и процессов. Эта ценность должна обеспечиваться ИИ, который остается защищенным и работает эффективно. Это должно соответствовать имеющимся у вас навыкам и данным и укладываться в бюджет. Вызов искусственного интеллекта: Цель понятна, но достижение этой ценности не всегда просто. Команды часто много экспериментируют, но получают небольшую отдачу. Некоторые создают конфликтующие друг с другом решения в рамках всей организации. В других местах опасения по поводу безопасности и недоверие ограничивают возможности людей использовать ИИ, что сдерживает его развитие.
Решение ИИ: Многие организации обратились к Microsoft решения ИИ для удовлетворения этих проблем. Microsoft предоставляет широкий набор возможностей, которые позволяют эффективно устранять каждый вариант использования и обеспечивать безопасность искусственного интеллекта по мере масштабирования. Это руководство дает лицам, принимающим решения, платформу для направления этой работы и выравнивания инвестиций ИИ с бизнес-потребностями.
Рекомендация: Создайте стратегию искусственного интеллекта, которая соответствует вашим бизнес-потребностям, выполнив решения в следующих разделах последовательности. Каждое решение задаёт ограничения, которые определяют следующее, и помогает сосредоточиться на создании ценности.
1. Идентификация вариантов использования ИИ
Первым шагом в обрамление стратегии ИИ является идентификация вариантов использования. Этот шаг определяет, как лица, принимающие решения, обнаруживают, где ИИ может улучшить бизнес-результаты в организации. Цель — в первую очередь выявлять наиболее значимые возможности. Список не должен быть исчерпывающим, хотя это может быть. Его цель заключается в том, чтобы дать всем общее представление о том, что имеет наибольшее значение для бизнеса. Проработайте это по порядку, чтобы каждый сценарий использования был привязан к реальной ценности.
Начните с бизнес-проблем. Ищите, где организация нуждается в лучших результатах, прежде чем рассматривать ИИ вообще. Наиболее ясно сигналы проявляются в том, как люди работают, например в повторяющихся ручных операциях или медленных согласованиях. Формулируйте поиск простыми словами, например: «где результаты не соответствуют ожиданиям» или «на какие повторяющиеся задачи люди тратят время». Такой подход помогает ИИ сосредоточиться на ценности, а не на новизне. Компромисс: обширное сканирование выявляет множество возможностей, поэтому сосредоточьтесь на разрывах в результатах, которые можно измерить и которые действительно важны.
Преобразуйте проблемы в варианты использования. Преобразуйте каждую бизнес-проблему в краткую формулировку, в которой указаны действие и ожидаемый результат, например: «помочь агентам поддержки отвечать, опираясь на внутренние документы, чтобы сократить время решения обращений». Убедитесь, что такая задача возникает достаточно часто, чтобы оправдать вложения. Компромисс: сценарии на раннем этапе, как правило, расплывчаты, поэтому, прежде чем переходить дальше, уточните их, превратив в четкие и применимые на практике описания.
Классифицировать вариант использования. Классифицируйте каждый вариант использования на основе того, как он создает значение. Используйте это решение как основу для последующих технологических решений.
Индивидуальная работа: Эти варианты использования улучшают работу отдельных лиц или команд внутри существующих средств. Например, помощь в написании текстов или подготовка к встрече. Они тесно связаны с решениями в области генеративного ИИ, такими как Microsoft 365 Copilot.
Автоматизация бизнеса: Эти варианты использования изменяют способ работы организации или обеспечения ценности. Примеры включают автоматическую маршрутизацию клиентов или прогнозирование спроса. Они часто нуждаются в интеграции с другими системами и могут объединять несколько типов ИИ.
Рассмотрите необходимый тип ИИ. Это соображение, а не окончательное решение, и вы можете пересмотреть его, так как вариант использования становится более понятным. Общее представление о том, какого уровня единообразия вы хотите добиться в результате, помогает сузить круг технологий для дальнейшего выбора. У вас есть свобода изменить его позже.
Генерируемый ИИ (недетерминированный) создает выходные данные, которые могут различаться даже для одного и того же ввода, и он хорошо работает, если входные данные неструктурируются, такие как естественный язык или документы. Он подходит для случаев, когда рабочий процесс не исправлен и где требуется, чтобы система создавала содержимое или помогала человеческому решению. Используйте этот подход, если вы заранее не знаете точную последовательность действий и допустима некоторая вариативность результата.
Негенеративный ИИ (детерминированный) создает согласованные и повторяемые выходные данные из структурированных входных данных. Он подходит для тех случаев, когда рабочий процесс определен и тот же вход должен привести к тому же результату. Выбирайте этот вариант для задач, где важна точность, например для прогнозирования или обнаружения аномалий.
Применяйте эту последовательность в каждой бизнес-области. Повторяемый процесс уменьшает путаницу, не даёт вам прибегать к генеративному ИИ там, где он не нужен, и подготавливает вас к следующему этапу — выбору пути решения.
2. Стратегия технологий ИИ
Какое решение Microsoft ИИ следует выбрать? После того как вы определите, каким сценариям использования какой тип ИИ нужен, начните сужать круг вариантов того, как разработать или купить каждое решение. Microsoft предлагает четыре модели внедрения, в которых простота достигается за счёт сокращения возможностей настройки, в рамках модели общей ответственности. Они готовы к использованию Copilots, разработки SaaS с низким кодом, управляемой разработки PaaS и инфраструктуры Azure. При переходе от первой модели к последней вы получаете больше контроля, но жертвуете скоростью.
Каждый подход требует разного уровня технической подготовки и обеспечивает разную степень контроля. Используйте дерево принятия решений в следующем разделе, чтобы сузить параметры. Затем используйте следующее руководство, чтобы взвесить четыре фактора для решения искусственного интеллекта:
- Возможности: Просмотрите возможности Microsoft и Azure решения ИИ, чтобы узнать, соответствуют ли они потребностям вашего варианта использования.
- Необходимые данные: Убедитесь, что необходимые данные существуют и доступны для сценария.
- Необходимые навыки: Убедитесь, что каждый вариант использования достижим с текущими возможностями перед выбором решения.
- Стоимость: Оцените, соответствует ли решение вашему бюджету.
дерево принятия решений Microsoft ИИ
Microsoft Копилотс (агенты SaaS)
Готовые к использованию ИИ-решения Microsoft, называемые Copilot, быстро повышают эффективность, поскольку требуют минимальной настройки и работают с данными, которые у вас уже есть. Microsoft 365 Copilot добавляет помощь ИИ в приложениях Office. Встроенные в продукт и ролевые Copilot’ы ориентированы на конкретные должностные роли и отрасли. Компромисс: Копилоты предоставляют самые быстрые результаты, но они предлагают меньше настройки, чем пользовательское решение.
| Microsoft Копилотс | Описание | User | Необходимые данные | Необходимые навыки | Основные факторы затрат |
|---|---|---|---|---|---|
| Microsoft 365 Copilot | Чат и справка в приложениях Microsoft 365 на основе веб-данных и Work IQ, использующие ваши данные Microsoft. | Бизнес | Примените метки конфиденциальности к данным Microsoft 365, чтобы защита следовала за содержимым. | Общие ИТ-управление и управление данными | Лицензия на каждого пользователя |
| Ролевые копилоты и агенты | Справка по ролям: Безопасность, Агент по продажам, Сервис и Финансовый агент. | Бизнес | Да. Доступны параметры подключения данных и плагинов. | Общие ИТ-управление и управление данными | доступ к Microsoft 364 Copilot или единицы вычислений безопасности (SCUs) для Security Copilot |
| Копилоты и агенты, встроенные в продукт | ИИ внутри таких продуктов, как GitHub, Power Apps, Power BI, Dynamics 365, Power Automate, Microsoft Fabric, Microsoft Entra, и Azure. | Бизнес и физическое лицо | Да. Для большинства требуется минимальная подготовка данных. | Минимальный (базовая конфигурация администратора и готовность к данным) | Бесплатный или подписка |
| Microsoft Copilot | Microsoft Copilot — это бесплатное веб-приложение чата. | Индивид | Нет | Нет | Бесплатно |
Платформы разработки ИИ SaaS (низкий код)
Microsoft предоставляет возможности разработки SaaS для создания агентов ИИ. 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 конкретной компании. Компромисс. Платформы разработки SaaS открывают разработку для бизнес-команд, но тяжелая настройка достигает ограничений и может потребовать перехода на управляемую платформу.
| Platform | Описание | User | Необходимые данные | Необходимые навыки | Основные факторы затрат |
|---|---|---|---|---|---|
| Copilot Studio | Используйте Copilot Studio для создания агентов разговорного ИИ и автоматизации рабочих процессов с помощью средств разработки с низким уровнем кода и инструментов обработки естественного языка. | информационные технологии | Автоматизирует большую часть процессов интеграции данных для создания индивидуальных копилотов с подключениями к различным источникам данных. | Конфигурация платформы для подключения источников данных, проектирования потоков беседы и развертывания копилотов | Лицензия |
| Средства расширяемости для Microsoft 365 Copilot | Customize Microsoft 365 Copilot с дополнительными данными или возможностями с помощью декларативных агентов. Используйте такие средства, как Copilot Studio, построитель агентов и набор средств агентов. | Бизнес и физическое лицо | Используйте соединители Microsoft 365 Copilot для добавления данных. | Управление данными, общие ИТ-навыки или навыки разработчика | лицензия Microsoft 365 Copilot |
ИИ на платформах Azure (PaaS)
Платформа как услуга является отправной точкой для большинства пользовательских приложений и агентов. Выберите его, если разработка SaaS с низким кодом не может дать достаточно настроек, но вы по-прежнему хотите, чтобы Microsoft запустить платформу для вас. Вы получаете управляемую среду для создания пользовательских агентов и моделей. Эта работа занимает больше усилий, чем разработка SaaS, но меньше усилий, чем работа инфраструктуры самостоятельно. Microsoft управляет платформой, и вы не обслуживаете серверы или обучаете базовые модели. Компромисс: управляемая платформа дает вам больше контроля, чем SaaS-решения для разработки, но требует инженерных навыков, которых не требуют SaaS-решения для разработки.
| Цель ИИ | решение Microsoft | Необходимые данные | Необходимые навыки | Основные факторы затрат |
|---|---|---|---|---|
| Агенты сборки | Служба агента Microsoft Foundry | Да | Выбор типа агента, добавление средств и данных, отладка с помощью трассировок, оценки, оптимизации, публикации, мониторинга. См. жизненный цикл агента | Использование токенов модели, хранилища, особенностей, вычислений, базовых подключений |
| Создание приложений RAG | Foundry | Да | Выбор моделей, оркестрация потоков данных, разбиение данных на фрагменты, обогащение фрагментов, выбор способа индексирования, понимание типов запросов (полнотекстовый, векторный, гибридный), понимание фильтров и фасетов, выполнение переранжирования, разработка промптов, развертывание эндпоинтов и использование эндпоинтов в приложениях | Вычисления, количество входящих и исходящих маркеров, потребленные службы ИИ, хранилища и передача данных |
| Настройка моделей GenAI | 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 | Инструменты литейного производства | 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 | Контейнеры приложений Azure с поддержкой бессерверного GPU | Да | Выбор моделей ИИ, оркестрация потоков данных, фрагментирование данных, обогащение блоков, выбор индексирования, понимание типов запросов (полнотекстовые, векторные, гибридные), понимание фильтров и аспектов, выполнение переранжирования, инжиниринг запросов, развертывание конечных точек и использование конечных точек в приложениях; необязательная конфигурация среды и/или виртуальной сети для сетевой изоляции (различия в доступности по регионам и состоянии возможностей возможны). | Вычисления, количество входящих и исходящих маркеров, потребленные службы ИИ, хранилища и передача данных |
Ознакомьтесь с отдельными страницами цен на продукты, перечисленные в разделе ИИ + машинное обучение, и калькулятор цен Azure для создания оценок затрат.
ИИ в инфраструктуре Azure
Azure инфраструктура обеспечивает полный контроль над собственными моделями и средами выполнения. Обычно это занимает больше времени для сборки и требует больше всего усилий для поддержания с течением времени. Выберите этот параметр, если необходимо использовать собственные модели, использовать пользовательские среды выполнения или соответствовать требованиям к производительности и соответствию требованиям, которые управляемые платформы не могут. Компромисс: инфраструктура предлагает большую контрольную роль, но она несет наибольшую операционную ответственность.
| Цель ИИ | решение Microsoft | Необходимые данные | Необходимые навыки | Основные факторы затрат |
|---|---|---|---|---|
| Обучение и запуск собственных моделей в управляемой инфраструктуре | AI в инфраструктуре Azure | 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 используемые службы Azure |
Просмотрите цены на GPU для виртуальных машин с Linux и Windows. Используйте калькулятор цен Azure для оценки.
3. Стратегия ответственного искусственного интеллекта
Независимо от модели и бюджета, выбранной в описанных выше шагах, ответственное использование является условием запуска искусственного интеллекта в рабочей среде в масштабе. Вашей организации необходимо задать стандарты, которые сохраняют ИИ справедливым и подотчетным для каждой команды. Выбранные модели определяют, где применяются эти стандарты, но сами стандарты остаются постоянными в организации. Опирайтесь на рекомендации Microsoft по ответственному ИИ, а не определяйте эти стандарты здесь. Ознакомьтесь с рекомендациями CAF по созданию политик ответственного искусственного интеллекта для создания согласованной платформы.
4. Стратегия обработки данных
Ответственный стандарт ИИ является столь сильным, как и данные, лежащие в его основе, поэтому ваша стратегия обработки данных будет следующей. Стратегия работы с данными определяет, располагают ли ваши приоритетные сценарии использования управляемыми и высококачественными данными для работы. Надёжная стратегия обеспечивает получение и классификацию данных и поддерживает их соответствие требованиям по мере распространения ИИ в Microsoft 365 и Azure. Сосредоточьтесь на базовых стандартах управления и управлении жизненным циклом, а не на проектировании каждой рабочей нагрузки. Ознакомьтесь с рекомендациями CAF по созданию стратегии обработки данных для искусственного интеллекта и аналитики.
5. Как внедрить ИИ
Определив стратегию, перейдите к планированию и подготовке. Руководство по внедрению ИИ предоставляет контрольные списки для стартапов и предприятий, которые помогают внедрить каждое из перечисленных выше решений в промышленную эксплуатацию со встроенными механизмами управления и безопасности.