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.
Для успешной стратегии искусственного интеллекта требуется структурированное планирование в четырех основных областях. Определите варианты использования ИИ , которые обеспечивают измеримую бизнес-ценность, выбирают технологии Microsoft AI , которые соответствуют навыкам вашей команды, устанавливают масштабируемое управление данными и реализуют 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 принятия решений Microsoft AI
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 Azure AI Foundry, внедрению агента ИИ, интеграции Azure OpenAI и управлению ИИ на уровне организации с помощью Microsoft Purview.
Определение вариантов использования ИИ для максимального влияния на бизнес
ИИ преобразует бизнес-операции, ускоряя работу знаний и автоматизовав обычные процессы. Генерируемый ИИ (системы, создающие содержимое, например текст, изображения или код), повышают производительность рабочей роли знаний. 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 обнаружения коррелируют с более высокими темпами успешного выполнения операций, а также с помощью руководства центра архитектуры Azure.
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 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.
Проведение внутренней оценки. Сбор данных от отделов (операций, финансов, юридической, поддержки, продукта) для выявления проблем и неэффективности ИИ может решать. Рабочие процессы документов и сбор данных заинтересованных лиц для выявления возможностей автоматизации, создания аналитических сведений или улучшения качества принятия решений.
Варианты использования в отрасли исследований. Узнайте, как аналогичные организации или отрасли используют ИИ для решения проблем или улучшения операций. Используйте такие ресурсы, как архитектуры ИИ в Центре архитектуры Azure для вдохновения и оценки подходящих подходов.
Определение целевых объектов ИИ. Для каждого варианта использования определите цель (общую цель), цель (желаемый результат) и метрику успеха (квантификируемую меру). Эти тесты руководства по внедрению и измерению успеха. Дополнительные сведения см. в примере стратегии искусственного интеллекта.
Определение стратегии технологии искусственного интеллекта с помощью параметров службы Майкрософт
Стратегия технологии определяет баланс скорости, настройки и управления. Корпорация 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, озы соответствия требованиям, месту размещения данных и потребностям настройки.
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, чтобы управлять процессом выбора.
Дерево принятия решений Microsoft AI
Внедрение служб ИИ программного обеспечения Майкрософт (SaaS) для первоначальных результатов
Решения ИИ, готовые к использованию Майкрософт, называемые Copilots, повышают производительность при минимальной настройке. Microsoft 365 Copilot предоставляет помощь ИИ в приложениях Office, в то время как специализированные Копилоты сосредоточены на конкретных ролях и отраслях работы. Начните с этих решений, чтобы достичь первоначальных результатов перед переходом на настраиваемую разработку.
| Microsoft Copilots | Описание | Пользователь | Необходимые данные | Необходимые навыки | Основные факторы затрат |
|---|---|---|---|---|---|
| Microsoft 365 Copilot | Microsoft 365 Copilot предоставляет веб-интерфейсы чата и помощь с ИИ в приложении в приложениях Microsoft 365, интегрируясь с данными Microsoft Graph. | 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 единицы вычислений безопасности (SKU) для безопасности Copilot |
| Копилоты в рамках продукта | ИИ в таких продуктах, 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 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 |
Создание агентов ИИ с помощью платформ с низким кодом
Корпорация 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, в то время как расширения Microsoft 365 Copilot позволяют настраивать корпоративный Copilot с данными и процессами, определенными компанией.
| Microsoft Copilots | Описание | Пользователь | Необходимые данные | Необходимые навыки | Основные факторы затрат |
|---|---|---|---|---|---|
| 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, lite experience, Teams Toolkit 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 агентов ИИ беседы и рабочих процессов автоматизации с помощью средств с низким кодом и естественного языка. | информационные технологии | Автоматизирует большую часть интеграции данных для создания пользовательских копилот с подключениями к различным источникам данных. | Конфигурация платформы для подключения источников данных, проектирования потоков беседы и развертывания копилотов | Лицензия |
Создание рабочих нагрузок ИИ с помощью платформ Azure (PaaS) для пользовательской разработки
Azure предоставляет платформы разработки для различных шаблонов решений ИИ и уровней зрелости. Azure AI Foundry — это единая платформа для создания приложений с расширенным поколением (RAG), создания рабочих агентов ИИ, оценки и настройки базовых моделей и применения ответственных элементов управления ИИ. Эти управляемые возможности позволяют группам разработчиков сосредоточиться на различиях решений, а Azure обеспечивает безопасность, управление, наблюдаемость и масштабируемую инфраструктуру. Используйте цены на ИИ Azure и калькулятор цен Azure для моделирования 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 | Azure Container Apps с поддержкой бессерверного GPU | Да | Выберите модели ИИ, оркестрация потоков данных, фрагментирование данных, обогащение блоков, выбор индексирования, понимание типов запросов (полнотекстовый, вектор, гибридный), понимание фильтров и аспектов, выполнение повторного анализа, проектирование запросов, развертывание конечных точек и использование конечных точек в приложениях; необязательная конфигурация среды или виртуальной сети для сетевой изоляции (может отличаться состояние региональной доступности и компонентов). | Вычисления, количество входящих и исходящих маркеров, потребленные службы ИИ, хранилища и передача данных |
Использование моделей искусственного интеллекта с помощью служб инфраструктуры Azure (IaaS) для максимального контроля
Службы инфраструктуры Azure обеспечивают детальный контроль производительности ИИ, изоляции или соответствия требованиям. Виртуальные машины Azure с поддержкой GPU обеспечивают обучение и тестирование пользовательских моделей (PyTorch, TensorFlow, распределенная тонкой настройки). Служба Azure Kubernetes (AKS) предлагает оркестрацию контейнеров, пул GPU, автомасштабирование и сегментацию мультитенантной рабочей нагрузки для вывода и обучения конвейеров обучения. Используйте пути IaaS, если необходимо принести собственные модели, использовать пользовательские среды выполнения или оптимизировать затраты и производительность за пределами абстракций управляемой платформы. Ссылка на цены на инфраструктуру Azure с помощью калькулятора цен Azure для прогнозирования емкости.
| 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 с CycleCloud для рабочих нагрузок HPC 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 данных ИИ, которая растет с учетом ваших потребностей
Ваша стратегия обработки данных — это уровень управления для масштабируемого и надежного ИИ. Он определяет, как данные источник, классифицируются, защищены, обогащены, отслеживаются и удаляются при поддержании соответствия требованиям и минимизации риска воздействия. Устойчивая стратегия гарантирует, что приоритетные варианты использования ИИ в Microsoft 365, Azure и гибридных активах управляют высококачественными, трассировками происхождения данных. Сосредоточьтесь на базовых показателях управления, планировании эластичности, инструментировании жизненного цикла и ответственном применении.
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. Использование управления безопасностью данных Microsoft Purview (DSPM) для ИИ для защиты создаваемых приложений ИИ; он включает возможности для обеспечения безопасности данных ИИ.
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.
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. Создание конвейеров ETL/ELT (рабочих процессов обработки данных) для поддержания качества и использования информационной панели ответственного искусственного интеллекта для проверки предвзятости в обучающих данных.
Следуйте рекомендациям по ответственной обработке данных. Убедитесь, что системы искусственного интеллекта используют данные этически и соответствуют нормативным требованиям. Отслеживание источников данных и использования с помощью происхождения данных Microsoft Fabric или происхождения данных Microsoft Purview. Задайте стандарты качества, проверьте предвзятость и оцените справедливость в наборах данных для обучения. Создайте политики хранения, которые балансируйте производительность ИИ с конфиденциальностью и соответствием требованиям.
Подсказка
Акселераторы принятия решений данных (все производные от существующих рекомендаций):
- Запустите классификацию перед крупномасштабным приемом RAG, чтобы избежать повторной работы.
- Связывание отслеживания происхождения с политиками хранения для уменьшения потерянных конфиденциальных данных.
- Рассматривайте оценку смещения (ответственной информационной панели ИИ) как повторяющийся элемент управления, а не однократный шлюз.
- Используйте данные телеметрии затрат (токены, хранилище, исходящий трафик) раньше, чтобы пометить несвязанный рост данных.
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.
Назначьте четкое владение для управления ИИ. Назначьте конкретных пользователей или команд собственные решения по управлению ИИ и управляйте 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.
Принятие ответственных принципов ИИ в качестве бизнес-целей. Используйте принципы ответственного искусственного интеллекта Майкрософт 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.
Выберите ответственные средства ИИ для ваших проектов. Выберите инструменты, реализующие этические принципы ИИ в инициативах ИИ. Корпорация 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.
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.
| 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. |
Средства и ресурсы Azure для реализации стратегии искусственного интеллекта
| Категория | Tool | Описание |
|---|---|---|
| Планирование стратегии искусственного интеллекта | Центр архитектуры ИИ Azure | Комплексные эталонные архитектуры и шаблоны проектирования решений ИИ в различных отраслях и корпоративных вариантах использования |
| Платформа разработки агента | Служба агента Azure AI Foundry | Полная платформа для создания, развертывания и управления интеллектуальными агентами ИИ с корпоративной безопасностью |
| Корпоративный генерированный ИИ | Служба Azure OpenAI | Доступ корпоративного класса к семейству GPT-4 (включая GPT-4o) и DALL· Модели E с функциями безопасности, соответствия и ответственного ИИ |
| Управление данными ИИ | Управление безопасностью данных Microsoft Purview (DSPM) для искусственного интеллекта | Видимость рисков ИИ, элементы управления защитой данных и мониторинг для рабочих нагрузок сгенерируемым ИИ |
| Ответственное средство искусственного интеллекта | Панель мониторинга ответственного искусственного интеллекта Майкрософт | Комплексные средства для обнаружения предвзятости, оценки справедливости и интерпретации модели ИИ |
| Платформа разработки ИИ | Azure AI Foundry | Унифицированная платформа для приложений RAG, тонкой настройки модели основы и развертывания рабочей нагрузки ИИ |
| разработка ИИ Low-Code | Студия Microsoft Copilot | Создание агентов ИИ беседы и рабочих процессов автоматизации с помощью интерфейса естественного языка |
| Производительность корпоративного ИИ | Microsoft 365 Copilot | Производительность на основе искусственного интеллекта в приложениях Microsoft 365 с корпоративной интеграцией данных |
Ключевые решения для успеха стратегии искусственного интеллекта
Стратегическое планирование обеспечивает более быстрые результаты: документируемая стратегия искусственного интеллекта создает согласованные, аудитируемые результаты. Успех зависит от приоритета бизнес-вариантов использования, выбора правильной модели службы ИИ (SaaS, PaaS, IaaS) и определения масштабируемого управления данными и элементов управления DSPM.
Портфель ИИ Майкрософт поддерживает шаблоны внедрения: интегрированная экосистема ИИ Майкрософт повышает производительность с помощью Microsoft 365 Copilot, позволяет различать решения с помощью Azure AI Foundry (RAG, агентов, оценки, оркестрации моделей), а также обеспечивает специализацию и изоляцию через службы инфраструктуры Azure.
Ответственный ИИ имеет важное значение: внедрение системы управления, инструментов прозрачности, безопасности содержимого, оценки справедливости и выравнивания нормативных требований при создании, а не после развертывания, чтобы сократить затраты на исправление и укрепить доверие заинтересованных лиц.
Важные термины ИИ, которые необходимо знать: платформа внедрения ИИ, Azure AI Foundry, агенты ИИ, созданные ИИ, создание дополненного поколения (RAG), Microsoft 365 Copilot, ответственное управление ИИ, рабочие нагрузки машинного обучения, стратегия обработки данных ИИ, microsoft Purview Data Posture Management (DSPM) для ИИ, Copilot Studio, Azure OpenAI Service, оркестрация агентов ИИ, модель общей ответственности, происхождение ИИ, безопасность содержимого, минимизация данных.
Выводы
Стратегия корпоративного искусственного интеллекта объединяет приоритет использования на основе результатов, соответствующую модель службы ИИ Майкрософт (SaaS для ускорения, PaaS для различения, IaaS для специализации), управляемые и трассируемые для происхождения основы данных, а также обязательные элементы управления ответственным ИИ. Используйте Azure AI Foundry для разработки единого агента и RAG, используйте Microsoft 365 Copilot для раннего влияния на производительность, интегрируйте Microsoft Purview DSPM для упреждающего снижения рисков данных и применяйте непрерывную оценку и наблюдаемость для обеспечения доверия, производительности и соответствия требованиям в масштабе.