Strategie AI – proces vývoje strategie AI

Tento článek popisuje proces přípravy organizace na přijetí umělé inteligence. Dozvíte se, jak vybrat správná řešení AI, připravit data a uzemnění přístupu v zodpovědných zásadách AI. Dobře plánovaná strategie AI odpovídá vašim obchodním cílům a zajišťuje, aby projekty AI přispěly k celkovému úspěchu.

Identifikace případů použití AI

AI zvyšuje individuální efektivitu a zlepšuje obchodní procesy. Generování umělé inteligence podporuje produktivitu a vylepšuje uživatelské prostředí. Negenerativní AI, jako je strojové učení, je ideální pro analýzu strukturovaných dat a automatizaci opakovaných úloh. Díky tomuto porozumění identifikujte oblasti ve vaší firmě, kde by umělá inteligence mohla přidat hodnotu. Další informace najdete v příkladu případů použití AI.

• Hledejte příležitosti pro automatizaci. Identifikujte procesy vhodné pro automatizaci, které zlepšují efektivitu a snižují provozní náklady. Zaměřte se na opakující se úlohy, operace náročné na data nebo oblasti s vysokou mírou chyb, kde může mít AI významný vliv.

• Proveďte interní posouzení. Shromážděte vstupy z různých oddělení a identifikujte problémy a neektivosti, které by umělá inteligence mohla řešit. Zdokumentujte pracovní postupy a shromážděte vstup od zúčastněných stran, abyste odhalili příležitosti pro automatizaci, generování přehledů nebo vylepšené rozhodování.

• Prozkoumejte příklady využití v průmyslu. Zjistěte, jak podobné organizace nebo odvětví používají AI k řešení problémů nebo vylepšení provozu. Pomocí nástrojů, jako jsou architektury AI v Centru architektury Azure, můžete získat inspiraci a vyhodnotit, které přístupy můžou vyhovovat vašim potřebám.

• Nastavte cíle AI. U každého zjištěného případu použití jasně definujte cíl (obecný účel), cíl (požadovaný výsledek) a metriku úspěchu (kvantifikovatelná míra). Tyto prvky slouží jako srovnávací testy, které vás provedou osvojení AI a změří jeho dopad.

Další informace najdete v příkladu strategie umělé inteligence.

Definování technologické strategie umělé inteligence

Technologická strategie AI se zaměřuje na výběr nejvhodnějších nástrojů a platforem pro vaše případy použití generování a negenerativní umělé inteligence. Microsoft nabízí řadu možností, včetně softwaru jako služby (SaaS), platformy jako služby (PaaS) a infrastruktury jako služby (IaaS), z nichž každá má různou úroveň přizpůsobení a sdílenou odpovědnost mezi vámi a Microsoftem. Při rozhodování použijte následující rozhodovací strom AI. Pro každou službu vyhodnoťte dovednosti, data a rozpočet potřebné k úspěšnému provedení této služby. V tomto článku najdete pokyny, které vám pomůžou s tímto procesem vyhodnocení.

Nákup softwarových služeb AI (SaaS)

Microsoft nabízí různé generativní AI služby Copilot, které zvyšují individuální efektivitu. Tito asistenti vám umožňují zakoupit software jako službu (SaaS) pro využití schopností AI napříč vaší firmou nebo pro konkrétní uživatele. Produkty SaaS obecně vyžadují minimální technické dovednosti.

Z hlediska potřebných dat Microsoft 365 Copilot používá podniková data v Microsoft Graphu. Data můžete kategorizovat označeními citlivosti. Kopiloti založení na rolích mají různé možnosti připojení k datům a pluginů pro zpracování dat. Většina z produktů Copilots nevyžaduje další přípravu dat. Rozšíření Microsoftu 365 Copilot vám umožňuje přidat více dat prostřednictvím Microsoft Graphu nebo deklarativních agentů, kteří mohou načítat z různých zdrojů dat. Copilot Studio automatizuje většinu zpracování dat potřebných k vytvoření vlastních copilotů pro různé byznys aplikace. Další informace najdete v odkazech v následující tabulce.

Microsoft Copilots	Popis	Uživatel	Potřebná data	Požadované dovednosti	Hlavní faktory nákladů
Microsoft 365 Copilot	Použijte Microsoft 365 Copilot pro podnikové řešení, které automatizuje práci v aplikacích Microsoft 365 a poskytuje vylepšený způsob, jak chatovat s obchodními daty v Microsoft Graphu.	Obchod	Ano	Obecná správa IT a dat	Licence
Kopiloti založení na rolích	Pomocí Microsoft Copilot for Security a agentů založených na rolích pro Microsoft 365 můžete zvýšit produktivitu pro konkrétní obchodní role. Mezi agenty založené na rolích patří Microsoft 365 Copilot for Sales, Microsoft 365 Copilot for Servicea Microsoft 365 Copilot for Finance.	Podnikání	Ano	Obecná správa IT a dat	Licence nebo Bezpečnostní výpočetní jednotky (Copilot pro zabezpečení)
Asistenti v produktu	Pomocí Copilots můžete zvýšit produktivitu v rámci produktů Microsoftu. Produkty s integrovanými Copilots zahrnují GitHub, Power Apps, Power BI, Dynamics 365, Power Automatea Azure.	Obchodní a osobní	Ano	Nic	Zdarma nebo předplatné
Copilot Free nebo Pro	Pro přístup k modelům Azure OpenAI použijte bezplatnou verzi pro prohlížeč. Pomocí copilotu Pro můžete dosáhnout lepšího výkonu a větší kapacity.	Fyzická osoba	Ne	Nic	Žádné pro Copilot Free nebo předplatné pro Copilot Pro
Nástroje rozšiřitelnosti pro Microsoft 365 Copilot	Přizpůsobte (rozšiřte) Microsoft 365 Copilot o více dat (znalostí) prostřednictvím konektorů Microsoft Graph nebo schopností (dovedností) prostřednictvím deklarativních agentů. K vytváření deklarativních agentů použijte nástroje rozšiřitelnosti, jako je Copilot Studio (vývoj SaaS), tvůrce agentů, Teams toolkit v editoru VS Code (možnost profesionálního kódu) a Sharepoint.	Obchodní a osobní	Ano	Správa dat, obecné it nebo vývojářské dovednosti	Microsoft 365 Copilot licence
Copilot Studio	Pomocí Copilot Studio sestavte testování a nasaďte agenty v prostředí pro vytváření SaaS.	Vývojář	Ano	Použití platformy k připojení zdrojů dat, mapování příkazů a nasazení copilotů do různých umístění	Licence

Vytváření úloh AI s využitím platforem Azure (PaaS)

Microsoft nabízí různé možnosti platformy jako služby (PaaS) pro vytváření úloh AI. Platforma, kterou zvolíte, závisí na vašich cílech umělé inteligence, požadovaných dovednostech a potřebách dat. Azure nabízí platformy vhodné pro různé úrovně odborných znalostí, od nástrojů pro začátečníky až po pokročilé možnosti zkušených vývojářů a datových vědců. Projděte si stránky s cenami a pomocí cenové kalkulačky Azure odhadněte náklady.

Cíl umělé inteligence	Řešení Microsoftu	Potřebná data	Požadované dovednosti	Hlavní faktory nákladů
Vytváření aplikací RAG s využitím platformy založené na kódu	Azure AI Foundry nebo Azure OpenAI	Ano	Výběr modelů, orchestraci toku dat, rozdělování dat na bloky, obohacování bloků dat, volbu indexování, porozumění typům dotazů (fulltextové, vektorové, hybridní), porozumění filtrům a facetám, provádění přehodnocování, inženýrství toku výzev, nasazování koncových bodů a využívání koncových bodů v aplikacích.	Výpočetní prostředky, počet in a out tokenů, spotřebované služby AI, úložiště a přenos dat
Vyladění generativních modelů umělé inteligence	Azure AI Foundry	Ano	Předběžné zpracování dat, rozdělení dat na trénovací a ověřovací data, ověřování modelů, konfigurace dalších parametrů, vylepšení modelů, nasazování modelů a využívání koncových bodů v aplikacích	Výpočetní prostředky, počet in a out tokenů, spotřebované služby AI, úložiště a přenos dat
Trénování a odvozování modelů strojového učení s využitím vlastních dat	Azure Machine Learning nebo Microsoft Fabric	Ano	Předběžné zpracování dat, trénování modelů pomocí kódu nebo automatizace, vylepšení modelů, nasazování modelů strojového učení a využívání koncových bodů v aplikacích	Výpočetní prostředky, úložiště a přenos dat
Využívání negenerativních modelů AI v aplikacích	Služby Azure AI	Ano	Výběr správného modelu AI, zabezpečení koncových bodů, využívání koncových bodů v aplikacích a vyladění podle potřeby	Použití koncových bodů modelu, které byly spotřebovány, úložiště, přenos dat, výpočetní prostředky (pokud trénujete vlastní modely)

Přineste si vlastní modely se službami infrastruktury (IaaS)

Pro organizace, které potřebují větší kontrolu a přizpůsobení, nabízí Microsoft řešení typu infrastruktura jako služba (IaaS). I když jsou platformy Azure (PaaS) upřednostňované pro úlohy umělé inteligence, Azure Virtual Machines prostřednictvím CycleCloudu a azure Kubernetes Service poskytuje přístup k grafickým procesorům a procesorům pro pokročilé potřeby umělé inteligence. Toto nastavení vám umožní přinést do Azure vlastní modely. Projděte si příslušné cenové stránky a cenovou kalkulačku Azure.

Cíl umělé inteligence	Řešení Microsoftu	Potřebná data	Požadované dovednosti	Hlavní faktory nákladů
Trénujte a odvozujte vlastní modely AI. Přineste si do Azure vlastní modely.	Azure Virtual Machines nebo Azure Kubernetes Service	Ano	Správa infrastruktury, IT, instalace programu, trénování modelů, srovnávací testy modelů, orchestrace, nasazování koncových bodů, zabezpečení koncových bodů a využívání koncových bodů v aplikacích	Výpočetní, orchestrátor výpočetních uzlů, spravované disky (volitelné), služby úložiště, Azure Bastion a další používané služby Azure

Další informace najdete v příkladu strategie umělé inteligence.

Definování strategie dat AI

Pro každý případ použití umělé inteligence byste měli definovat strategii dat AI. Strategie pro data by měla nastínit postupy shromažďování, ukládání a používání dat v souladu se zákonnými, etickými a provozními standardy. Přizpůsobte si strategii pro každý případ použití, abyste zajistili spolehlivé výstupy umělé inteligence a podporovali zabezpečení dat a ochranu osobních údajů. V případě potřeby můžete tyto jednotlivé strategie konsolidovat do širší souhrnné datové strategie pro vaši organizaci.

• Vytvoření zásad správného řízení dat Určete, jak se shromažďují, ukládají, zpracovávají, verzují a vyřazují data pro každý případ použití AI. Zahrňte zásady uchovávání informací a odstraňování a používejte správu verzí k zajištění přesnosti během aktualizací.

• Naplánujte životní cyklus dat. Definujte pokyny pro shromažďování, ukládání, zpracování, správu verzí a vyřazení dat. Zahrňte doporučení pro zásady uchovávání a odstraňování informací, a zdůrazněte správu verzí dat, aby se zachovala přesnost dat.

  • shromažďování dat : Identifikovat zdroje dat, jako jsou databáze, rozhraní API, zařízení IoT, data třetích stran nebo Azure Data Factory pro příjem dat.

  • Úložiště dat: Doporučit řešení úložiště vhodná pro různé typy a objemy dat, včetně strukturovaných, nestrukturovaných a dat v reálném čase

  • Proces zpracování dat: Pro vyčištění, transformaci a přípravu dat použijte potrubí ETL (extrakce, transformace, načtení) nebo ELT. Tyto procesy můžou zjednodušit nástroje, jako jsou klávesové zkratky nebo zrcadlení v Microsoft Fabric.

• Nastavte nastavení spravedlnosti a předsudků AI. Stanovte jasné postupy pro identifikaci a zmírnění předsudků v datech AI. Pomocí nástrojů, jako je Fairlearn, zajistěte, aby modely vytvářely spravedlivé a vyvážené výsledky, zejména pro atributy citlivých dat.

• Podpora spolupráce mezi AI a datovými týmy Zarovnejte vývoj umělé inteligence s úsilím o přípravu dat, abyste zajistili, že modely se vytvářejí pomocí vysoce kvalitních a dobře spravovaných dat.

• Příprava na škálovatelnost dat Předpovídá objem, rychlost a různá data potřebná pro tuto úlohu AI. Volba flexibilních architektur umožňujících škálování podle poptávky Zvažte efektivní správu prostředků cloudovou infrastrukturou.

• Začleňte automatizaci správy dat. Využijte AI a strojové učení pro úlohy, jako jsou označování, katalogizace a provádění kontrol kvality dat. Automatizace zvyšuje přesnost a umožňuje týmům soustředit se na strategické cíle.

• Naplánujte průběžné monitorování a hodnocení. Zajistěte pravidelné audity výstupů dat a modelů, abyste zajistili průběžnou kvalitu dat, výkon a nestrannost. Monitorujte modely AI a datové kanály a identifikujte všechny směny, které by mohly mít vliv na spolehlivost nebo dodržování předpisů. Implementujte automatizované kontroly kvality dat, včetně detekce anomálií a ověřovacích pravidel. Pravidelně monitorujte datové toky kvůli selháním nebo nekonzistencím.

Definování zodpovědné strategie umělé inteligence

Pro každý případ použití umělé inteligence byste měli definovat zodpovědnou strategii AI, která popisuje vaši roli při zajišťování důvěryhodnosti a výhod řešení umělé inteligence pro všechny uživatele. Odpovědnost se může lišit v závislosti na technologii, která se v každém případě přijala. V případě potřeby vytvořte širší souhrnnou strategii zodpovědné za AI, která zahrnuje nadstřešující principy odvozené z jednotlivých případů použití.

• Vytvořte odpovědnost za AI. Jak technologie AI a předpisy pokročily, přiřaďte někomu, kdo bude tyto změny monitorovat a řídit. Obvykle je zodpovědností AI CoE nebo vedoucího AI.

• Sladění se zavedenými zodpovědnými principy AI Microsoft se řídí šesti zodpovědnými principy AI , které se řídí architekturou AI RMF (Artificial Intelligence Risk Management Framework) NIST. Tyto principy použijte jako obchodní cíle k definování úspěchu a řízení přechodu na AI v každém případě použití.

• Identifikujte zodpovědné nástroje AI. Zodpovědné nástroje AI zajišťují, aby vaše AI odpovídala širším zodpovědným postupům AI. V rámci vaší strategie určete, které zodpovědné nástroje a procesy umělé inteligence jsou relevantní.

• Seznamte se s právními a zákonnými požadavky na dodržování předpisů. Právní a zákonné dodržování předpisů ovlivňují, jak vytváříte a spravujete úlohy AI. Proveďte výzkum a dodržujte požadavky na řízení AI v místě, kde působíte.

Další informace najdete v příkladu strategie umělé inteligence.

Další krok

Plán AI

Příklady případů použití AI

Tyto příklady zvýrazňují různé generativní a negenerativní aplikace AI. I když nejsou vyčerpávající, poskytují přehled o tom, jak lze AI použít v různých oblastech vaší firmy.

Generativní AI	Negenerativní AI
Autonomní agenti: Vyvíjejte systémy AI, které provádějí úlohy nezávisle, jako jsou virtuální asistenti spravující plány nebo dotazy zákazníků.	Rozpoznávání obrázků: Pomocí umělé inteligence můžete identifikovat a klasifikovat objekty v obrázcích nebo videích, které jsou užitečné v systémech řízení zabezpečení nebo kvality.
Marketing: Automaticky vytvářet příspěvky na sociálních sítích a e-mailové bulletiny.	Předpověď: Prognózování trendů nebo optimalizace operací na základě historických dat.
Platformy elektronického obchodování: Generování přizpůsobených doporučení k produktům a přizpůsobených nákupních prostředí	Automatizace procesů: Automatizujte rutinní úlohy a pracovní postupy, které nevyžadují generování obsahu, jako jsou roboti služeb zákazníkům.
Návrh produktu: Rychle vytvořte několik variant prototypů produktu nebo prvků návrhu.	Analýza dat: Odkrytí vzorů ve strukturovaných datech pro přehledy a rozhodování řízená daty.
Vývoj softwaru: Automatizujte opakované generování kódu, jako jsou operace CRUD.	Simulace modelu: Simulace složitých úloh (dynamika tekutin, analýza konečných prvků) k předpovídání chování a optimalizaci návrhů nebo procesů.
Vzdělávací platformy: Generování přizpůsobených studijních materiálů pro studenty.	Detekce anomálií: Identifikace neobvyklých vzorů v datech Tuto strategii můžete použít například pro detekci podvodů nebo predikci selhání zařízení.
Zákaznická služba: Poskytování kontextových odpovědí prostřednictvím chatovacích robotů řízených AI.	Doporučení: Nabízí přizpůsobená doporučení na základě chování uživatelů, běžně používaných v elektronických obchodech a streamovacích službách.
Reklamní agentury: Umožňuje vytvářet cílené varianty reklam pro různé segmenty cílové skupiny.	Optimalizace: Zvýšení efektivity řešením složitých problémů (optimalizace dodavatelského řetězce, přidělování prostředků).
Zdraví a wellness aplikace: Vygenerujte přizpůsobené rutiny cvičení a jídelní plány.	Analýza mínění: Analýza textu ze sociálních médií nebo recenzí zákazníků za účelem měření veřejného mínění a vylepšení uživatelského prostředí

Příklad strategie AI

Tato ukázková strategie umělé inteligence je založená na fiktivní společnosti Contoso. Společnost Contoso provozuje platformu elektronického obchodování pro zákazníky a využívá obchodní zástupce, kteří potřebují nástroje pro prognózování obchodních dat. Společnost také spravuje vývoj produktů a inventář pro výrobu. Jeho prodejní kanály zahrnují jak soukromé společnosti, tak vysoce regulované agentury veřejného sektoru.

Případ použití AI	Cíle	Cíle	Metriky úspěšnosti	Přístup s AI	Řešení Microsoftu	Potřeby na data	Potřeby dovedností	Faktory nákladů	Strategie dat AI	Zodpovědná strategie umělé inteligence
Funkce chatu webové aplikace elektronického obchodování	Automatizace obchodního procesu	Zlepšení spokojenosti zákazníků	Zvýšená míra uchování zákazníků	PaaS, generativní AI, RAG	Azure AI Foundry	Popisy a párování položek	Rag a vývoj cloudových aplikací	Využití	Vytvořte zásady správného řízení dat pro zákaznická data a implementujte kontroly spravedlnosti AI.	Přiřaďte odpovědnost za AI centru excelence AI a slaďte to s principy odpovědné AI.
Pracovní postup interního zpracování dokumentů aplikace	Automatizace obchodního procesu	Snížení nákladů	Zvýšená míra dokončení	Analytická AI, doladění	Služby Azure AI – Document Intelligence	Standardní dokumenty	Vývoj aplikací	Odhadované využití	Definujte zásady správného řízení dat pro interní dokumenty a naplánujte zásady životního cyklu dat.	Přiřaďte odpovědnost za AI a zajistěte dodržování zásad zpracování dat.
Správa zásob a nákup produktů	Automatizace obchodního procesu	Snížení nákladů	Kratší životnost skladových zásob	Strojové učení, trénovací modely	Azure Machine Learning	Historická data o inventáři a prodeji	Strojové učení a vývoj aplikací	Odhadované využití	Vytvořte zásady správného řízení pro prodejní data a detekujte a vyřešte předsudky v datech.	Přiřaďte odpovědnost za AI a dodržujte finanční předpisy.
Každodenní práce napříč společností	Zvýšení individuální produktivity	Vylepšení zkušeností zaměstnanců	Vyšší spokojenost zaměstnanců	SaaS generativní AI	Microsoft 365 Copilot	Data OneDrivu	Obecné IT	Náklady na předplatné	Implementujte zásady správného řízení dat pro data zaměstnanců a zajistěte ochranu osobních údajů.	Přiřaďte odpovědnost za AI a využijte integrované zodpovědné funkce AI.
Aplikace elektronického obchodování pro regulovanou funkci chatu v odvětví	Automatizace obchodního procesu	Zvýšení prodeje	Zvýšení prodeje	Trénování modelů IaaS generující AI	Azure Virtual Machines	Doménově specifická tréninková data	Vývoj cloudové infrastruktury a aplikací	Infrastruktura a software	Definujte zásady správného řízení pro regulovaná data a naplánujte životní cyklus pomocí měr dodržování předpisů.	Přiřaďte odpovědnost za AI a dodržujte oborové předpisy.