Kom i gang med kunstig intelligens i Dynamics 365
Microsoft Copilot og relaterede AI-oplevelser er spændende, og de åbner for helt nye muligheder. Men med en Copilot til stort set alle Microsoft-produkter, herunder Dynamics 365-apps, og oplysninger om, hvordan du får fat i og anvender AI-funktioner i din virksomhed spredt ud over diverse dokumentationsbiblioteker, kan det være en udfordring at vide, hvor du skal starte.
I denne artikel afklarer vi nogle aspekter af Copilot, som mange finder forvirrende. Vi angiver også links til ressourcer, hvor du kan gå mere i dybden, hvis du vil have flere detaljer.
Vigtigt
Denne artikel udvikler sig over tid. Giv os besked, hvis du mener, at der mangler noget, eller hvis du får øje på noget, der har ændret sig. Eller endnu bedre – du kan bidrage til denne artikel. Få mere at vide i Bidrag til Dynamics 365-dokumentation.
Jeg har ingen erfaring med AI. Hvor skal jeg starte?
Start med en videooversigt på højt niveau over, hvordan Copilot fungerer i Dynamics 365 og Power Platform. Du lærer, hvordan Copilot holder dine virksomhedsdata sikre og overholder databeskyttelseskrav, og hvordan den bruger generativ AI på en ansvarlig måde.
Hvordan bruger Dynamics 365-apps AI?
AI-funktioner i Dynamics 365 bruger udelukkende Microsoft Azure-tjenester. Vi valgte Azure-cloud-løsningen, fordi Azure-tjenester er udviklet til Microsofts standarder for ansvarlig AI og med de virksomhedskontroller af sikkerhed, databeskyttelse og overholdelse af angivne standarder, som vores kunder forventer.
Hvordan relaterer generativ AI sig til det, Microsoft har at byde på i Azure?
Generativ AI en type kunstig intelligens, der kan oprette nyt indhold eller nye data for dig baseret på dit input eller din prompt. Generativ AI kan f.eks. skrive tekst, generere billeder, komponere musik eller skabe syntetisk tale. Microsoft tilbyder en række AI-modeller og -tjenester i Azure, f.eks. Azure Cognitive Services, Azure Machine Learning og Azure OpenAI Service. Azure OpenAI Service er en variant af generativ AI, der giver dig adgang til og mulighed for brug af OpenAI-modeller, f.eks. GPT-4 og DALL-E, til forskellige opgaver og scenarier. Dynamics 365-apps bruges Azure OpenAI Service til at levere generative AI-funktioner, der kan hjælpe erhvervsbrugere i deres arbejde. Vores partnere kan også integrere Azure OpenAI Service i deres løsninger.
Få mere at vide i blogposten på Få hurtigere innovation med generativ AI på Azure OpenAI Service.
Hvordan kan generativ AI hjælpe virksomheder?
Betegnelsen generativ AI lyder interessant, men hvordan kan virksomheder bruge det til at komme videre? Her er et blogindlæg, der indeholder nogle interessante eksempler, der måske kan inspirere dig: Azure OpenAI Service: Ti måder, hvorpå generativ AI transformerer virksomheder.
Du kan også få et hurtigt overblik over generative AI-funktioner i Dynamics 365-apps på Microsoft Copilot i Dynamics 365.
Tip
De næste to afsnit er beregnet til organisationer, der selv ønsker at levere generativ AI, hvilket betyder, at det ikke er personer, der ønsker at bruge funktionerne til generativ AI, der er indbygget Dynamics 365-apps. Hvis du er forretningsbruger, skal du springe til et af de andre afsnit – brug linkene i afsnittet I denne artikel øverst til at finde det rette emne for dig.
Hvordan får jeg adgang til Azure OpenAI Service og vælger og udruller AI-modeller?
For at få adgang til Azure OpenAI Service, skal du have et Azure-abonnement og en Azure OpenAI Service-konto. Du kan tilmelde dig begge på Azure-portalen. På din konto kan du oprette en Azure OpenAI Service-ressource og hente en API-nøgle, som du kan bruge til at få adgang til Azure OpenAI Service-modellerne. Du kan vælge mellem forskellige modeller til forskellige domæner og formål. Det kan f.eks. være tekstgenerering, tekstanalyse, billedgenerering, billedanalyse og samtale-AI.
Du kan tilpasse, oplære og udrulle modeller ved at angive dine egne data og parametre. Du kan dog typisk springe denne dyre og tidskrævende proces over. Azure OpenAI Service-modellen er allerede trænet på grundlag af store mængder af data.
Følgende tabel indeholder en oversigt over opgaver og ressourcer.
| Hvad | Hvor | Få mere at vide |
|---|---|---|
| Få et Azure-abonnement. Du kan tilmelde dig en betalt plan eller starte gratis. | azure.microsoft.com | |
| Anmod om adgang til Azure OpenAI Service for dit abonnement. I øjeblikket gives der kun adgang til denne tjeneste efter ansøgning om adgang. | https://aka.ms/OAIapply | Hvad er Azure OpenAI Service? |
| Få tilladelser på din konto til at oprette Azure OpenAI-ressourcer og udrulle modeller. | Azure-portal | Rollebaseret adgangskontrol til Azure OpenAI Service |
| Opret Azure OpenAI Service-ressource, og udrul en model. | Azure-portal/ og Azure AI Studio | Opret og udrul en Azure OpenAI Service-ressource |
Når du har fuldført dette trin, kan du begynde at udvikle din Copilot-oplevelse, hvilket kræver følgende oplysninger om ressourcen og den udrullede model:
| Hvad | Hvor du finder det |
|---|---|
| Azure OpenAI API-nøgle og slutpunkt (URL-adresse) | Nøgler og slutpunkt-side til ressourcen i Azure-portalen. |
| Udrulningsnavn til modellen | Siden Udrulninger i Azure AI Studio. |
Hvor meget koster denne omkostning, og findes der værktøjer til at forudsige og måle omkostninger?
Omkostningen ved at bruge Azure OpenAI Service afhænger af typen og mængden af ressourcer, du bruger, som til gengæld afhænger af modellen. Du kan bruge Azure-prisregneren til at forkalkulere omkostningen ved at bruge Azure OpenAI Service ud fra dit forventede forbrug og den forventede konfiguration.
Da AI-funktionerne er knyttet til Azure OpenAI Service-nøglen, er du ansvarlig for driftsomkostningerne for Azure OpenAI-ressourcer i hele forløbet med udvikling og test. Du forbliver ansvarlig, når dine kunder bruger funktionen i produktions- eller sandkassemiljøer. En AI-funktion, der giver flere månedlige forslag til virksomhedsejere, forbruger f.eks. sandsynligvis færre ressourcer og koster mindre. Modsat er det sådan, at en AI-funktion, der genererer en daglig projektoversigt på to sider for hver medarbejder, sandsynligvis bruger flere ressourcer og koster mere.
Du kan eventuelt bruge Microsofts værktøjer til omkostningsstyring og fakturering til at overvåge og styre dit forbrug på Azure OpenAI Service. Du kan angive budgetter, påmindelser og politikker for at spore og optimere dine omkostninger. Du kan også få vist og hente detaljerede rapporter og fakturaer, der viser din brug og dine gebyrer.
Få mere at vide om, hvor meget Azure OpenAI Service koster, og hvilke værktøjer der kan bruges til at forudsige/måle omkostningen i Azure OpenAI Service-prissætning.
Er der fordele og ulemper ved at bruge de populære modeller?
De populære modeller, der findes i Azure OpenAI Service i dag, er GPT-4 og DALL-E. GPT-4 er en sprogmodel i stor skala, der kan generere naturlig og sammenhængende tekst til forskellige opgaver og domæner, f.eks. opsummering, oversættelse, svar på spørgsmål og oprettelse af indhold. DALL-E er en billedmodel i stor skala, der kan generere realistiske og forskellige billeder ud fra tekst- eller billedprompter, f.eks. tegninger, logoer, ikoner og kulisser.
Begge modeller er gode til at producere relevante output i høj kvalitet, der kan forbedre dine applikationer og arbejdsgange. Begge modeller har dog også visse begrænsninger og udfordringer, som du bør være opmærksom på. Modellerne kan f.eks. ikke altid generere nøjagtige eller faktuelle output, overholde etiske og sociale normer eller sørge for beskyttelse af personlige oplysninger og sikkerhed for dataene.
Du kan få mere at vide om, hvad de populære modeller er gode eller mindre gode til, ved at gå til Azure OpenAI Service-modeller.
Hvad er faldgrupperne og bedste fremgangsmåder for prompter?
En prompt er det input, du angiver for modellen, til generering af et output. En prompt kan være tekst, billede eller en kombination af begge. Den måde, du skriver en prompt på, kan påvirke kvaliteten og relevansen af outputtet. Det er derfor vigtigt at følge nogle af de retningslinjer og bedste fremgangsmåder, når du skriver prompter. Nogle af faldgrupperne og de bedste fremgangsmåder er:
- Udtryk klart og præcist, hvad du ønsker, at modellen skal udføre, og hvilken type output du forventer.
- Angiv tilstrækkelig sammenhæng og oplysninger, til at modellen kan forstå opgaven og domænet.
- Brug eksempler, nøgleord og formatering til at vejlede modellen og begrænse outputtet.
- Undgå utydelige, vage og vildledende prompter, der kan forvirre modellen eller føre til uønsket output.
- Test og evaluer output på forskellige prompter og scenarier for at kontrollere modellens ydeevne og pålidelighed.
- Gennemse og kontrollér output for nøjagtighed, relevans, kvalitet og etik, før du bruger det i dine programmer eller arbejdsgange.
Du kan få mere at vide om, hvordan du skriver effektive prompter, og hvad faldgrupperne og de bedste fremgangsmåder er, i Kunsten ved prompten: Sådan får du det optimale ud af generativ AI.
Hvordan kan jeg administrere promptoutput og usikkerhed?
De output, som modellen genererer, er ikke altid perfekte eller forudsigelige. Modeller kan generere output, der er unøjagtigt, irrelevant, ufuldstændigt, inkonsistent eller endog upassende. Derfor har du brug for en strategi for administration af output og håndtering af usikkerhed.
- Brug modelparametrene og -indstillingerne til at styre outputformatet, længden og mangfoldigheden.
- Brug modelmålepunkter og -resultater til at måle outputkvalitet, konfidens og lighed.
- Brug modelfeedback og -logfiler til at overvåge og forbedre ydeevne og pålidelighed af outputtet.
- Brug modelfiltrene og -sikkerhedsforanstaltningerne til at forhindre og registrere outputfejl og -problemer.
- Brug menneskelig gennemgang til at validere og korrigere outputresultaterne.
Få mere at vide om, hvordan du administrerer output og usikkerhed på Sådan styrer du Azure OpenAI-modeller. Få mere at vide om Copilot-prompter under Få mere at vide om Copilot-prompter.