Workload-Teampersonas, die an AI-Workloads beteiligt sind
Im Kontext der Erstellung von KI-Workloads erfordern nicht deterministische Modelle im Gegensatz zur herkömmlichen Codebereitstellung iterative Experimente und Zusammenarbeit in mehreren Rollen und Teams. Die frühzeitige Integration von Betriebs-, Anwendungsentwicklungs- und Datenteams ist unerlässlich, um gegenseitiges Verständnis zu fördern. Diese Zusammenarbeit erfordert vielfältige Fähigkeiten und kontinuierliches Lernen, um mit technologischen Fortschritten schritt zu halten.
Effektive Zusammenarbeit hängt von der Integration von Tools, Prozessen und Personen ab, die von Arbeitsauslastungsanforderungen und spezifischen Zielen gesteuert werden. Zu den empfohlenen Strategien gehören:
- Einrichten klarer Rollen und Verantwortlichkeiten.
- Nutzen der Fähigkeiten Ihres Teams für geeignete Aufgaben.
- Standardisieren von Prozessen und Unterprozessen, z. B. Nachverfolgen von Arbeiten als Teil eines freigegebenen Backlogs.
- Verlassen Sie sich auf die Automatisierung, um Konsistenz und Reproduzierbarkeit zu erzielen.
Personas können ein effektives Instrument sein, um diese Strategien zu materialisieren und Die Verantwortlichkeiten zu standardisieren. In diesem Artikel wird das Konzept von Personas beschrieben, die in AI-Arbeitslasten zu finden sind, deren Vorteile im Arbeitsauslastungsentwurf und Beispiele und Tools zum effektiven Definieren und Verwenden dieser Personas auf Teamebene.
Was sind Personas?
Personas stellen Teilmengen von Menschen und Prozessen dar, die an der Erstellung und Ausführung einer Workload beteiligt sind, und erfassen nicht nur ihre Rollen, sondern auch ihre realen Verhaltensweisen und Verantwortlichkeiten. Eine Person kann je nach Kontext eine oder mehrere Personas verkörpern. Interessanterweise muss eine Persona keine Person sein; es kann auch ein unbeaufsichtigter Prozess sein, z. B. ein Agentprozess innerhalb der Architektur.
Ihre Workload verfügt möglicherweise über Endbenutzerpersonas, die die Featureentwicklung fördern, diese Personas sind in diesem Artikel nicht im Umfang enthalten.
Im Gegensatz zu Rollen, die in der Regel statischere Funktionen oder Positionen innerhalb einer Organisation sind, sind Personas dynamisch und zielorientiert. Sie können verwendet werden, um die Anforderungen an die Prozesse und Werkzeuge zuzuordnen, z. B. Architekturkomponenten. Personas helfen in erster Linie dabei, den Zuständigkeitsbereich zu definieren und den Kontext innerhalb eines Projekts festzulegen. Sie bieten verschiedene weitere Vorteile, z. B.:
Identifizierung von Ressourcenlücken, die bei der Entscheidung helfen, ob die Lösung rekrutiert, trainiert oder neu gestaltet werden soll. Wenn Ihr Workloadteam keine Personen benötigt, die eine erforderliche Persona anpassen, müssen Sie möglicherweise die Architektur anpassen, den Prozess ändern oder neue Mitarbeiter integrieren. Wenn beispielsweise eine Senior Data Science Persona fehlt, kann die Architektur neu gestaltet werden, indem sie höhere Zuverlässigkeit bei allgemeinen SaaS-KI-Lösungen oder die Einbindung von KI-Lösungen von Drittanbietern in Betracht zieht.
Verbesserte Fähigkeiten. Das Zuordnen von Personas zu bestimmten Architektonischen Komponenten erleichtert auch bildungsbezogene Möglichkeiten, Sitzungen und Onlinekurse zur Verbesserung der Fähigkeiten bereitzustellen.
Stellen Sie die entsprechenden Zugriffsebenen sicher. Personas sollten verwendet werden, um Sicherheits- und Zugriffsanforderungen zu definieren, indem sie sie Prozessen, Architekturen und Diensten zuordnen, um geeignete Zugriffsebenen sicherzustellen.
Projektplanung und Kommunikation In der Projektplanung helfen Personas dabei, wichtige Interaktionen zu identifizieren und die Einrichtung von Synchronisierungsbesprechungen und die Gesamtplanung zu erleichtern. In der Regel werden Personas in die Hierarchie der Nachverfolgung von Benutzergeschichten, Features und Anforderungen integriert, um das Projektmanagement zu optimieren.
Definieren von Personas
Identifizieren Sie die Spezialisierungen Ihrer Teammitglieder, und richten Sie sie an die entsprechenden Rollen in Ihren KI-Vorgängen oder -designs aus. Erstellen Sie eine Vorlage, um die Qualifikationserwartungen der Persona, Teaminformationen und die Prozesse zu dokumentieren, an denen sie beteiligt sind.
Hier ist eine Beispiel-Basisplanvorlage:
| Persona-Vorlage |
|---|
| 🔹 Persona-Name: [Persona-Name einfügen] 🔹Team: [Team verantwortlich für diese Persona] 🔹Primäre Interaktion: [Andere Teams, mit der diese Persona interagiert] 🔹Zugriff auf Komponenten: [Sicherheits- und Zugriffsanforderungen für Prozesse und Systemkomponenten] 🔹Prozesse: [Prozesse, für die die Persona verantwortlich ist oder zu ihr beiträgt] 🔹Fähigkeiten: [Fähigkeiten, die zum Ausführen der Aufgaben erforderlich sind, einschließlich Domänen- und Technologiespezifischen, z. B. Modellschulungen oder Suchindexoptimierung.] |
Extras
Mithilfe einer Tabelle können Sie Informationen für jede Persona organisieren und visualisieren. Der Vorteil besteht darin, dass Sie weitere Tabellen erstellen und verknüpfen können, um tiefere Informationen zu erhalten. Sie können beispielsweise Architekturkomponenten mit einer anderen Tabelle verknüpfen, in der die identitätsbasierte Zugriffssteuerung für jeden Dienst und jede Umgebung (Dev, Stage, Production) angegeben ist.
Kompromiss. Mit zu wenigen Personas kann es schwierig sein, rollenbasierte Zugriffssteuerung mit geringstem privilegiertem Zugriff zu implementieren und Arbeitsaufgaben effektiv zu verteilen. Umgekehrt wird durch zu viele Personas der Verwaltungsaufwand erhöht. Beginnend mit 5-10 Personas ist ein gutes Gleichgewicht, und Sie sollten nur Personas hinzufügen, die für Ihre Vorgänge erforderlich sind.
Karten können auch zum Definieren von Personas verwendet werden. Diese Karten enthalten dieselben Informationen wie die Tabelle oder eine kurze Zusammenfassung. Sie können diese Karten mit Microsoft PowerPoint oder als Eine Reihe von Markdowndateien erstellen.
In bestimmten Fällen können Sie einen kombinierten Satz von Tools verwenden. Beispielsweise kann jede Architekturkomponente in einer Persona-Karte eine Markdowndatei mit einer Sicherheits- und rollenbasierten Zugriffssteuerung für jeden Dienst und jede Umgebung öffnen. Ein Referenzbeispiel finden Sie unter MLOps Accelerator: Identity RBAC.
Beispielpersonas
Mithilfe von Karten können Sie die Dienste definieren, auf die eine Persona innerhalb eines Prozesses zugreifen muss, und die erforderlichen Fähigkeiten für jede Persona (unabhängig davon, ob eine Person oder ein Agent).
Wichtig
Während die hier definierten Personas als Basisbeispiele dienen, empfiehlt es sich, ihre eigenen Personas mithilfe von Tools wie Tabellen, Persona-Vorlagenkarten und Diagrammen zu erstellen.
Es ist wichtig, dass diese Personas ihren spezifischen Prozessen, Organisationen und Benutzern entsprechen.
| KI-Technische Fachkraft für Daten (P001) |
|---|
| Team: Datenaufnahmeteam 🔹 Primäre Interaktion: KI-Entwicklungsteam 🔹Zugriff auf Komponenten: Azure Data Factory, Azure Databricks, Azure SQL-Datenbank, Azure Storage 🔹 Prozesse: DataOps, ETL, ELT 🔹 Fähigkeiten: SQL, Python, PySpark |
| BI Analyst (P003) |
|---|
| Team: Analyseteam 🔹 Primäre Interaktion: Datenaufnahmeteam 🔹 Zugriff auf Komponenten: Power BI, Azure Data Explorer, Azure Storage 🔹 Prozesse: Datenanalyse, Data Warehouse-Prozess 🔹 Fähigkeiten: SQL, Python, PySpark |
| Diskriminative KI-Wissenschaftliche Fachkraft für Daten (P004) |
|---|
| Team: KI-Team 🔹 Primäre Interaktion: Datenaufnahmeteam, DevOps-Team 🔹 Zugriff auf Komponenten: Azure Machine Learning, Azure Databricks, Azure Storage, Azure Key Vault 🔹 Prozesse: MLOps, MLflow 🔹 Fähigkeiten: Azure Machine Learning, Python, Modellschulung |
| GenAI Wissenschaftliche Fachkraft für Daten (P006) |
|---|
| Team: KI-Team 🔹 Primäre Interaktion: Datenaufnahmeteam, DevOps-Team 🔹 Zugriff auf Komponenten: Azure AI Studio, Azure OpenAI, Azure AI Search, Azure Storage, Azure Key Vault 🔹 Prozesse: GenAIOps 🔹 Fähigkeiten: Azure Machine Learning, Python, Model(LLM, SLM) Wissen, Feinabstimmung, RAG, Agentic-Konzept |
| GenAI Chat Developer (P007) |
|---|
| Team: Entwicklungsteam 🔹 Primäre Interaktion: KI-Team 🔹 Zugriff auf Komponenten: Azure WebApps, Azure-API-Verwaltung, Cosmos DB, Azure-Container-Apps, Azure-Funktionen 🔹 Prozesse: DevOps, Ereignisgesteuerte Verarbeitung, Microservices 🔹 Fähigkeiten: Webanwendungsarchitektur (Frontend/Back-End), React, Node.js, HTML, CSS |
| BuildAgent MLOps (P009) |
|---|
| Team: Entwicklungsteam 🔹 Primäre Interaktion: KI-Team 🔹 Zugriff auf Komponenten: Azure Machine Learning, Azure Devops, GitHub 🔹 Prozesse: Prozess/Bereitstellung von LAMBDA, OUTER Loop MLOps 🔹 Fähigkeiten: Python, Pyspark |
Anwendungsfall: Personas für KI-Prozesse
Die wichtigsten Prozesse im Zusammenhang mit KI-Workloads sind:
- DataOps konzentriert sich auf die Erfassung und Vorbereitung von Daten.
- MLOps umfasst die Operationalisierung von Machine Learning-Modellen.
- GenAIOps bezieht sich auf das Ermitteln und Auswerten vorhandener Modelle und das anschließende Verfeinern dieser Modelle in Ihren Workloadkontext.
- Innenschleife optimiert Lösungen in der Entwicklungsumgebung, entweder während der Forschung oder ausgelöst durch äußere Schleifenüberwachung.
- Äußere Schleifen verschiebt Lösungen von der Entwicklung in die Produktion, indem kontinuierliche Überwachung und Auswertung verwendet werden, um notwendige Verbesserungen zu identifizieren.
Das Zuordnen von Personas zu diesen Prozessen bietet Kontext für jede Persona. Dies hilft dabei, die Prozesse zu identifizieren, bei denen eine Persona möglicherweise eine Weiterbildung benötigt.
Die Abbildung zeigt den Workflow für DataOps, MLOps und GenAIOps in einer Produktionsumgebung. Datenflüsse von Der Aufnahme zur Modellbereitstellung und -auswertung mit kontinuierlichen Integrations-/kontinuierlichen Bereitstellungspraktiken (CI/CD). Wichtige Aufgaben sind das Verfeinern von Datenmodellen, die Batchauswertung, die Bereitstellung von Endpunkten, die Auswertung von Echtzeitmodellen und die Feinabstimmung von Modellen. Die Beispielpersonas nehmen am gesamten Workflow teil.
Anwendungsfall: Personas für Architekturdesign
Das Verbinden von Prozessen mit der unterstützenden Architektur hilft Ihnen, die Dienste zu identifizieren, mit denen eine Persona interagieren muss, wobei Bereiche für potenzielles Auflernen hervorgehoben werden.
Um diese Verbindung zu visualisieren, erstellen Sie ein grafisches Bild, das zeigt, wie Architekturkomponenten verbunden sind. Dies kann den Datenfluss und die Interaktionen zwischen Diensten und der Automatisierung von Flüssen in der Bereitstellung veranschaulichen. Diese visuelle Hilfe hilft Projektbeteiligten, die Architektur und die Rollen verschiedener Personas darin zu verstehen.
Die folgende Abbildung zeigt eine LAMBDA-Architektur für moderne Analysen in Azure:
Nächster Schritt
Fahren Sie nun mit dem Bewertungstool fort, um Ihr Design auszuwerten.