Compartir a través de

Introducción a la IA en Dynamics 365

  • Artículo

Microsoft Copilot y las experiencias de IA relacionadas son emocionantes y abren mundos completamente nuevos de posibilidades. Pero con un Copilot para casi todos los productos de Microsoft, incluidas las aplicaciones de Dynamics 365, e información sobre cómo obtener y utilizar capacidades de IA en su empresa repartidas en varias bibliotecas de documentación, puede resultar complicado saber por dónde empezar.

En este artículo aclararemos algunos aspectos de Copilot que a muchas personas les resultan confusos. También proporcionamos vínculos a recursos donde puede profundizar más si desea obtener más detalles.

Importante

Este artículo irá cambiando con el tiempo. Si cree que falta algo o ve algo que ha cambiado, indíquenoslo. O, mejor aún, contribuya a este artículo. Obtenga más información en Contribuir a la documentación de Dynamics 365.

Soy nuevo en la IA. ¿Por dónde empiezo?

Comience con una información general en vídeo de alto nivel de cómo funciona Copilot en Dynamics 365 y Power Platform. Descubrirá cómo Copilot mantiene seguros los datos de su empresa y cumple con los requisitos de privacidad, y cómo utiliza la IA generativa de manera responsable.

Miniatura de las listas de reproducción del canal de Dynamics 365 en YouTube.

¿Cómo utilizan la IA las aplicaciones de Dynamics 365?

Las capacidades de IA en Dynamics 365 utilizan exclusivamente servicios de Microsoft Azure. Elegimos la nube de Azure porque los servicios de Azure están diseñados según los estándares de IA responsable de Microsoft y con los controles de cumplimiento, privacidad y seguridad empresarial que esperan nuestros clientes.

¿Cómo se relaciona la IA generativa con lo que Microsoft ofrece en Azure?

La IA generativa es un tipo de inteligencia artificial que puede crear nuevos contenidos o datos para usted en función de sus entradas o mensajes. Por ejemplo, la IA generativa puede escribir texto, generar imágenes, componer música o sintetizar voz. Microsoft ofrece una gama de modelos y servicios de IA en Azure, como Azure Cognitive Services, Azure Machine Learning y Azure OpenAI Service. Azure OpenAI Service es una opción de IA generativa que le permite acceder y utilizar modelos de OpenAI, como GPT-4 y DALL-E, para diversas tareas y escenarios. Las aplicaciones de Dynamics 365 usan Azure OpenAI Service para proporcionar capacidades de IA generativa a fin de ayudar a los usuarios profesionales en su trabajo. Nuestros partners también pueden integrar Azure OpenAI Service en sus soluciones.

Obtenga más información en la entrada de blog en Innovar más rápido con IA generativa en Azure OpenAI Service.

¿Cómo puede la IA generativa ayudar a las empresas?

El término IA generativa suena intrigante, pero ¿cómo pueden usarlo las empresas para anticiparse? Aquí se muestra una entrada de blog que brinda algunos ejemplos interesantes que pueden inspirarle: Azure OpenAI Service: Diez formas en que la IA generativa está transformando las empresas.

También puede obtener información general rápida de las capacidades de IA generativa en las aplicaciones de Dynamics 365 en Microsoft Copilot en Dynamics 365.

Sugerencia

Las siguientes dos secciones están destinadas a organizaciones que desean ofrecer IA generativa por sí mismas, es decir, no a personas que desean utilizar las capacidades de la IA generativa integradas en las aplicaciones de Dynamics 365. Si es un usuario profesional, vaya a una de las otras secciones; use los vínculos de la sección En este artículo en la parte superior para encontrar el tema adecuado para usted.

¿Cómo obtengo acceso a Azure OpenAI Service y elijo e implemento modelos de IA?

Para obtener acceso a Azure OpenAI Service, debe tener una suscripción a Azure y una cuenta de Azure OpenAI Service. Puede registrarse para ambos en Azure Portal. Su cuenta le permite crear un recurso de Azure OpenAI Service y obtener una clave de API que puede usar para acceder a los modelos de Azure OpenAI Service. Puede elegir entre varios modelos para diferentes dominios y propósitos. Por ejemplo, generación de texto, análisis de texto, generación de imágenes, análisis de imágenes e IA conversacional.

Puede personalizar, entrenar e implementar modelos proporcionando sus propios datos y parámetros. Sin embargo, normalmente puede saltarse ese proceso costoso y que requiere mucho tiempo. El modelo de Azure OpenAI Service ya se entrena en grandes cantidades de datos.

En la siguiente tabla se brinda información general de las tareas y recursos.

Qué Dónde Más información
Obtenga una suscripción a Azure. Suscríbase a un plan de pago o comience una prueba gratuita. azure.microsoft.com
Solicite acceso a Azure OpenAI Service para su suscripción. Actualmente, el acceso a este servicio se otorga únicamente mediante solicitud. https://aka.ms/OAIapply ¿Qué es Azure OpenAI Service?
Obtenga permisos en su cuenta para crear recursos de Azure OpenAI e implementar modelos. Portal de Azure Control de acceso basado en rol para Azure OpenAI Service
Cree un recurso de Azure OpenAI Service e implemente un modelo. Azure Portal/ y Estudio de IA de Azure Crear e implementar un recurso de Azure OpenAI Service

Después de completar este paso, puede comenzar a desarrollar su experiencia de Copilot, que requiere la siguiente información sobre el recurso y el modelo implementado:

Qué Dónde encontrarlo
Clave de API y punto de conexión (URL) de Azure OpenAI Página Claves y punto de conexión del recurso en Azure Portal.
Nombre de implementación para el modelo La página Implementaciones en Estudio de IA de Azure

¿Cuánto cuesta esto? ¿Existen herramientas para predecir y medir el coste?

El coste de usar Azure OpenAI Service depende del tipo y cantidad de recursos que utilice, que a su vez dependen del modelo. Puede usar la Calculadora de precios de Azure para estimar el coste de usar Azure OpenAI Service basado en su uso y configuración esperados.

Puesto que sus características de IA están vinculadas a su clave de Azure OpenAI Service, usted es responsable de los costes operativos de los recursos de Azure OpenAI durante todo el desarrollo y las pruebas. Usted sigue siendo responsable cuando sus clientes utilizan la característica en entornos de producción o espacio aislado. Por ejemplo, una característica de IA que proporciona algunas sugerencias mensuales a los propietarios de empresas probablemente consuma menos recursos y cueste menos. Por el contrario, una característica de IA que genera un resumen diario del proyecto de dos páginas para cada empleado probablemente consume más recursos y cuesta más.

De manera opcional, use las herramientas Microsoft Cost Management y Billing para supervisar y controlar sus gastos en Azure OpenAI Service. Puede establecer presupuestos, alertas y políticas para realizar un seguimiento y optimizar sus costes. También puede ver y descargar informes y facturas detallados que muestran su uso y cargos.

Obtenga más información sobre cuánto cuesta Azure OpenAI Service y cuáles son las herramientas para predecir/medir el coste en Precio de Azure OpenAI Service.

Los modelos populares que están disponibles actualmente en Azure OpenAI Service son GPT-4 y DALL-E. GPT-4 es un modelo de lenguaje a gran escala que puede generar texto natural y coherente para diversas tareas y dominios, como resúmenes, traducción, respuesta a preguntas y creación de contenido. DALL-E es un modelo de imagen a gran escala que puede generar imágenes realistas y diversas a partir de instrucciones de texto o imágenes, como dibujos, logotipos, iconos y escenas.

Ambos modelos son buenos para producir resultados relevantes y de alta calidad que pueden mejorar sus aplicaciones y flujos de trabajo. Sin embargo, estos dos modelos también tienen algunas limitaciones y desafíos que debe tener en cuenta. Por ejemplo, es posible que los modelos no siempre generen resultados precisos o fácticos, no respeten las normas éticas y sociales o no protejan la privacidad y seguridad de los datos.

Para obtener más información sobre en qué son buenos o menos buenos los modelos populares, vaya a Modelos de Azure OpenAI Service.

¿Cuáles son los errores y los procedimientos recomendados para las instrucciones?

Una instrucción es la entrada que proporciona al modelo para generar una salida. Una instrucción puede ser texto, imagen o una combinación de ambos. La forma en que escribe una instrucción puede afectar a la calidad y la relevancia del resultado. Por lo tanto, es importante seguir algunas pautas y procedimientos recomendados al escribir instrucciones. Algunas de los errores y procedimientos recomendados son:

  • Sea claro y específico acerca de lo que quiere que haga el modelo y qué tipo de resultado espera.
  • Proporcione suficiente contexto e información para que el modelo comprenda la tarea y el dominio.
  • Use ejemplos, palabras clave y formato para guiar el modelo y restringir el resultado.
  • Evite indicaciones ambiguas, vagas o engañosas que puedan confundir al modelo o generar resultados no deseados.
  • Pruebe y evalúe los resultados en diferentes instrucciones y escenarios para comprobar el rendimiento y la fiabilidad del modelo.
  • Revise y verifique la precisión, relevancia, calidad y ética de los resultados antes de utilizarlos en sus aplicaciones o flujos de trabajo.

Obtenga más información sobre cómo escribir instrucciones eficaces y cuáles son los errores y los procedimientos recomendados en El arte de las instrucciones: cómo obtener lo mejor de la IA generativa.

¿Cómo puedo gestionar los resultados y la incertidumbre de las instrucciones?

Los resultados que genera el modelo no siempre son perfectos o predecibles. Los modelos pueden generar resultados inexactos, irrelevantes, incompletos, inconsistentes o incluso inapropiados. Por lo tanto, necesita una estrategia para gestionar los resultados y controlar la incertidumbre.

  • Use los parámetros y configuraciones del modelo para controlar el formato de salida, la longitud y la diversidad.
  • Use las métricas y puntuaciones del modelo para medir la calidad, la confianza y la similitud del resultado.
  • Use los registros y comentarios del modelo para supervisar y mejorar el rendimiento y la fiabilidad de los resultados.
  • Use los filtros y salvaguardas del modelo para prevenir y detectar errores y problemas con los resultados.
  • Use la revisión humana para validar y corregir los resultados y salidas.

Obtenga más información sobre cómo gestionar los resultados y la incertidumbre en Cómo controlar los modelos de Azure OpenAI. Obtenga más información sobre las instrucciones de Copilot en Más información sobre las instrucciones de Copilot.