Avancez votre niveau de maturité pour les opérations d’intelligence artificielle générative (GenAIOps)
Les opérations d’intelligence artificielle générative ou GenAIOps (parfois appelées LLMOps), décrivent les pratiques opérationnelles et les stratégies de gestion des modèles de langage volumineux (LLMs) en production. Cet article fournit des conseils sur l’avancement de vos fonctionnalités dans GenAIOps, en fonction du niveau de maturité actuel de votre organisation.
Utilisez les descriptions ci-dessous pour trouver votre modèle de maturité GenAIOps niveau de classement. Ces niveaux fournissent un niveau d’application général et pratique de votre organisation. Les instructions vous fournissent des liens utiles pour développer votre base de connaissances GenAIOps.
Conseil
Utilisez l’évaluation du modèle de maturité GenAIOps pour déterminer le niveau de maturité GenAIOps actuel de votre organisation. Le questionnaire est conçu pour vous aider à comprendre les fonctionnalités actuelles de votre organisation et à identifier les aspects à améliorer.
Les résultats que vous obtenez suite à l’évaluation correspondent à un niveau de classement du modèle de maturité GenAIOps qui fournit une compréhension générale et un niveau d’application pratique de votre organisation. Ces instructions vous fournissent des liens utiles pour développer votre base de connaissances GenAIOps.
Niveau 1 - initial
Conseil
Score de l’évaluation du modèle de maturité GenAIOps: initial (0-9).
Description : Votre organisation est à l’étape initiale de la maturité GenAIOps. Vous explorez les fonctionnalités des LLM, mais vous n’avez pas encore développé de pratiques structurées ni d’approches systématiques.
Commencez par vous familiariser avec différentes API LLM et leurs fonctionnalités. Ensuite, commencez à expérimenter la conception de prompts structurées et l’ingénierie de prompt de base. Passez en revue les articles Microsoft Learning comme point de départ. En prenant en compte ce que vous avez appris, découvrez comment introduire des métriques de base pour l’évaluation des performances des applications LLM.
Références suggérées pour l’avancement de niveau 1
- Catalogue de modèles Azure AI Studio
- Explorer le catalogue de modèles Azure AI Studio
- Introduction à l’ingénierie de prompt
- Techniques d’ingénierie d’invite
- Infrastructure de messages système
- Flux d’invite dans Azure AI Studio
- Évaluation des applications d’IA générative avec Azure AI Studio
- Métriques d’évaluation et de surveillance GenAI avec Azure AI Studio
Pour mieux comprendre GenAIOps, envisagez les cours et ateliers MS Learning disponibles.
Niveau 2 - défini
Conseil
Score de l’évaluation du modèle de maturité GenAIOps: maturité (10-14).
Description : Votre organisation a commencé à systématiser les opérations LLM, avec un focus sur le développement structuré et l’expérimentation. Toutefois, il est possible d’ajouter des mesures d’intégration et d’optimisation plus sophistiquées.
Pour améliorer vos capacités et compétences, découvrez comment développer des invites plus complexes et commencer à les intégrer efficacement dans des applications. Au cours de ce parcours, vous devez implémenter une approche systématique pour le déploiement d’applications LLM, en explorant éventuellement l’intégration CI/CD. Une fois que vous avez compris le cœur, vous pouvez commencer à utiliser des métriques d’évaluation plus avancées telles que l’importance, la pertinence et la similarité. En fin de compte, vous voudrez vous concentrer sur la sécurité du contenu et les considérations éthiques dans l’utilisation de LLM.
Références suggérées pour l’avancement de niveau 2
- Suivez notre atelier pas à pas pour élever vos pratiques GenAIOps
- Flux d’invite dans Azure AI Studio
- Comment créer avec flux d’invite
- Déployer un flux en tant que point de terminaison en ligne managé pour l’inférence en temps réel
- Intégrer le flux d’invite à GenAIOps
- Evaluation GenAI avec Azure AI Studio
- Evaluation GenAI et métriques de monitoring
- Azure Content Safety
- Outils et usages d’IA responsables
Niveau 3 - géré
Conseil
Score de l’évaluation du modèle de maturité GenAIOps: maturité (15-19).
Description : Votre organisation gère des flux de travail LLM avancés avec des stratégies de supervision proactive et de déploiement structuré. Vous êtes en passe d’atteindre l’excellence opérationnelle.
Pour développer vos connaissances de base, concentrez-vous sur l’amélioration continue et l’innovation dans vos applications LLM. À mesure que vous progressez, vous pouvez améliorer vos stratégies de surveillance avec des analyses prédictives et des mesures complètes de sécurité du contenu. Découvrez comment optimiser et affiner vos applications LLM pour des exigences spécifiques. En fin de compte, vous souhaitez renforcer vos stratégies de gestion des ressources par le biais de fonctionnalités avancées de contrôle de version et de restauration.
Références suggérées pour l’avancement de niveau 3
- Ajustement avec Azure Machine Learning
- Personnalisation du modèle avec l’ajustement
- Surveillance des modèles GenAI
- Élever les applications LLM en production avec GenAIOps
Niveau 4 - optimisé
Conseil
Noter à partir de l’évaluation du modèle de maturité GenAIOps: optimisé (20-28).
Description : Votre organisation démontre l’excellence opérationnelle dans GenAIOps. Vous avez une approche sophistiquée du développement, du déploiement et du monitoring d’applications LLM.
À mesure que les LLMs évoluent, vous allez vouloir maintenir votre position en pointe, en restant à jour avec les dernières avancées des LLMs. Évaluez en permanence l’alignement de vos stratégies LLM avec des objectifs stratégiques en évolution constante. Veillez à favoriser une culture d’innovation et d’apprentissage continu au sein de votre équipe. Enfin et surtout, partagez vos connaissances et vos usages avec la communauté étendue pour établir un leadership de réflexion dans le domaine.