Piano di intelligenza artificiale - Raccomandazioni per le organizzazioni che pianificano l'adozione dell'IA
Questo articolo descrive il processo organizzativo per la pianificazione dell'adozione dell'IA. Un piano di adozione dell'IA descrive in dettaglio i passaggi che un'organizzazione deve adottare per integrare l'intelligenza artificiale nelle operazioni. Questo piano garantisce l'allineamento tra le iniziative di IA e gli obiettivi aziendali. Consente alle organizzazioni di allocare risorse, sviluppare competenze e distribuire la tecnologia per un'adozione efficace dell'IA.
Valutare le competenze di intelligenza artificiale
Nella strategia tecnologica è stata identificata l'intelligenza artificiale usa casi e soluzioni di intelligenza artificiale per ognuna. Queste soluzioni richiedono determinate competenze di IA da adottare. Valutare le competenze di intelligenza artificiale correnti e identificare le lacune da risolvere prima di procedere. Una valutazione della maturità di intelligenza artificiale consente di determinare la conformità all'implementazione dell'IA. Guida anche la selezione dei casi d'uso che corrispondono alle funzionalità e accelera il successo. Usare la tabella seguente per valutare il livello di maturità dell'IA. Per altre informazioni, vedere Valutazione tecnica per l'intelligenza artificiale generativa in Azure.
| Livello di maturità dell'intelligenza artificiale | Competenze richieste | Idoneità dei dati | Casi d'uso di intelligenza artificiale fattibili |
|---|---|---|---|
| Livello 1 | ▪ Conoscenza di base dei concetti di intelligenza artificiale ▪ Possibilità di integrare origini dati ed eseguire il mapping delle richieste |
▪ Dati da minimo a zero disponibili ▪ Dati aziendali disponibili |
▪ Avvio rapido di Azure (vedere la tabella) ▪ App Copilot Studio |
| Livello 2 | ▪ Esperienza con la selezione del modello di intelligenza artificiale ▪ Familiarità con la distribuzione di intelligenza artificiale e la gestione degli endpoint ▪ Esperienza con la pulizia e l'elaborazione dei dati |
▪ Dati da minimo a zero disponibili ▪ Set di dati piccolo e strutturato ▪ Piccola quantità di dati specifici del dominio disponibili |
▪ Uno dei progetti precedenti ▪ Carico di lavoro di intelligenza artificiale analitica personalizzato che usa i servizi di intelligenza artificiale di Azure ▪ App di chat di intelligenza artificiale generativa personalizzata senza recupero della generazione aumentata (RAG) in Azure AI Studio ▪ App di Machine Learning personalizzata con training automatizzato del modello ▪ Ottimizzazione di un modello di intelligenza artificiale generativo |
| Livello 3 | ▪ Competenza nell'ingegneria dei prompt ▪ Competenza nella selezione del modello di intelligenza artificiale, nella suddivisione in blocchi di dati e nell'elaborazione delle query ▪ Conoscenza della pre-elaborazione dei dati, pulizia, suddivisione e convalida dei dati ▪ Dati di base per l'indicizzazione |
▪ Grandi quantità di dati aziendali cronologici disponibili per Machine Learning ▪ Piccola quantità di dati specifici del dominio disponibili |
▪ Uno dei progetti precedenti ▪ Creare un'app per intelligenza artificiale con RAG in Azure AI Studio (o Azure Machine Learning) ▪ Training e distribuzione di un modello di Machine Learning in Machine Learning ▪ Training ed esecuzione di un modello di intelligenza artificiale di piccole dimensioni in Azure Macchine virtuali |
| Livello 4 | ▪ Esperienza avanzata di intelligenza artificiale/Machine Learning, inclusa la gestione dell'infrastruttura ▪ Conoscenza della gestione di flussi di lavoro complessi di training del modello di intelligenza artificiale ▪ Esperienza con orchestrazione, benchmarking dei modelli e ottimizzazione delle prestazioni ▪ Competenze avanzate per la protezione e la gestione degli endpoint di intelligenza artificiale |
▪ Grandi quantità di dati disponibili per il training | ▪ Uno dei progetti precedenti ▪ Eseguire il training e l'esecuzione di un'app di intelligenza artificiale generativa o non generica di grandi dimensioni in Macchine virtuali, servizio Azure Kubernetes o App Azure Container |
Acquisire competenze di intelligenza artificiale
L'acquisizione delle competenze di IA richiede alle organizzazioni di valutare il proprio pool di talenti corrente e determinare se migliorare, reclutare o collaborare con esperti esterni. Valutare il pool di talenti corrente per identificare le esigenze di upskilling, recruiting o partnership esterne. La creazione di un team di intelligenza artificiale qualificato garantisce che sia possibile adattarsi alle sfide e gestire vari progetti di intelligenza artificiale. L'IA si evolve costantemente, quindi mantenere una cultura dell'apprendimento continuo supporta l'innovazione e mantiene le competenze attuali.
Informazioni sulle competenze di intelligenza artificiale. Usare la piattaforma Microsoft Learn per formazione, certificazioni e linee guida per i prodotti gratuiti per intelligenza artificiale. Definire gli obiettivi di certificazione, ad esempio Concetti fondamentali sull'intelligenza artificiale di Azure, Azure Tecnico AI Associate e Azure Scienziato dei dati Associate. Sono disponibili risorse di apprendimento per altri argomenti sulla piattaforma, quindi filtrare i risultati per restituire risultati specifici dell'intelligenza artificiale.
Reclutare professionisti dell'IA. Per competenze oltre alle funzionalità interne, reclutare professionisti dell'IA esperti nello sviluppo di modelli, nell'intelligenza artificiale generativa o nell'etica dell'IA. Questi professionisti sono molto richiesti. Valutare la possibilità di collaborare con gli istituti di istruzione per accedere a talenti freschi. Assicurarsi di aggiornare le descrizioni dei processi per riflettere le esigenze di IA in continua evoluzione e offrire un risarcimento competitivo. Creare un marchio di datori di lavoro attraente. Mostrare l'impegno dell'organizzazione per l'innovazione e il progresso tecnologico, rendendo il marchio interessante per i professionisti dell'IA.
Usare i partner Microsoft per acquisire competenze di intelligenza artificiale. Usare il marketplace dei partner Microsoft per risolvere la carenza di competenze e soddisfare i vincoli di tempo. I partner Microsoft offrono competenze di intelligenza artificiale, dati e Azure in vari settori.
Accedere alle risorse di intelligenza artificiale
Come passaggio tattico per sviluppare soluzioni di intelligenza artificiale, è necessario potervi accedere. L'obiettivo è fornire un modo rapido per comprendere e accedere a ciò che è necessario iniziare a usare le soluzioni di intelligenza artificiale Microsoft.
Accedere a Microsoft 365 Copilot. La maggior parte dei copiloti SaaS Microsoft richiede una licenza o una sottoscrizione del componente aggiuntivo. Microsoft 365 Copilot richiede una licenza di Microsoft 365 business o enterprise a cui si aggiunge la licenza Copilot.
Accedere a Microsoft Copilot Studio. Microsoft Copilot Studio usa una licenza autonoma o una licenza del componente aggiuntivo.
Accedere ai copiloti nel prodotto. I copiloti nel prodotto hanno requisiti di accesso diversi per ognuno, ma è necessario l'accesso al prodotto primario. Per altre informazioni su ognuno di essi, vedere GitHub, Power Apps, Power BI, Dynamics 365, Power Automate e Azure.
Accedere ai Copiloti basati sui ruoli. I copiloti basati sui ruoli hanno anche i propri requisiti di accesso. Per altre informazioni, vedere Agenti basati sui ruoli per Microsoft 365 Copilot e Microsoft Copilot for Security.
Accedere alle risorse di Intelligenza artificiale di Azure. Le soluzioni PaaS e IaaS di Azure richiedono un account Azure. Questi servizi includono il servizio Azure OpenAI, Azure AI Studio, Azure Machine Learning, i servizi di intelligenza artificiale di Azure, Azure Macchine virtuali e Azure CycleCloud.
Classificare in ordine di priorità i casi d'uso di intelligenza artificiale
Dopo aver valutato le competenze, le risorse e la maturità dell'IA, assegnare priorità ai casi d'uso di intelligenza artificiale identificati nella strategia di intelligenza artificiale. Questa definizione di priorità garantisce di concentrarsi sui progetti che offrono il massimo valore, allinearsi agli obiettivi aziendali e corrispondere alle funzionalità correnti. Seguire questa procedura:
Valutare competenze e risorse. Dopo aver acquisito le competenze di intelligenza artificiale, esaminare la maturità attuale dell'IA, i dati disponibili e l'accesso alle risorse. Questa valutazione consente di reimpostare le priorità in base alle possibili.
Valutare i casi d'uso. Assegnare priorità ai progetti in base alla fattibilità e al valore strategico che aggiungono all'organizzazione. Allineare i casi d'uso di intelligenza artificiale agli obiettivi strategici per garantire che gli sforzi contribuiscano al successo complessivo.
Selezionare i casi d'uso principali. Creare un elenco di casi d'uso di intelligenza artificiale ad alta priorità che costituiscono la base per ulteriori esplorazioni e test.
Creare un modello di verifica dell'intelligenza artificiale
Lo sviluppo di un modello di verifica dell'intelligenza artificiale convalida la fattibilità e il potenziale valore di un caso d'uso con priorità su una scala più piccola. Il processo di verifica consente di perfezionare la priorità dei casi d'uso, ridurre i rischi e identificare i problemi prima di passare alla distribuzione su larga scala. Questo approccio iterativo consente di modificare il piano di intelligenza artificiale in base alle informazioni dettagliate reali.
Selezionare l'opportunità giusta. Nell'elenco di casi d'uso di intelligenza artificiale, scegliere un progetto di alto valore che sia allineato al livello di maturità dell'intelligenza artificiale. Idealmente, iniziare con un progetto interno, non con il cliente. I progetti interni riducono al minimo i rischi e forniscono una base per testare il carico di lavoro. Usare il modello di verifica per convalidare l'approccio e perfezionarlo prima di espandersi nell'ambiente di produzione. Eseguire test A/B per stabilire il funzionamento e raccogliere i dati di base.
Iniziare con una guida introduttiva di Azure. Azure offre indicazioni dettagliate per la creazione di applicazioni di base usando le piattaforme di intelligenza artificiale. Queste guide, denominate guide introduttive, consentono di distribuire un'applicazione e includere le istruzioni per eliminarla in un secondo momento. Le guide introduttive offrono un modo semplice per acquisire familiarità con la tecnologia dell'organizzazione.
Tipo di intelligenza artificiale Guida introduttiva all'intelligenza artificiale di Azure Intelligenza artificiale generativa Azure AI Studio, Azure OpenAI, Copilot Studio Apprendimento automatico Azure Machine Learning Intelligenza artificiale analitica Servizi di intelligenza artificiale di Azure: Sicurezza dei contenuti per intelligenza artificiale di Azure, Azure AI Visione personalizzata, Document Intelligence Studio, Servizio Viso, *Lingua per intelligenza artificiale di Azure, Riconoscimento vocale di Intelligenza artificiale di Azure, *Azure AI Translator, Visione artificiale di Azure.
*Ogni funzionalità di questo servizio di intelligenza artificiale ha una propria guida introduttiva.Riscrivere le opportunità di intelligenza artificiale. Usare le informazioni dettagliate ottenute dal modello di verifica per perfezionare l'elenco dei casi d'uso di intelligenza artificiale. Se il Modello di verifica presenta sfide impreviste, modificare le priorità e concentrarsi su progetti più fattibili.
Implementare l'IA responsabile
L'adozione responsabile dell'IA richiede l'incorporazione di framework etici e procedure normative nel piano di implementazione dell'IA. Questo approccio garantisce che le iniziative di IA siano allineate ai valori dell'organizzazione, proteggano i diritti degli utenti e siano conformi agli standard legali.
Usare gli strumenti di pianificazione dell'intelligenza artificiale responsabile. Per integrare i principi di IA responsabili nel processo di adozione, usare strumenti e framework che supportano procedure di IA etiche. Microsoft offre diverse risorse.
Strumento di pianificazione dell'IA responsabile Descrizione Modello di valutazione dell'impatto sull'intelligenza artificiale Valutare potenziali impatti sociali, economici ed etici delle iniziative di IA. Human-AI eXperience Toolkit Progettare sistemi di intelligenza artificiale che assegnano priorità al benessere degli utenti e favoriscono interazioni positive. Modello di maturità dell'IA responsabile Valutare e migliorare la maturità dell'organizzazione nell'implementazione di procedure di IA responsabili. Avviare il processo di governance dell'intelligenza artificiale. L'adozione responsabile dell'IA implica la creazione di criteri di governance per guidare i progetti di intelligenza artificiale e monitorare i comportamenti del sistema di intelligenza artificiale. Per iniziare, identificare i rischi aziendali specifici delle iniziative di IA. Documentare i criteri di governance che delineano responsabilità, requisiti di conformità e standard etici. Per informazioni dettagliate su questo processo, vedere l'articolo sulla governance dell'intelligenza artificiale.
Avviare il processo di gestione dell'intelligenza artificiale. I framework di gestione dell'intelligenza artificiale, ad esempio GenAIOps o MLOps, consentono di garantire la conformità continua ai principi di IA responsabili man mano che i sistemi di intelligenza artificiale si evolvono. Queste procedure implicano la gestione della distribuzione, il monitoraggio continuo e l'ottimizzazione dei costi per i modelli di intelligenza artificiale nell'ambiente di produzione. Per informazioni dettagliate su questo processo, vedere l'articolo sulla gestione dell'intelligenza artificiale.
Avviare il processo di sicurezza dell'intelligenza artificiale. La sicurezza costituisce una parte fondamentale dell'adozione responsabile dell'IA. Le valutazioni regolari della sicurezza consentono di proteggere la riservatezza, l'integrità e la disponibilità dei sistemi di intelligenza artificiale. Eseguire valutazioni dei rischi per affrontare potenziali minacce alla sicurezza specifiche dell'IA, ad esempio attacchi antagonisti o violazioni dei dati. Per informazioni dettagliate su questo processo, vedere l'articolo sull'intelligenza artificiale sicura.
Stimare le sequenze temporali di recapito
La stima delle tempistiche di recapito comporta l'impostazione di pianificazioni realistiche e attività cardine per l'implementazione del progetto di intelligenza artificiale. Le sequenze temporali chiare consentono alle organizzazioni di allocare risorse in modo efficace e gestire le aspettative degli stakeholder, supportando una progressione strutturata dal modello di verifica alla produzione. Stabilendo attività cardine specifiche, le organizzazioni possono misurare lo stato di avanzamento, identificare potenziali ritardi e apportare modifiche per tenere traccia dei progetti e all'interno del budget.
In base al modello di verifica, assegnare una sequenza temporale di recapito per le opportunità di intelligenza artificiale. Creare una sequenza temporale con attività cardine chiare e risultati finali per l'implementazione di casi d'uso selezionati. Assegnare team, definire ruoli e proteggere strumenti o partnership necessari. Le soluzioni SaaS per intelligenza artificiale Microsoft offrono le tempistiche più brevi per visualizzare un ritorno sugli investimenti. Le sequenze temporali per la creazione di app di intelligenza artificiale in soluzioni PaaS e IaaS di Azure dipendono dal caso d'uso e dalla maturità dell'intelligenza artificiale. Nella maggior parte dei casi, sono necessari settimane o mesi prima di avere un carico di lavoro di intelligenza artificiale pronto per la produzione.
Passaggio successivo
Il resto di queste linee guida è incentrato sulla creazione di carichi di lavoro di intelligenza artificiale in Azure usando soluzioni PaaS e IaaS. Per avere successo in Azure, è prima necessario stabilire le basi per l'intelligenza artificiale in AI Ready.
Per altre informazioni sull'adozione di una soluzione Microsoft Copilot, vedere queste risorse:
| Categoria | Soluzione Copilot |
|---|---|
| Produttività aziendale | Copilot per Microsoft 365 |
| Piattaforma a basso codice | Copilot Studio |
| Basati sui ruoli | Microsoft Copilot per la sicurezza Microsoft 365 Copilot for Sales Microsoft 365 Copilot for Service Microsoft 365 Copilot for Finance |
| Copiloti in-product | GitHub Power Apps Power BI Dynamics 365 Power Automate Azure |
| Basato su browser | Copilota (gratuito) Copilot Pro |