AI 計画 - AI 導入を計画している組織向けの推奨事項
この記事では、AI 導入を計画するための組織のプロセスについて説明します。 AI 導入計画では、AI を運用に統合するために組織が実行する必要がある手順について詳述します。 この計画により、AI イニシアチブとビジネス目標の整合性が確保されます。 これは、組織がリソースを割り当て、スキルを開発し、効果的な AI 導入のためのテクノロジをデプロイするのに役立ちます。
AI スキルを評価する
テクノロジ戦略では、AI のユースケースとそれぞれの AI ソリューションを特定しました。 これらのソリューションを採用するには、特定の AI スキルが必要です。 続行する前に、現在の AI スキルを評価し、対処すべきギャップを特定します。 AI 成熟度評価は、AI を実装する準備状況を判断するのに役立ちます。 また、機能に一致するユース ケースの選択肢をガイドし、成功を促進します。 次の表を使用して、AI の成熟度レベルを評価します。 詳細については、「Azure での生成 AI の技術評価」を参照してください。
| AI 成熟度レベル | 必要なスキル | データの準備 | 実現可能な AI ユース ケース |
|---|---|---|---|
| レベル 1 | ▪ AI 概念の基本解釈 ▪ データ ソースを統合し、プロンプトをマップする機能 |
▪ 利用可能なデータは最小限またはゼロ ▪ 使用可能なエンタープライズ データ |
▪ Azure クイック スタート (表を参照) ▪ Copilot Studio アプリ |
| レベル 2 | ▪ AI モデルの選択の経験 ▪ AI デプロイとエンドポイント管理への精通 ▪ データのクリーニングと処理の経験 |
▪ 利用可能なデータは最小限またはゼロ ▪ 小規模で構造化されたデータセット ▪ 少量の使用可能なドメイン固有のデータ |
▪ 前のプロジェクトのいずれか ▪ Azure AI サービスを使用するカスタム分析 AI ワークロード ▪ Azure AI Studio で取得拡張生成 (RAG) を使用しないカスタム生成 AI チャット アプリ ▪ 自動モデル トレーニングを使用したカスタム機械学習アプリ ▪ 生成 AI モデルの微調整 |
| レベル 3 | ▪ プロンプト エンジニアリングの熟練度 ▪ AI モデルの選択、データ チャンク、クエリ処理の熟練度 ▪ データの前処理、クリーニング、分割、検証の熟練度 ▪ インデックス作成用のグラウンド データ |
▪ 機械学習で利用できる大量の履歴ビジネス データ ▪ 少量の使用可能なドメイン固有のデータ |
▪ 前のプロジェクトのいずれか ▪ Azure AI Studio (または Azure Machine Learning) で RAG を使用した生成 AI アプリ ▪ 機械学習モデルでの機械学習のトレーニングおよびデプロイ ▪ Azure Virtual Machines での小規模な AI モデルのトレーニングと実行 |
| [レベル 4] | ▪ インフラストラクチャ管理を含む高度な AI/機械学習の専門知識 ▪ 複雑な AI モデル トレーニング ワークフローを処理する能力 ▪ オーケストレーション、モデル ベンチマーク、パフォーマンスの最適化に関する経験 ▪ AI エンドポイントのセキュリティ保護と管理に関する強力なスキル |
▪ トレーニングに使用できる大量のデータ | ▪ 前のプロジェクトのいずれか ▪ Virtual Machines、Azure Kubernetes Service、または Azure Container Apps での大規模な生成型または非生成型の AI アプリのトレーニングと実行 |
AI スキルを習得する
AI スキルを獲得するには、現在の人材プールを評価し、スキルアップ、採用、または外部の専門家とパートナーを組むかどうかを判断する必要があります。 現在の人材プールを評価して、スキルアップ、採用、または外部パートナーシップのニーズを特定します。 熟練した AI チームを編成することで、課題に適応し、さまざまな AI プロジェクトを処理できます。 AI は絶えず進化するため、継続学習の文化を維持することは、イノベーションをサポートし、スキルを最新状態に維持するのに役立ちます。
AI スキルについて学習します。 無料の AI トレーニング、認定資格、製品ガイダンスには、Microsoft Learn プラットフォームを使用します。 Azure AI Fundamentals、Azure AI Engineer Associate、Azure Data Scientist Associate などの認定目標を設定します。 プラットフォーム上に他の学習科目の学習リソースがあるため、結果をフィルター処理して AI 固有の結果を返します。
AI プロフェッショナルを採用します。 内部機能以外の専門知識については、モデル開発、生成 AI、または AI 倫理に精通した AI プロフェッショナルを採用します。 このような専門家の需要は高まっています。 教育機関と協力して、新しい人材を得ることを検討します。 進化する AI のニーズを反映するようにジョブの説明を更新し、競争力のある報酬を提供します。 魅力的な雇用主ブランドを作成します。 イノベーションと技術の進歩に対する組織のコミットメントを紹介し、AI プロフェッショナルにブランドをアピールします。
Microsoft パートナーを使用して AI スキルを習得します。 Microsoft パートナー マーケットプレースを使用して、スキル不足に対処し、時間の制約を満たします。 Microsoft パートナーは、さまざまな業界で AI、データ、Azure の専門知識を提供しています。
AI リソースにアクセスする
AI ソリューションを開発するための戦術的な手順として、それらにアクセスできる必要があります。 目標は、Microsoft AI ソリューションの使用を開始するために必要なものを簡単に理解し、アクセスする方法を提供することです。
Microsoft 365 Copilot にアクセスします。 ほとんどの Microsoft SaaS Copilots には、ライセンスまたはアドオン サブスクリプションが必要です。 Microsoft 365 Copilot には、Copilot ライセンスに追加する Microsoft 365 ビジネスまたはエンタープライズ ライセンスが必要です。
Microsoft Copilot Studio にアクセスします。Microsoft Copilot Studio では、スタンドアロン ライセンスまたはアドオン ライセンスが使用されます。
製品内 Copilots にアクセスします。 製品内 Copilot のアクセス要件はそれぞれ異なりますが、プライマリ製品へのアクセスが必要です。 それぞれの詳細については、GitHub、Power Apps、Power BI、Dynamics 365、Power Automate、Azure に関するページを参照してください。
ロールベースの Copilots にアクセスします。 ロールベースの Copilots には、独自のアクセス要件もあります。 詳細については、「Microsoft 365 Copilot 向けロールベース エージェント」および「Microsoft Copilot for Security」を参照してください。
Azure AI リソースにアクセスします。 Azure PaaS および IaaS ソリューションには、 Azure アカウントが必要です。 これらのサービスには、Azure OpenAI サービス、Azure AI Studio、Azure Machine Learning、Azure AI サービス、Azure Virtual Machines、Azure CycleCloud が含まれます。
AI のユース ケースに優先順位を付ける
スキル、リソース、AI の成熟度を評価したら、AI 戦略で特定された AI ユース ケースに優先順位を付けます。 この優先順位付けにより、最大の価値を提供し、ビジネス目標に合わせて、現在の機能と一致するプロジェクトに集中できます。 次のステップを実行します。
スキルとリソースを評価します。 AI スキルを取得したら、現在の AI 成熟度、使用可能なデータ、リソース アクセスを確認します。 この評価は、可能な内容に基づいて優先順位をリセットするのに役立ちます。
ユース ケースを評価します。 組織に追加される実現可能性と戦略的価値に基づいてプロジェクトに優先順位を付けます。 AI ユース ケースを戦略的な目標に合わせて調整し、全体的な成功に貢献するようにします。
上位のユース ケースを選択します。 さらなる探索とテストの基礎となる優先度の高い AI ユース ケースの一覧を作成します。
AI の概念実証を作成する
AI 概念実証 (PoC) を発展させると、優先順位付けされたユース ケースの実現可能性と潜在的価値がより小規模で検証されます。 PoC プロセスは、本格的なデプロイに移行する前に、ユース ケースの優先順位を調整し、リスクを軽減し、課題を特定するのに役立ちます。 この反復的なアプローチでは、実際の分析情報に基づいて AI 計画を調整できます。
適切な機会を選択します。 AI ユース ケースのショートリストから、AI 成熟度レベルに合った価値の高いプロジェクトを選択します。 理想的には、お客様向けではなく、内部プロジェクトから始めます。 内部プロジェクトはリスクを最小限に抑え、ワークロードをテストするための基盤を提供します。 PoC を使用してアプローチを検証し、運用環境に拡張する前に調整します。 A/B テストを実施して機能を確立し、ベースライン データを収集します。
Azure クイック スタート ガイドを使用して開始します。 Azure では、AI プラットフォームを使用して基本的なアプリケーションを作成するための詳細なガイダンスが提供されています。 クイック スタートと呼ばれるこれらのガイドは、アプリケーションのデプロイに役立ち、後で削除する手順が記載されています。 クイック スタートでは、組織がテクノロジに精通するための簡単な方法が提供されます。
AI の種類 Azure AI クイック スタート ガイド 生成 AI Azure AI Studio、Azure OpenAI、Copilot Studio 機械学習 Azure Machine Learning 分析 AI Azure AI サービス: Azure AI Content Safety、Azure AI Custom Vision、Document Intelligence Studio、Face Service、*Azure AI Language、Azure AI 音声、*Azure AI 翻訳、Azure AI Vision。
*この AI サービスの各機能には、独自のクイック スタート ガイドがあります。AI の機会を再評価します。 PoC から得られた分析情報を使用して、AI ユース ケースの一覧を絞り込みます。 PoC が予期しない課題を提示する場合は、優先順位を調整し、より実行可能なプロジェクトに焦点を当てます。
責任ある AI を実装する
責任ある AI の導入には、倫理的なフレームワークと規制プラクティスを AI 実装計画に組み込む必要があります。 このアプローチにより、AI イニシアチブが組織の価値と一致し、ユーザーの権利を保護し、法的基準に準拠することが保証されます。
責任ある AI 計画ツールを使用します。 責任ある AI 原則を導入プロセスに統合するには、倫理的 AI プラクティスをサポートするツールとフレームワークを使用します。 Microsoft では、いくつかのリソースを提供しています。
責任ある AI 計画ツール 説明 AI 影響評価テンプレート AI イニシアチブの潜在的な、社会的、経済的、倫理的影響を評価します。 Human-AI eXperience ツールキット ユーザーの幸福を優先し、肯定的な対話を促進する AI システムを設計します。 責任ある AI 成熟度モデル 責任ある AI プラクティスを実装する組織の成熟度を評価して進めます。 AI ガバナンス プロセスを開始します。 責任ある AI の導入には、AI プロジェクトをガイドし、AI システムの動作を監視するためのガバナンス ポリシーの作成が含まれます。 まず、AI イニシアチブに固有の組織のリスクを特定します。 責任、コンプライアンス要件、倫理基準を概説するガバナンス ポリシーを文書化します。 このプロセスの詳細については、AI の管理に関する記事を参照してください。
AI 管理プロセスを開始します。 GenAIOps や MLOps などの AI 管理フレームワークは、AI システムの進化に合わせて責任ある AI 原則に継続的に準拠するのに役立ちます。 これらのプラクティスには、運用環境での AI モデルのデプロイ管理、継続的な監視、コストの最適化が含まれます。 このプロセスの詳細については、AI の管理に関する記事を参照してください。
AI セキュリティ プロセスを開始します。 セキュリティは、責任ある AI 導入の重要な部分を形成します。 定期的なセキュリティ評価は、AI システムの機密性、整合性、可用性を保護するのに役立ちます。 敵対的な攻撃やデータ侵害など、AI に固有の潜在的なセキュリティ上の脅威に対処するリスク評価を実施します。 このプロセスの詳細については、セキュリティで保護された AI に関する記事を参照してください。
デリバリー タイムラインを見積もる
デリバリー タイムラインの見積もりには、AI プロジェクトの実装のための現実的なスケジュールとマイルストーンの設定が含まれます。 明確なタイムラインにより、リソースを効果的に割り当て、利害関係者の期待を管理し、概念実証から運用環境への構造化された進行をサポートすることが可能になります。 特定のマイルストーンを確立することで、組織は進捗状況を測定し、潜在的な遅延を特定し、プロジェクトを追跡し、予算内に収まるように調整することができます。
PoC に基づいて、AI の機会の配信タイムラインを割り当てます。 選択したユース ケースを実装するための明確なマイルストーンと成果物を含むタイムラインを作成します。 チームを割り当て、ロールを定義し、必要なツールまたはパートナーシップをセキュリティで保護します。 Microsoft AI SaaS ソリューションは、投資収益率を確認するための最短のタイムラインを提供します。 Azure PaaS および IaaS ソリューションで AI アプリを構築するためのタイムラインは、ユース ケースと AI の成熟度によって異なります。 ほとんどの場合、運用対応の AI ワークロードが作成されるまでに数週間または数か月かかります。
次のステップ
このガイダンスの残りの部分では、PaaS と IaaS ソリューションを使用して Azure で AI ワークロードを構築することに重点を置いています。 Azure で成功するには、まず AI Ready で AI 基盤を確立する必要があります。
Microsoft Copilot ソリューションの導入の詳細については、次のリソースを参照してください。
| カテゴリ | Copilot ソリューション |
|---|---|
| 企業の生産性 | Copilot for Microsoft 365 |
| ローコード プラットフォーム | Copilot Studio |
| ロールベース | Microsoft Copilot for Security Microsoft 365 Copilot for Sales Microsoft 365 Copilot for Service Microsoft 365 Copilot for Finance |
| 製品内 Copilots | GitHub Power Apps Power BI Dynamics 365 Power Automate Azure |
| ブラウザーベース | Copilot (無料) Copilot Pro |