インテリジェントなアプリケーションワークロードの設計原則
インテリジェント アプリケーション ワークロードの計画、開発、保守に関するガイダンスは、 Power Platform Well-Architectedとその優れたアーキテクチャの5つの柱に基づいています。
| よく設計された柱 | まとめ |
|---|---|
| 信頼性 | インテリジェントなアプリケーション ワークロードでは、AIモデルとワークフローの可用性を高め、エラーや不具合から迅速に回復できるようにするために、アーキテクチャ レイヤー での回復力が必要です。 堅牢なエラー処理メカニズムを実装します。 回復力のあるアーキテクチャにより、AIモデルで使用されるデータの整合性も維持され、一貫性のある正確な出力が保証されます。 |
| 安全 | インテリジェントなアプリケーション ワークロードでは、機密データが処理されることがよくあります。 AIモデルによって使用および生成される機密データを保護します。 暗号化、アクセス制御、定期的なセキュリティ監査を実装します。 ユーザーのプライバシーとデータを保護するために、ワークロードがGDPR (ガイド) やHIPAA (医療保険の携行性と責任に関する法律) などの関連する規制標準に準拠していることを確認します。 |
| パフォーマンス効率 | インテリジェントなアプリケーション ワークロードは、増加するデータ量とユーザーの要求に合わせてシームレスに拡張できるように設計する必要があります。 主要なパフォーマンス メトリックを特定し、監視を実装して、ワークロード パフォーマンス目標の達成に向けた進捗状況を追跡します。 インテリジェントなアプリケーション ワークロードのコンテキストでは、パフォーマンスでは、人間の介入が必要となる、セルフサービスで完了できるリクエストとインタラクションの数も考慮されます。 |
| オペレーションの卓越性 | インテリジェントなアプリケーション ワークロードでは、AIモデル、ワークフロー、会話のパフォーマンスと健全性を追跡するために、包括的な監視とログ記録が必要です。 監視は、問題を迅速に特定して解決するのに役立ちます。 運用の卓越性の柱では、自動化を使用して運用を合理化し、手動による介入を減らし、人的エラーのリスクを最小限に抑えることを推奨しています。 |
| エクスペリエンスの最適化 | インテリジェントなアプリケーション ワークロードでは、会話の設計を優先して、ユーザーが最小限の労力で目標を達成できるユーザー フレンドリーなエクスペリエンスを確保する必要があります。 設計では、生成AIが処理できないトピックを考慮し、フォールバック メカニズムを組み込む必要があります。 また、ユーザーからのフィードバックを収集し、そのフィードバックに基づいてAIモデルとワークロードを継続的に改良するメカニズムも実装します。 |
信頼性
Power Platformを使用してインテリジェントなアプリケーション ワークロードを設計する場合は、回復力と可用性に重点を置きます。
- レジリエンス とは、システムがエラーや不具合から回復し、機能を継続する能力です。
- 可用性 により、中断のない稼働時間が保証されます。 高可用性により、アプリケーションのダウンタイムが最小限に抑えられ、インシデントからの回復が強化されます。
信頼性はあらゆるワークロードの開発において重要であり、生成AIも例外ではありません。 実際、生成AIワークロードを設計する際には、考慮すべき固有の要素があります。 回復力を認識し、重視することは、生成AIワークロードが組織の可用性を確保し、ビジネスの継続性を維持するために不可欠です。
クラウドではエラーや不具合が発生する可能性があります。 エラーや不具合を完全に防ぐのではなく、単一のコンポーネントのエラーや不具合の影響を最小限に抑えることを目標にする必要があります。 次の情報を使用して、ダウンタイムを最小限に抑え、高可用性のための推奨プラクティスがインテリジェント アプリケーションのワークロードに組み込まれていることを確認します。
- 機能が低下した場合でも、ワークロードがエラーや不具合に対処して動作を継続できることを確認します。 潜在的なエラーや不具合を特定し、システムの回復力を高めて、これらのエラーや不具合に耐え、回復できるようにします。
- 開発チームが失敗から学べるように、ワークロードを観察可能にします。 監視、ログ記録、アラートのメカニズムを実装することで、問題を迅速に特定して対処します。
- ワークロードがさまざまな負荷に対応できるように拡張できることを確認します。これは、需要が変動する可能性のあるAIワークロードにとって特に重要です。
- 堅牢なエラー処理および回復メカニズムを実装します。 システムエラーや不具合に対する自動アラートを設定し、迅速な回復のための明確な計画を立てます。
- チャット メッセージまたは会話のターゲット ボリュームを把握して、ターゲット アーキテクチャとスケールを検証します。 ターゲット ボリュームは、インテリジェント アプリケーションのライセンスの側面と、会話のトランスクリプトのストレージへの潜在的な影響を検証するのにも役立ちます。 Dataverse
生成AI機能を使用するインテリジェント アプリケーションの場合、回復力と可用性だけでなく、インテリジェント ワークロードによって提供される応答の信頼性と正確性も考慮する必要があります。 各設計上の考慮事項について、次の推奨事項を考慮してください。
- 検索拡張生成 (RAG) の最適化: データがクリーンかつ適切に構造化されていることを確認し、迅速な検索のために効率的な埋め込みとインデックスを作成し、堅牢な監視およびフィードバック メカニズムを実装して、ワークロードのパフォーマンスを継続的に向上させます。
- 効果的なプロンプト: AIが正確な応答を生成できるように、正確で状況に適したプロンプトを設計します。
- 定期評価: AI出力の継続的な監視とテストを実施して、正確性、関連性、倫理的遵守を評価します。
- フィードバックループ: ユーザーが不正確な点を報告できるフィードバック メカニズムを確立し、それを使用してモデルを改良および改善します。 Microsoft Copilot Studio 提供する 顧客満足度分析は、副操縦士の対応に対する満足度や不満の要因に関する実用的な洞察を提供します。
- ドメイン固有のトレーニング: ドメイン固有のデータに基づいてモデルを微調整し、特定のコンテキストでの精度を高めます。
- 定期的な更新: 関連性と正確性を維持するために、定期的に新しいデータでモデルを更新します。
- 認識されないインテント: 認識されないインテントを処理するには、 生成的な回答 を使用して利用可能なデータ ソースから回答を見つけ、 ライブ チャット オペレーター を使用して他のシステムと統合します。
セキュリティ
責任共有モデルでは、次のようになります。
- 組織は主にワークロードの管理と運用の責任を負います。
- Microsoft データ センター、ネットワーク セキュリティ、物理的なセキュリティ対策、暗号化、ID管理、業界標準への準拠などの組み込みセキュリティ機能を含む、基盤となるインフラストラクチャのセキュリティを管理します。 詳細については、 「セキュリティ」 Microsoft Power Platform および Copilot Studio 「セキュリティとガバナンス」をご覧ください。
セキュリティ体制が進化する脅威の状況に適応していることを確認するために、サービスとテクノロジーを定期的に評価することをお勧めします。 セキュリティ対策を共同で実施する際には、ベンダーとの責任共有モデルを明確に理解することが重要です。
インテリジェント アプリケーションのワークロードを保護するには、いくつかの方法があります。
- ユーザー認証とアクセス制御: 強力な認証とアクセス制御手段を実装して、許可されたユーザーだけがインテリジェント アプリケーションのワークロードにアクセスできるようにします。 インテリジェント アプリケーション ワークロードへの不正アクセスは、データ侵害、リソースの不正使用、機密情報の潜在的な漏洩につながる可能性があります。 認証メカニズムが弱いか効果がない場合にも、ユーザー アカウントが侵害される可能性があります。
- コンプライアンス: 規制要件に準拠してデータが保護および管理されていることを確認します。 現地の規制を理解し、現地のデータ保護法について最新情報を入手し、データ保存戦略がこれらの規制に準拠していることを確認します。
- 統合: サービス プリンシパルとのすべての統合を保護します。 ファイアウォールやWebアプリケーション ファイアウォールなどのセキュリティ機能とアプライアンスを使用して、内部および外部エンドポイントのネットワーク整合性を監視します。
- 継続的な監視と監査: ワークロード アクティビティを継続的に監視および監査し、プロアクティブに検出して対応します。
- Azureセキュリティ ツール: Microsoft Defender for CloudやAzure PolicyなどのAzureの組み込みセキュリティ ツールを使用して、セキュリティ ポリシーを監視および適用します。
- 従業員のトレーニング: データ保護のベストプラクティスとデータ保存要件を遵守することの重要性について従業員をトレーニングします。
パフォーマンス効率
パフォーマンス効率とは、ユーザーからの要求に応じてワークロードを効率的に拡張する能力です。
次の方法でパフォーマンス効率を向上します。
- ターゲット ボリュームを理解して、ターゲット アーキテクチャとスケールを検証します。 ターゲット ボリュームは、コパイロットのライセンスの側面と、会話のトランスクリプトのストレージへの潜在的な影響を検証するのにも役立ちます。 Dataverse
- プラットフォームの制限を理解する。 インテリジェント アプリケーションのワークロードを、 Power Automate またはHTTPリクエストなどを通じて外部システムと統合する場合は、すべてのコンポーネントが負荷を処理できることを検証することが重要です。
- Azure Monitor、Log Analytics、 Application Insights、アラートなどのツールを使用して、パフォーマンスを継続的に監視し、異常を検出します。
- 次の場合の予想される 応答 時間を理解する:
- 最初のチャットの読み込みと最初のメッセージ 応答
- 副操縦士がユーザーのクエリに応答するまでの最大遅延
- 長時間実行されるアクションを処理するためのアプローチ（たとえば、外部システムがデータを返すのを待つなど）
- 自動化により、デフレクション率、つまりリクエストがセルフサービス方式で完了する率を最適化します (保護 の支援を必要とするリクエストの数を削減します)。 詳細については、 インテリジェント アプリケーション ワークロードのパフォーマンス最適化をご覧ください。
これらの各側面を考慮すると、一貫性のある統合されたユーザー エクスペリエンスを備えたインテリジェントなアプリケーション ワークロードを構築するのに役立ちます。
オペレーショナル エクセレンス
運用の卓越性には、インテリジェントなアプリケーションのワークロードをサポートするための効率的なプロセスの開発が含まれます。
運用上のエラーや不具合は、インテリジェント アプリケーション ワークロードの全体的な成功だけでなく、他の設計領域にも影響を及ぼす可能性があります。 運用プロセスをカスタマイズして、運用環境でインテリジェントなアプリケーション ワークロードをサポートすることが重要です。 次の推奨事項は、運用の卓越性を推進します。
- ビルドとリリースのプロセスを自動化します。 完全に自動化されたビルドおよびリリース プロセスにより、摩擦が軽減され、更新プログラムの展開速度が向上し、環境全体での再現性と一貫性が実現します。 自動化により、開発者が変更をプッシュするところから、コードの品質、テスト範囲、回復力、セキュリティ、パフォーマンスに関する洞察を得るまでの フィードバック ループ が短縮され、開発者の生産性が向上します。
- ガバナンスとコンプライアンスを維持します。
- 運用環境での 環境 のパフォーマンスと健全性を分析します。
- 以下の内容を記録したドキュメントを維持します。
- トラブルシューティング手順
- 災害復旧計画
- 問題解決のプロセスを加速する方法に関する修復ガイダンスを提供します。
- 継続的な業務改善を推進します。 システムとユーザー エクスペリエンスの定期的な改善を優先します。 ヘルス モデルを使用して運用効率を把握および測定し、フィードバック メカニズムを併用することで、アプリケーション チームが反復的にギャップを理解して対処できるようにします。
これらの推奨事項は、チームが効率的かつ透明性のある方法で共同作業を行うのに役立ちます。
エクスペリエンスの最適化
インテリジェントなアプリケーション ワークロードでは、会話の設計を優先して、ユーザーが最小限の労力で目標を達成できるユーザー フレンドリーなエクスペリエンスを確保する必要があります。 設計では、生成AIが処理できないトピックに対処し、フォールバック メカニズムを含める必要があります。 また、ユーザーからのフィードバックを収集し、そのフィードバックに基づいてAIモデルとワークロードを継続的に改良するメカニズムも実装します。
インテリジェントなアプリケーション ワークロードのユーザー エクスペリエンスを最適化するには、いくつかの重要な考慮事項があります。
会話デザイン: 直感的で操作しやすい会話を設計します。 明確で簡潔な言語を使用し、AIが一般的なユーザークエリを効果的に処理できるようにします。 最小限の労力でユーザーが目標を達成できるように支援することに重点を置きます。 ユーザーの意図を理解し、関連する応答を迅速に提供して、シームレスで効率的なユーザー エクスペリエンスを実現します。
処理の制限: ユーザーを人間のエージェントにリダイレクトしたり、代替リソースを提供したりといった、生成AIが処理できないトピックに対するフォールバック メカニズムを実装します。 予期しない入力を適切に管理するために、堅牢なエラー処理プロセスを設計します。 AIがリクエストを処理できない場合はユーザーに通知し、代替案を提案します。
ユーザー フィードバック: ユーザー フィードバックを継続的に収集するためのメカニズムを統合します。 Microsoft Copilot Studio 副操縦士の対応に対する満足度や不満の要因に関する実用的な洞察を提供する 顧客満足度分析 を提供します。 収集したフィードバックを使用して、AIモデルと全体的なワークロードを改良および改善します。 ユーザーの入力に基づいて定期的に更新することで、ユーザー エクスペリエンスを大幅に向上させることができます。
カスタマイズとパーソナライズ: 特定のユースケースとユーザーのニーズに合わせて 位置を合わせる へのプロンプトと指示をカスタマイズし、より正確で関連性の高い応答を確保します。 動的チェーン を使用してトリガーを自動化し、トピック フローを効率的に管理することで、手動で事前定義されたトピックの必要性を減らし、AIがユーザーの意図を認識する能力を向上させます。 詳細については、 プロンプトの最適化と トピック 構成 を参照してください。
次の手順
Well-Architected Frameworkの設計原則は、インテリジェントなアプリケーション ワークロード設計領域に組み込まれています。 各設計領域では、生産性を効率的に向上するために必要な情報にすばやくアクセスできるように、対象を絞ったガイダンスが提供されます。
まず、ワークロードをサポートするために必要な設計上の考慮事項を確認します。