インテリジェント アプリケーション ワークロードの設計原則
インテリジェントなアプリケーションのワークロードの計画、開発、維持に関するガイダンスは、Power Platform Well-Architected とアーキテクチャの卓越性の 5 つの柱に基づいています。
| Well-Architected の柱 | まとめ |
|---|---|
| 信頼性 | インテリジェントなアプリケーション ワークロードには、AI モデルとワークフローの可用性が高く、不具合から迅速に回復できるように、アーキテクチャ レイヤーでの回復力が必要です。 堅牢なエラー処理のメカニズムを実装します。 また、回復力のあるアーキテクチャでは、AI モデルで使用されるデータの整合性が維持されるため、一貫性のある正確な出力が保証されます。 |
| セキュリティ | インテリジェントなアプリケーション ワークロードは、機密データを処理する機会が多くなります。 AI モデルによって使用、生成された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、GDPR (一般データ保護規則) や HIPAA (医療保険の相互運用性と説明責任に関する法律) などの関連規制基準に準拠したワークロードを確保してください。 |
| 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、データ量の増加とユーザーの要求に応じてシームレスに拡張す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指標を特定し、監視を実装して、ワークロードの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、パフォーマンスは、セルフサービスによって完了できる要求と対話の数も考慮に入れます。これがない場合は、人間の介入が必要になります。 |
| オペレーショナル エクセレンス | インテリジェントなアプリケーション ワークロードには、AI モデル、ワークフロー、会話のパフォーマンスと正常性を追跡するための包括的な監視とログ記録が必要となります。 監視は、問題を迅速に特定して解決する際に役立ちます。 オペレーショナル エクセレンスの柱では、業務の合理化、手動介入の削減、ヒューマン エラーのリスク最小化のために自動化の使用を推奨しています。 |
| 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。 生成 AI が処理できないトピックを考慮し、フォールバックの仕組みを組み込む必要があります。 また、ユーザー フィードバックを収集し、こ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善するメカニズムを実装します。 |
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、回復性と可用性に重点を置きます。
- 回復力とは、システムが不備/不具合から回復し、機能を継続する能力を指します。
- 可用性は、中断のない稼働時間を確保します。 高可用性により、アプリケーションのダウンタイムを最小限に抑え、インシデントからの復旧を強化します。
あらゆるワークロードの開発において信頼性は重要であり、これは生成 AI も例外ではありません。 実際、生成 AI のワークロードをエンジニアリングする際に考慮すべき独自の要因があります。 レジリエンスを認識して強調することは、生成 AI ワークロードが組織の可用性を確保し、ビジネス継続性を維持するために不可欠です。
不具合はクラウドで発生する可能性があります。 不具合を完全に防ごうとするのではなく、1 つの不具合コンポーネントの影響を最小限に抑えることを目標とする必要があります。 以下の情報を使用して、ダウンタイムを最小限に抑え、高可用性に関する推奨事項がインテリジェントな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てください。
- ワークロードが不具合を処理し、機能が低下した場合でも動作を継続できることを確認します。 潜在的な不具合を特定し、システムの回復力を高めて、これらの不具合を許容して回復できるようにします。
- ワークロードを監視可能にして、開発チームが失敗から学習できるようにします。 監視、ログ記録、アラートのメカニズムを実装することにより、問題を迅速に特定して対処します。
- ワークロードをスケーリングしてさまざまな負荷を処理できるようにすることは、需要が変動する可能性がある AI ワークロードにとって特に重要です。
- 堅牢なエラー処理と回復のメカニズムを実装します。 システム不具合の自動アラートを設定し、迅速な復旧のための明確な計画を立てます。
- チャット メッセージや会話の目標とするボリュームを把握することで、ターゲットとするアーキテクチャと規模を検証します。 また、ターゲット ボリュームは、会話記録の会話文を保存する Dataverse ストレージへの影響の可能性と、インテリジェント アプリケーションのライセンス面での妥当性を検証する上でも役立ちます。
生成 AI 機能を使用するインテリジェントなアプリケーションの場合は、回復力や可用性だけでなく、インテリジェントなワークロードが提供する応答の信頼性や正確性についても考慮する必要があります。 各デザイン検討事項について、以下の推奨事項をご検討ください:
- 検索拡張生成 (RAG) の最適化: データがクリーンで適切に構造化されていることを確認し、迅速な検索のための効率的な埋め込みとインデックスを作成し、堅牢な監視とフィードバックの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改善します。
- 効果的なプロンプト: 正確で状況に応じたプロンプトを設計し、AI が正確な応答を生成するように導きます。
- 定期的な評価: 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: ユーザーが不正確さを報告できるフィードバック メカニズムを確立してください、そしてそれを使用してモデルを改良および改善してください。 Microsoft Copilot Studio は 顧客満足度分析 を提供し、エージェントの回答に対する満足度または不満の要因に関する実用的な分析情報を提供します。
- ドメイン固有のトレーニング: ドメイン固有のデータでモデルを微調整して、特定のコンテキストでの精度を高めます。
- 定期的な更新: 新しいデータでモデルを定期的に更新し、関連性と正確性を維持します。
- 認識されないインテント: 生成型回答 を使用して使用可能なデータソースから回答を検索し、フォールバック トピック を使用して他のシステムと統合することで、認識されないインテントを処理します。
セキュリティ
責任分担モデルの場合:
- 組織は、主にワークロードの管理と運用を担当します。
- Microsoft は、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のセキュリティ機能など、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ています。 詳細については Microsoft Power Platform におけるセキュリティ と Copilot Studio セキュリティとガバナンスを参照してください。
セキュリティ対策が、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、サービスやテクノロジーを定期的に評価することをお勧めします。 ベンダーとの責任共有モデルを明確に理解することは、セキュリティ対策を共同で実装する際に不可欠です。
インテリジェント アプリケーション ワークロードをセキュリティで保護するには、次のような方法があります:
- ユーザー認証とアクセス制御: 堅牢な認証とアクセス制御対策を実装して、許可されたユーザーのみがインテリジェントなアプリケーション 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 アプリケーションのワークロードへの不正アクセスは、データ漏洩、リソースの誤用、機密情報の漏洩につながる可能性があります。 認証メカニズムが脆弱であったり、効果的ではない場合も、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関する情報を常に把握して、データ所在地戦略がこれらの規制に準拠していることを確認してください。
- 統合: サービス プリンシパルとのすべての統合をセキュリティで保護します。 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やアプライアンスを通じて、社内外のエンドポイントのネットワークの完全性を監視し、保護します。
- 継続的な監視と監査: ワークロードのアクティビティを継続的に監視および監査して、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 に組み込まれている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し、適用します。
- 従業員研修: データ保護のベスト プラクティスとデータ所在地の要件遵守の重要性について従業員を教育します。
パフォーマンス効率
パフォーマンス効率とは、ワークロードを効率的にスケーリングして、ユーザーからの要求を満たすことができることです。
次の方法でパフォーマンス効率を向上させます:
- 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。 また、ターゲットボリュームは、生成AI (エージェント) のライセンス面での検証や、会話のトランスクリプトの Dataverse ストレージへの潜在的な影響の検証にも役立ちます。
- プラットフォームの制限を理解する。 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外部システムと統合する場合、たとえば Power Automate や HTTP リクエストを通じて統合する場合、すべてのコンポーネントが負荷に対応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。
- 以下の場合の予想応答時間を理解します:
- 最初のチャットの読み込みと最初のメッセージの応答
- エージェントがユーザーのクエリに応答するまでの最大待機時間
- 実行時間の長いアクション (外部システムがデータを返すのを待機するなど) を処理するためのアプローチ
- 自動化により、偏向率、あるいはセルフサービスでリクエストが完了する割合 (人間の介在を必要とするリクエストの数を削減する) を最適化します。 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参照してください。
これらの各側面を考慮することで、一貫性のあるまとまりのあるユーザー エクスペリエンスを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ことができます。
オペレーショナル エクセレンス
オペレーショナル エクセレンスには、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効率的なプロセスの開発が含まれます。
運用上の不具合は、他の設計領域だけでなく、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にも影響を与える可能性があります。 運用プロセスを調整して、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。 次の推奨事項により、オペレーショナル エクセレンスが促進されます。
- ビルドとリリースのプロセスを自動化する。 完全に自動化されたビルドとリリースのプロセスにより、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もたらされます。 自動化により、開発者が変更をプッシュしてから、コード品質、テストカバレッジ、回復力、セキュリティ、パフォーマンスに関する分析情報を得るまでのフィードバックループが短縮され、これらはすべて開発者の生産性に貢献します。
- ガバナンスとコンプライアンスを維持します。
- 運用環境における環境のパフォーマンスと正常性を分析します。
- 以下を記録したドキュメントを維持します:
- 手順のトラブルシューティング
- ディザスター リカバリーの計画
- 問題解決プロセスを加速する方法に関する修復のガイダンスを提供します。
- 継続的な運用改善を採用します。 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。 正常性モデルを使用して運用効率を理解、測定し、フィードバック メカニズムを使用して、アプリケーション チームが反復的な方法でギャップを理解して対処できるようにします。
これらのレコメンデーションは、チームが効率的かつ透明性の高い方法で共同作業を行う際に役立ちます。
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。 生成 AI が処理できないトピックに対処し、フォールバックの仕組みを含める必要があります。 また、ユーザー フィードバックを収集し、こ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善するメカニズムを実装します。
インテリジェントなアプリケーションのワークロードにおけるユーザー エクスペリエンスの最適化には、いくつかの重要な考慮事項があります。
会話のデザイン: 直感的でナビゲートしやすい会話を設計します。 明確で簡潔な言葉を使用し、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。 ユーザーが最小限の労力で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することで、シームレスで効率的なユーザーエクスペリエンスを確保します。
処理の制限: 顧客サービス担当者へのユーザーのリダイレクトや代替リソースの提供など、生成 AI が処理できないトピックのフォールバック メカニズムを実装します。 堅牢なエラー処理プロセスを設計して、予期しない入力を適切に管理します。 AI が要求を処理できない場合にユーザーに通知し、代替案を提供します。
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メカニズムを統合します。 Microsoft Copilot Studio は 顧客満足度分析 を提供し、エージェントの回答に対する満足度または不満の要因に関する実用的な分析情報を提供します。 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し、改善します。 ユーザー入力に基づく定期的な更新により、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ゼーション: 特定のユースケースとユーザーのニーズに合わせてプロンプトと指示をカスタマイズし、より正確で適切な応答を保証します。 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、手動で事前に定義されたトピックの必要性を減らし、ユーザーの意図を認識する AI の能力を向上させます。 詳細については、プロンプトとトピックの構成を最適化するを参照してください。
次の手順
Well-Architected フレームワークの設計原則は、インテリジェント アプリケーション ワークロードの設計領域に組み込まれています。 各設計エリアでは、生産性を効率的に向上させるために必要な情報に素早くアクセスできるよう、的を絞ったガイダンスを提供しています。
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。