Delen via


AI-strategie : proces voor het ontwikkelen van een AI-strategie

In dit artikel wordt het proces beschreven om uw organisatie voor te bereiden op AI-acceptatie. U leert hoe u de juiste AI-oplossingen selecteert, uw gegevens voorbereidt en hoe u uw benadering op basis van verantwoorde AI-principes kunt grondbeginselen. Een goed geplande AI-strategie is afgestemd op uw bedrijfsdoelstellingen en zorgt ervoor dat AI-projecten bijdragen aan het algehele succes.

Diagram van het AI-acceptatieproces: AI-strategie, AI-plan, AI Klaar, Stuur AI, Beheer AI en Beveilig AI.

AI-gebruikstoepassingen identificeren

AI verbetert de individuele efficiëntie en verbetert bedrijfsprocessen. Generatieve AI bevordert de productiviteit en verbetert de klantervaringen. Niet-generatieve AI, zoals machine learning, is ideaal voor het analyseren van gestructureerde gegevens en het automatiseren van terugkerende taken. Met dit begrip kunt u gebieden in uw bedrijf identificeren waar AI waarde kan toevoegen. Zie voorbeelden van AI-gebruiksvoorbeelden voor meer informatie.

  • Zoek naar automatiseringsmogelijkheden. Identificeer processen die geschikt zijn voor automatisering om de efficiëntie te verbeteren en operationele kosten te verlagen. Richt u op terugkerende taken, gegevenszware bewerkingen of gebieden met hoge foutpercentages, waarbij AI een aanzienlijk effect kan hebben.

  • Voer een interne beoordeling uit. Verzamel input van verschillende afdelingen om uitdagingen en inefficiënties te identificeren die DOOR AI kunnen worden aangepakt. Documenteer werkstromen en verzamel input van belanghebbenden om mogelijkheden voor automatisering, het genereren van inzichten of verbeterde besluitvorming te ontdekken.

  • Gebruiksvoorbeelden voor de branche verkennen. Onderzoek hoe vergelijkbare organisaties of branches AI gebruiken om problemen op te lossen of bewerkingen te verbeteren. Gebruik hulpprogramma's zoals de AI-architecturen in het Azure Architecture Center voor inspiratie en om te evalueren welke benaderingen mogelijk aansluiten bij uw behoeften.

  • AI-doelen instellen. Definieer voor elke geïdentificeerde use-case duidelijk het doel (algemeen gebruik), het objectieve (gewenste resultaat) en de meetwaarde voor succes (kwantificeerbare meting). Deze elementen fungeren als benchmarks om uw AI-acceptatie te begeleiden en de impact ervan te meten.

Zie voorbeeld-AI-strategie voor meer informatie.

Een AI-technologiestrategie definiëren

Een AI-technologiestrategie is gericht op het selecteren van de meest geschikte hulpprogramma's en platforms voor uw generatieve en niet-generatieve AI-use cases. Microsoft biedt een scala aan opties, waaronder SaaS (Software-as-a-Service), Platform-as-a-Service (PaaS) en IaaS (Infrastructure-as-a-Service), elk met verschillende aanpassingsniveaus en gedeelde verantwoordelijkheid tussen u en Microsoft. Gebruik de volgende AI-beslissingsstructuur om uw beslissing te begeleiden. Evalueer voor elke service de vaardigheden, gegevens en het budget dat nodig is om succesvol te zijn met die service. In dit artikel vindt u richtlijnen voor hulp bij dit evaluatieproces.

Diagram met Microsoft- en Azure-services en beslissingspunten die elke service aangeven.

AI-softwareservices kopen (SaaS)

Microsoft biedt verschillende Copilot-generatieve AI-services die de individuele efficiëntie verbeteren. Met deze Copilots kunt u SaaS (Software as a Service) aanschaffen voor AI-mogelijkheden binnen uw bedrijf of voor specifieke gebruikers. SaaS-producten vereisen over het algemeen minimale technische vaardigheden.

Wat de benodigde gegevens betreft, gebruikt Microsoft 365 Copilot- zakelijke gegevens in Microsoft Graph. U kunt uw gegevens categoriseren met vertrouwelijkheidslabels. Copilots op basis van rollen beschikken over verschillende mogelijkheden voor gegevensverbindingen en plug-ins om data te verwerken. Voor de meeste copilots in het product is geen extra gegevensvoorbereiding vereist. Microsoft 365 Copilot uitbreiden stelt u in staat om meer gegevens toe te voegen via Microsoft Graph of declaratieve agents die gegevens uit verschillende bronnen kunnen ophalen. Copilot Studio automatiseert veel van de gegevensverwerking die nodig is om aangepaste copilots te maken voor verschillende zakelijke toepassingen. Gebruik de koppelingen in de volgende tabel voor meer informatie.

Microsoft Copilots Beschrijving Gebruiker Benodigde gegevens Vereiste vaardigheden Belangrijkste kostenfactoren
Microsoft 365 Copilot Gebruik Microsoft 365 Copilot voor een bedrijfsbrede oplossing die het werk in Microsoft 365-apps automatiseert en een verbeterde beveiligingswijze biedt om te chatten met zakelijke gegevens in Microsoft Graph. Onderneming Ja Algemeen IT- en gegevensbeheer Licentie
Copilots op basis van rollen Gebruik Microsoft Copilot for Security en op rollen gebaseerde agents voor Microsoft 365 om de productiviteit voor specifieke bedrijfsrollen te verbeteren.

Op rollen gebaseerde agents zijn Microsoft 365 Copilot for Sales, Microsoft 365 Copilot for Serviceen Microsoft 365 Copilot for Finance.
Onderneming Ja Algemeen IT- en gegevensbeheer Licenties of beveiligingsrekeneenheden (Copilot for Security)
In-product Co-piloten Gebruik Copilots om de productiviteit binnen Microsoft-producten te verbeteren.

Producten met Copilots in product zijn onder andere GitHub, Power Apps, Power BI, Dynamics 365, Power Automateen Azure.
Zakelijk en individueel Ja None Gratis of met abonnement
Copilot Free of Pro Gebruik de gratis versie voor browsertoegang tot Azure OpenAI-modellen.

Gebruik Copilot Pro voor betere prestaties en meer capaciteit.
Individu Nee Geen Geen kosten voor Copilot Free of abonnement voor Copilot Pro
Uitbreidbaarheidshulpprogramma's voor Microsoft 365 Copilot Pas aan (breid uit) Microsoft 365 Copilot met meer gegevens (kennis) via Microsoft Graph-connectors of mogelijkheden (vaardigheden) via declaratieve agents.

Als u declaratieve agents wilt bouwen, gebruikt u hulpprogramma's voor uitbreidbaarheid, zoals Copilot Studio (SaaS-ontwikkeling), agentbouwer, Teams-toolkit in VS Code (optie voor pro-code) en Sharepoint.
Zakelijk en individueel Ja Gegevensbeheer, algemene IT- of ontwikkelaarsvaardigheden Microsoft 365 Copilot-licentie
Copilot Studio Gebruik Copilot Studio- om test te bouwen en agents te implementeren in een SaaS-ontwerpomgeving. Ontwikkelaar Ja Een platform gebruiken om gegevensbronnen te verbinden, prompts toe te wijzen en copilots in te zetten op verschillende locaties. Licentie

AI-workloads bouwen met Azure-platforms (PaaS)

Microsoft biedt verschillende PaaS-opties (Platform-as-a-Service) voor het bouwen van AI-workloads. Het platform dat u kiest, is afhankelijk van uw AI-doelen, vereiste vaardigheden en gegevensbehoeften. Azure biedt platforms die geschikt zijn voor verschillende expertiseniveaus, van beginnersvriendelijke hulpprogramma's tot geavanceerde opties voor ervaren ontwikkelaars en gegevenswetenschappers. Bekijk de pagina's met prijzen en gebruik de Azure-prijscalculator om de kosten te schatten.

AI-doel Microsoft oplossing Benodigde gegevens Vereiste vaardigheden Belangrijkste kostenfactoren
RAG-toepassingen bouwen met een code-first-platform Azure AI Foundry
or
Azure OpenAI
Ja Modellen selecteren, gegevensstroom organiseren, gegevens segmenteren, segmenten verrijken, indexering kiezen, querytypen begrijpen (volledige tekst, vector, hybride), inzicht krijgen in filters en facetten, herrankering uitvoeren, stroom van engineeringprompts, eindpunten implementeren en eindpunten gebruiken in apps Berekenen, aantal tokens in en uit, AI-services verbruikt, opslag en gegevensoverdracht
Generatieve AI-modellen verfijnen Azure AI Foundry Ja Gegevens vooraf verwerken, gegevens splitsen in trainings- en validatiegegevens, modellen valideren, andere parameters configureren, modellen verbeteren, modellen implementeren en eindpunten gebruiken in apps Berekenen, aantal tokens in en uit, AI-services verbruikt, opslag en gegevensoverdracht
Machine Learning-modellen trainen en deducteren met behulp van uw eigen gegevens Azure Machine Learning
or
Microsoft Fabric
Ja Gegevens vooraf verwerken, trainingsmodellen met behulp van code of automatisering, het verbeteren van modellen, het implementeren van machine learning-modellen en het verbruiken van eindpunten in apps Berekening, opslag en gegevensoverdracht
Niet-generatieve AI-modellen gebruiken in toepassingen Azure AI-services Ja Het juiste AI-model kiezen, eindpunten beveiligen, eindpunten gebruiken in apps en zo nodig verfijnen Gebruik van verbruikte modeleindpunten, opslag, gegevensoverdracht, berekening (als u aangepaste modellen traint)

Breng je eigen modellen met infrastructuurdiensten (IaaS)

Voor organisaties die meer controle en aanpassing nodig hebben, biedt Microsoft IaaS-oplossingen (Infrastructure-as-a-Service). Hoewel Azure-platforms (PaaS) de voorkeur hebben voor AI-workloads, biedt Azure Virtual Machines via CycleCloud en Azure Kubernetes Service toegang tot GPU's en CPU's voor geavanceerde AI-behoeften. Met deze installatie kunt u uw eigen modellen meenemen naar Azure. Raadpleeg de relevante pagina's met prijzen en de Azure-prijscalculator.

AI-doel Microsoft oplossing Benodigde gegevens Vereiste vaardigheden Belangrijkste kostenfactoren
Train en gebruik uw eigen AI-modellen voor inferentie. Breng uw eigen modellen naar Azure. Azure Virtual Machines
or
Azure Kubernetes Service
Ja Infrastructuurbeheer, IT, programma-installatie, modeltraining, modelbenchmarking, indeling, eindpunten implementeren, eindpunten beveiligen en eindpunten gebruiken in apps Compute, compute node orchestrator, beheerde schijven (optioneel), opslagsystemen, Azure Bastion en andere gebruikte Azure-services

Zie voorbeeld-AI-strategie voor meer informatie.

Een AI-gegevensstrategie definiëren

Voor elke AI-use case moet u een AI-gegevensstrategie definiëren. De gegevensstrategie moet een overzicht geven van de procedures voor gegevensverzameling, opslag en gebruik die zijn afgestemd op wettelijke, ethische en operationele normen. Pas de strategie aan elke use-case aan om betrouwbare AI-uitvoer te garanderen en gegevensbeveiliging en privacy te bevorderen. Indien nodig kunt u deze afzonderlijke strategieën consolideren in een bredere samenvattingsgegevensstrategie voor uw organisatie.

  • Gegevensbeheer tot stand brengen. Geef op hoe u gegevens voor elke AI-toepassing verzamelt, opslaat, verwerkt, versies beheert en buiten gebruik stelt. Bewaar- en verwijderingsbeleid opnemen en versiebeheer gebruiken om de nauwkeurigheid tijdens updates te behouden.

  • Plan de levenscyclus van de gegevens. Definieer richtlijnen voor het verzamelen, opslaan, verwerken, versiebeheer en buiten gebruik stellen van gegevens. Neem aanbevelingen op voor bewaar- en verwijderingsbeleid, waarbij versiebeheer wordt benadrukt om de nauwkeurigheid van gegevens te behouden.

    • gegevensverzameling: Gegevensbronnen identificeren, zoals databases, API's, IoT-apparaten, gegevens van derden of Azure Data Factory voor opname.

    • Gegevensopslag: opslagoplossingen aanbevelen die geschikt zijn voor verschillende typen en volumes gegevens, waaronder gestructureerde, ongestructureerde en realtime gegevens

    • gegevensproces: ETL-pijplijnen (extraheren, transformeren, laden) of ELT-pijplijnen gebruiken om gegevens op te schonen, te transformeren en voor te bereiden. Hulpprogramma's zoals snelkoppelingen of spiegeling in Microsoft Fabric kunnen deze processen stroomlijnen.

  • Besturingselementen voor AI-eerlijkheid en -vooroordelen instellen. Stel duidelijke procedures in om vooroordelen in AI-gegevens te identificeren en te beperken. Gebruik hulpprogramma's zoals Fairlearn om ervoor te zorgen dat modellen eerlijke en billijke resultaten opleveren, met name voor gevoelige gegevenskenmerken.

  • Bevorderen van samenwerking tussen AI- en gegevensteams. Lijn AI-ontwikkeling af met data engineering-inspanningen om ervoor te zorgen dat modellen worden gebouwd met hoogwaardige, goed beheerde gegevens.

  • Bereid u voor op schaalbaarheid van gegevens. Voorspel het volume, de snelheid en de verscheidenheid aan gegevens die nodig zijn voor deze AI-workload. Kies flexibele architecturen die kunnen worden geschaald op basis van de vraag. Overweeg cloudinfrastructuur om resources efficiënt te beheren.

  • Automatisering van gegevensbeheer opnemen. Ai en machine learning gebruiken voor taken zoals taggen, catalogiseren en het uitvoeren van controles op gegevenskwaliteit. Automatisering verbetert de nauwkeurigheid en stelt teams in staat om zich te richten op strategische doelen.

  • Plannen voor continue bewaking en evaluatie. Stel regelmatig controles van gegevens en modeluitvoer vast om doorlopende gegevenskwaliteit, prestaties en billijkheid te garanderen. Bewaak AI-modellen en gegevenspijplijnen om eventuele verschuivingen te identificeren die van invloed kunnen zijn op betrouwbaarheid of naleving. Implementeer geautomatiseerde gegevenskwaliteitscontroles, waaronder anomaliedetectie en validatieregels. Controleer regelmatig gegevenspijplijnen op fouten of inconsistenties.

Een verantwoorde AI-strategie definiëren

Voor elke AI-use case moet u een verantwoorde AI-strategie definiëren die uw rol beschrijft om ervoor te zorgen dat AI-oplossingen betrouwbaar en nuttig blijven voor alle gebruikers. De verantwoordelijkheden kunnen variëren, afhankelijk van de technologie die in elk geval wordt aangenomen. Maak zo nodig een bredere samenvatting van een verantwoorde AI-strategie die overkoepelende principes omvat die zijn afgeleid van afzonderlijke use cases.

  • Ai-verantwoordelijkheid vaststellen. Naarmate ai-technologie en regelgeving zich verder ontwikkelen, wijst u iemand toe om deze wijzigingen te controleren en te beheren. Het is doorgaans een verantwoordelijkheid van de AI CoE of een AI-lead.

  • Sluit aan bij de vastgestelde verantwoorde AI-principes. Microsoft volgt zes verantwoorde AI-principes die voldoen aan het NIST Artificial Intelligence Risk Management Framework (AI RMF). Gebruik deze principes als bedrijfsdoelen om succes te definiëren en uw AI-acceptatie in elke use-case te bepalen.

  • Identificeer verantwoorde AI-hulpprogramma's. Verantwoordelijke AI-hulpprogramma's zorgen ervoor dat uw AI overeenkomt met bredere verantwoorde AI-procedures. Identificeer als onderdeel van uw strategie welke verantwoorde AI-hulpprogramma's en -processen relevant zijn.

  • Inzicht in juridische en regelgevende nalevingsvereisten. Juridische en wettelijke naleving beïnvloeden hoe u AI-workloads bouwt en beheert. Onderzoek en volg de vereisten voor AI waar u werkt.

Zie voorbeeld-AI-strategie voor meer informatie.

Volgende stap

Voorbeelden van AI-gebruiksvoorbeelden

In deze voorbeelden worden verschillende generatieve en niet-generatieve AI-toepassingen gemarkeerd. Hoewel ze niet volledig zijn, bieden ze inzicht in hoe AI kan worden toegepast op verschillende gebieden van uw bedrijf.

Generatieve AI Niet-generatieve AI
Autonome agents: ONTWIKKEL AI-systemen die taken onafhankelijk uitvoeren, zoals virtuele assistenten die planningen of klantvragen beheren. Afbeeldingsherkenning: AI gebruiken om objecten in afbeeldingen of video's te identificeren en classificeren, handig in systemen voor beveiliging of kwaliteitscontrole.
Marketing: Automatisch sociale mediaberichten en e-mailnieuwsbrieven maken. Voorspelling: Trends voorspellen of bewerkingen optimaliseren op basis van historische gegevens.
E-commerceplatforms: Genereer gepersonaliseerde productaanbeveling en op maat gemaakte winkelervaringen. Procesautomatisering: Automatiseer routinetaken en werkstromen waarvoor geen inhoudsgeneratie is vereist, zoals bots van de klantenservice.
Productontwerp: Maak snel meerdere variaties van productprototypes of ontwerpelementen. Gegevensanalyse: Patronen in gestructureerde gegevens ontdekken voor inzichten en gegevensgestuurde beslissingen.
Softwareontwikkeling: Automatiseer terugkerende codegeneratie, zoals CRUD-bewerkingen. Modelsimulatie: Simuleer complexe workloads (vloeistofdynamiek, eindige elementanalyse) om gedrag te voorspellen en ontwerpen of processen te optimaliseren.
Educatieve platformen: Gepersonaliseerde studiemateriaal genereren voor studenten. Anomaliedetectie: Ongebruikelijke patronen in gegevens identificeren. U kunt deze strategie bijvoorbeeld gebruiken voor fraudedetectie of voorspelling van fouten in apparatuur.
Klantenservice: geef reacties op basis van context via AI-gestuurde chatbots. Aanbeveling: Bied gepersonaliseerde aanbevelingen op basis van gebruikersgedrag, die vaak worden gebruikt in e-commerce- en streamingservices.
Reclamebureaus: Maak gerichte advertentievariaties voor verschillende doelgroepsegmenten. Optimalisatie: Verbeter de efficiëntie door complexe problemen op te lossen (optimalisatie van supply chain, resourcetoewijzing).
Gezondheids- en wellness-apps: Genereer aangepaste trainingsroutines en maaltijdplannen. Sentimentanalyse: Analyseer tekst van sociale media of klantbeoordelingen om het openbare gevoel te meten en de klantervaring te verbeteren.

Voorbeeld van AI-strategie

Dit voorbeeld van een AI-strategie is gebaseerd op een fictief bedrijf, Contoso. Contoso werkt met een klantgericht e-commerceplatform en maakt gebruik van verkoopmedewerkers die hulpprogramma's nodig hebben om zakelijke gegevens te voorspellen. Het bedrijf beheert ook de productontwikkeling en voorraad voor productie. Haar verkoopkanalen omvatten zowel particuliere bedrijven als sterk gereglementeerde overheidsinstellingen.

AI-use case Doelstellingen Doelstellingen Metrische gegevens voor succes AI-benadering Microsoft-oplossing Gegevensbehoeften Vaardigheidsbehoeften Kostenfactoren AI-gegevensstrategie Verantwoorde AI-strategie
Chatfunctie voor e-commercewebtoepassingen Bedrijfsproces automatiseren Klanttevredenheid verbeteren Verhoogde retentiepercentage voor klanten PaaS, generatieve AI, RAG Azure AI Foundry Itembeschrijvingen en koppelen RAG- en cloud-app-ontwikkeling Gebruik Stel gegevensbeheer in voor klantgegevens en implementeer AI-controles voor redelijkheid. Wijs AI-aansprakelijkheid toe aan AI CoE en sluit aan op verantwoorde AI-principes.
Werkstroom voor documentverwerking van interne apps Bedrijfsproces automatiseren Kosten verlagen Verhoogd voltooiingspercentage Analytische AI, fijn afstemmen Azure AI-diensten - Documentintelligentie Standaarddocumenten App-ontwikkeling Geschat gebruik Definieer gegevensbeheer voor interne documenten en plan het levenscyclusbeleid voor gegevens. Wijs AI-verantwoordelijkheid toe en zorg voor naleving van beleidsregels voor gegevensverwerking.
Voorraadbeheer en productaankoop Bedrijfsproces automatiseren Kosten verlagen Kortere houdbaarheid van voorraad Machinaal leren, trainingsmodellen Azure Machine Learning Historische inventaris- en verkoopgegevens Machine learning en app-ontwikkeling Geschat gebruik Beheer voor verkoopgegevens tot stand brengen en vooroordelen in gegevens detecteren en adresseert. Wijs AI-verantwoording toe en voldoen aan financiële voorschriften.
Dagelijks werk in het hele bedrijf Individuele productiviteit verbeteren Werknemerservaring verbeteren Verhoogde tevredenheid van werknemers SaaS-generatieve AI Microsoft 365 Copilot OneDrive-gegevens Algemene IT Abonnementskosten Implementeer gegevensbeheer voor werknemersgegevens en zorg voor gegevensprivacy. Wijs AI-verantwoordelijkheid toe en maak gebruik van ingebouwde verantwoorde AI-functies.
E-commerce-app voor gereguleerde chatfunctie in de branche Bedrijfsproces automatiseren Verkopen verhogen Verhoogde verkoop Training voor IaaS-generatieve AI-modellen Azure Virtual Machines Domeinspecifieke trainingsgegevens Cloudinfrastructuur en app-ontwikkeling Infrastructuur en software Bepaal governance voor gereguleerde gegevens en plan de levenscyclus met inachtneming van nalevingsmaatregelen. Wijs AI-verantwoordelijkheid toe en houd zich aan branchevoorschriften.