Persona's van het workloadteam voor AI-workloads
In de context van het bouwen van AI-workloads, in tegenstelling tot traditionele code-implementatie, vereisen niet-deterministische modellen iteratieve experimenten en samenwerking tussen meerdere rollen en teams. Vroege integratie van bewerkingen, toepassingsontwikkeling en gegevensteams is essentieel om wederzijds begrip te bevorderen. Deze samenwerking vereist diverse vaardigheden en continu leren om de technologische ontwikkelingen in de hoogte te houden.
Effectieve samenwerking is afhankelijk van het integreren van tools, processen en mensen en wordt gedreven door workloadbehoeften en specifieke doelstellingen. De aanbevolen strategieën zijn:
- Duidelijke rollen en accountabiliteiten tot stand brengen.
- Profiteren van de vaardighedenset van uw team voor de juiste taken.
- Processen en subprocessen standaardiseren, zoals het bijhouden van werk als onderdeel van een gedeelde achterstand.
- Afhankelijk van automatisering om consistentie en reproduceerbaarheid te bereiken.
Persona's kunnen een effectief hulpmiddel zijn voor het materialiseren van deze strategieën en het standaardiseren van verantwoordelijkheden. In dit artikel worden de persona's voor AI-workloads en hun voordelen in het ontwerp van workloads beschreven. Het bevat ook voorbeelden en hulpprogramma's voor het definiëren en gebruiken van deze persona's op teamniveau.
Wat zijn persona's?
Persona's vertegenwoordigen subsets van mensen en processen die betrokken zijn bij het maken en gebruiken van een workload. Persona's leggen zowel de rollen als het werkelijke gedrag en de accountabiliteit van deze personen en processen vast. Een individu kan één of meerdere persona's belichamen, afhankelijk van de context. Een persona hoeft geen persoon te zijn. Het kan ook een proces zonder toezicht zijn, zoals een agentproces in de architectuur.
Uw workload kan gebruikerspersoons hebben die de ontwikkeling van functies stimuleren. Deze persona's vallen niet binnen het bereik van dit artikel.
In tegenstelling tot rollen, die relatief statische functies of posities binnen een organisatie zijn, zijn persona's dynamisch en doelgericht. Ze kunnen worden gebruikt om vaardigheidsvereisten toe te wijzen aan processen en hulpprogramma's, zoals architectuuronderdelen. Persona's helpen voornamelijk bij het definiëren van het bereik van verantwoordelijkheid en het instellen van context binnen een project. Ze bieden verschillende andere voordelen, zoals:
- Identificatie van middelenhiaten. Door hiaten te identificeren, kunt u bepalen of u resources wilt werven of trainen of de oplossing opnieuw wilt ontwerpen. Als uw workloadteam personen mist die geschikt zijn voor een noodzakelijke persona, moet u mogelijk de architectuur aanpassen, het proces wijzigen of nieuwe medewerkers onboarden. Als een senior data science-persona bijvoorbeeld ontbreekt, kunt u de architectuur opnieuw ontwerpen om meer te vertrouwen op AI-oplossingen voor algemeen gebruik (SaaS) of om niet-Microsoft AI-oplossingen te integreren.
- Verbeterde vaardigheden. Het toewijzen van persona's aan specifieke architectuuronderdelen vergemakkelijkt ook educatieve mogelijkheden, zoals sessies en onlinecursussen om vaardigheden te verbeteren.
- Zorgen voor de juiste toegangsniveaus. U moet persona's gebruiken om beveiligings- en toegangsbehoeften te definiëren door persona's toe te passen aan processen, architecturen en services. Deze koppeling helpt ervoor te zorgen dat de juiste toegangsniveaus worden gegarandeerd.
- Het plannen en communiceren van projecten vergemakkelijken. In projectplanning helpen persona's belangrijke interacties te identificeren om het instellen van synchronisatievergaderingen en de algehele planning te vergemakkelijken. Persona's worden doorgaans geïntegreerd in de hiërarchie van het bijhouden van gebruikersverhalen, functies en vereisten om projectmanagement te stroomlijnen.
Persona's definiëren
Identificeer de specialisaties van uw teamleden en stem ze af op de juiste rollen in uw AI-bewerkingen of -ontwerp. Maak een sjabloon voor het documenteren van de vaardigheden van persona's, teamgegevens en de processen waarin ze worden betrokken.
Hier volgt een voorbeeld van een basislijnsjabloon:
| Persona-sjabloon |
|---|
|
🔹Persona-naam: [Naam] 🔹Team: [Team verantwoordelijk voor de persona] 🔹Primaire interactie: [Andere teams waarmee de persona interacteert] 🔹toegang tot onderdelen: [Beveiligings- en toegangsvereisten voor processen en systeemonderdelen] 🔹Processen: [Processen waar de persona verantwoordelijk voor is of bijdraagt aan] 🔹Vaardigheden: [Vaardigheden die nodig zijn voor het voltooien van de taken, waaronder domein- en technologiespecifieke gegevens, zoals modeltraining of optimalisatie van zoekindexen] |
Hulpprogramma's
U kunt een tabel gebruiken om informatie voor elke persona te organiseren en te visualiseren. Een voordeel van deze methode is dat u andere tabellen kunt maken en koppelen die specifiekere informatie bieden. U kunt bijvoorbeeld architectuuronderdelen koppelen aan een andere tabel waarin op identiteiten gebaseerd toegangsbeheer is opgegeven voor elke service en omgeving (Dev, Fase, Productie).
Afweging. Als u te weinig persona's hebt, kan het lastig zijn om op rollen gebaseerd toegangsbeheer met minimale bevoegdheden te implementeren en werkverantwoordelijkheden effectief te distribueren. Omgekeerd voegt te veel persona's beheeroverhead toe. Beginnend met 5 tot 10 persona's is een goed evenwicht en u moet alleen persona's toevoegen die nodig zijn voor uw activiteiten.
U kunt ook kaarten gebruiken om persona's te definiëren. Deze kaarten bevatten dezelfde informatie als de tabel of een beknopt overzicht. U kunt PowerPoint gebruiken of een set Markdown-bestanden maken om deze kaarten te maken.
In bepaalde gevallen kunt u een combinatie van hulpprogramma's gebruiken. Elk architectuurcomponent in een personakaart kan bijvoorbeeld een Markdown-bestand openen dat een tabel bevat die de beveiliging en op rollen gebaseerde toegangscontrole voor elke service en omgeving in kaart brengt. Zie MLOps-accelerator: Identiteits-RBAC-voor een voorbeeld.
Voorbeeld van persona's
U kunt kaarten gebruiken om de services te definiëren die een persona nodig heeft om toegang te krijgen binnen een proces en de vaardigheden te beschrijven die vereist zijn voor elke persona (of het nu een persoon of een agent is).
Belangrijk
Hoewel de hier gedefinieerde persona's als basislijnvoorbeelden dienen, raden we u aan uw eigen persona's te maken met behulp van hulpmiddelen zoals tabellen, persona-sjabloonkaarten en grafieken.
Het is belangrijk dat deze persona's overeenkomen met uw processen, organisatie en gebruikers.
| AI-Data-engineer (P001) |
|---|
| Team: Gegevensopnameteam 🔹 primaire interactie: AI-ontwikkelingsteam toegang tot 🔹-onderdelen: Azure Data Factory, Azure Databricks, Azure SQL Database, Azure Storage 🔹 Processen: DataOps, ETL, ELT 🔹 Vaardigheden: SQL, Python, PySpark |
| BI-analist (P003) |
|---|
| Team: Analyseteam 🔹 primaire interactie: Team voor gegevensinvoer toegang tot 🔹-onderdelen: Power BI, Azure Data Explorer, Azure Storage 🔹 Processen: Gegevensanalyse, gegevensopslag 🔹 Vaardigheden: SQL, Python, PySpark |
| Discriminerende AI-Datawetenschapper (P004) |
|---|
| Team: AI-team 🔹 primaire interactie: Gegevensopnameteam, DevOps-team 🔹 toegang tot onderdelen: Azure Machine Learning, Azure Databricks, Azure Storage, Azure Key Vault 🔹 Processen: MLOps, MLflow 🔹 Vaardigheden: Azure Machine Learning, Python, Modeltraining |
| GenAI-Datawetenschapper (P006) |
|---|
| Team: AI-team 🔹 primaire interactie: Gegevensopnameteam, DevOps-team 🔹 Toegang tot onderdelen: Azure AI Foundry Portal, Azure OpenAI Service, Azure AI Search, Azure Storage, Azure Key Vault 🔹 Processen: GenAIOps 🔹 Vaardigheden: Azure Machine Learning, Python, modelkennis (LLM, SLM), verfijning, RAG, agentisch concept |
| GenAI Chat Developer (P007) |
|---|
| Team: Technisch team 🔹 Primaire interactie: AI-team 🔹 toegang tot onderdelen: Azure Web Apps, Azure API Management, Azure Cosmos DB, Azure Container Apps, Azure Functions 🔹 Processen: DevOps, gebeurtenisgestuurde verwerking, microservices 🔹 Vaardigheden: Webtoepassingsarchitectuur (front-end/back-end), React, Node.js, HTML, CSS |
| Build Agent MLOps (P009) |
|---|
| Team: Technisch team 🔹 Primaire interactie: AI-team 🔹-onderdeeltoegang: Azure Machine Learning, Azure DevOps, GitHub 🔹 Processen: Verwerken en bedienen van Lambda, buitenste lus MLOps 🔹 Vaardigheden: Python, Pyspark |
Use case: Persona's voor AI-processen
Deze belangrijkste processen worden gebruikt in AI-workloads:
- DataOps is de opname en voorbereiding van gegevens.
- MLOps is de operationalisatie van machine learning-modellen.
- GenAIOps is de detectie en evaluatie van bestaande modellen en de verfijning van deze modellen in de workloadcontext.
- De binnenste lus is de verfijning van oplossingen in de ontwikkelomgeving, hetzij tijdens onderzoek of geactiveerd door de bewaking van de buitenste lus.
- Outer Loop is het verplaatsen van oplossingen van ontwikkeling naar productie. Deze lus maakt gebruik van continue bewaking en evaluatie om de benodigde verbeteringen te identificeren.
Het toewijzen van persona's aan deze processen biedt context voor elke persona. Deze stap kan helpen bij het identificeren van de processen waarbij een persona mogelijk upskilling nodig heeft.
In de afbeelding ziet u de werkstroom voor DataOps, MLOps en GenAIOps in een productieomgeving. Gegevens stromen van opname tot modelimplementatie en -evaluatie. De werkstroom maakt gebruik van procedures voor continue integratie en continue levering (CI/CD). Belangrijke taken zijn het verfijnen van gegevensmodellen, het evalueren van batches, het implementeren van eindpunten, het evalueren van modellen in realtime en het verfijnen van modellen. De voorbeeldpersoons nemen deel aan de hele werkstroom.
Use case: Persona's voor architectuurontwerp
Door processen te verbinden met de ondersteunende architectuur kunt u de services identificeren die een persona nodig heeft om te communiceren en gebieden te markeren voor mogelijke upskilling.
Als u deze verbinding wilt visualiseren, maakt u een grafische afbeelding die laat zien hoe architectuuronderdelen zijn verbonden. Deze visuele hulp kan de gegevensstroom en interacties tussen services illustreren en hoe stromen in de implementatie worden geautomatiseerd. Het helpt belanghebbenden inzicht te hebben in de architectuur en de rollen van verschillende persona's erin.
In de volgende afbeelding ziet u een Lambda-architectuur voor moderne analyses in Azure.
Volgende stap
Ga vervolgens verder met het evaluatieprogramma om uw ontwerp te evalueren.