Delen via

Aan de slag met AI in Dynamics 365

  • Artikel

Microsoft Copilot en verwante AI-ervaringen zijn opwindend en bieden geheel nieuwe mogelijkheden. Met een Copilot-versie voor vrijwel elk Microsoft-product, inclusief Dynamics 365-apps, en informatie over hoe u AI-mogelijkheden in uw bedrijf krijgt en gebruikt, verspreid over verschillende documentatiebibliotheken, kan het een hele uitdaging zijn om te weten waar u moet beginnen.

In dit artikel verduidelijken we enkele aspecten van Copilot die veel mensen verwarrend vinden. Daarnaast bieden we koppelingen naar informatiebronnen met meer informatie.

Belangrijk

Dit artikel wordt in de loop van de tijd aangepast. Laat het ons weten als u denkt dat er iets ontbreekt of als u iets ziet dat is veranderd. U kunt ook zelf bijdragen aan dit artikel. Zie Bijdragen leveren aan Dynamics 365-documentatie voor meer informatie.

AI is nieuw voor mij. Waar moet ik beginnen?

Begin met een algemene video over de manier waarop Copilot werkt in Dynamics 365 en Power Platform. U leert hoe Copilot uw bedrijfsgegevens beveiligd houdt, aan privacyvereisten wordt voldaan en generatieve AI op verantwoorde wijze wordt gebruikt.

Miniatuur van de afspeellijsten op het Dynamics 365-kanaal op YouTube.

Hoe maken de Dynamics 365-apps gebruik van AI?

AI-mogelijkheden in Dynamics 365 maken uitsluitend gebruik van Microsoft Azure-services. We hebben voor de Azure-cloud gekozen omdat Azure-services zijn gebaseerd op de principes voor verantwoorde AI van Microsoft en de mogelijkheden voor beveiligings-, privacy- en conformiteitscontroles van ondernemingsniveau die onze klanten verwachten.

Hoe verhoudt generatieve AI zich tot wat Microsoft biedt in Azure?

Generatieve AI is een vorm van kunstmatige intelligentie die nieuwe inhoud of gegevens voor u kan maken op basis van uw invoer of prompts. Generatieve AI kan bijvoorbeeld tekst schrijven, afbeeldingen genereren, muziek componeren of spraak synthetiseren. Microsoft biedt een reeks AI-modellen en -services in Azure, zoals Azure Cognitive Services, Azure Machine Learning en Azure OpenAI Service. Azure OpenAI Service is een variant van generatieve AI waarmee u OpenAI-modellen, zoals GPT-4 en DALL-E, kunt openen en gebruiken voor verschillende taken en scenario's. Dynamics 365-apps gebruiken Azure OpenAI Service om zakelijke gebruikers generatieve AI-mogelijkheden te bieden voor hun werk. Onze partners kunnen Azure OpenAI Service ook in hun oplossingen integreren.

Meer informatie vindt u in de blogpost Sneller innoveren met generatieve AI in Azure OpenAI Service.

Hoe kunnen bedrijven gebruikmaken van generatieve AI?

De term generatieve AI klinkt intrigerend, maar hoe kunnen bedrijven hiervan gebruikmaken om verder te komen? Hier is een blogpost met enkele interessante voorbeelden die u wellicht kunnen inspireren: Azure OpenAI Service: Ten ways generative AI is transforming businesses (Azure OpenAI Service: Tien manieren waarop generatieve AI bedrijven transformeert).

Lees Microsoft Copilot in Dynamics 365 voor een snel overzicht van de mogelijkheden van generatieve AI in Dynamics 365-apps.

Tip

De volgende twee gedeelten zijn bedoeld voor organisaties die zelf generatieve AI willen leveren, dus niet voor mensen die gebruik willen maken van de generatieve AI-mogelijkheden die zijn ingebouwd in Dynamics 365-apps. Als u een zakelijke gebruiker bent, gaat u naar een van de andere gedeelten. Gebruik de koppelingen onder In dit artikel bovenaan om het juiste onderwerp voor u te vinden.

Hoe krijg ik toegang tot Azure OpenAI Service en hoe kies en implementeer ik AI-modellen?

Om toegang te krijgen tot Azure OpenAI Service, moet u een Azure-abonnement en een Azure OpenAI Service-account hebben. U kunt u voor beide aanmelden via de Azure-portal. Met uw account kunt u een Azure OpenAI Service-resource maken en een API-sleutel krijgen die u vervolgens kunt gebruiken om toegang te krijgen tot de Azure OpenAI Service-modellen. U kunt kiezen uit diverse modellen voor verschillende domeinen en doeleinden. Voorbeelden zijn tekstgeneratie, tekstanalyse, beeldgeneratie, beeldanalyse en conversationele AI.

U kunt modellen aanpassen, trainen en implementeren door uw eigen gegevens en parameters op te geven. Dit dure en tijdrovende proces kunt u doorgaans echter overslaan. Het Azure OpenAI Service-model is al getraind op enorme hoeveelheden gegevens.

De volgende tabel biedt een overzicht van taken en resources.

Wat Waar Meer informatie
Een Azure-abonnement krijgen. Aanmelden voor een betaald abonnement of gratis beginnen. azure.microsoft.com
Toegang tot Azure OpenAI Service aanvragen voor uw abonnement. Momenteel wordt toegang tot deze service alleen verleend als een aanvraag voor toegang is ingediend. https://aka.ms/OAIapply Wat is Azure OpenAI Service?
Machtigingen voor uw account krijgen om Azure OpenAI-resources te maken en modellen te implementeren. Azure-portal Op rollen gebaseerd toegangsbeheer voor Azure OpenAI Service
Een Azure OpenAI Service-resource maken en een model implementeren. Azure-portal/ en Azure AI Studio Een Azure OpenAI Service-resource maken en implementeren

Als u deze stap hebt voltooid, kunt u beginnen met het ontwikkelen van uw Copilot-ervaring, waarvoor u de volgende informatie over de resource en het geïmplementeerde model nodig hebt:

Wat Waar u het kunt vinden
Azure OpenAI API-sleutel en -eindpunt (URL) De pagina Sleutels en eindpunt voor de resource in de Azure-portal.
Implementatienaam voor het model De pagina Implementaties in Azure AI Studio.

Hoeveel kost dit en zijn er hulpmiddelen om de kosten te kunnen voorspellen en meten?

De kosten voor het gebruik van Azure OpenAI Service zijn afhankelijk van het type en de hoeveelheid resources die u gebruikt, wat weer afhankelijk is van het model. U kunt de Azure-prijsberekening gebruiken om de kosten van het gebruik van Azure OpenAI Service te schatten op basis van uw verwachte gebruik en configuratie.

Omdat uw AI-functies zijn gekoppeld aan uw Azure OpenAI Service-sleutel, bent u verantwoordelijk voor de gebruikskosten van Azure OpenAI-resources tijdens het ontwikkelen en testen. U blijft verantwoordelijk wanneer uw klanten de functie gebruiken in productie- of sandbox-omgevingen. Een AI-functie die bedrijfseigenaren maandelijks een handvol suggesties oplevert, verbruikt waarschijnlijk minder resources en kost minder. Een AI-functie die dagelijks een projectsamenvatting van twee pagina's voor elke werknemer genereert, verbruikt waarschijnlijk meer resources en kost dus ook meer.

Gebruik desgewenst de hulpmiddelen in Microsoft Cost Management and Billing om uw uitgaven voor Azure OpenAI Service te bewaken en te beheren. U kunt budgetten, waarschuwingen en beleid instellen om uw kosten bij te houden en te optimaliseren. Daarnaast kunt u gedetailleerde rapporten en facturen met betrekking tot uw verbruik en kosten bekijken en downloaden.

Meer informatie over hoeveel Azure OpenAI Service kost en welke hulpmiddelen u kunt gebruiken om de kosten te voorstellen of te meten, vindt u in het artikel Azure OpenAI Service pricing (Azure OpenAI Service-prijzen).

De populaire modellen die nu beschikbaar zijn in Azure OpenAI Service zijn GPT-4 en DALL-E. GPT-4 is een grootschalig taalmodel dat natuurlijke en samenhangende tekst kan genereren voor verschillende taken en domeinen, zoals samenvattingen, vertalingen, het beantwoorden van vragen en het maken van inhoud. DALL-E is een grootschalig afbeeldingsmodel dat realistische en diverse afbeeldingen kan genereren op basis van tekst- of afbeeldingsprompts, zoals tekeningen, logo's, pictogrammen en scènes.

Beide modellen zijn goed in het produceren van hoogwaardige en relevante resultaten die uw toepassingen en werkstromen kunnen verbeteren. Bij beide modellen horen echter ook enkele beperkingen en uitdagingen waarvan u zich bewust moet zijn. Het is bijvoorbeeld mogelijk dat de modellen niet altijd nauwkeurige of feitelijk juiste resultaten genereren, ethische en sociale normen respecteren of de privacy en veiligheid van de gegevens beschermen.

In het artikel Azure OpenAI Service models (Azure OpenAI Service-modellen) leest u waar de populaire modellen goed en minder goed in zijn.

Wat zijn de valkuilen en best practices voor prompts?

Een prompt is de invoer die u aan het model verstrekt om uitvoer te genereren. Een prompt kan uit tekst, een afbeelding of een combinatie van beide bestaan. De manier waarop u een prompt schrijft, kan invloed hebben op de kwaliteit en relevantie van de uitvoer. Het is daarom belangrijk om enkele richtlijnen en best practices te volgen bij het schrijven van prompts. Enkele valkuilen en best practices:

  • Geef duidelijk en specifiek aan wat u wilt dat het model doet en wat voor soort uitvoer u verwacht.
  • Geef het model voldoende context en informatie om de taak en het domein te begrijpen.
  • Gebruik voorbeelden, trefwoorden en opmaak om het model te sturen en de uitvoer te beperken.
  • Vermijd dubbelzinnige, vage of misleidende prompts die het model in verwarring kunnen brengen of tot ongewenste resultaten kunnen leiden.
  • Test en evalueer de uitvoer met verschillende prompts en scenario's om de prestaties en betrouwbaarheid van het model te controleren.
  • Beoordeel en verifieer de uitvoer op nauwkeurigheid, relevantie, kwaliteit en ethische normen voordat u ze in uw toepassingen of werkstromen gebruikt.

Meer informatie over het schrijven van effectieve prompts en de valkuilen en best practices vindt u in het artikel The art of the prompt: How to get the best out of generative AI (De kunst van het vragen: hoe u het beste uit generatieve AI haalt).

Hoe ga ik om met promptuitvoer en onzekerheid?

De uitvoer die het model genereert, is niet altijd perfect of voorspelbaar. Modellen kunnen uitvoer genereren die onnauwkeurig, irrelevant, onvolledig, inconsistent of zelfs ongepast is. Daarom hebt u een strategie nodig voor het beheren van de uitvoer en het omgaan met onzekerheid.

  • Gebruik de modelparameters en -instellingen om de indeling, lengte en diversiteit van de uitvoer te bepalen.
  • Gebruik de modelstatistieken en -scores om de uitvoerkwaliteit, het vertrouwen en de gelijkenis te meten.
  • Gebruik de modelfeedback en -logboeken om de uitvoerprestaties en -betrouwbaarheid te bewaken en te verbeteren.
  • Gebruik de modelfilters en veiligheidsmaatregelen om de uitvoerfouten en -problemen te voorkomen en te detecteren.
  • Gebruik menselijk beoordelingsvermogen om de uitvoerresultaten en -uitkomsten te valideren en te corrigeren.

In het artikel How To Control Azure OpenAI Models (Azure OpenAI-modellen beheren) leest u hoe u omgaat met verschillende uitvoer en onzekerheid. Meer informatie over Copilot-prompts vindt u in het artikel Learn about Copilot prompts (Meer informatie over Copilot-prompts).