Udostępnij za pośrednictwem

Rozpoczęcie korzystania z technologii AI w usłudze Dynamics 365

  • Artykuł

Microsoft Copilot oraz powiązane środowiska AI są fascynujące i otwierają bramę do świata zupełnie nowych możliwości. Jednak w sytuacji, gdy funkcja Copilot jest dostępna praktycznie dla każdego produktu firmy Microsoft, w tym aplikacji usługi Dynamics 365, a informacje, jak zdobyć możliwości AI i jak ich używać w swojej firmie, są rozsiane po różnych bibliotekach z dokumentacją, ciężko jest ustalić, od czego należy zacząć.

W tym artykule wyjaśnimy pewne aspekty związane z funkcją Copilot, które mogą wzbudzać wątpliwości wśród użytkowników. Dostarczymy też linki do zasobów, w których zainteresowani czytelnicy będą mogli znaleźć więcej szczegółowych informacji.

Ważne

W miarę upływu czasu ten artykuł będzie rozwijany. Jeśli uważasz, że czegoś tu brakuje lub jeśli zobaczysz coś, co wymagałoby aktualizacji, poinformuj nas o tym. Jest jeszcze jedna, znacznie lepsza opcja: możesz też wnieść swój wkład w prace nad tym artykułem. Więcej informacji zawiera sekcja Weź udział w tworzeniu dokumentacji usługi Dynamics 365.

Nie znam się na AI. Od czego mam zacząć?

Zacznij od ogólnego filmu przeglądowego pokazującego, jak funkcja Copilot działa w usłudze Dynamics 365 i na platformie Power Platform. Dowiesz się z niego, w jaki sposób funkcja Copilot umożliwia zapewnianie bezpieczeństwa danych biznesowych, spełnianie wymagań dotyczących prywatności oraz odpowiedzialne korzystanie z generatywnej AI.

Miniatura list odtwarzania w kanale poświęconym usłudze Dynamics 365 w serwisie YouTube.

W jaki sposób aplikacje usługi Dynamics 365 używają AI?

Możliwości AI w usłudze Dynamics 365 używają wyłącznie usług platformy Microsoft Azure. Wybraliśmy chmurę platformy Azure, ponieważ usługi platformy Azure są tworzone zgodnie ze standardami odpowiedzialnej sztucznej inteligencji firmy Microsoft oraz obejmują kontrole zabezpieczeń, prywatności i zgodności na poziomie przedsiębiorstwa, których oczekują nasi klienci.

W jaki sposób generatywna AI wiąże się z możliwościami oferowanymi w ramach platformy Azure firmy Microsoft?

Generatywna AI to typ sztucznej inteligencji, który na podstawie danych wejściowych lub monitów może tworzyć nową zawartość lub dane. Generatywna technologia AI może na przykład pisać teksty, generować obrazy, komponować muzykę lub zapewniać możliwości z zakresu syntezy mowy. Microsoft oferuje w systemie Azure szereg modeli i usług AI, takich jak usługi Azure Cognitive Services, Azure Machine Learning i Azure OpenAI Service. Azure OpenAI Service to rodzaj generatywnej AI, który pozwala uzyskać dostęp i używać modeli OpenAI, takich jak GPT-4 i DALL-E, dla różnych zadań i scenariuszy. Aplikacje systemu Dynamics 365 korzystają z usługi Azure OpenAI Service, aby dostarczać możliwości generatywnego AI użytkownikom biznesowym w celu zapewnienia im wsparcia w zakresie ich działalności. Ponadto nasi partnerzy mogą zintegrować usługę Azure OpenAI Service z własnymi rozwiązaniami.

Więcej informacji na ten temat można dowiedzieć się z wpisu w blogu poświęconego szybszemu wdrażaniu innowacji dzięki generatywnej AI w usłudze Azure OpenAI Service.

W jaki sposób generatywna technologia AI może pomóc firmom?

„Generatywna technologia AI” brzmi interesująco, jak jednak ta technologia może pomóc firmom zdobyć przewagę nad konkurencją? Oto wpis w blogu, który zawiera kilka interesujących przykładów, które mogą okazać się źródłem inspiracji: Azure OpenAI Service: dziesięć sposobów, w jakie generatywna technologia AI zmienia firmy.

Ponadto możesz zapoznać się z krótkim omówieniem możliwości generatywnej AI dostępnych w aplikacjach Dynamics 365 w temacie Narzędzie Microsoft Copilot w rozwiązaniu Dynamics 365.

Porada

Kolejne dwie sekcje są przeznaczone dla organizacji, które chcą samodzielnie dostarczać funkcje generatywnej technologii AI — nie dotyczą zatem osób, które chcą używać możliwości generatywnej technologii AI wbudowanych w aplikacje Dynamics 365. Jeśli jesteś użytkownikiem biznesowym, przejdź do jednej z pozostałych sekcji — użyj łączy z sekcji W tym artykule u góry strony, aby znaleźć odpowiedni temat.

Jak uzyskać dostęp do usługi Azure OpenAI Service oraz wybrać modele AI i je wdrożyć?

Aby uzyskać dostęp do usługi Azure OpenAI Service, musisz mieć subskrypcję Azure i konto usługi Azure OpenAI Service. Możesz je uzyskać w portalu Azure Portal. Konto umożliwia utworzenie zasobu usługi Azure OpenAI Service i uzyskanie klucza interfejsu API, który będzie umożliwiał dostęp do modeli usługi Azure OpenAI Service. Możesz wybierać spośród różnych modeli dla różnych domen i celów. Przykłady to m.in. generowanie tekstu, analiza tekstu, generowanie obrazów, analiza obrazów i konwersacyjna AI.

Modele można dostosowywać, trenować i wdrażać, dostarczając własne dane i parametry. Zwykle jednak można pominąć ten kosztowny i czasochłonny proces. Model usługi Azure OpenAI Service jest już wytrenowany na ogromnych ilościach danych.

W poniższej tabeli przedstawiono omówienie zadań i zasobów.

Co Gdzie Dowiedz się więcej
Uzyskaj subskrypcję platformy Azure. Zarejestruj się i skorzystaj z planu płatnego lub rozpocznij korzystanie za darmo. azure.microsoft.com
Zażądaj dostępu do usługi Azure OpenAI Service dla swojej subskrypcji. Obecnie dostęp do tej usługi jest przyznawany tylko na drodze złożenia wniosku o dostęp. https://aka.ms/OAIapply Czym jest usługa Azure OpenAI Service?
Uzyskaj dla swojego konta uprawnienia, aby móc tworzyć zasoby systemu Azure OpenAI i wdrażać modele. Azure Portal Kontrola dostępu na podstawie ról dla usługi Azure OpenAI Service
Utwórz zasób usługi Azure OpenAI Service i wdróż model. Azure Portal/ i Studio AI platformy Azure Tworzenie i wdrażanie zasobu usługi Azure OpenAI Service

Po zakończeniu tego kroku można rozwinąć środowisko użytkownika narzędzia Copilot; w tym celu wymagane będą następujące informacje na temat zasobu i wdrożonego modelu:

Co Gdzie to znaleźć
Klucz interfejsu API i punkt końcowy Azure OpenAI (adres URL) Strona Klucze i punkt końcowy zasobu w portalu Azure Portal.
Nazwa wdrożenia dla modelu Strona Wdrożenia w Studio AI platformy Azure.

Jaki jest koszt? Czy istnieją narzędzia do przewidywania i mierzenia kosztów?

Koszt używania usługi Azure OpenAI Service zależy od typu i ilości używanych zasobów, które z kolei zależą od modelu. Za pomocą kalkulatora cen platformy Azure można oszacować koszt używania usługi Azure OpenAI Service na podstawie oczekiwanego użycia i konfiguracji.

Jako że funkcje AI są dołączone do klucza usługi Azure OpenAI Service, odpowiadasz za koszty operacyjne zasobów systemu Azure OpenAI poniesione w trakcie tworzenia i testowania. Odpowiadasz za koszty także w przypadku, gdy klienci korzystają z funkcji w środowiskach produkcyjnych lub piaskownicy. Przykład: funkcja AI, która każdego miesiąca dostarcza właścicielom firm kilka sugestii, zużywa mniej zasobów i generuje mniej kosztów. Funkcja AI, która codziennie generuje dwustronnicowe podsumowania projektu dla każdego pracownika, będzie natomiast zużywać więcej zasobów i generować większe koszty.

Opcjonalnie możesz użyć narzędzi Microsoft Cost Management i Microsoft Billing, aby monitorować i kontrolować wydatki na usługę Azure OpenAI Service. Możesz ustalać budżety, alerty i zasady, aby śledzić i optymalizować koszty. Możesz także wyświetlać i pobierać szczegółowe raporty oraz faktury, na których będą wyświetlane informacje dotyczące użycia oraz opłaty.

Dowiedz się więcej o kosztach usługi Azure OpenAI Service oraz o dostępnych narzędziach do prognozowania/mierzenia kosztów na stronie poświęconej cenie usługi Azure OpenAI Service.

Popularne modele, które są obecnie dostępne w usłudze Azure OpenAI Service, to GPT-4 i DALL-E. GPT-4 to duży model językowy, który może generować naturalny i spójny tekst na potrzeby różnych zadań i obszarów, takich jak tworzenie podsumowań, tłumaczenie, dostarczanie odpowiedzi na pytania oraz tworzenie zawartości. DALL-E to duży model graficzny, który może generować realistycznie wyglądające i zróżnicowane obrazy na podstawie monitów tekstowych lub graficznych, takich jak rysunki, logo, ikony i sceny.

Oba modele skutecznie generują wysokiej jakości, dostosowane do danych wejściowych treści, które mogą zostać wykorzystane do ulepszania aplikacji i przepływów pracy. Oba modele mają jednak swoje ograniczenia, na które należy zwrócić uwagę. Na przykład modele mogą nie zawsze generować dokładne lub oparte na rzeczywistych danych wyniki, stosować się do norm etycznych i społecznych lub chronić prywatność i bezpieczeństwo danych.

Aby dowiedzieć się więcej na temat tego, z czym popularne modele radzą sobie lepiej, a z czym gorzej, przejdź do sekcji Modele usługi Azure OpenAI Service.

Jakie są błędy i najlepsze rozwiązania dotyczące korzystania z monitów?

Pojęciem „monit” określa się dane wejściowe dostarczane przez użytkownika modelowi w celu umożliwienia mu wygenerowania danych wyjściowych. Monit może być tekstem, obrazem lub połączeniem obu tych elementów. Sposób napisania monitu może wpływać na jakość i istotność wyników. W związku z tym podczas pisania monitów należy postępować zgodnie z pewnymi wskazówkami i najlepszymi rozwiązaniami. Oto niektóre z pułapek, których warto uniknąć, oraz najlepsze rozwiązania, które warto stosować:

  • Wyrażaj się jasno i konkretnie w kwestii tego, co model ma zrobić i jakie wyniki chcesz uzyskać.
  • Zapewnij modelowi odpowiedni kontekst oraz informacje niezbędne do zrozumienia zadania oraz obszaru, którego zadanie dotyczy.
  • Użyj przykładów, słów kluczowych i formatowania, aby pokierować działaniem modelu i zawęzić wyniki.
  • Unikaj monitów niejednoznacznych, zbyt ogólnych lub mylących, które mogą wprowadzić model w błąd lub doprowadzić do wygenerowania niepożądanych wyników.
  • Testuj i oceniaj wyniki uzyskane z użyciem różnych monitów i scenariuszy, aby sprawdzić działanie i niezawodność modelu.
  • Przed ich użyciem w aplikacjach lub przepływach pracy przejrzyj i sprawdź wyniki pod kątem dokładności, istotności, jakości i zgodności z normami etycznymi.

Więcej informacji na temat sposobu pisania wydajnych monitów oraz opis możliwych błędów oraz najlepszych rozwiązań znajdziesz w sekcji Sztuka pisania monitów: jak najlepiej wykorzystać możliwości generatywnej technologii AI.

Jak zarządzać wynikami i poziomami niepewności monitów?

Wyniki generowane w odpowiedzi na monity nie zawsze są idealne i przewidywalne. Modele mogą generować niedokładne, nieistotne, niekompletne, niespójne, a nawet niewłaściwe wyniki. Z tego względu potrzebna jest strategia zarządzania wynikami i obsługi poziomów niepewności.

  • Używaj parametrów i ustawień modelu do kontrolowania formatu, długości i zróżnicowania wyników.
  • Używaj metryk i punktacji modeli do pomiaru jakości, ufności i podobieństwa wyników.
  • Korzystaj z opinii i dzienników modeli do monitorowania i poprawy wydajności i niezawodności generowania wyników.
  • Używaj filtrów i zabezpieczeń modelu, aby zapobiegać błędom i problemom dotyczącym wyników i je wykrywać.
  • Wyniki i dane wyjściowe powinien sprawdzić człowiek, aby zagwarantować ich poprawność i w razie potrzeby wprowadzić niezbędną korektę.

Dowiedz się więcej o tym, jak zarządzać wynikami i poziomami ufności, z sekcji Jak kontrolować modele Azure OpenAI. Aby dowiedzieć się więcej o poleceniach funkcji Copilot, zapoznaj się z sekcją Informacje dotyczące poleceń funkcji Copilot.