Estratégia de IA - Recomendações para organizações que desenvolvem uma estratégia de adoção de IA

Este artigo descreve o processo para preparar sua organização para a adoção da IA. Você aprende a selecionar as soluções de IA certas, preparar seus dados e fundamentar sua abordagem em princípios de IA responsável. Uma estratégia de IA bem planejada se alinha aos seus objetivos de negócios e garante que os projetos de IA contribuam para o sucesso geral. O primeiro passo é criar um centro de excelência de IA (AI CoE) ou nomear um líder de IA para supervisionar a adoção.

Identificar casos de uso de IA

A IA atende a duas metas principais: aumentar a eficiência individual e melhorar os processos de negócios. A IA generativa promove a produtividade e aprimora as experiências do cliente, enquanto a IA não generativa, como a machine learning, é ideal para analisar dados estruturados e automatizar tarefas repetitivas. Com essa compreensão, identifique áreas em sua empresa onde a IA pode agregar valor. Para mais informações, consulte exemplos de casos de uso de IA.

• Busque oportunidades de automação. Identifique processos adequados de automação para melhorar a eficiência e reduzir os custos operacionais. Priorize as tarefas repetitivas, as operações com muitos dados ou as áreas com altos índices de erro em que a IA pode ter um efeito significativo.

• Faça uma avaliação. Colete informações de vários departamentos para identificar desafios e ineficiências que a IA pode resolver. Documente os fluxos de trabalho atuais para encontrar áreas em que a IA pode automatizar tarefas ou produzir insights.

• Explore casos de uso do setor. Use as arquiteturas de IA no Centro de Arquitetura do Azure para obter insights sobre problemas que a IA pode resolver. Pesquise como outras empresas usam IA. Mantenha-se informado sobre tecnologias e aplicativos de IA emergentes que sejam relevantes para a sua indústria.

• Defina metas de IA. Para cada caso de uso, defina uma meta (propósito geral), objetivo (resultado desejado) e métrica de sucesso (medida quantificável) para guiar sua adoção da IA. Metas de IA claras levam você à solução de IA certa e ajudam a medir e obter valor mais rapidamente.

Para mais informações, consulte exemplo de estratégia de IA.

Definir uma estratégia de tecnologia de IA

Uma estratégia de tecnologia de IA envolve a seleção das ferramentas e plataformas certas para seus casos de uso de IA generativa e não generativa. Você precisa escolher soluções de IA que se alinhem com seu conjunto de habilidades, prontidão de dados e orçamento. A Microsoft tem uma variedade de soluções de IA para se alinhar a diferentes necessidades. Existem opções de software como serviço (SaaS), plataforma como serviço (PaaS) e infraestrutura como serviço (IaaS). O modelo de serviço que você escolhe afeta a responsabilidade compartilhada de IA entre você e a Microsoft.

Use a seguinte árvore de decisão de IA para restringir as opções para cada caso de uso de IA. Revise todas as opções antes de tomar sua decisão inicial. Ao identificar um serviço de IA, confirme se o serviço é adequado. Use as diretrizes a seguir para validar as habilidades necessárias, os dados necessários e os fatores de custo para garantir o sucesso.

Comprar serviços de software de IA (SaaS)

A Microsoft oferece vários serviços de IA generativa do Copilot que aumentam a eficiência individual. Com esses copilotos, você compra software como serviço (SaaS) para recursos de IA para sua empresa ou para usuários específicos. Os produtos de SaaS geralmente exigem poucas habilidades técnicas.

Em termos de necessidades de dados, o Microsoft 365 Copilot usa dados corporativos no Microsoft Graph. Você pode categorizar seus dados com rótulos de confidencialidade. Os Copilotos baseados em função têm diferentes opções de conexão de dados e plug-in para ingerir dados. A maioria dos copilotos no produto não requer preparação de dados extra. O Copilot Studio automatiza grande parte do processamento de dados necessário para criar copilotos personalizados para vários aplicativos de negócios. Use os links na tabela a seguir para obter mais informações.

Copilotos da Microsoft	Descrição	Usuário	Dados necessários	Habilidades requeridas	Principais fatores de custo
Microsoft 365 Copilot	Use o Microsoft 365 Copilot para uma solução em toda a empresa, que automatiza o trabalho em aplicativos do Microsoft 365 e fornece um jeito mais seguro de se comunicar com dados corporativos no Microsoft Graph.	Negócios	Sim	Gerenciamento geral de TI e dados	Licença
Copilotos baseados em funções	Use o Microsoft Copilot para Segurança e os agentes baseados em função do Microsoft 365, como Microsoft 365 Copilot for Sales, Microsoft 365 Copilot for Service e Microsoft 365 Copilot for Finance, para aumentar a produtividade de funções empresariais específicas.	Negócios	Sim	Gerenciamento geral de TI e dados	Licenças ou Unidades de Computação de Segurança (Copilot para Segurança)
Copilotos no produto	Use copilotos para aumentar a produtividade nos produtos da Microsoft, como GitHub, Power Apps, Power BI, Dynamics 365, Power Automate e Azure.	Empresarial e individual	Sim	Nenhum	Gratuito ou por assinatura
Copilot Free ou Pro	Use a versão gratuita para acesso baseado em navegador aos modelos OpenAI do Azure. Use o Copilot Pro para obter melhor desempenho e mais capacidade.	Individual	Não	Nenhum	Nenhum para Copilot Free ou assinatura do Copilot Pro
Copilot Studio	Use o Copilot Studio para criar, testar e implantar agentes em um ambiente de criação.	Developer	Sim	Usando uma plataforma para conectar fontes de dados, mapeando prompts e implantando cocopilots em vários locais	Licença

Crie cargas de trabalho de IA com plataformas de IA do Azure (PaaS)

A Microsoft oferece várias opções de PaaS (plataforma como serviço) para criar cargas de trabalho de IA. A plataforma escolhida depende dos seus objetivos de IA, das habilidades necessárias e das necessidades de dados. O Azure oferece plataformas adequadas para diferentes níveis de especialização, que vão desde ferramentas práticas para iniciantes até opções avançadas para desenvolvedores experientes e cientistas de dados. Consulte as páginas de preços e use a calculadora de preços do Azure para estimar custos.

Objetivo da IA	Solução da Microsoft	Dados necessários	Habilidades requeridas	Principais fatores de custo
Criar aplicativos RAG com a plataforma code-first	Estúdio de IA do Azure ou OpenAI do Azure	Sim	Selecionar modelos, orquestrar fluxo de dados, agrupar dados, enriquecer partes, escolher indexação, entender tipos de consulta (texto completo, vetorial, híbrido), conhecer filtros e facetas, realizar reclassificação, projetar prompt flow, implantar pontos de extremidade e consumir pontos de extremidade em aplicativos	Computação, número de tokens de entrada e saída, serviços de IA consumidos, armazenamento e transferência de dados
Ajustar os modelos de IA generativa	Estúdio de IA do Azure	Sim	Pré-processar dados, dividir dados em dados de treinamento e validação, validar modelos, configurar outros parâmetros, melhorar modelos, implantar modelos e consumir pontos de extremidade em aplicativos	Computação, número de tokens de entrada e saída, serviços de IA consumidos, armazenamento e transferência de dados
Treinar e inferir modelos de machine learning usando seus próprios dados	Azure Machine Learning ou Microsoft Fabric	Sim	Pré-processar dados, treinar modelos usando código ou automação, melhorar modelos, implantar modelos de machine learning e consumir pontos de extremidade em aplicativos	Computação, armazenamento e transferência de dados
Consumir modelos analíticos de IA em aplicativos	Serviços de IA do Azure	Sim	Escolher o modelo de IA ideal, proteger pontos de extremidade, consumir pontos de extremidade em aplicativos e ajustar de acordo com a necessidade	Uso de pontos de extremidade de modelo consumidos, armazenamento, transferência de dados, computação (se você treina modelos personalizados)

Usar seus próprios modelos com serviços de infraestrutura (IaaS)

Para organizações que precisam de mais controle e personalização, a Microsoft oferece soluções de infraestrutura como serviço (IaaS). Embora as plataformas de IA do Azure (PaaS) sejam preferenciais para cargas de trabalho de IA, as Máquinas Virtuais do Azure por meio do CycleCloud e do Serviço de Kubernetes do Azure fornecem acesso a GPUs e CPUs para necessidades avançadas de IA. Essa configuração permite que você traga seus próprios modelos para o Azure. Consulte as páginas de preços relevantes e a calculadora de preços do Azure.

Objetivo da IA	Solução da Microsoft	Dados necessários	Habilidades requeridas	Principais fatores de custo
Treinar e inferir seus próprios modelos de IA. Usar seus próprios modelos para o Azure.	Máquinas Virtuais do Azure ou Serviço de Kubernetes do Azure	Sim	Gerenciamento de infraestrutura, TI, instalação de programas, treinamento de modelos, parâmetros de comparação de modelos, orquestração, implantação de pontos de extremidade, proteção de pontos de extremidade e consumo de pontos de extremidade em aplicativos	Computação, orquestrador de nó de computação, discos gerenciados (opcional), serviços de armazenamento, Azure Bastion e outros serviços do Azure usados

Para mais informações, consulte exemplo de estratégia de IA.

Definir uma estratégia de dados de IA

Para cada caso de uso de IA, defina uma estratégia de dados de IA que descreva as práticas de coleta, armazenamento e uso de dados alinhadas aos padrões regulatórios, éticos e operacionais. Ao adaptar estratégia a cada caso de uso específico, você garante resultados confiáveis de IA e promove a segurança e a privacidade dos dados. Se necessário, você pode consolidar essas estratégias individuais em uma estratégia de dados de resumo mais ampla para sua organização.

• Estabeleça a governança de dados. Defina princípios de governança de dados específicos para o caso de uso de IA para garantir que as cargas de trabalho sejam transparentes, responsáveis e em conformidade com os padrões legais e éticos. Inclua a categorização de dados com base na confidencialidade e políticas para controlar o acesso, o uso e o armazenamento relevantes para o caso de uso.

• Planejar o ciclo de vida dos dados. Especifique a forma como você coleta, armazena, processa e desativa dados para esse caso de uso de IA específico. Inclua políticas de retenção e descarte e use o controle de versão para manter a precisão durante as atualizações.

• Configure controles de imparcialidade e vieses de IA. Desenvolva processos para detectar e abordar vieses nos dados usados para este caso de uso de IA. Use ferramentas como o Fairlearn para que os modelos forneçam resultados justos e equitativos, principalmente ao trabalhar com atributos de dados confidenciais.

• Promova a colaboração entre as equipes de IA e dados. Alinhe o desenvolvimento de IA com as iniciativas de engenharia de dados para que os modelos sejam criados usando dados bem gerenciados e de alta qualidade. Estabeleça um pipeline unificado para treinamento de modelo de IA e atualizações de dados.

• Prepare-se para a escalabilidade dos dados. Preveja o volume, a velocidade e a variedade de dados necessários para esta carga de trabalho de IA. Use arquiteturas flexíveis para dimensionar a demanda e considere o uso de infraestruturas baseadas em nuvem para o gerenciamento eficiente de recursos.

• Incorpore a automação do gerenciamento de dados. Planeje o uso de IA e machine learning para automatizar tarefas como marcação, catalogação e verificações de qualidade de dados. A automação melhora a precisão e permite que as equipes se concentrem em iniciativas estratégicas.

• Planeje o monitoramento e a avaliação contínuos. Estabeleça auditorias regulares de dados e resultados de modelos para garantir a qualidade, o desempenho e a imparcialidade contínuos dos dados. Monitore modelos de IA e pipelines de dados para identificar mudanças que possam afetar a confiabilidade ou a conformidade.

Para mais informações, consulte exemplo de estratégia de IA.

Definir uma estratégia de IA responsável

Para cada caso de uso de IA, defina uma estratégia de IA responsável que descreva como você garantirá que as soluções de IA permaneçam confiáveis e benéficas para todos os usuários. As responsabilidades podem variar dependendo da tecnologia adotada em cada caso. Se necessário, crie uma estratégia de IA responsável mais ampla e resumida que englobe princípios abrangentes que derivam de casos de uso individuais.

• Estabeleça a responsabilidade pela IA. À medida que a tecnologia e os regulamentos de IA avançam, nomeie alguém para monitorar e governar essas mudanças. Em geral, é uma responsabilidade do AI CoE ou de um líder de IA.

• Alinhe-se com os princípios de IA responsável estabelecidos. A Microsoft segue seis princípios de IA responsável que aderem à AI RMF (Estrutura de Gerenciamento de Riscos de Inteligência Artificial) do NIST. Use esses princípios como metas de negócios para definir o sucesso e governar sua adoção de IA em cada caso de uso.

• Identifique ferramentas de IA responsável. Com as ferramentas de IA responsável, sua IA se alinha às práticas mais amplas de IA responsável. Como parte da estratégia, identifique quais ferramentas e processos de IA responsável são relevantes.

• Entenda os requisitos de conformidade legal e regulatória. A conformidade legal e regulatória influencia a forma como você cria e gerencia cargas de trabalho de IA. Pesquise e cumpra os requisitos que regem a IA onde você opera.

Para mais informações, consulte exemplo de estratégia de IA.

Próxima etapa

Plano de IA

Exemplos de casos de uso de IA

Esses exemplos destacam vários aplicativos de IA generativos e não generativos. Embora essa não seja uma lista completa de exemplos, eles fornecem informações sobre como a IA pode ser aplicada a diferentes áreas do seu negócio.

O que é IA generativa	IA não generativa
Agentes autônomos: desenvolva sistemas de IA que executem tarefas de forma independente, como assistentes virtuais gerenciando agendas ou consultas de clientes.	Reconhecimento de imagem: utilize a IA para identificar e classificar objetos em imagens ou vídeos; isso é útil em sistemas de segurança ou controle de qualidade.
Marketing: criar automaticamente posts de mídias sociais e boletins informativos por email.	Previsão: Prever tendências ou otimizar operações com base em dados históricos.
Plataformas de comércio eletrônico: Gerar recomendações personalizadas de produtos e experiências de compra personalizadas.	Automação de processos: Automatizar tarefas e fluxos de trabalho de rotina que não exijam geração de conteúdo, como bots de atendimento ao cliente.
Design de produto: Criar rapidamente variações de protótipos de produtos ou elementos de design.	Análise de dados: Descobrir padrões em dados estruturados para insights e decisões baseadas em dados.
Desenvolvimento de software: Automatizar a geração de código repetitivo, como operações CRUD.	Simulação de modelo: Simular cargas de trabalho complexas (dinâmica de fluidos, análise de elementos finitos) para prever o comportamento e otimizar projetos ou processos.
Plataformas educacionais: Gerar materiais de estudo personalizados para os alunos.	Detecção de anomalias: Identificar padrões incomuns nos dados. Você pode usar essa estratégia para detecção de fraudes ou previsão de falhas de equipamentos, por exemplo.
Atendimento ao cliente: Dar respostas baseadas em contexto por meio de chatbots orientados por IA.	Recomendação: Oferecer recomendações personalizadas com base no comportamento do usuário, muito utilizadas em serviços de comércio eletrônico e streaming.
Agências de publicidade: Criar variações de anúncios segmentados para diferentes segmentos de público.	Otimização: Melhorar a eficiência por meio da resolução de problemas complexos (otimização da cadeia de suprimentos, alocação de recursos).
Aplicativos de saúde e bem-estar: Gerar rotinas de exercícios e planos de refeições personalizados.	Análise de sentimento: analisar o texto das mídias sociais ou as avaliações de clientes para mensurar a opinião do público e aprimorar a experiência do cliente.

Exemplo de estratégia de IA

Este exemplo de estratégia de IA é baseado em uma empresa fictícia, a Contoso. A Contoso opera uma plataforma de comércio eletrônico voltada para o cliente e emprega representantes de vendas que precisam de ferramentas para prever dados corporativos. A empresa também gerencia o desenvolvimento de produtos e estoque para produção. Seus canais de vendas incluem tanto empresas privadas quanto agências do setor público altamente regulamentadas.

Caso de uso de inteligência artificial	Metas	Objetivos	Métricas de sucesso	Abordagem de IA	Solução da Microsoft	Necessidades de dados	Necessidades de habilidades	Fatores de custo	Estratégia de dados de IA	Estratégia de IA responsável
Recurso de chat do aplicativo Web de comércio eletrônico	Automatize o processo de negócios	Melhorar a satisfação do cliente	Aumento da taxa de retenção de clientes	PaaS, IA generativa, RAG	Estúdio de IA do Azure	Descrições e associações de itens	RAG e desenvolvimento de aplicativos em nuvem	Uso	Estabeleça governança de dados para dados de clientes e implemente controles de imparcialidade de IA.	Atribua responsabilidade de IA ao AI CoE e alinhe-se com os princípios de IA responsável.
Fluxo de trabalho interno de processamento de documentos de aplicativos	Automatize o processo de negócios	Reduzir custos	Aumento da taxa de conclusão	IA analítica, ajuste fino	Serviços de IA do Azure - Informação de Documentos	Documentos padrão	Desenvolvimento de aplicativos	Consumo aproximado	Defina a governança de dados para documentos internos e planeje políticas de ciclo de vida de dados.	Atribua responsabilidade à IA e garanta a conformidade com as políticas de tratamento de dados.
Gerenciamento de estoque e compra de produtos	Automatize o processo de negócios	Reduzir custos	Vida útil mais curta do estoque	Machine learning, modelos de treinamento	Azure Machine Learning	Dados históricos de estoque e vendas	Desenvolvimento de machine learning e aplicativos	Consumo aproximado	Estabeleça governança para dados de vendas e detecte e resolva vieses nos dados.	Atribua responsabilidade à IA e cumpra os regulamentos financeiros.
Trabalho diário na empresa	Aumento da produtividade individual	Aumentar a experiência do funcionário	Maior satisfação dos funcionários	SaaS, IA generativa	Microsoft 365 Copilot	Dados do OneDrive	TI geral	Custos de assinatura	Implemente a governança de dados para os dados dos funcionários e garanta a privacidade dos dados.	Atribua responsabilidade de IA e utilize recursos integrados de IA responsável.
Aplicação de comércio eletrônico para recurso de chat de setor regulamentado	Automatize o processo de negócios	Aumentar as vendas	Aumento das vendas	Treinamento de modelo de IA generativa por IaaS	Máquinas Virtuais do Azure	Dados de treinamento específicos do domínio	Infraestrutura em nuvem e desenvolvimento de aplicativos	Infraestrutura e software	Defina a governança para dados regulamentados e planeje o ciclo de vida com medidas de conformidade.	Atribua responsabilidade à IA e cumpra os regulamentos do setor.