Personas da equipe de carga de trabalho envolvidas em cargas de trabalho de IA
No contexto da criação de cargas de trabalho de IA, ao contrário da implantação de código tradicional, os modelos não determinísticos exigem experimentação iterativa e colaboração entre várias funções e equipes. A integração antecipada de operações, desenvolvimento de aplicativos e equipes de dados é essencial para promover o entendimento mútuo. Essa colaboração exige diversas habilidades e aprendizado contínuo para acompanhar os avanços tecnológicos.
A colaboração eficaz depende da integração de ferramentas, processos e pessoas, tudo impulsionado pelas necessidades de carga de trabalho e objetivos específicos. As estratégias recomendadas incluem:
- Estabelecer papéis e responsabilidades claros.
- Aproveitando o conjunto de habilidades de sua equipe para tarefas apropriadas.
- Padronizar processos e subprocessos, como acompanhar o trabalho como parte de uma lista de pendências compartilhada.
- Contando com a automação para obter consistência e reprodutibilidade.
As personas podem ser uma ferramenta eficaz na materialização dessas estratégias e na padronização de responsabilidades. Este artigo explora o conceito de personas encontradas em cargas de trabalho de IA, seus benefícios no design de carga de trabalho e fornece exemplos e ferramentas para definir e utilizar essas personas no nível da equipe de forma eficaz.
O que são personas?
As personas representam subconjuntos de humanos e processos envolvidos na criação e execução de uma carga de trabalho, capturando não apenas suas funções, mas também seus comportamentos e responsabilidades reais. Um indivíduo pode incorporar uma ou várias personas, dependendo do contexto. Curiosamente, uma persona não precisa ser uma pessoa; Também pode ser um processo autônomo, como um processo de agente dentro da arquitetura.
Sua carga de trabalho pode ter personas de usuário final que impulsionam o desenvolvimento de recursos, essas personas não estão no escopo deste artigo.
Ao contrário das funções, que normalmente são funções ou posições mais estáticas dentro de uma organização, as personas são dinâmicas e orientadas a objetivos. Eles podem ser usados para mapear requisitos de habilidade para os processos e ferramentas, como componentes de arquitetura. As personas ajudam principalmente a definir o escopo da responsabilidade e definir o contexto dentro de um projeto. Eles oferecem vários outros benefícios, como:
Identificação de lacunas de recursos, o que ajuda a decidir se deve recrutar, treinar ou redesenhar a solução. Se sua equipe de carga de trabalho não tiver pessoas que se encaixem em uma persona necessária, talvez seja necessário ajustar a arquitetura, modificar o processo ou integrar novos funcionários. Por exemplo, se uma persona sênior de ciência de dados estiver faltando, a arquitetura pode ser redesenhada considerando maior confiabilidade em soluções de IA SaaS de uso geral ou incorporando soluções de IA de terceiros.
Habilidades aprimoradas. O mapeamento de personas para componentes arquitetônicos específicos também facilita as oportunidades educacionais, oferecendo sessões e cursos on-line para aprimorar as habilidades.
Garanta os níveis apropriados de acesso. As personas devem ser usadas para definir as necessidades de segurança e acesso, mapeando-as para processos, arquiteturas e serviços, garantindo níveis de acesso apropriados.
Planejamento e comunicação do projeto No planejamento do projeto, as personas ajudam a identificar as principais interações, facilitando a configuração de reuniões de sincronização e o planejamento geral. Normalmente, as personas são integradas à hierarquia de rastreamento de histórias, recursos e requisitos do usuário, simplificando o gerenciamento de projetos.
Como definir personas
Identifique as especializações dos membros de sua equipe e alinhe-as com as funções apropriadas em suas operações ou design de IA. Crie um modelo para documentar as expectativas de habilidades da persona, as informações da equipe e os processos em que ela estará envolvida.
Aqui está um exemplo de modelo de linha de base:
| Modelo de Persona |
|---|
| 🔹 Nome da Persona: [Inserir Nome da Persona] 🔹Equipe: [Equipe responsável por essa persona] 🔹Interação primária: [Outras equipes com as quais esta persona interage] 🔹Acesso a componentes: [Requisitos de segurança e acesso para processos e componentes do sistema] 🔹Processos: [Processos pelos quais a persona é responsável ou contribui] 🔹Habilidades: [Habilidades necessárias para concluir as tarefas, incluindo especificidades de domínio e tecnologia, como treinamento de modelo ou otimização de índice de pesquisa.] |
Ferramentas
O uso de uma tabela pode ajudar a organizar e visualizar informações para cada persona. A vantagem é que você pode criar e vincular outras tabelas para obter informações mais profundas. Por exemplo, você pode vincular componentes de arquitetura a outra tabela em que o controle de acesso baseado em identidade é especificado para cada serviço e ambiente (Desenvolvimento, Preparo, Produção).
Troca. Ter poucas personas pode dificultar a implementação do controle de acesso baseado em função com acesso menos privilegiado e a distribuição eficaz das responsabilidades de trabalho. Por outro lado, ter muitas personas adiciona sobrecarga de gerenciamento. Começar com 5 a 10 personas é um bom equilíbrio, e você só deve adicionar personas necessárias para suas operações.
Os cartões também podem ser usados para definir personas. Esses cartões contêm as mesmas informações da tabela ou um resumo rápido. Você pode criar esses cartões usando o Microsoft PowerPoint ou como um conjunto de arquivos markdown.
Em certos casos, você pode usar um conjunto combinado de ferramentas. Por exemplo, cada componente de arquitetura em um cartão persona pode abrir um arquivo markdown com uma segurança de mapeamento de tabela e controle de acesso baseado em função para cada serviço e ambiente. Para obter um exemplo de referência, consulte Acelerador MLOps: RBAC de identidade.
Personas de exemplo
Usando cartões, você pode definir os serviços aos quais uma persona precisa acessar em um processo e delinear as habilidades de pré-requisito necessárias para cada persona (seja uma pessoa ou um agente).
Importante
Embora as personas definidas aqui sirvam como exemplos de linha de base, é recomendável criar suas próprias personas usando ferramentas como tabelas, cartões de modelo de persona e gráficos.
É importante que essas personas estejam alinhadas com seus processos, organização e usuários específicos.
| Engenheiro de dados de IA (P001) |
|---|
| Equipe: Equipe de ingestão de dados 🔹 Interação primária: Equipe de desenvolvimento de IA 🔹 Acesso a componentes: Azure Data Factory, Azure Databricks, Banco de Dados SQL do Azure, Armazenamento do Azure 🔹 Processos: DataOps, ETL, ELT 🔹 Habilidades: SQL, Python, PySpark |
| Analista de BI (P003) |
|---|
| Equipe: Equipe de Análise 🔹 Interação principal: equipe de ingestão de dados 🔹 Acesso a componentes: Power BI, Azure Data Explorer, Armazenamento do Azure 🔹 Processos: Análise de dados, Processo de armazenamento de dados 🔹 Habilidades: SQL, Python, PySpark |
| Cientista de dados de IA discriminativa (P004) |
|---|
| Equipe: Equipe de IA 🔹 Interação primária: equipe de ingestão de dados, equipe de DevOps 🔹 Acesso a componentes: Azure Machine Learning, Azure Databricks, Armazenamento do Azure, Azure Key Vault 🔹 Processos: MLOps, MLflow 🔹 Habilidades: Azure Machine Learning, Python, Treinamento de modelo |
| Cientista de dados GenAI (P006) |
|---|
| Equipe: Equipe de IA 🔹 Interação primária: equipe de ingestão de dados, equipe de DevOps 🔹 Acesso a componentes: Azure AI Studio, Azure OpenAI, Azure AI Search, Armazenamento do Azure, Azure Key Vault 🔹 Processos: GenAIOps 🔹 Habilidades: Azure Machine Learning, Python, conhecimento de modelo (LLM, SLM), ajuste fino, RAG, conceito agêntico |
| Desenvolvedor de bate-papo GenAI (P007) |
|---|
| Equipe: Equipe de Engenharia 🔹 Interação primária: Equipe de IA 🔹 Acesso a componentes: Azure WebApps, gerenciamento de API do Azure, Cosmos DB, Aplicativos de Contêiner do Azure, Azure Functions 🔹 Processos: DevOps, Processamento orientado a eventos, Microsserviços 🔹 Habilidades: Arquitetura de Aplicações Web (frontend/backend), React, Node.js, HTML, CSS |
| MLOps do BuildAgent (P009) |
|---|
| Equipe: Equipe de Engenharia 🔹 Interação primária: Equipe de IA 🔹 Acesso a componentes: Azure Machine Learning, Azure Devops, GitHub 🔹 Processos: Processo/Veiculação de MLOps LAMBDA, OUTER Loop 🔹 Habilidades: Python, Pyspark |
Caso de uso: Personas para processos de IA
Os principais processos relacionados às cargas de trabalho de IA são:
- O DataOps se concentra na ingestão e preparação de dados.
- O MLOps envolve a operacionalização de modelos de aprendizado de máquina.
- O GenAIOps refere-se à descoberta e avaliação de modelos existentes e, em seguida, refiná-los para o contexto da carga de trabalho.
- O loop interno refina as soluções no ambiente de desenvolvimento, seja durante a pesquisa ou acionado pelo monitoramento do loop externo.
- O loop externo move as soluções do desenvolvimento para a produção, usando monitoramento e avaliação contínuos para identificar as melhorias necessárias.
O mapeamento de personas para esses processos fornece contexto para cada persona. Isso ajuda a identificar os processos em que uma persona pode precisar de aprimoramento.
A imagem mostra o fluxo de trabalho para DataOps, MLOps e GenAIOps em um ambiente de produção. Os dados fluem da ingestão para a implantação e avaliação do modelo, usando práticas de CI/CD (integração contínua/implantação contínua). As principais tarefas incluem refinamento de modelos de dados, avaliação em lote, implantação de endpoints, avaliação de modelo em tempo real e ajuste fino de modelos. As personas de exemplo participam de todo o fluxo de trabalho.
Caso de uso: Personas para projeto de arquitetura
Conectar processos à arquitetura de suporte ajuda a identificar os serviços com os quais uma persona precisa interagir, destacando áreas para possível aprimoramento.
Para visualizar essa conexão, crie uma imagem gráfica mostrando como os componentes da arquitetura estão conectados. Isso pode ilustrar o fluxo de dados e as interações entre os serviços e como os fluxos são automatizados na implantação. Esse auxílio visual ajuda as partes interessadas a entender a arquitetura e as funções de diferentes personas dentro dela.
A imagem abaixo mostra uma arquitetura LAMBDA para análise moderna no Azure:
Próxima etapa
Agora prossiga para a ferramenta de avaliação para avaliar seu design.