Estratégia de IA - Processo para desenvolver uma estratégia 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.

Identificar casos de uso de IA

A IA aumenta a eficiência individual e melhora os processos de negócios. A IA generativa promove a produtividade e melhora as experiências dos clientes. A IA não generativa, como o aprendizado de máquina, é ideal para analisar dados estruturados e automatizar tarefas repetitivas. Com esse entendimento, identifique áreas em toda a sua empresa onde a IA possa agregar valor. Para obter mais informações, consulte exemplos de casos de uso de IA.

• Procure oportunidades de automação. Identificar processos adequados para automação para melhorar a eficiência e reduzir os custos operacionais. Concentre-se em tarefas repetitivas, operações com muitos dados ou áreas com altas taxas de erro onde a IA pode ter um efeito significativo.

• Realizar uma avaliação interna. Reúna informações de vários departamentos para identificar desafios e ineficiências que a IA poderia resolver. Documente fluxos de trabalho e reúna informações das partes interessadas para descobrir oportunidades de automação, geração de insights ou melhoria na tomada de decisões.

• Explore casos de uso do setor. Pesquise como organizações ou indústrias semelhantes usam a IA para resolver problemas ou melhorar as operações. Use ferramentas como as arquiteturas de IA no Centro de Arquitetura do Azure para se inspirar e avaliar quais abordagens podem atender às suas necessidades.

• Defina metas de IA. Para cada caso de uso identificado, defina claramente a meta (propósito geral), objetivo (resultado desejado) e métrica de sucesso (medida quantificável). Esses elementos servem como referência para orientar sua adoção de IA e medir seu impacto.

Para obter mais informações, consulte o exemplo de estratégia de IA.

Definir uma estratégia de tecnologia de IA

Uma estratégia de tecnologia de IA se concentra na seleção das ferramentas e plataformas mais adequadas para seus casos de uso de IA generativa e não generativa. A Microsoft oferece uma variedade de opções, incluindo software como serviço (SaaS), plataforma como serviço (PaaS) e infraestrutura como serviço (IaaS), cada uma com diferentes níveis de personalização e de responsabilidade compartilhada entre você e a Microsoft. Para orientar sua decisão, use a seguinte árvore de decisão de IA. Para cada serviço, avalie as habilidades, os dados e o orçamento necessários para ter sucesso com esse serviço. Há orientações neste artigo para ajudar neste processo de avaliação.

Comprar serviços de software de IA (SaaS)

A Microsoft oferece vários serviços de IA generativa Copilot que melhoram a eficiência individual. Esses Copilots permitem que você compre software como serviço (SaaS) para recursos de IA em toda a sua empresa ou para usuários específicos. Os produtos SaaS geralmente exigem habilidades técnicas mínimas.

Em termos de dados necessários, Microsoft 365 Copilot usa dados corporativos no Microsoft Graph. Você pode categorizar seus dados com rótulos de sensibilidade. Copilotos baseados em funções têm diferentes opções de conexão de dados e plug-in para integrar dados. A maioria dos Copilots no produto não requer preparação de dados extra. Estendendo o Microsoft 365 Copilot permite que você adicione mais dados via Microsoft Graph ou agentes declarativos que podem extrair de diferentes fontes de dados. O Copilot Studio automatiza grande parte do processamento de dados necessário para criar copilots personalizados para vários aplicativos de negócios. Use os links na tabela a seguir para obter mais informações.

Microsoft Copilots	Descrição	Utilizador	Dados necessários	Competências necessárias	Principais fatores de custo
Microsoft 365 Copilot	Use o Microsoft 365 Copilot para obter uma solução em toda a empresa que automatiza o trabalho em aplicativos do Microsoft 365 e fornece uma maneira aprimorada de segurança para conversar com dados corporativos no Microsoft Graph.	Negócio	Sim	TI geral e gestão de dados	Licença
Copilotos baseados em tarefas	Use o Microsoft Copilot para Segurança e agentes baseados em função para o Microsoft 365 para aumentar a produtividade em papéis empresariais específicos. Os agentes baseados em função incluem Microsoft 365 Copilot para Vendas, Microsoft 365 Copilot para Serviçoe Microsoft 365 Copilot para Finanças.	Negócio	Sim	TI geral e gestão de dados	Licenças ou Unidades de Computação de Segurança (Copilot for Security)
Copilots no produto	Use o Copilots para melhorar a produtividade nos produtos Microsoft. Os produtos com Copilots no produto incluem GitHub, Power Apps, Power BI, Dynamics 365, Power Automatee Azure.	Empresas e indivíduos	Sim	Nenhuma	Grátis ou por assinatura
Copilot Grátis ou Pro	Use a versão gratuita para acesso baseado em navegador aos modelos do Azure OpenAI. Use o Copilot Pro para obter melhor desempenho e mais capacidade.	Indivíduo	Não	Nenhuma	Nenhum para Copilot Grátis ou assinatura para Copilot Pro
Ferramentas de extensibilidade para o Microsoft 365 Copilot	Personalizar (estender) o Microsoft 365 Copilot com mais dados (conhecimento) por meio de conectores do Microsoft Graph ou capacidades (habilidades) por meio de agentes declarativos. Para criar agentes declarativos, use ferramentas de extensibilidade como Copilot Studio (desenvolvimento SaaS), do construtor de agentes, do kit de ferramentas do Teams no VS Code (opção pró-código) e Sharepoint.	Empresas e indivíduos	Sim	Gerenciamento de dados, TI geral ou habilidades de desenvolvedor	Licença do Microsoft 365 Copilot
Copilot Studio	Use Copilot Studio para criar, testar e implantar agentes em um ambiente de criação de SaaS.	Programador	Sim	Usando uma plataforma para conectar fontes de dados, mapear prompts e distribuir copilots em vários locais.	Licença

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

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

Objetivo da IA	Solução Microsoft	Dados necessários	Competências necessárias	Principais fatores de custo
Desenvolva aplicações RAG com uma plataforma voltada para código	Azure AI Foundry ou Azure OpenAI	Sim	Seleção de modelos, orquestração de fluxo de dados, divisão de dados, enriquecimento de fragmentos, escolha de indexação, compreensão de tipos de consulta (texto completo, vetorial, híbrido), compreensão de filtros e facetas, execução de reclassificação, engenharia do fluxo de prompt, implantação de endpoints e consumo de endpoints em aplicativos	Computação, número de tokens de entrada e saída, serviços de IA consumidos, armazenamento e transferência de dados
Ajuste os modelos de IA generativa	Azure AI Foundry	Sim	Pré-processamento de dados, validação de dados de treino e de teste, validação de modelos, configuração de outros parâmetros, melhoria de modelos, implementação de modelos e consumo de endpoints em aplicações.	Computação, número de tokens de entrada e saída, serviços de IA consumidos, armazenamento e transferência de dados
Treinar e inferir modelos de aprendizado de máquina usando seus próprios dados	Azure Machine Learning ou Microsoft Fabric	Sim	Pré-processamento de dados, treino de modelos usando código ou automação, melhoria de modelos, implementação de modelos de aprendizagem automática e consumo de pontos finais em aplicativos.	Computação, armazenamento e transferência de dados
Consuma modelos de IA não generativos em aplicações	Serviços de IA do Azure	Sim	Escolhendo o modelo de IA certo, protegendo endpoints, utilizando os endpoints em aplicações e fazendo os ajustes conforme necessário.	Uso de pontos de extremidade de modelo consumidos, armazenamento, transferência de dados, computação (se você treinar modelos personalizados)

Traga 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). Enquanto as plataformas do Azure (PaaS) são preferidas para cargas de trabalho de IA, Máquinas Virtuais do Azure por meio do CycleCloud e Serviço Kubernetes do Azure fornece 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 Microsoft	Dados necessários	Competências necessárias	Principais fatores de custo
Treine e infera seus próprios modelos de IA. Traga seus próprios modelos para o Azure.	Máquinas Virtuais do Azure ou Azure Kubernetes Service	Sim	Gestão de infraestrutura, TI, instalação de programas, treino de modelos, benchmarking de modelos, orquestração, implementação de endpoints, segurança dos endpoints e utilização de endpoints em aplicações.	Computação, orquestrador de nó de computação, discos gerenciados (opcional), serviços de armazenamento, Azure Bastion e outros serviços do Azure usados

Para obter mais informações, consulte o exemplo de estratégia de IA.

Definir uma estratégia de dados de IA

Para cada caso de uso de IA, você deve definir uma estratégia de dados de IA. A estratégia de dados deve descrever práticas de coleta, armazenamento e uso de dados alinhadas com padrões regulatórios, éticos e operacionais. Adapte a estratégia a cada caso de uso para garantir saídas de IA confiáveis e promover 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. Especifique como se coleta, armazena, processa, versiona e desativa dados para cada caso de uso de IA. Inclua políticas de retenção e eliminação e use o controle de versão para manter a precisão durante as atualizações.

• Planeje o ciclo de vida dos dados. Defina diretrizes para coleta, armazenamento, processamento, controle de versão e desativação de dados. Inclua recomendações para políticas de retenção e eliminação, enfatizando o controle de versão para manter a precisão dos dados.

  • Coleta de dados: Identifique fontes de dados como bancos de dados, APIs, dispositivos IoT, dados de terceiros ou o Azure Data Factory para ingestão.

  • Armazenamento de dados: Recomendar soluções de armazenamento adequadas a diferentes tipos e volumes de dados, incluindo dados estruturados, não estruturados e em tempo real

  • Processo de dados: Utilize pipelines ETL (Extrair, Transformar, Carregar) ou ELT limpando, transformando e preparando dados. Ferramentas como atalhos ou espelhamento no Microsoft Fabric podem simplificar esses processos.

• Configure controles de equidade e parcialidade da IA. Estabeleça procedimentos claros para identificar e mitigar enviesamentos nos dados de IA. Use ferramentas como o Fairlearn para garantir que os modelos produzam resultados justos e equitativos, particularmente para atributos de dados confidenciais.

• Promova a colaboração entre as equipes de IA e dados. Alinhe o desenvolvimento de IA com os esforços de engenharia de dados para garantir que os modelos sejam construídos usando dados de alta qualidade e bem gerenciados.

• Prepare-se para a escalabilidade de dados. Preveja o volume, a velocidade e a variedade de dados necessários para essa carga de trabalho de IA. Escolha arquiteturas flexíveis capazes de escalar de acordo com a demanda. Considere a infraestrutura baseada na nuvem para gerenciar recursos de forma eficiente.

• Incorpore a automação do gerenciamento de dados. Utilize IA e aprendizado de máquina para tarefas como marcação, catalogação e realização de verificações de qualidade de dados. A automação aumenta a precisão e permite que as equipes se concentrem em objetivos estratégicos.

• Plano de monitorização e avaliação contínuas. Estabeleça auditorias regulares de dados e resultados de modelos para garantir a qualidade, o desempenho e a equidade contínuos dos dados. Monitore modelos de IA e pipelines de dados para identificar quaisquer mudanças que possam afetar a confiabilidade ou a conformidade. Implementar verificações automatizadas de qualidade de dados, incluindo deteção de anomalias e regras de validação. Monitore regularmente os pipelines de dados em busca de falhas ou inconsistências.

Definir uma estratégia de IA responsável

Para cada caso de uso de IA, você deve definir uma estratégia de IA responsável que descreva seu papel em garantir 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 resumida mais ampla que englobe princípios abrangentes derivados de casos de uso individuais.

• Estabeleça a responsabilidade da IA. À medida que a tecnologia e os regulamentos de IA avançam, designe alguém para monitorar e governar essas mudanças. Normalmente, é uma responsabilidade do CoE de IA ou de um líder de IA.

• Alinhe-se com os princípios estabelecidos de IA responsável. A Microsoft segue seis princípios de IA responsáveis que aderem ao NIST Artificial Intelligence Risk Management Framework (AI RMF). 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 responsáveis. As ferramentas de IA responsável garantem que sua IA esteja alinhada com práticas de IA responsáveis mais amplas. Como parte de sua estratégia, identifique quais ferramentas e processos de IA responsável são relevantes.

• Compreender os requisitos de conformidade legal e regulamentar. 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 opera.

Para obter mais informações, consulte o exemplo de estratégia de IA.

Próximo passo

Plano de IA

Exemplo de casos de uso de IA

Estes exemplos destacam várias aplicações de IA generativas e não generativas. Embora não sejam exaustivos, eles fornecem informações sobre como a IA pode ser aplicada a diferentes áreas do seu negócio.

IA generativa	IA não generativa
Agentes autônomos: Desenvolva sistemas de IA que executam tarefas de forma independente, como assistentes virtuais gerenciando agendas ou consultas de clientes.	Reconhecimento de imagem: Utilize IA para identificar e classificar objetos dentro de imagens ou vídeos, útil em sistemas de segurança ou controle de qualidade.
Marketing: Crie automaticamente publicações nas redes sociais e newsletters por e-mail.	Previsão: Prever tendências ou otimizar operações com base em dados históricos.
Plataformas de e-commerce: gere recomendações personalizadas de produtos e experiências de compra personalizadas.	Automação de processos: automatize tarefas de rotina e fluxos de trabalho que não exigem geração de conteúdo, como bots de atendimento ao cliente.
Design de produto: crie rapidamente várias variações de protótipos de produtos ou elementos de design.	Análise de dados: descubra padrões em dados estruturados para insights e decisões baseadas em dados.
Desenvolvimento de software: automatize a geração de código repetitivo, como operações CRUD.	Simulação de modelos: Simule 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.	Deteção de anomalias: Identifique padrões incomuns nos dados. Você pode usar essa estratégia para deteção de fraudes ou previsão de falhas de equipamentos, por exemplo.
Atendimento ao cliente: forneça respostas baseadas no contexto por meio de chatbots orientados por IA.	Recomendação: Ofereça recomendações personalizadas com base no comportamento do usuário, comumente usadas em e-commerce e serviços de streaming.
Agências de publicidade: crie variações de anúncios segmentados para diferentes segmentos de público.	Otimização: Melhorar a eficiência através da resolução de problemas complexos (otimização da cadeia de abastecimento, alocação de recursos).
Aplicações de saúde e bem-estar: gere rotinas de treino e planos de refeições personalizados.	Análise de sentimento: analise textos de redes sociais ou avaliações de clientes para avaliar o sentimento do público e melhorar 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. Os seus canais de venda incluem tanto empresas privadas como agências do setor público altamente regulamentadas.

Caso de uso de IA	Objetivos	Objetivos	Métricas de sucesso	Abordagem de IA	Solução Microsoft	Necessidades de dados	Necessidades de competências	Fatores de custo	Estratégia de dados de IA	Estratégia responsável de IA
Recurso de bate-papo de 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	Azure AI Foundry	Descrições e emparelhamentos de itens	RAG e desenvolvimento de aplicativos na nuvem	Utilização	Estabeleça governança de dados para os dados dos clientes e implemente controles de equidade de IA.	Atribua a responsabilidade da IA ao AI CoE e alinhe-se com os Princípios de IA Responsável.
Fluxo de trabalho interno de processamento de documentos do aplicativo	Automatize o processo de negócios	Reduzir custos	Aumento da taxa de conclusão	IA analítica, ajuste fino	Serviços de IA do Azure - Document Intelligence	Documentos normalizados	Desenvolvimento de aplicações	Utilização estimada	Defina a governança de dados para documentos internos e planeje políticas de ciclo de vida de dados.	Atribua responsabilidade de IA e garanta a conformidade com as políticas de tratamento de dados.
Gestão de inventário e compra de produtos	Automatize o processo de negócios	Reduzir custos	Menor prazo de validade do estoque	Aprendizagem automática, modelos de treino	Azure Machine Learning	Dados históricos de inventário e vendas	Aprendizagem automática e desenvolvimento de aplicações	Utilização estimada	Estabeleça governança para dados de vendas e detete e resolva vieses nos dados.	Atribua responsabilidade de IA e cumpra os regulamentos financeiros.
Trabalho diário em toda a empresa	Aumentar a produtividade individual	Melhorar a experiência dos funcionários	Aumento da satisfação dos colaboradores	IA generativa SaaS	Microsoft 365 Copilot	Dados do OneDrive	Informática Geral	Custos de subscrição	Implemente a governança de dados para os dados dos funcionários e garanta a privacidade dos dados.	Atribua responsabilidade à IA e utilize os recursos integrados de IA responsável.
Aplicação de comércio eletrónico com funcionalidade de chat para indústrias regulamentadas	Automatize o processo de negócios	Aumentar as vendas	Aumento das vendas	Treinamento de modelo de IA generativa IaaS	Máquinas Virtuais do Microsoft Azure	Dados de treinamento específicos do domínio	Infraestrutura na nuvem e desenvolvimento de aplicações	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 as regulamentações do setor.