Стратегия искусственного интеллекта — процесс разработки стратегии искусственного интеллекта
В этой статье описывается процесс подготовки организации к внедрению искусственного интеллекта. Вы узнаете, как выбрать правильные решения искусственного интеллекта, подготовить данные и приземлить подход к ответственному принципу ИИ. Хорошо запланированная стратегия искусственного интеллекта соответствует вашим бизнес-целям и гарантирует, что проекты ИИ способствуют общему успеху. На первом шаге создайте центр превосходства ИИ (ИИ CoE) или назначьте ими привести к надзору за внедрением ИИ.
Определение вариантов использования ИИ
ИИ повышает эффективность отдельных процессов и улучшает бизнес-процессы. Создание искусственного интеллекта способствует повышению производительности и улучшает взаимодействие с клиентами. Негенеративные ИИ, такие как машинное обучение, идеально подходят для анализа структурированных данных и автоматизации повторяющихся задач. С помощью этого понимания определите области в вашем бизнесе, где ИИ может добавить ценность. Дополнительные сведения см . в примерах вариантов использования ИИ.
Ищите возможности автоматизации. Определение процессов, подходящих для автоматизации для повышения эффективности и снижения операционных затрат. Сосредоточьтесь на повторяющихся задачах, операциях с большим объемом данных или областях с высоким уровнем ошибок, где ИИ может иметь значительный эффект.
Проведение внутренней оценки. Соберите входные данные из различных отделов для выявления проблем и неэффективности, которые может решить ИИ. Документирование рабочих процессов и сбор мнений от заинтересованных лиц для определения возможностей автоматизации, генерации инсайтов или улучшения принятия решений.
Изучите варианты использования в отрасли. Исследование того, как аналогичные организации или отрасли используют ИИ для решения проблем или улучшения операций. Используйте такие инструменты, как архитектуры ИИ, в Центре архитектуры Azure для вдохновения, и чтобы оценить, какие подходы могут соответствовать вашим потребностям.
Задайте целевые объекты ИИ. Для каждого идентифицированного варианта использования четко определите цель (общую цель), цель (требуемый результат) и метрику успеха (квантификируемую меру). Эти элементы будут служить эталонами для руководства по внедрению ИИ и измерять его влияние.
Дополнительные сведения см . в примере стратегии ИИ.
Определение стратегии технологии искусственного интеллекта
Стратегия технологий ИИ посвящена выбору наиболее подходящих инструментов и платформ для создания и негенеривных вариантов использования ИИ. Корпорация Майкрософт предлагает различные варианты, включая программное обеспечение как услуга (SaaS), платформу как услуга (PaaS) и инфраструктуру как услуга (IaaS), каждый из которых имеет различные уровни настройки и общую ответственность между вами и Корпорацией Майкрософт. Чтобы руководствоваться вашим решением, используйте следующее дерево принятия решений ИИ. Для каждой службы оцените навыки, данные и бюджет, необходимые для успешного выполнения этой службы. В этой статье приведены рекомендации, которые помогут в этом процессе оценки.
Приобретение программных служб ИИ (SaaS)
Корпорация Майкрософт предлагает различные службы искусственного интеллекта, которые повышают индивидуальную эффективность. Эти копилоты позволяют приобрести программное обеспечение как услугу (SaaS) для возможностей искусственного интеллекта в вашей организации или для конкретных пользователей. Продукты SaaS обычно требуют минимальных технических навыков.
С точки зрения необходимых данных Microsoft 365 Copilot использует корпоративные данные в Microsoft Graph. Данные можно классифицировать с помощью меток конфиденциальности. Копилоты, основанные на ролях имеют разные возможности для подключения к данным и плагинам, чтобы принимать данные. Большинству копилотов в продукте не требуется дополнительная подготовка данных. Расширение Micorosoft 365 Copilot позволяет добавлять дополнительные данные через Microsoft Graph или декларативные агенты, которые могут извлекаться из разных источников данных. Copilot Studio автоматизирует большую часть обработки данных, необходимой для создания пользовательских копилот для различных бизнес-приложений. Дополнительные сведения см. в следующей таблице.
Microsoft Copilots | Description | User | Необходимые данные | Необходимые навыки | Основные факторы затрат |
---|---|---|---|---|---|
Microsoft 365 Copilot | Используйте Microsoft 365 Copilot для корпоративного решения, которое автоматизирует работу в приложениях Microsoft 365 и предоставляет расширенный способ общения с бизнес-данными в Microsoft Graph. | Триггер | Да | Общие ИТ-управление и управление данными | Виды |
Копилоты на основе ролей | Используйте Microsoft Copilot для обеспечения безопасности и ролевых агентов для Microsoft 365, чтобы повысить производительность определенных бизнес-ролей. Агенты на основе ролей включают Microsoft 365 Copilot для продаж, Microsoft 365 Copilot для обслуживанияи Microsoft 365 Copilot для финансов. |
Триггер | Да | Общие ИТ-управление и управление данными | Лицензии или вычислительные единицы безопасности (Copilot для безопасности) |
Копилоты в продукте | Используйте Copilots для повышения производительности в продуктах Майкрософт. Продукты с интегрированными помощниками Copilot включают GitHub, Power Apps, Power BI, Dynamics 365, Power Automateи Azure. |
Бизнес и индивидуальный | Да | Не допускается | Бесплатный или подписка |
Copilot Free или Pro | Используйте бесплатную версию для доступа на основе браузера к моделям Azure OpenAI. Используйте Copilot Pro для повышения производительности и большей емкости. |
Индивидуальный | No | Не допускается | Нет для Copilot Free или подписки для Copilot Pro |
Средства расширяемости для Microsoft 365 Copilot |
Настраивайте (расширяйте) Microsoft 365 Copilot с использованием дополнительных данных (знаний) через соединители Microsoft Graph или возможностей (навыков) с помощью декларативных агентов. Чтобы создать декларативные агенты, используйте средства расширяемости, такие как Copilot Studio (разработка SaaS), конструктор агентов, набор инструментов Teams в VS Code (вариант pro-code) и Sharepoint. |
Бизнес и индивидуальный | Да | Управление данными, общие ИТ-навыки или навыки разработчика | лицензия на Microsoft 365 Copilot |
Copilot Studio | Используйте Copilot Studio для создания тестов и развертывания агентов в среде разработки SaaS. | разработчик. | Да | Использование платформы для подключения источников данных, сопоставления запросов и развертывания ассистентов в различных местах | Виды |
Создание рабочих нагрузок ИИ с помощью платформ Azure (PaaS)
Корпорация Майкрософт предоставляет различные варианты платформы как услуги (PaaS) для создания рабочих нагрузок ИИ. Выбранная платформа зависит от целей ИИ, необходимых навыков и данных. Azure предлагает платформы, подходящие для различных уровней знаний, от начальных инструментов до расширенных вариантов для опытных разработчиков и специалистов по обработке и анализу данных. Просмотрите страницы ценообразования и и используйте калькулятор цен Azure для оценки затрат.
Цель ИИ | Решение Майкрософт | Необходимые данные | Необходимые навыки | Основные факторы затрат |
---|---|---|---|---|
Создание приложений RAG с помощью платформы code-first |
Azure AI Foundry or Azure OpenAI |
Да | Выбор моделей, оркестрация потоков данных, фрагментирование данных, обогащение блоков, выбор индексирования, понимание типов запросов (полнотекстовый, вектор, гибридный), понимание фильтров и аспектов, выполнение повторного управления, поток запросов инженера, развертывание конечных точек и использование конечных точек в приложениях | Вычисления, количество маркеров в службах ИИ, потребляемых, хранилищах и передаче данных |
Точно настроенные модели создания ИИ | Azure AI Foundry | Да | Предварительная обработка данных, разделение данных на данные обучения и проверки, проверка моделей, настройка других параметров, улучшение моделей, развертывание моделей и использование конечных точек в приложениях | Вычисления, количество маркеров в службах ИИ, потребляемых, хранилищах и передаче данных |
Обучение и вывод моделей машинного обучения с помощью собственных данных |
Машинное обучение Azure or Microsoft Fabric |
Да | Предварительная обработка данных, обучение моделей с помощью кода или автоматизации, улучшение моделей, развертывание моделей машинного обучения и использование конечных точек в приложениях | Вычислительные ресурсы, хранилище и передача данных |
Использование негенеривных моделей ИИ в приложениях | Службы ИИ Azure | Да | Выбор правильной модели ИИ, защиты конечных точек, использования конечных точек в приложениях и точной настройки по мере необходимости | Использование конечных точек модели, используемых, хранилища, передачи данных, вычислений (при обучении пользовательских моделей) |
Создание собственных моделей с помощью служб инфраструктуры (IaaS)
Для организаций, требующих большего контроля и настройки, корпорация Майкрософт предлагает решения инфраструктуры как услуга (IaaS). Хотя платформы Azure (PaaS) предпочтительны для рабочих нагрузок ИИ, виртуальных машинах Azure через CycleCloud и службе Azure Kubernetes предоставляет доступ к gpu и ЦП для расширенных потребностей ИИ. Эта настройка позволяет перенести собственные модели в Azure. Ознакомьтесь с соответствующими страницами цен и калькулятором цен Azure.
Цель ИИ | Решение Майкрософт | Необходимые данные | Необходимые навыки | Основные факторы затрат |
---|---|---|---|---|
Обучение и вывод собственных моделей ИИ. Перенос собственных моделей в Azure. |
Виртуальные машины Azure or Служба Azure Kubernetes |
Да | Управление инфраструктурой, ИТ-служба, установка программы, обучение модели, тестирование моделей, оркестрация, развертывание конечных точек, защита конечных точек и использование конечных точек в приложениях | Вычислительные ресурсы, оркестратор вычислительных узлов, управляемые диски (необязательно), службы хранилища, Бастион Azure и другие службы Azure, используемые |
Дополнительные сведения см . в примере стратегии ИИ.
Определение стратегии данных ИИ
Для каждого варианта использования ИИ следует определить стратегию данных ИИ. Стратегия обработки данных должна описывать методики сбора, хранения и использования, соответствующие нормативным, этическим и операционным стандартам. Адаптировать стратегию к каждому варианту использования, чтобы обеспечить надежные выходные данные ИИ и повысить безопасность данных и конфиденциальность. При необходимости эти отдельные стратегии можно объединить в более широкую сводную стратегию данных для вашей организации.
Установите управление данными. Определите принципы управления данными для каждого варианта использования ИИ, чтобы обеспечить соответствие рабочих нагрузок юридическим и этическим стандартам. Включите классификацию данных на основе конфиденциальности и политик для управления доступом, использованием и хранилищем, соответствующим варианту использования.
Планирование жизненного цикла данных. Укажите способ сбора, хранения, обработки и выхода данных из эксплуатации для каждого варианта использования ИИ. Включите политики хранения и удаления и используйте управление версиями для обеспечения точности во время обновлений.
Настройте элементы управления справедливостью и предвзятостью ИИ. Разработка процессов для обнаружения и устранения смещения в данных, используемых для этого варианта использования ИИ. Используйте такие инструменты, как Fairlearn, чтобы обеспечить справедливые и справедливые результаты, особенно при работе с атрибутами конфиденциальных данных.
Повышение совместной работы между ИИ и командами данных. Выравнивайте разработку ИИ с усилиями по проектированию данных, чтобы обеспечить создание моделей с использованием высококачественных хорошо управляемых данных. Создайте единый конвейер для обучения моделей ИИ и обновлений данных.
Подготовка к масштабируемости данных. Прогнозирование объема, скорости и различных данных, необходимых для этой рабочей нагрузки ИИ. Планирование использования гибких архитектур для масштабирования с учетом спроса и рассмотрения облачных инфраструктур для эффективного управления ресурсами.
Включение автоматизации управления данными. Спланируйте использование ИИ и машинного обучения для автоматизации таких задач, как добавление тегов, каталогизация и проверка качества данных. Автоматизация повышает точность и позволяет командам сосредоточиться на стратегических усилиях.
Планирование непрерывного мониторинга и оценки. Установите регулярные аудиты выходных данных и моделей, чтобы обеспечить текущее качество данных, производительность и справедливость. Отслеживайте модели ИИ и конвейеры данных, чтобы определить любые сдвиги, которые могут повлиять на надежность или соответствие требованиям.
Для примера стратегии обработки данных, соответствующей различным вариантам использования, см. в примере стратегии ИИ .
Определение ответственной стратегии искусственного интеллекта
Для каждого варианта использования ИИ следует определить ответственное стратегию искусственного интеллекта, которая описывает свою роль в обеспечении надежности решений ИИ, которые остаются надежными и полезными для всех пользователей. Обязанности могут отличаться в зависимости от технологии, принятой в каждом случае. При необходимости создайте более широкую стратегию ответственного искусственного интеллекта, которая охватывает принципы, производные от отдельных вариантов использования.
Обеспечение подотчетности искусственного интеллекта. По мере продвижения технологий и нормативных требований ИИ назначьте кого-то для мониторинга и управления этими изменениями. Как правило, это ответственность за ИИ CoE или руководителя ИИ.
Выравнивайте принципы ответственного ИИ. Корпорация Майкрософт следует шестью ответственными принципами ИИ, которые соответствуют платформе управления рисками искусственного интеллекта NIST (AI RMF). Используйте эти принципы в качестве бизнес-целей, чтобы определить успех и управлять внедрением ИИ в каждом варианте использования.
Определите ответственные средства ИИ. Средства ответственного искусственного интеллекта гарантируют соответствие ИИ более широкому ответственному использованию ИИ. В рамках стратегии определите, какие инструменты и процессы ответственного искусственного интеллекта актуальны.
Общие сведения о требованиях к соответствию нормативным требованиям и нормативным требованиям. Правовые и нормативные требования влияют на создание рабочих нагрузок ИИ и управление ими. Исследование и соблюдение требований, регулирующих ИИ, где вы работаете.
Дополнительные сведения см . в примере стратегии ИИ.
Следующий шаг
Примеры вариантов использования ИИ
В этих примерах выделены различные генеривные и негенеривные приложения ИИ. Хотя и не исчерпывающим, они предоставляют аналитические сведения о том, как можно применять ИИ к различным областям вашего бизнеса.
Генеративный ИИ | Негенеративный ИИ |
---|---|
Автономные агенты: разработка систем ИИ, которые выполняют задачи независимо, например виртуальные помощники по управлению расписаниями или запросами клиентов. | Распознавание изображений. ИИ используется для идентификации и классификации объектов в изображениях или видео, полезных в системах управления безопасностью или качеством. |
Маркетинг: автоматически создавайте сообщения в социальных сетях и информационные бюллетени электронной почты. | Прогнозирование: прогнозирование тенденций или оптимизация операций на основе исторических данных. |
Платформы электронной коммерции: создание персонализированных рекомендаций по продуктам и специализированных торговых возможностей. | Автоматизация процессов: автоматизация стандартных задач и рабочих процессов, которые не требуют создания контента, например ботов службы клиентов. |
Дизайн продукта: быстро создайте несколько вариантов прототипов продуктов или элементов дизайна. | Анализ данных: обнаружение шаблонов структурированных данных для аналитических сведений и принятия решений на основе данных. |
Разработка программного обеспечения: автоматизация повторяющегося создания кода, таких как операции CRUD. | Моделирование моделей: имитация сложных рабочих нагрузок (динамическая динамика, анализ конечных элементов) для прогнозирования поведения и оптимизации проектов или процессов. |
Образовательные платформы: создание персонализированных учебных материалов для учащихся. | Обнаружение аномалий: определение необычных шаблонов в данных. Эту стратегию можно использовать для обнаружения мошенничества или прогнозирования сбоя оборудования, например. |
Служба клиентов: предоставление ответов на основе контекста с помощью чат-ботов на основе ИИ. | Рекомендация. Предложение персонализированных рекомендаций на основе поведения пользователей, часто используемых в электронной коммерции и потоковых службах. |
Рекламные агентства: создание целевых вариантов рекламы для различных сегментов аудитории. | Оптимизация: повышение эффективности путем решения сложных проблем (оптимизация цепочки поставок, выделение ресурсов). |
Здоровье и здоровое приложение: создание настраиваемых процедур тренировки и планов еды. | Анализ тональности. Анализ тональности: анализ текста из социальных сетей или отзывов клиентов для оценки тональности общественности и улучшения взаимодействия с клиентами. |
Пример стратегии искусственного интеллекта
В этом примере стратегия искусственного интеллекта основана на вымышленной компании Contoso. Компания Contoso управляет платформой электронной коммерции с клиентом и использует представителей продаж, которым нужны инструменты для прогнозирования бизнес-данных. Компания также управляет разработкой и инвентаризацией продуктов для производства. Ее каналы продаж включают как частные компании, так и строго регулируемые государственные учреждения.
Вариант использования ИИ | Цели | Задачи | Метрики успешности | Подход к искусственному интеллекту | Решение Майкрософт | Потребности в данных | Потребности в навыке | Факторы затрат | Стратегия данных ИИ | Стратегия ответственного искусственного интеллекта |
---|---|---|---|---|---|---|---|---|---|---|
Функция чата веб-приложения электронной коммерции | Автоматизация бизнес-процессов | Повышение удовлетворенности клиентов | Увеличение частоты хранения клиентов | PaaS, генерированный ИИ, RAG | Azure AI Foundry | Описания элементов и пары | Разработка облачных приложений и RAG | Использование | Создайте управление данными клиентов и реализуйте элементы управления справедливостью ИИ. | Назначьте ответственность ИИ CoE и выравнивайте принципы ответственного ИИ. |
Внутренний рабочий процесс обработки документов приложения | Автоматизация бизнес-процессов | Сокращайте затраты | Увеличение скорости завершения | Аналитический ИИ, тонкой настройки | Службы ИИ Azure — аналитика документов | Стандартные документы | Разработка приложений | Предполагаемое использование | Определите управление данными для внутренних документов и планируйте политики жизненного цикла данных. | Назначение подотчетности ИИ и обеспечение соответствия политикам обработки данных. |
Управление инвентаризацией и приобретение продуктов | Автоматизация бизнес-процессов | Сокращайте затраты | Более короткий срок хранения запасов | Машинное обучение, модели обучения | Машинное обучение Azure | Исторические данные инвентаризации и продаж | Машинное обучение и разработка приложений | Предполагаемое использование | Обеспечение управления данными о продажах и обнаружение и устранение предвзятости в данных. | Назначьте подотчетность ИИ и соблюдайте финансовые нормы. |
Ежедневные трудоемкие работы в компании | Повышение производительности отдельных пользователей | Улучшение взаимодействия с сотрудниками | Повышение удовлетворенности сотрудников | SaaS generative AI | Microsoft 365 Copilot | Данные OneDrive | Общие ИТ-специалистов | Затраты на подписку | Реализуйте управление данными сотрудников и обеспечьте конфиденциальность данных. | Назначьте подотчетность ИИ и используйте встроенные функции ИИ. |
Приложение электронной коммерции для регулируемых отраслевых чатов | Автоматизация бизнес-процессов | Увеличение объема продаж | Увеличение продаж | Обучение модели искусственного интеллекта для создания IaaS | Виртуальные машины Azure | Данные обучения для конкретного домена | Разработка облачной инфраструктуры и приложений | Инфраструктура и программное обеспечение | Определите управление для регулируемых данных и жизненного цикла плана с помощью мер соответствия требованиям. | Назначьте подотчетность ИИ и соблюдайте отраслевые правила. |