Персоны команды для рабочих нагрузок ИИ
В контексте создания рабочих нагрузок ИИ, в отличие от традиционного развертывания кода, недетерминированные модели требуют итеративного экспериментирования и совместной работы между несколькими ролями и командами. Ранняя интеграция операций, разработки приложений и групп данных является важной для содействия взаимному пониманию. Эта совместная работа требует разнообразных навыков и непрерывного обучения в соответствии с технологическими достижениями.
Эффективная совместная работа зависит от интеграции инструментов, процессов и людей и зависит от потребностей рабочей нагрузки и конкретных целей. Рекомендуемые стратегии включают:
- Создание четких ролей и подотчетности.
- Воспользоваться преимуществами набора навыков вашей команды для соответствующих задач.
- Стандартизация процессов и субпроцессов, таких как отслеживание работы в рамках общего невыполненной работы.
- Опираясь на автоматизацию для обеспечения согласованности и воспроизводимости.
Personas может быть эффективным инструментом для материализации этих стратегий и стандартизации обязанностей. В этой статье описываются персоны для нагрузок ИИ и их преимущества в проектировании этих нагрузок. Он также содержит примеры и инструменты для определения и эффективного использования этих персон уровня команды.
Что такое персоны?
Personas представляют подмножества людей и процессов, участвующих в создании и эксплуатации рабочей нагрузки. Персоны фиксируют как роли, так и реальное поведение и подотчетность этих персон и процессов. В зависимости от контекста отдельный человек может воплощать одну или несколько личностей. Персона не обязательно должна быть человеком. Он также может быть процессом, выполняемым без участия человека, например, процессом агента в архитектуре.
В вашей рабочей нагрузке могут быть персоны пользователей, которые определяют разработку функций. Эти лица не входят в область действия этой статьи.
В отличие от ролей, которые являются относительно статическими функциями или позициями в организации, лица являются динамическими и ориентированными на цели. Их можно использовать для сопоставления требований навыка к процессам и средствам, таким как архитектурные компоненты. Personas в первую очередь помогает определить область ответственности и задать контекст в проекте. Они предоставляют несколько других преимуществ, таких как:
- Определение пробелов в ресурсах. Определение пробелов помогает решить, следует ли набирать или обучать ресурсы или изменять решение. Если ваша группа рабочей нагрузки не имеет отдельных лиц, которые соответствуют необходимой персоне, может потребоваться изменить архитектуру, изменить процесс или подключить новый персонал. Например, если отсутствует старший человек по обработке и анализу данных, вы можете перепроектировать архитектуру, чтобы использовать больше программного обеспечения общего назначения как услуги (SaaS) ИИ или включить решения, отличные от Майкрософт.
- Расширенные навыки. Сопоставление лиц с конкретными архитектурными компонентами также упрощает образовательные возможности, такие как сеансы и онлайн-курсы для улучшения навыков.
- Обеспечение соответствующих уровней доступа. Необходимо использовать «персоны» для определения потребностей в безопасности и доступе путем сопоставления персонажей с процессами, архитектурами и службами. Это сопоставление помогает обеспечить соответствующие уровни доступа.
- Упрощение планирования и коммуникации проектов. При планировании проектов персоны помогают определить ключевые взаимодействия, чтобы облегчить организацию встреч по синхронизации и общему планированию. Как правило, пользователи интегрируются в иерархию отслеживания пользовательских историй, функций и требований для упрощения управления проектами.
Определение лиц
Определите специализации участников команды и выравнивайте их с соответствующими ролями в операциях ИИ или проектировании. Создайте шаблон для документирования ожиданий навыков персонажей, сведений о команде и процессов, в которых они будут участвовать.
Ниже приведен пример шаблона базовых показателей.
| Шаблон Persona |
|---|
|
🔹Имя персонажа: [Имя] Команда 🔹: [Команда, ответственная за персону] 🔹первичное взаимодействие: [Другие команды, с которыми взаимодействует человек] доступ к компонентам 🔹: [Требования к безопасности и доступу для процессов и системных компонентов] 🔹Процессы: [Обрабатывает лицо отвечает за или вносит свой вклад в] 🔹Навыки: [Навыки, необходимые для выполнения задач, включая предметные и технологические особенности, такие как обучение модели или оптимизация индекса поиска] |
Инструменты
Вы можете использовать таблицу для упорядочивания и визуализации информации для каждого человека. Одним из преимуществ этого метода является создание и связывание с другими таблицами, которые предоставляют более конкретные сведения. Например, можно связать компоненты архитектуры с другой таблицей, в которой для каждой службы и среды указывается управление доступом на основе удостоверений (Dev, Stage, Production).
Компромиссное решение. Слишком мало людей может затруднить реализацию контроля доступа на основе ролей с минимальным привилегированным доступом и эффективного распределения рабочих обязанностей. И наоборот, слишком много пользователей добавляет затраты на управление. Оптимальный баланс достигается при использовании от 5 до 10 персонажей, и вы должны добавлять только те персонажи, которые необходимы для ваших операций.
Вы также можете использовать карточки для определения лиц. Эти карточки содержат те же сведения, что и таблица, или краткую сводку. Вы можете использовать PowerPoint или создать набор файлов Markdown для создания этих карточек.
В некоторых случаях можно использовать сочетание инструментов. Например, каждый компонент архитектуры в карточке persona может открыть файл Markdown, содержащий таблицу, которая сопоставляет безопасность и управление доступом на основе ролей для каждой службы и среды. Пример см. в статье акселератор MLOps: Identity RBAC.
Примеры personas
Карточки можно использовать для определения услуг, к которым персона должна иметь доступ в рамках процесса, и описания навыков, необходимых для каждой персоны (будь то человек или агент).
Внимание
Хотя определенные здесь лица служат базовыми примерами, рекомендуется создавать собственные лица с помощью таких средств, как таблицы, карточки шаблонов persona и графы.
Важно, чтобы эти лица соответствовали вашим процессам, организации и пользователям.
| ИИ Инженер данных (P001) |
|---|
| Команда: команда приема данных 🔹 первичное взаимодействие: команда разработки ИИ доступ к компоненту 🔹: Фабрика данных Azure, Azure Databricks, База данных SQL Azure, служба хранилища Azure 🔹 Процессы: DataOps, ETL, ELT 🔹 Навыки: SQL, Python, PySpark |
| Аналитик бизнес-аналитик (P003) |
|---|
| Команда: команда аналитики 🔹 основное взаимодействие: команда приема данных доступ к компоненту 🔹: Power BI, Azure Data Explorer, служба хранилища Azure процессы 🔹: анализ данных, хранение данных 🔹 Навыки: SQL, Python, PySpark |
| Дискриминационное ИИ Специалист по обработке и анализу данных (P004) |
|---|
| Команда: команда ИИ 🔹 основное взаимодействие: команда приема данных, команда DevOps доступ к компонентам 🔹: Машинное обучение Azure, Azure Databricks, служба хранилища Azure, Azure Key Vault 🔹 Процессы: MLOps, MLflow 🔹Навыки: Машинное обучение Azure, Python, Обучение модели |
| GenAI Специалист по обработке и анализу данных (P006) |
|---|
| Команда: команда ИИ 🔹 основное взаимодействие: команда приема данных, команда DevOps доступ к компонентам 🔹: портал Azure AI Foundry, Служба Azure OpenAI, поиск ИИ Azure, служба хранилища Azure, Azure Key Vault 🔹 Процессы: GenAIOps 🔹 Навыки: Машинное обучение Azure, Python, знания о модели (LLM, SLM), тонкой настройке, RAG, агентической концепции |
| Разработчик чата GenAI (P007) |
|---|
| Команда: инженерная команда 🔹 первичное взаимодействие: команда ИИ доступ к компонентам 🔹: веб-приложения Azure, управление API Azure, Azure Cosmos DB, приложения контейнеров Azure, Функции Azure процессы 🔹: DevOps, обработка на основе событий, микрослужбы 🔹 Навыки: архитектура веб-приложения (интерфейсная или серверная часть), React, Node.js, HTML, CSS |
| Агент по сборке MLOps (P009) |
|---|
| Команда: инженерная команда 🔹 первичное взаимодействие: команда AI доступ к компонентам 🔹: Машинное обучение Azure, Azure DevOps, GitHub процессы 🔹: обработка и обслуживание Lambda, внешний цикл MLOps 🔹 Навыки: Python, Pyspark |
Вариант использования: Personas для процессов ИИ
Эти основные процессы используются в рабочих нагрузках ИИ:
- DataOps — это прием и подготовка данных.
- MLOps — это эксплуатация моделей машинного обучения.
- GenAIOps — это обнаружение и оценка существующих моделей и уточнение этих моделей в контексте рабочей нагрузки.
- Внутренний цикл — это уточнение решений в среде разработки во время исследования или при срабатывании мониторинга внешнего цикла.
- Внешний цикл — это перемещение решений из разработки в рабочую среду. Этот цикл использует непрерывный мониторинг и оценку для выявления необходимых улучшений.
Сопоставление лиц с этими процессами предоставляет контекст для каждого человека. Этот шаг может помочь определить процессы, в которых персона может нуждаться в повышении квалификации.
На изображении показан рабочий процесс для DataOps, MLOps и GenAIOps в рабочей среде. Потоки данных идут от приема к развертыванию модели и оценке. Рабочий процесс использует методики непрерывной интеграции и непрерывной доставки (CI/CD). К ключевым задачам относятся уточнение моделей данных, оценка пакетов, развертывание конечных точек, оценка моделей в режиме реального времени и тонкая настройка моделей. Примеры лиц участвуют во всем рабочем процессе.
Вариант использования: Personas для проектирования архитектуры
Подключение процессов к вспомогательной архитектуре помогает определить службы, с которыми человек должен взаимодействовать и выделять области для потенциального повышения квалификации.
Чтобы визуализировать это подключение, создайте графическое изображение, показывющее, как подключены компоненты архитектуры. Эта визуальная помощь может проиллюстрировать поток данных и взаимодействие между службами и способами автоматизации потоков в развертывании. Она помогает заинтересованным лицам понять архитектуру и роли разных лиц в ней.
На следующем рисунке показана лямбда-архитектура для современной аналитики в Azure.
Следующий шаг
Затем перейдите к средству оценки, чтобы оценить проект.