ภาพรวมของเวิร์กโหลดแอปพลิเคชันอัจฉริยะ

เอกสารนี้ให้คำแนะนำเชิงปฏิบัติสำหรับการวางแผน พัฒนา และดูแลรักษาเวิร์กโหลดแอปพลิเคชันอัจฉริยะด้วย Microsoft Power Platform คำแนะนำมีรากฐานทางเทคนิคในแนวปฏิบัติที่ดีที่สุดที่มีการออกแบบสถาปัตยกรรมที่ดี และยังได้รับข้อมูลจากประสบการณ์ที่ได้มาจากการปรับใช้ของลูกค้า Power Platform

คำแนะนำนี้มุ่งเป้าไปที่เจ้าของเวิร์กโหลด ผู้มีส่วนได้ส่วนเสียทางเทคนิค และผู้มีส่วนได้ส่วนเสียทางธุรกิจเป็นหลัก ซึ่งใครก็ตามที่มีบทบาทสำคัญในการออกแบบ สร้าง และดูแลรักษาเวิร์กโหลดแอปพลิเคชันอัจฉริยะ

เคล็ดลับ

หากต้องการประเมินปริมาณงานของคุณผ่านมุมมองของความน่าเชื่อถือ ความปลอดภัย ความเป็นเลิศในการปฏิบัติงาน ประสิทธิภาพการทำงาน และการเพิ่มประสิทธิภาพประสบการณ์ ให้ดำเนินการ Power Platform การประเมินที่มีการวางโครงสร้างที่ดี

เวิร์กโหลดแอปพลิเคชันอัจฉริยะคืออะไร

ในบริบทของ Power Platform Well-Architected คำว่า workload หมายถึงชุดทรัพยากรแอปพลิเคชัน ข้อมูล โครงสร้างพื้นฐานที่สนับสนุน และกระบวนการที่ทำงานร่วมกันเพื่อส่งมอบผลลัพธ์ทางธุรกิจที่ต้องการ เวิร์กโหลดประกอบด้วยส่วนประกอบของแอปพลิเคชันและเทคโนโลยี ตลอดจนกระบวนการเชิงพฤติกรรม การพัฒนา และการทำงาน

เวิร์กโหลดแอปพลิเคชันอัจฉริยะที่สร้างขึ้น Power Platform ใช้ความสามารถในการ Power Platform เพื่อบูรณาการและใช้โมเดล AI เชิงสร้างสรรค์เพื่อทำให้กระบวนการทางธุรกิจเป็นอัตโนมัติและปรับปรุงประสิทธิภาพ

AI สร้างสรรค์เป็นเทคโนโลยีปัญญาประดิษฐ์ที่ใช้โมเดลภาษาขนาดใหญ่ (LLM) เพื่อสร้างเนื้อหาต้นฉบับและให้ความเข้าใจและการตอบในภาษาธรรมชาติ เรียนรู้เพิ่มเติมเกี่ยวกับ AI สร้างสรรค์ ในคู่มือการวางแผนกลยุทธ์ปัญญาประดิษฐ์ (AI)

ความท้าทายทั่วไปมีอะไรบ้าง?

การพัฒนาเวิร์กโหลดแอปพลิเคชันอัจฉริยะที่สร้างขึ้นบน Power Platform อาจมีความซับซ้อน ความท้าทายรวมถึง:

• คุณภาพและความพร้อมใช้งานของข้อมูล: โมเดล AI เชิงสร้างสรรค์ต้องการข้อมูลคุณภาพสูงในปริมาณมาก การทำให้แน่ใจว่าข้อมูลมีความสะอาด มีโครงสร้างที่ดี และสามารถเข้าถึงได้ จะทำให้มีความซับซ้อนมากขึ้น
• การบูรณาการกับระบบที่มีอยู่: การบูรณาการ AI เชิงสร้างสรรค์กับโครงสร้างพื้นฐานด้านไอทีและกระบวนการทางธุรกิจที่มีอยู่อย่างราบรื่นอาจต้องใช้ทรัพยากรจำนวนมากและมีความท้าทายทางเทคนิค
• ประเด็นด้านจริยธรรมและการปฏิบัติตามข้อกำหนด: การแก้ไขข้อกังวลด้านจริยธรรมและการรับรองว่าเป็นไปตามมาตรฐานทางกฎหมายและข้อบังคับถือเป็นสิ่งสำคัญ การจัดการความเป็นส่วนตัวของข้อมูล การหลีกเลี่ยงอคติในโมเดล AI และการรักษาความโปร่งใสเป็นเพียงบางส่วนของปัญหาที่ต้องดำเนินการ
• ทักษะ และความเชี่ยวชาญ: การพัฒนาและการจัดการโซลูชัน AI เชิงสร้างสรรค์ต้องใช้ความเชี่ยวชาญ ทักษะ องค์กรต่างๆ มักต้องลงทุนในการฝึกอบรมพนักงานหรือจ้างบุคลากรใหม่ที่มีความเชี่ยวชาญที่จำเป็น
• การจัดสรรต้นทุนและทรัพยากร: การนำ AI เชิงสร้างสรรค์มาใช้มีค่าใช้จ่ายสูง องค์กรต่างๆ จำเป็นต้องจัดการทรัพยากรอย่างรอบคอบและเริ่มต้นด้วยโครงการนำร่องขนาดเล็กที่มีผลกระทบสูงเพื่อแสดงให้เห็นถึงมูลค่าก่อนที่จะขยายขนาด
• ข้อกังวลด้านความปลอดภัย: การรับรองความปลอดภัยของระบบ AI ถือเป็นสิ่งสำคัญ และรวมถึงการปกป้องข้อมูลที่ละเอียดอ่อนจากการละเมิด ตลอดจนการป้องกันช่องโหว่ที่อาจเกิดขึ้นในโมเดล AI และโครงสร้างพื้นฐาน
• การออกแบบอินเทอร์เฟซผู้ใช้: การออกแบบอินเทอร์เฟซที่ใช้งานง่ายและเป็นมิตรกับผู้ใช้ซึ่งใช้ประโยชน์จากความสามารถของ AI โดยเฉพาะอย่างยิ่งโดยไม่ส่งผลกระทบต่อผู้ใช้มากเกินไปอาจเป็นเรื่องยาก

การแก้ไขปัญหาเหล่านี้ต้องอาศัยการวางแผนอย่างละเอียด ความร่วมมือระหว่างทีมต่างๆ และแนวทางเชิงกลยุทธ์ในการบูรณาการ AI เข้ากับกระบวนการทางธุรกิจ

แนวทางการออกแบบสถาปัตยกรรมที่ดี

เราขอแนะนำให้คุณจัดโครงสร้างภาระงานที่มีสถาปัตยกรรมที่ดีเพื่อตอบสนองวัตถุประสงค์ด้านความน่าเชื่อถือ ความปลอดภัย ความเป็นเลิศในการปฏิบัติงาน ประสิทธิภาพการทำงาน และการเพิ่มประสิทธิภาพประสบการณ์ที่เฉพาะเจาะจง เพื่อปรับปรุงประสบการณ์ของผู้ใช้และมอบความสม่ำเสมอและความน่าเชื่อถือ ให้ปฏิบัติตามหลักการและแนวปฏิบัติด้านสถาปัตยกรรมที่ปรับให้เหมาะกับเวิร์กโหลดแอปพลิเคชันอัจฉริยะ

เสาหลักที่มีการออกแบบสถาปัตยกรรมที่ดีช่วยให้คุณสามารถนำการทำงานแบบโมดูลาร์ บทบาทที่แยกจากกัน และปรับปรุงประสิทธิภาพการทำงานได้ Power Platform ใช้แนวทางที่มีการออกแบบที่ดีเพื่อสร้างเวิร์กโหลดโดยไม่ต้องมีความซับซ้อนและต้นทุนที่ไม่จำเป็น

หากต้องการทำความเข้าใจว่าแต่ละเสาหลักจะช่วยปรับปรุงเวิร์กโหลดแอปพลิเคชันอัจฉริยะของคุณได้อย่างไร โปรดดู หลักการออกแบบเวิร์กโหลดแอปพลิเคชันอัจฉริยะ

ประเมินความเป็นไปได้ทางเทคนิคและการปฏิบัติการ

ก่อนที่คุณจะเริ่มพัฒนาเวิร์กโหลดแอปพลิเคชันอัจฉริยะของคุณด้วย Power Platform ให้ประเมินความเป็นไปได้ทางเทคนิคและการปฏิบัติการ และระบุความเสี่ยงและกลยุทธ์การบรรเทาผลกระทบ

คุณอาจต้องการพิจารณาอัปเดตเวิร์กโหลดปัจจุบันเพื่อใช้ความสามารถ Generative AI เมื่อความสามารถเหล่านี้ตรงตามความต้องการทางธุรกิจและลดต้นทุน พิจารณาการปรับปรุงให้ทันสมัยตามวัตถุประสงค์ของแอปพลิเคชัน อายุการใช้งาน ความสามารถในการรองรับ ต้นทุน และข้อตกลงระดับบริการ (SLA)

ความเป็นไปได้ทางเทคนิค

ความเป็นไปได้ทางเทคนิคเกี่ยวข้องกับการประเมินความพร้อมใช้งานและคุณภาพของข้อมูล ความต้องการการรวมระบบ และความท้าทายที่เกี่ยวกับความซับซ้อนทางเทคนิค

ความพร้อมใช้งานของข้อมูล และคุณภาพ

ข้อมูลคุณภาพสูงช่วยให้มั่นใจถึงความสม่ำเสมอและความถูกต้องแม่นยำสำหรับเวิร์กโหลดแอปพลิเคชันอัจฉริยะ เป็นส่วนหนึ่งของการประเมินความเป็นไปได้ของคุณ พิจารณาสิ่งต่อไปนี้:

• แหล่งข้อมูล: ระบุและจัดทำแคตตาล็อกแหล่งข้อมูลที่มีศักยภาพทั้งหมด รวมถึงฐานข้อมูลภายใน API ภายนอก และชุดข้อมูลของบุคคลที่สาม ให้แน่ใจว่าแหล่งข้อมูลเหล่านี้เชื่อถือได้และสามารถเข้าถึงได้
• ไซโลข้อมูล ระบุว่ากระบวนการปัจจุบันใช้แหล่งข้อมูลที่แตกต่างกัน เช่น สเปรดชีตหรือไม่ การผสานรวมข้อมูลที่แตกต่างกันเหล่านี้เข้าในระบบ AI อาจเป็นเรื่องท้าทาย แต่ก็อาจมีความจำเป็นสำหรับการให้คำตอบที่แม่นยำ
• ปริมาณและความหลากหลายของข้อมูล :ประเมินปริมาณและความหลากหลายของข้อมูลที่มีอยู่ โดยทั่วไปแล้วโมเดล AI เชิงสร้างสรรค์ต้องใช้ชุดข้อมูลขนาดใหญ่และหลากหลายจึงจะทำงานได้อย่างมีประสิทธิภาพ ตรวจสอบให้แน่ใจว่าแหล่งข้อมูลมีปริมาณและความหลากหลายเพียงพอสำหรับการฝึกและตรวจสอบความถูกต้องของโมเดล
• การทำความสะอาดข้อมูล :ดำเนินการทำความสะอาดข้อมูลเพื่อลบข้อมูลซ้ำซ้อน แก้ไขข้อผิดพลาด และจัดการค่าที่หายไป ขั้นตอน นี้มีความสำคัญอย่างยิ่งในการรับรองว่าข้อมูลที่ป้อนเข้าสู่โมเดล AI นั้นถูกต้องและเชื่อถือได้
• การแปลงข้อมูล: แปลงข้อมูลดิบเป็นรูปแบบที่เหมาะสมสำหรับการฝึกอบรมโมเดล AI กระบวนการนี้อาจเกี่ยวข้องกับการทำให้เป็นมาตรฐาน การปรับขนาด และการเข้ารหัสตัวแปรเชิงหมวดหมู่
• การตรวจสอบและทดสอบข้อมูล: ตรวจสอบและทดสอบข้อมูลเป็นประจำเพื่อให้แน่ใจว่าตรงตามมาตรฐานคุณภาพที่กำหนด

ข้อกำหนดการรวมระบบ

การบูรณาการที่ตรงไปตรงมาช่วยให้สามารถเข้าถึงข้อมูลแบบเรียลไทม์และอัปเดตสำหรับเวิร์กโหลดแอปพลิเคชันอัจฉริยะได้ เป็นส่วนหนึ่งของการประเมินความเป็นไปได้ของคุณ พิจารณาสิ่งต่อไปนี้:

• โครงสร้างพื้นฐานที่มีอยู่: ประเมินความเข้ากันได้ของโมเดล AI เชิงสร้างสรรค์กับโครงสร้างพื้นฐานปัจจุบันของคุณ ตัวอย่างเช่น ตรวจสอบว่ามี API ที่แข็งแกร่งสำหรับการรวมเข้ากันได้อย่างง่ายดายหรือไม่
• จุดรวม: ระบุว่าเวิร์กโหลดแอปพลิเคชันอัจฉริยะของคุณจะรวมเข้ากับแหล่งข้อมูลที่จำเป็นอย่างไร ตัวอย่างเช่น กำหนดว่ามีตัวเชื่อมต่อหรือ API พร้อมใช้งานหรือไม่

ความท้าทายด้านความซับซ้อนทางเทคนิค

การตอบสนองที่แม่นยำต้องอาศัยเวิร์กโหลดแอปพลิเคชันอัจฉริยะที่มีการออกแบบที่ดี เป็นส่วนหนึ่งของการประเมินความเป็นไปได้ของคุณ ให้ประเมินความน่าเชื่อถือและความถูกต้องแม่นยำของคำตอบที่จัดทำโดยเวิร์กโหลดอัจฉริยะ พิจารณาถึงวิธีการเพิ่มประสิทธิภาพ ตรวจสอบ และปรับปรุงการตอบสนองที่สร้างขึ้น ความท้าทายด้านความซับซ้อนทางเทคนิคต้องอาศัยความเชี่ยวชาญทางเทคนิค โครงสร้างพื้นฐานที่แข็งแกร่ง และการบริหารจัดการอย่างต่อเนื่อง เพื่อให้สามารถนำไปใช้และบำรุงรักษาเวิร์กโหลดแอปพลิเคชันอัจฉริยะได้สำเร็จ เรียนรู้เพิ่มเติมได้ที่ หลักการออกแบบความน่าเชื่อถือของเวิร์กโหลดแอปพลิเคชันอัจฉริยะ

ความเป็นไปได้ในการดำเนินงาน

ความเป็นไปได้ในการปฏิบัติงานเกี่ยวข้องกับการประเมินความพร้อมของทรัพยากร การนำไปใช้ของผู้ใช้ และความเสี่ยง ร่วมกับกลยุทธ์การบรรเทาผลกระทบ

ความพร้อมใช้งานของทรัพยากร

ความสำเร็จของเวิร์กโหลดแอปพลิเคชันอัจฉริยะของคุณขึ้นอยู่กับงบประมาณและทรัพยากรทีมงานที่มีให้โดยเฉพาะ ซึ่งได้รับการสนับสนุนจากศูนย์ความเป็นเลิศ (CoE) ที่เน้น AI ลองพิจารณาข้อเท็จจริงต่อไปนี้

• การประเมิน ทักษะ: ประเมิน ทักษะ ของสมาชิกในทีมของคุณเพื่อระบุช่องว่างใดๆ ที่สามารถแก้ไขได้ด้วยการฝึกอบรมหรือการจ้างงาน
• การจัดสรรบทบาท: กำหนดบทบาทและความรับผิดชอบอย่างชัดเจนเพื่อให้แน่ใจว่าสมาชิกในทีมแต่ละคนเข้าใจงานของตนและเข้าใจว่าตนมีส่วนสนับสนุนต่อความสำเร็จของโครงการอย่างไร
• การฝึกอบรมและการพัฒนา: ลงทุนในการฝึกอบรมและพัฒนาอย่างต่อเนื่องเพื่อให้ทีมงานได้รับข้อมูลอัปเดตด้วยเทคโนโลยี AI และวิธีการล่าสุด
• การประมาณต้นทุน: เริ่มต้นด้วยการประมาณต้นทุนโดยละเอียด ซึ่งรวมถึงต้นทุนใบอนุญาต ต้นทุนซอฟต์แวร์และบริการคลาวด์ และต้นทุนบุคลากร การประมาณการดังกล่าวตั้งอยู่บนรากฐานของงบประมาณที่สมจริง

การยอมรับของผู้ใช้

ความสำเร็จของเวิร์กโหลดแอปพลิเคชันอัจฉริยะของคุณขึ้นอยู่กับความสะดวกของผู้ใช้กับระบบ ลองพิจารณาข้อเท็จจริงต่อไปนี้

• การออกแบบที่เน้นผู้ใช้: ออกแบบระบบให้ใช้งานง่ายและเป็นมิตรต่อผู้ใช้ อินเทอร์เฟซที่ซับซ้อนอาจเป็นอุปสรรคต่อผู้ใช้ ดังนั้น ความเรียบง่ายและความชัดเจนจึงเป็นสิ่งสำคัญ ตรวจสอบให้แน่ใจว่าระบบสามารถเข้าถึงได้โดยผู้ใช้ทุกคน
• การฝึกอบรม: อำนวยความสะดวกให้กับเซสชันการฝึกอบรมที่ครอบคลุมและให้การสนับสนุนอย่างต่อเนื่อง
• วงจรข้อเสนอแนะ :สร้างกลไกการตอบรับที่ผู้ใช้สามารถรายงานข้อผิดพลาด ซึ่งสามารถนำไปใช้ปรับปรุงโมเดลให้ดีขึ้นได้
• ความโปร่งใสและความน่าเชื่อถือ: ทำให้แน่ใจว่าผู้ใช้รู้ว่าพวกเขากำลังใช้เวิร์กโหลดที่มีความสามารถ AI เชิงสร้างสรรค์ สื่อสารอย่างชัดเจนถึงเหตุผลที่เลือกโซลูชัน AI ออกแบบอย่างไร และตรวจสอบและอัปเดตอย่างไร
• การจัดการการเปลี่ยนแปลง: ปรับการเปลี่ยนแปลงให้สอดคล้องกับวัฒนธรรมและค่านิยมขององค์กรเพื่อให้เกิดการยอมรับและการสนับสนุนอย่างกว้างขวาง

ความเสี่ยงและการบรรเทา

ความกังวลเกี่ยวกับความเป็นส่วนตัวของข้อมูล ความลำเอียงที่อาจเกิดขึ้นในการตอบสนองของ AI และความล้มเหลวทางเทคนิคเป็นความเสี่ยงที่อาจเกิดขึ้น การรับรองความเป็นส่วนตัวของข้อมูลถือเป็นสิ่งสำคัญ โดยเฉพาะอย่างยิ่งเนื่องจากเวิร์กโหลดของแอปพลิเคชันอัจฉริยะอาจจัดการกับข้อมูลที่ละเอียดอ่อน

เมื่อวางแผนเวิร์กโหลดแอปพลิเคชันอัจฉริยะ ควรจัดการความเสี่ยงต่อไปนี้และใช้กลยุทธ์การบรรเทาผลกระทบที่มีประสิทธิผล:

• ความเป็นส่วนตัวของข้อมูล: ปกป้องข้อมูลละเอียดอ่อนที่ใช้และสร้างโดยโมเดล AI นำการเข้ารหัส การควบคุมการเข้าถึง และการตรวจสอบความปลอดภัยเป็นประจำมาใช้ ตรวจสอบให้แน่ใจว่าปริมาณงานเป็นไปตามมาตรฐานการควบคุมที่เกี่ยวข้อง เช่น GDPR หรือ HIPAA เพื่อความเป็นส่วนตัวและข้อมูลของผู้ใช้ ป้องกัน

• อคติในการตอบสนองของ AI: ใช้ชุดข้อมูลที่หลากหลายและเป็นตัวแทนเพื่อฝึกโมเดล AI ตรวจสอบและทดสอบโมเดลเพื่อหาอคติเป็นประจำ

• ความล้มเหลวทางเทคนิค: ออกแบบโครงสร้างพื้นฐานที่แข็งแกร่งและปรับขนาดได้พร้อมกลไกการสำรองข้อมูลและการสำรองข้อมูล ดำเนินการสำรองข้อมูลและแผนการกู้คืนหลังภัยพิบัติเป็นประจำ

• ภัยคุกคามด้านความปลอดภัย: ใช้มาตรการรักษาความปลอดภัยขั้นสูง เช่น การตรวจสอบปัจจัยหลายประการ ระบบตรวจจับการบุกรุก และการตรวจสอบความปลอดภัยเป็นประจำ อัปเดตซอฟต์แวร์และระบบให้เป็น ป้องกัน เพื่อป้องกันช่องโหว่ต่างๆ

• ข้อกังวลด้านจริยธรรม: กำหนดแนวปฏิบัติทางจริยธรรมและกรอบการกำกับดูแลที่ชัดเจนสำหรับการใช้ AI รับรองความโปร่งใสในการดำเนินการของ AI และรักษาแนวทางการควบคุมดูแลโดยมนุษย์ในการตัดสินใจที่สำคัญ

• ปัญหาด้านการปฏิบัติตามกฎระเบียบและข้อบังคับ: คอยติดตามข้อมูลเกี่ยวกับข้อบังคับที่เกี่ยวข้องและตรวจสอบให้แน่ใจว่าระบบ AI ปฏิบัติตามข้อกำหนดทางกฎหมายทั้งหมด ดำเนินการตรวจสอบการปฏิบัติตามข้อกำหนดเป็นประจำและอัปเดตนโยบายตามความจำเป็น

ขั้นตอนถัดไป

เริ่มต้นจากการทบทวนหลักการออกแบบ

หลักการออกแบบ