你当前正在访问 Microsoft Azure Global Edition 技术文档网站。 如果需要访问由世纪互联运营的 Microsoft Azure 中国技术文档网站，请访问 https://docs.azure.cn。
AI 计划 - 为规划 AI 采用的组织提供建议
本文概述了规划 AI 采用的组织过程。 AI 采用计划详细介绍了组织将 AI 集成到其运营中必须采取的步骤。 此计划可确保 AI 计划与业务目标保持一致。 它可帮助组织分配资源、开发技能和部署技术，以实现有效的 AI 采用。
评估 AI 技能
在技术策略中，你为每项确定了 AI 用例和 AI 解决方案。 这些解决方案需要某些 AI 技能才能采用。 评估你当前的 AI 技能，并在继续之前找出需要解决的差距。 AI 成熟度评估有助于确定你是否准备好实现 AI。 它还可以指导选择与你的能力相匹配的用例，并加快你的成功。 使用下表评估你的 AI 成熟度水平。 有关详细信息，请参阅 Azure 中生成式 AI 的技术评估。
| AI 成熟度水平 | 所需技能 | 数据就绪情况 | 可行的 AI 用例 |
|---|---|---|---|
| 1 级 | ▪ 对 AI 概念有基本了解 ▪ 能够整合数据源并制定提示 |
▪ 可用数据最少到零 ▪ 可用企业数据 |
▪ Azure 快速入门（请参阅表） ▪ Copilot Studio 应用 |
| 2 级 | ▪ 有 AI 模型选择经验 ▪ 熟悉 AI 部署和终结点管理 ▪ 有数据清理和处理经验 |
▪ 可用数据最少到零 ▪ 小型结构化数据集 ▪ 少量特定于域的可用数据 |
▪ 以前的任何项目 ▪ 使用 Azure AI 服务的自定义分析 AI 工作负荷 ▪ Azure AI Studio 中没有检索增强生成 (RAG) 的自定义生成式 AI 聊天应用 ▪ 使用自动化模型训练的自定义机器学习应用 ▪ 优化生成式 AI 模型 |
| 级别 3 | ▪ 精通提示工程 ▪ 精通 AI 模型选择、数据分块和查询处理 ▪ 精通数据预处理、清理、拆分和验证 ▪ 用于编制索引的基础数据 |
▪ 可用于机器学习的大量历史业务数据 ▪ 少量特定于域的可用数据 |
▪ 以前的任何项目 ▪ 在 Azure AI Studio 中使用 RAG 的生成式 AI 应用（或 Azure 机器学习） ▪ 在机器学习中训练和部署机器学习模型 ▪ 在 Azure 虚拟机上训练和运行小型 AI 模型 |
| 级别 4 | ▪ 高级 AI/机器学习专业知识，包括基础结构管理 ▪ 精通处理复杂的 AI 模型训练工作流 ▪ 具有编排、模型基准测试和性能优化经验 ▪ 在保护和管理 AI 终结点方面具有很强的技能 |
▪ 可用于训练的大量数据 | ▪ 以前的任何项目 ▪ 在虚拟机、Azure Kubernetes 服务或 Azure 容器应用上训练和运行大型生成式或非生成式 AI 应用 |
获取 AI 技能
获得 AI 技能需要组织评估其当前的人才库，并确定是否要提升技能、招聘或与外部专家合作。 评估当前的人才库，以确定提升技能、招聘或外部合作伙伴关系的需求。 建立一支成熟的 AI 团队可以确保你能够适应挑战并处理各种 AI 项目。 AI 不断发展，因此保持持续学习的文化有助于创新并保持技能与时俱进。
学习 AI 技能。 使用 Microsoft Learn 平台获取免费的 AI 培训、认证和产品指南。 设定认证目标，如 Azure AI 基础知识、Azure AI 工程师助理和 Azure 数据科学家助理。 平台上还有其他主题的学习资源，因此可以筛选结果以返回特定于 AI 的结果。
招聘 AI 专业人员。 对于超出你内部能力的专业知识，请招募在模型开发、生成式 AI 或 AI 道德方面经验丰富的 AI 专业人员。 这些专业人员的需求量很大。 请考虑与教育机构合作，获得新的人才。 请务必更新职位描述，以反映不断变化的 AI 需求，并提供有竞争力的薪酬。 打造有吸引力的雇主品牌。 展示你的组织对创新和技术进步的承诺，使你的品牌对于 AI 专业人员具有吸引力。
与 Microsoft 合作伙伴一起学习 AI 技能。 使用 Microsoft 合作伙伴市场来解决技能短缺问题并满足时间限制。 Microsoft 合作伙伴跨各个行业提供 AI、数据和 Azure 专业知识。
访问 AI 资源
作为开发 AI 解决方案的战术性步骤，你需要能够访问它们。 我们的目标是提供一种快速的方式来理解和访问开始使用 Microsoft AI 解决方案所需的内容。
访问 Microsoft 365 Copilot. 大多数 Microsoft SaaS Copilot 都需要许可证或附加订阅。 Microsoft 365 Copilot 需要在 Copilot 许可证上添加 Microsoft 365 商业或企业许可证。
访问 Microsoft Copilot Studio。 Microsoft Copilot Studio 使用独立许可证或附加许可证。
访问产品内 Copilot。 产品内 Copilot 对每个产品有不同的访问要求，但需要访问主要产品。 有关每个产品的详细信息，请参阅 GitHub、Power Apps、Power BI、Dynamics 365、Power Automate 和 Azure。
访问基于角色的 Copilot。 基于角色的 Copilot 也具有自己的访问要求。 有关详细信息，请参阅 Microsoft 365 Copilot 的基于角色的代理和 Microsoft 安全 Copilot。
访问 Azure AI 资源。 Azure PaaS 和 IaaS 解决方案需要 Azure 帐户。 这些服务包括 Azure OpenAI 服务、Azure AI Studio、Azure 机器学习、Azure AI 服务、Azure 虚拟机和 Azure CycleCloud。
确定 AI 用例的优先级
评估技能、资源和 AI 成熟度后，确定 AI 策略中确定的 AI 用例的优先级。 这种优先级确保你专注于提供最大价值、与业务目标一致并与你当前能力相匹配的项目。 执行以下步骤：
评估技能和资源。 获取 AI 技能后，请查看当前的 AI 成熟度、可用数据和资源访问权限。 这种评估有助于根据可能的情况重新设定优先级。
评估用例。 根据项目的可行性和它们为组织增加的战略价值来确定项目的优先级。 使 AI 用例与你的战略目标保持一致，以确保努力有助于总体成功。
选择主要用例。 创建一个高优先级 AI 用例的简要列表，为进一步的探索和测试奠定基础。
创建 AI 概念证明
开发 AI 概念证明 (PoC) 可以在较小的范围内验证优先用例的可行性和潜在价值。 PoC 过程有助于优化用例优先级、降低风险，并在迁移到全面部署之前确定挑战。 通过这种迭代方法，可以根据实际见解调整 AI 计划。
选择合适的机会。 从 AI 用例的简要列表中，选择与你的 AI 成熟度水平相匹配的高价值项目。 理想情况下，从内部项目开始，而不是面向客户。 内部项目最大限度地降低了风险，并为测试工作负荷提供了基础。 使用 PoC 验证方法，并在扩展到生产环境之前对其进行优化。 执行 A/B 测试，以确定有效的方法并收集基线数据。
通过 Azure 快速入门指南开始。 Azure 提供了使用其 AI 平台创建基本应用程序的分步指导。 这些指南称为快速入门，可帮助你部署应用程序，并包括以后删除该应用程序的说明。 快速入门为你的组织熟悉该技术提供了一种简单的方法。
AI 类型 Azure AI 快速入门指南 生成式 AI Azure AI Studio、Azure OpenAI、Copilot Studio 机器学习 Azure 机器学习 分析 AI Azure AI 服务：Azure AI 内容安全、Azure AI 自定义视觉、文档智能工作室、人脸服务、*Azure AI 语言、Azure AI 语音、*Azure AI 翻译、Azure AI 视觉。
*此 AI 服务的每个功能都有自己的快速入门指南。重新确定 AI 机会的优先级。 使用从 PoC 中获得的见解来优化 AI 用例列表。 如果 PoC 提出了意想不到的挑战，请调整你的优先级，专注于更可行的项目。
实现负责任的 AI
负责任的 AI 采用需要将道德框架和监管做法纳入 AI 实现计划。 此方法确保 AI 计划与组织价值观保持一致，保护用户权利，并遵守法律标准。
使用负责任的 AI 规划工具。 为了将负责任的 AI 原则整合到采用过程中，请使用支持道德 AI 做法的工具和框架。 Microsoft 提供了多个资源。
负责任的 AI 规划工具 说明 AI 影响评估模板 评估 AI 计划的潜在社会、经济和道德影响。 人类-AI eXperience 工具包 设计优先考虑用户福祉并促进积极交互的 AI 系统。 负责任的 AI 成熟度模型 评估和推进组织在实施负责任的 AI 做法方面的成熟度。 启动 AI 治理过程。 负责任的 AI 采用涉及制定治理政策来指导 AI 项目并监视 AI 系统行为。 首先，确定特定于你的 AI 计划的组织风险。 记录概述职责、合规性要求和道德标准的治理策略。 有关此过程的详细信息，请参阅有关 Govern AI 的文章。
启动 AI 管理过程。 AI 管理框架（如 GenAIOps 或 MLOps）有助于确保随着 AI 系统的发展，持续遵守负责任的 AI 原则。 这些做法涉及生产中 AI 模型的部署管理、持续监视和成本优化。 有关此过程的详细信息，请参阅有关管理 AI 的文章。
启动 AI 安全过程。 安全是负责任的 AI 采用的关键部分。 定期安全评估有助于保护 AI 系统的机密性、完整性和可用性。 进行风险评估，解决特定于 AI 的潜在安全威胁，例如对抗性攻击或数据泄露。 有关此过程的详细信息，请参阅有关安全 AI 的文章。
估计交付时间线
估计交付时间线涉及为 AI 项目实现制定切合实际的时间表和里程碑。 明确的时间线使组织能够有效地分配资源并管理利益干系人的期望，从而支持从概念证明到生产的结构化进展。 通过制定特定的里程碑，组织可以衡量其进度，确定潜在的延迟，并做出调整，使项目保持在正轨和预算范围内。
根据 PoC，为 AI 机会分配交付时间线。 为实现选定的用例制定一个具有明确里程碑和可交付成果的时间表。 分配团队、定义角色，并保护必要的工具或合作关系。 Microsoft AI SaaS 解决方案提供了最短的投资回报时间。 在 Azure PaaS 和 IaaS 解决方案上生成 AI 应用的时间表取决于用例和 AI 成熟度。 在大多数情况下，需要数周或几个月的时间才能获得生产就绪的 AI 工作负荷。
下一步
本指南的其余部分侧重于通过使用 PaaS 和 IaaS 解决方案在 Azure 中生成 AI 工作负荷。 若要在 Azure 中取得成功，必须首先在 AI 就绪中建立 AI 基础。
有关采用 Microsoft Copilot 解决方案的详细信息，请参阅以下资源：
| 类别 | Copilot 解决方案 |
|---|---|
| 企业生产力 | Copilot for Microsoft 365 |
| 低代码平台 | Copilot Studio |
| 基于角色 | Microsoft 安全 Copilot Microsoft 365 Copilot for Sales Microsoft 365 Copilot for Service Microsoft 365 Copilot for Finance |
| 产品内 Copilot | GitHub Power Apps Power BI Dynamics 365 Power Automate Azure |
| 基于浏览器 | Copilot（免费） Copilot 专业版 |