AI 計劃 - 規劃 AI 採用的組織建議

本文概述規劃 AI 採用的組織程式。 AI 採用計畫詳細說明組織將 AI 整合到其作業中必須採取的步驟。 此計劃可確保 AI 計劃與商務目標之間的一致性。 它可協助組織配置資源、開發技能，以及部署技術，以取得有效的 AI 採用。

評估 AI 技能

在您的 技術策略中，您已識別 AI 會針對每個案例和 AI 解決方案。 這些解決方案需要特定 AI 技能才能採用。 評估您目前的 AI 技能，並找出要解決的差距，再繼續進行。 AI 成熟度評估可協助您判斷實作 AI 的整備程度。 它也會引導選取符合您功能並加速成功的使用案例。 使用下表來評估您的 AI 成熟度層級。 如需詳細資訊，請參閱 Azure 中的 Generative AI 技術評定。

AI 成熟度層級	需要的技能	數據整備	可行的 AI 使用案例
層級 1	▪ 對 AI 概念的基本瞭解 ▪ 整合數據源並對應提示的能力	▪ 可用數據最少到零 ▪ 可用的企業數據	▪ Azure 快速入門（請參閱表格） ▪ Copilot Studio 應用程式
層級 2	▪ 使用 AI 模型選取體驗 ▪ 熟悉 AI 部署和端點管理 ▪ 數據清理和處理的體驗	▪ 可用數據最少到零 ▪ 小型結構化數據集 ▪ 少量可用的網域特定數據	▪ 任何先前的專案 ▪ 使用 Azure AI 服務的自定義分析 AI 工作負載 ▪ Azure AI Studio 中沒有擷取擴增世代 （RAG） 的自定義產生 AI 聊天應用程式 ▪ 使用自動化模型定型的自定義機器學習應用程式 ▪ 微調產生 AI 模型
層級 3	▪ 快速工程的熟練程度 ▪ AI 模型選取、數據區塊化和查詢處理的熟練程度 ▪ 數據前置處理、清除、分割和驗證的熟練程度 ▪ 編製索引的地面數據	▪ 適用於機器學習的大量歷程記錄商務數據 ▪ 少量可用的網域特定數據	▪ 任何先前的專案 ▪ 在 Azure AI Studio 中使用 RAG 的 Generative AI 應用程式（或 Azure 機器學習） ▪ 在 機器學習 中定型和部署機器學習模型 ▪ 在 Azure 虛擬機器 上訓練和執行小型 AI 模型
層級 4	▪ 進階 AI/機器學習專業知識，包括基礎結構管理 ▪ 處理複雜 AI 模型定型工作流程的熟練程度 ▪ 體驗協調流程、模型基準檢驗和效能優化 ▪ 保護和管理 AI 端點的強技能	▪ 可用於定型的大量數據	▪ 任何先前的專案 ▪ 在 虛擬機器、Azure Kubernetes Service 或 Azure Container Apps 上訓練及執行大型產生式或非行性 AI 應用程式

取得 AI 技能

取得 AI 技能需要組織評估其目前的人才庫，並判斷是否要提升技能、招聘或與外部專家的合作。 評估您目前的人才庫，以找出技能、招聘或外部合作關係的需求。 建置熟練的 AI 小組可確保您可以適應挑戰並處理各種 AI 專案。 AI 不斷演進，因此維持持續學習的文化支持創新，並讓技能保持最新狀態。

• 瞭解 AI 技能。 使用 Microsoft Learn 平臺免費進行 AI 訓練、認證和產品指引。 設定認證目標，例如 Azure AI 基礎、Azure AI 工程師 關聯和 Azure 資料科學家 關聯。 平臺上有其他主題的學習資源，因此篩選結果以傳回 AI 特定結果。

• 招募 AI 專業人員。 針對內部功能以外的專業知識，請招募在模型開發、衍生 AI 或 AI 道德方面遇到的 AI 專業人員。 這些專業人員的需求很高。 請考慮與教育機構合作，以獲得新的人才。 請務必更新作業描述，以反映不斷演進的 AI 需求，並提供競爭性的薪酬。 建立有吸引力的僱主品牌。 展示貴組織對創新和技術進步的承諾，讓您的品牌吸引 AI 專業人員。

• 使用Microsoft合作夥伴來取得 AI 技能。 使用Microsoft合作夥伴市集來解決技能短缺，並符合時間限制。 Microsoft合作夥伴提供各種產業的 AI、數據和 Azure 專業知識。

存取 AI 資源

身為開發 AI 解決方案的戰術步驟，您必須能夠存取它們。 目標是要快速瞭解和存取開始使用 Microsoft AI 解決方案所需的專案。

• Access Microsoft 365 Copilot。 大部分Microsoft SaaS Copilots都需要授權或附加元件訂閱。 Microsoft 365 Copilot 需要您新增 Copilot 授權的 Microsoft 365 商務或企業授權。

• Access Microsoft Copilot Studio。Microsoft Copilot Studio 會使用獨立授權或附加元件授權。

• 存取產品內 Copilots。 產品內 Copilots 對於每個都有不同的存取需求，但需要主要產品的存取權。 如需每個項目的詳細資訊，請參閱 GitHub、Power Apps、Power BI、Dynamics 365、Power Automate 和 Azure。

• 存取角色型 Copilots。 角色型 Copilots 也有自己的存取需求。 如需詳細資訊，請參閱 Microsoft 365 Copilot 的角色型代理程式和 Microsoft Copilot for Security。

• 存取 Azure AI 資源。 Azure PaaS 和 IaaS 解決方案需要 Azure 帳戶。 這些服務包括 Azure OpenAI 服務、Azure AI Studio、Azure 機器學習、Azure AI 服務、Azure 虛擬機器 和 Azure CycleCloud。

排定 AI 使用案例的優先順序

評估技能、資源和 AI 成熟度之後，請排定 AI 策略中所識別的 AI 使用案例的優先順序。 此優先順序可確保您專注於提供最大價值、符合商務目標，並符合您目前功能的專案。 執行下列步驟:

• 評估技能和資源。 取得 AI 技能之後，請檢閱您目前的 AI 成熟度、可用的數據和資源存取權。 此評定可協助根據可能的內容重設優先順序。

• 評估使用案例。 根據專案在組織新增的可行性和策略價值來排定優先順序。 讓 AI 使用案例與您的戰略目標保持一致，以確保工作有助於整體成功。

• 選取最上方的使用案例。 建立高優先順序 AI 使用案例的入圍清單，以形成進一步探索和測試的基礎。

建立 AI 概念證明

開發 AI 概念證明 （PoC） 可驗證優先順序使用案例在較小規模的可行性和潛在價值。 PoC 程式可協助精簡使用案例優先順序、降低風險，以及在移至完整部署之前找出挑戰。 此反覆方法可讓您根據真實世界的深入解析來調整 AI 計劃。

• 選取正確的商機。 從 AI 使用案例的入圍清單中，選擇符合 AI 成熟度層級的高價值專案。 在理想情況下，請從內部項目開始，而不是面向客戶。 內部專案將風險降至最低，並提供測試工作負載的基礎。 使用 PoC 來驗證方法，並在擴充至生產環境之前加以精簡。 進行 A/B 測試，以建立運作和收集基準數據。

• 從 Azure 快速入門指南開始。 Azure 提供使用其 AI 平臺建立基本應用程式的逐步指引。 這些指南稱為快速入門，可協助您部署應用程式，並包含後續刪除應用程式的指示。 快速入門提供簡單的方法，讓您的組織熟悉這項技術。

  AI 類型	Azure AI 快速入門指南
  生成式 AI	Azure AI Studio、 Azure OpenAI、 Copilot Studio
  機器學習服務	Azure Machine Learning
  分析 AI	Azure AI 服務：Azure AI 內容安全性、Azure AI 自訂視覺、Document Intelligence Studio、臉部服務、*Azure AI 語言、Azure AI 語音、*Azure AI 翻譯工具、Azure AI 視覺。 *此 AI 服務的每個功能都有自己的快速入門指南。

• 重新撰寫 AI 商機。 使用 PoC 取得的深入解析來精簡 AI 使用案例清單。 如果 PoC 提出非預期的挑戰，請調整您的優先順序，並專注於更可行的專案。

實作負責任的 AI

負責任的 AI 採用需要將道德架構和法規做法納入您的 AI 實作計畫。 這種方法可確保 AI 計劃符合組織價值、保護用戶權力，並符合法律標準。

• 使用負責任的 AI 規劃工具。 若要將負責任的 AI 準則整合到採用程式中，請使用支援道德 AI 做法的工具和架構。 Microsoft提供數個資源。

  負責任的 AI 規劃工具	描述
  AI 影響評估範本	評估 AI 計劃的潛在社會、經濟和道德影響。
  Human-AI eXperience Toolkit	設計可優先處理使用者福祉並促進正面互動的 AI 系統。
  負責任的 AI 成熟度模型	在實作負責任的 AI 實務時，評估和提升貴組織的成熟度。

• 啟動 AI 治理程式。 負責任的 AI 採用牽涉到建立治理原則，以引導 AI 專案並監視 AI 系統行為。 首先，找出 AI 計劃特有的組織風險。 記載概述責任、合規性需求和道德標準的治理原則。 如需此程式的詳細資訊，請參閱治理 AI 一文。

  治理 AI

• 啟動 AI 管理程式。 AI 管理架構，例如 GenAIOps 或 MLOps，可協助確保隨著 AI 系統演進而持續遵循負責任的 AI 原則。 這些做法牽涉到生產環境中 AI 模型的部署管理、持續監視和成本優化。 如需此程式的詳細數據，請參閱管理 AI 一文。

  管理 AI

• 啟動 AI 安全性程式。 安全性是負責任 AI 採用的重要部分。 一般安全性評估可協助保護 AI 系統的機密性、完整性和可用性。 進行風險評估，以解決 AI 特有的潛在安全性威脅，例如對立攻擊或數據外洩。 如需此程式的詳細數據，請參閱安全 AI 一文。

  保護 AI

預估傳遞時程表

預估傳遞時程表牽涉到設定實際排程和 AI 項目實作的里程碑。 明確的時程表可讓組織有效地配置資源，並管理項目關係人的期望，支援從概念證明到生產環境的結構化進展。 藉由建立特定里程碑，組織可以測量其進度、找出潛在的延遲，以及進行調整，讓專案保持追蹤和預算內。

根據您的PoC，為您的AI商機指派傳遞時程表。 建立具有清楚里程碑和交付項目的時間軸，以實作選取的使用案例。 指派小組、定義角色，以及保護必要的工具或合作關係。 Microsoft AI SaaS 解決方案提供最短的時間軸，以查看投資報酬率。 在 Azure PaaS 和 IaaS 解決方案上建置 AI 應用程式的時程表取決於您的使用案例和 AI 成熟度。 在大部分情況下，您需要數周或幾個月的時間，才能擁有生產環境就緒的 AI 工作負載。

後續步驟

本指南的其餘部分著重於使用 PaaS 和 IaaS 解決方案在 Azure 中建置 AI 工作負載。 若要在 Azure 中成功，您必須先在 AI 就緒中建立 AI 基礎。

AI 就緒

如需採用 Microsoft Copilot 解決方案的詳細資訊，請參閱下列資源：

類別	Copilot 解決方案
企業生產力	copilot for Microsoft 365
低程式代碼平臺	Copilot Studio
角色型	Microsoft Copilot for Security Microsoft 365 Copilot for Sales Microsoft 365 Copilot for Service Microsoft 365 Copilot for Finance
產品內 Copilots	GitHub Power Apps Power BI Dynamics 365 Power Automate Azure
以瀏覽器為基礎	科皮洛特 （免費） Copilot Pro