AI 計劃 - 規劃 AI 導入的流程
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，您已定義 AI 使用案例和選取的解決方案。 每個解決方案都需要特定的 AI 技能。 評估您目前的技能、找出差距，並在實作之前加以解決。 使用 AI 成熟度評定來測量整備程度、調整使用案例與功能，以及加速進度。 請參閱下表來評估您的成熟度。
| 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 ▪ 整合資料來源並設計和規劃提示的能力 |
▪ 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） ▪ 任何 Copilot 解決方案 |
| 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 Foundry 中的自訂生成式 AI 聊天應用程式，不包括擷取擴增生成（RAG）功能 ▪ 使用自動化模型定型的自定義機器學習應用程式 ▪ 微調生成式 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 ▪ 編製索引的基礎數據 |
▪ 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 ▪ 使用 RAG 的生成式 AI 應用程式在 Azure AI Foundry 中（或 Azure Machine Learning） ▪ 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 |
▪ 可用於訓練的大量數據 | ▪ 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
首先評估您目前的人才庫，然後決定是否提高現有員工、招聘新人才或聘請外部專家。 熟練的團隊可協助您管理 AI 專案、適應變更及推動創新。 因為 AI 發展迅速，因此培養持續學習的文化。
瞭解 AI 技能。 使用 AI 學習中樞 平臺，免費進行 AI 訓練、認證和產品指引。 針對 Azure，請設定認證目標，例如 Azure AI 基礎認證、Azure AI 工程師助理認證，以及 Azure 數據科學家助理認證 認證。
招募 AI 專業人員。 聘請模型開發、再生 AI 或 AI 道德方面的專家，以填補內部容量以外的空白。 更新作業描述以反映不斷演進的技能需求。 打造強調創新和技術領導地位的僱主品牌。 與大學合作，獲得新興人才。
使用Microsoft合作夥伴來取得 AI 技能。 使用 Microsoft合作夥伴市集 來存取 AI、數據和 Azure 專業知識。 合作夥伴可以快速填補技能缺口，並支援跨產業的專案。
存取 AI 資源
使用下列指引快速瞭解 Copilot 和 Azure AI 供應專案的存取需求：
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 Microsoft 365 的商務或企業授權，並額外新增 Copilot 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。 產品中的 Copilots 各自有不同的存取要求，但均需對主要產品的存取權。 如需每個專案的詳細資訊，請參閱 GitHub、Power Apps、Power BI、Dynamics 365、Power Automate、Microsoft Fabric和 Azure。
存取基於角色的助手功能。 角色型「Copilots」也有其自身的存取要求。 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 服務。 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 Foundry、Azure Machine Learning、Azure AI 服務、Azure 虛擬機和 Azure CycleCloud。
排定 AI 使用案例的優先順序
排定 AI 策略中所定義的使用案例的優先順序。 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。
評估技能和資源。 檢閱 AI 成熟度、資料可用性、工具和人員配置。 使用此輸入來根據可達成的目標重設優先順序。
評估使用案例。 根據可行性和策略價值來排名每個使用案例。 確認符合組織目標。
選擇最佳的使用案例。 請製作一份高優先級使用案例的清單。
建立 AI 概念驗證
如果您打算建置 AI 代理程式或工作負載，請建立概念證明（PoC），以驗證可行性和價值。 PoC 或試用版有助於排定使用案例的優先順序、降低風險，並在調整之前發現挑戰。
選擇正確的使用案例。 從符合 AI 成熟度的 AI 入圍清單中選取高價值專案。 如果您要建置 AI 應用程式，請從內部的非客戶面向項目開始，以限制風險並測試您的方法。 使用 A/B 測試來驗證解決方案並收集基準數據。
立即開始 Microsoft針對 POC 的各種 AI 服務提供逐步指引。 使用下表來尋找正確的入門指南。
AI 類型 入門指南 生成式 AI Azure PaaS：Azure AI Foundry 和 Azure OpenAI
Microsoft Copilots：Copilot Studio 和 Microsoft 365 Copilot 擴充性機器學習服務 Azure Machine Learning 分析人工智能 Azure AI 服務：Azure AI Content Safety、Azure AI 自定義視覺、Document Intelligence Studio、Face Service、Azure AI Language、Azure AI Speech、Azure AI Translator、Azure AI Vision
此 AI 服務的每個功能都有自己的指南。根據結果重新優先排序。 使用PoC來重新排序您的使用案例優先順序。 如果 POC 暴露出重大挑戰，請轉向更可行的選擇。
實作負責任的 AI
從一開始就將負責任的 AI 建置到您的實作計畫中。 套用道德準則、遵循法規標準，並建立治理做法，以確保您的 AI 系統符合組織價值、保護用戶權力，並符合合規性需求。
使用負責任的 AI 規劃工具。 使用下表來尋找負責任的 AI 工具和架構。
負責任的 AI 規劃工具 描述 AI 影響評估範本 評估 AI 計劃的社會、經濟和道德效果。 Human-AI eXperience Toolkit 設計支援使用者福祉和正面互動的 AI 系統。 負責任的 AI 成熟度模型 評估並提升貴組織的負責任 AI 成熟度。 負責任的 AI 用於工作團隊 遵循在 Azure 工作負載中套用負責任 AI 的實際指引。 啟動 AI 治理。 建立治理以引導 AI 專案並監視系統行為。 識別 AI 相關風險，然後定義涵蓋角色、合規性和道德需求的原則。 如需詳細資訊，請參閱 治理 AI。
啟動 AI 管理。 使用 GenAIOps 或 MLOps 等 AI 作業架構。 這些架構包括部署追蹤、效能監視和成本控制。 如需詳細資訊，請參閱 管理 AI。
啟動 AI 安全性。 使用一般安全性評定來保護 AI 系統。 解決威脅，例如對立輸入和數據外洩。 如需詳細資訊，請參閱 安全 AI。
預估傳遞時程表
根據 PoC 的見解，為每個 AI 商機分配時間表。 Microsoft協助工具提供最短的時間來獲得投資回報（從幾天到幾周）。 使用 Azure 建置 AI 工作負載的時間軸會因使用案例和 AI 成熟度等級而異。 大部分的建置專案需要數周到數個月的時間才能達到生產整備程度。
後續步驟
若要使用 Azure 建置 AI 工作負載，請繼續 AI Ready。 若要採用 Copilot，請跳至 機器人治理，以建立 AI 的組織治理體系。