Vytvoření strategie AI

Úspěšná strategie umělé inteligence vyžaduje strukturované plánování ve čtyřech základních oblastech. Identifikujte případy použití umělé inteligence , které poskytují měřitelnou obchodní hodnotu, vyberte technologie Microsoft AI , které odpovídají dovednostem vašeho týmu, navazují škálovatelné zásady správného řízení dat a implementují zodpovědné postupy umělé inteligence , které zachovávají důvěru a splňují zákonné požadavky. Platí pro organizace všech velikostí, včetně startupů, malých a středních firem, velkých podniků, neziskových organizací a institucí veřejného sektoru.

Rychlý odkaz:Rozhodovací strom Umělé inteligence Microsoftu

Proč je důležité strategické plánování umělé inteligence: Zdokumentovaná strategie umělé inteligence vytváří konzistentní, rychlejší a auditovatelné výsledky v porovnání s ad hoc experimentováním. V této příručce najdete seznam kroků pro nasazení Microsoft Copilotu, nastavení prostředí Foundry, přijetí agenta AI, integraci Azure OpenAI a zásady správného řízení umělé inteligence pro celou organizaci pomocí Microsoft Purview.

Identifikace případů použití AI

AI transformuje obchodní operace rychlejším fungováním znalostí a automatizací rutinních procesů. Generování umělé inteligence (systémy, které vytvářejí obsah, jako je text, obrázky nebo kód), zvyšuje produktivitu pracovníků znalostí. Analytická AI a strojové učení automatizují úlohy náročné na data, snižují chybovost a vytvářejí prediktivní přehledy. Začněte izolováním procesů s měřitelným třením, kdy AI zlepšuje náklady, rychlost, kvalitu nebo zkušenosti zákazníků.

Nejprve se zaměřte na obchodní výsledky: Úspěšné programy umělé inteligence ukotví každý případ použití k kvantifikovanému obchodnímu cíli, nikoli k experimentu zaměřenému na model-první. Metody strukturovaného zjišťování korelují s vyššími mírami úspěšnosti operacionalizace, jak je posíleno pokyny pro AI centra architektury Azure.

1. Identifikace příležitostí automatizace Zaměřte se na procesy vhodné pro automatizaci, které zlepšují efektivitu a snižují provozní náklady. Zaměřte se na opakující se úlohy, operace náročné na data nebo oblasti s vysokou mírou chyb, kde může mít AI významný dopad.

2. Shromážděte zpětnou vazbu zákazníků. Pomocí strukturovaných názorů zákazníků (průzkumů, přepisů podpory, komentářů k NPS) můžete odhalit případy použití, které zlepšují spokojenost při automatizaci s využitím AI. Tato zpětná vazba pomáhá určit prioritu iniciativ s měřitelným dopadem.

3. Proveďte interní posouzení. Shromážděte vstup z oddělení (provoz, finance, právní, podpora, produkt) a identifikujte problémy a neektivosti, které může AI řešit. Zdokumentujte pracovní postupy a shromážděte vstup účastníků, abyste odhalili příležitosti pro automatizaci, generování přehledů nebo vylepšenou kvalitu rozhodování.

4. Případy použití v odvětví výzkumu. Prozkoumejte, jak podobné organizace nebo odvětví používají AI k řešení problémů nebo vylepšení provozu. Využijte prostředky, jako jsou architektury AI v Centru architektury Azure, pro inspiraci a vyhodnocení vhodných přístupů.

5. Definujte cíle AI. Pro každý případ použití definujte cíl (obecné účely), cíl (požadovaný výsledek) a metriku úspěchu (kvantifikovatelná míra). Tyto srovnávací testy vedou k přijetí a měření úspěšnosti. Další informace najdete v příkladu strategie AI.

Definování technologické strategie umělé inteligence

Vaše technologická strategie určuje rovnováhu rychlosti, přizpůsobení a řízení. Microsoft poskytuje tři primární vzory spotřeby umělé inteligence: software připravený k použití (SaaS), rozšiřitelné vývojové platformy (PaaS) a plně spravovanou infrastrukturu (IaaS). Vyberte model, který odpovídá technické vyspělosti, stavu dodržování předpisů, rezidenci dat a potřebám přizpůsobení.

1. Přijmout standardní mechanismy pro interoperabilitu AI. Standardní protokoly umožňují systémům AI komunikovat napříč různými platformami a omezit vlastní implementace. Tyto protokoly podporují sdílení dat a integraci systému a současně udržují flexibilitu pro budoucí změny technologií. Seznamte se s protokoly, jako je model Context Protocol pro příjem dat mezi systémy, abyste zajistili, že systémy AI podporují požadavky na interoperabilitu. Vyhodnoťte nástroje, jako je NLWeb , a připravte svůj obsah na web AI. Podívejte se například na protokol Model Context Protocol v nástroji Microsoft Copilot Studio a vystavení rozhraní REST API jako serverů MCP.

2. Seznamte se s agenty umělé inteligence jako rozhodovacími systémy. Agent AI je mikroslužba, která k odůvodnění, jednání a učení používá model generující umělé inteligence. Tyto systémy představují posun od aplikací rozšířené generace načítání (RAG) k rozhodovacím systémům, které se přizpůsobí měnícím se podmínkám. Vzhledem k odlišné povaze agentů v rámci organizace si projděte přijetí agenta AI a projděte si specializované pokyny k implementaci agentů ve vašem prostředí.

3. Vyberte příslušný model služby AI. Microsoft nabízí tři modely služeb s různými úrovněmi přizpůsobení a sdílené odpovědnosti: Software jako služba (SaaS), Platforma jako služba (PaaS) a Infrastruktura jako služba (IaaS). Každý model vyžaduje různé technické dovednosti a poskytuje různé stupně kontroly nad implementací AI. Přiřaďte odpovídající model služby schopnostem vašeho týmu, požadavkům na data a potřebám přizpůsobení. Pomocí rozhodovacího stromu AI můžete řídit proces výběru.

Rozhodovací strom Microsoft AI

Začněte tím, že identifikujete případ použití AI. Pokud je cílem zvýšit produktivitu jednotlivých osob, použijte Microsoft 365 Copilot pro aplikace Microsoft 365. Využijte copiloty v rámci produktů, jako jsou Azure, GitHub, Fabric, Dynamics 365 nebo Power Platform. Pro role, jako jsou zabezpečení, prodej, služba nebo finance, použijte copiloty v souladu s rolí. Pokud je případ použití obecný, použijte Microsoft Copilot nebo Copilot Pro. Pokud už používáte Microsoft 365 Copilot a potřebujete vlastní agenty s dovednostmi specifickými pro doménu, použijte nástroje rozšiřitelnosti pro Microsoft 365 Copilot. Pokud je cílem automatizovat obchodní funkce, použijte Copilot Studio jako nástroj SaaS, který umožňuje vytváření a nasazování agentů prostřednictvím přirozeného jazyka s integrovanými cenami. Použití Foundry jako vývojové platformy s přístupem k rozhraní API pro služby Azure OpenAI a Azure AI Pokud potřebujete jenom modely OpenAI, použijte Azure OpenAI. Pokud potřebujete předem připravené negenerativní modely nebo Azure AI Search pro podporu agentů, použijte služby Azure AI. Pokud potřebujete trénovat a nasazovat modely strojového učení s vlastními daty, použijte Microsoft Fabric, pokud už pracujete v tomto prostředí; jinak použijte Azure Machine Learning. Použití Azure Container Apps pro odvozování AI bez správy infrastruktury GPU (regionální dostupnost a stav funkcí se liší; ověřte aktuální podporu bezserverového GPU). Pokud potřebujete přinést vlastní modely, použijte Azure Virtual Machines (volitelně s Azure CycleCloudem nebo Azure Batch) nebo Azure Kubernetes Service pro kontejnerizované úlohy.

Služby AI (SaaS)

Řešení AI připravená k použití od Microsoftu, označovaná jako Copilots, zvyšují produktivitu s minimálním nastavením. Microsoft 365 Copilot poskytuje pomoc s AI napříč aplikacemi Office, zatímco specializované copiloty se zaměřují na konkrétní pracovní role a odvětví. Začněte s těmito řešeními, abyste dosáhli počátečních výsledků před přechodem na vlastní vývoj.

Microsoft Copilots	Popis	Uživatel	Potřebná data	Požadované dovednosti	Hlavní faktory nákladů
Microsoft 365 Copilot	Microsoft 365 Copilot poskytuje pomoc s webovým chatem a umělé inteligenci v aplikacích Microsoftu 365 a integrací s daty Microsoft Graphu.	Obchod	Ano. Pomocí popisků citlivosti kategorizujte svá data a bezpečně interagujte s daty v Microsoft Graphu.	Obecná správa IT a dat	Licence
Kopiloti založení na rolích	Agenti, kteří zvyšují efektivitu pro konkrétní role v oblasti Zabezpečení, Prodej, Služba a Finance.	Obchod	Ano. K dispozici jsou možnosti připojení k datům a plug-inů.	Obecná správa IT a dat	Licence nebo výpočetní jednotky zabezpečení (SCU) pro copilot zabezpečení
Asistenti v produktu	AI v rámci produktů, jako jsou GitHub, Power Apps, Power BI, Dynamics 365, Power Automate, Microsoft Fabric, Microsoft Entra a Azure.	Obchodní a osobní	Ano. Většina vyžaduje minimální přípravu dat.	Minimální (základní konfigurace správce a připravenost dat)	Zdarma nebo předplatné
Microsoft Copilot nebo Microsoft Copilot Pro	Microsoft Copilot je bezplatná webová chatovací aplikace. Copilot Pro poskytuje lepší výkon, kapacitu a přístup ke Copilotu v určitých aplikacích Microsoft 365.	Fyzická osoba	Ne	Nic	Microsoft Copilot je zdarma. Microsoft Copilot Pro vyžaduje předplatné.

AI na platformách s nízkým kódem

Microsoft poskytuje platformy s nízkým kódem pro vývoj vlastních agentů AI bez úplného vývojového týmu. Copilot Studio umožňuje podnikovým uživatelům vytvářet asistenty umělé inteligence v přirozeném jazyce, zatímco rozšíření Microsoft 365 Copilot umožňují přizpůsobit podnikový copilot pomocí dat a procesů specifických pro společnost.

Microsoft Copilots	Popis	Uživatel	Potřebná data	Požadované dovednosti	Hlavní faktory nákladů
Nástroje rozšiřitelnosti pro Microsoft 365 Copilot	Přizpůsobte Microsoft 365 Copilot s více daty nebo funkcemi prostřednictvím deklarativních agentů. Používejte nástroje jako Copilot Studio, lite prostředí, Sada nástrojů Teams a SharePoint.	Obchodní a osobní	K přidání dat použijte konektory Microsoft Graphu .	Správa dat, obecné it nebo vývojářské dovednosti	Microsoft 365 Copilot licence
Copilot Studio	Pomocí nástroje Copilot Studio můžete vytvářet konverzační agenty AI a automatizační pracovní postupy s nástroji bez kódu a přirozeným jazykem.	Informační technologie	Automatizuje většinu integrace dat a vytváří vlastní kopírky s připojeními k různým zdrojům dat.	Konfigurace platformy pro připojení zdrojů dat, návrh konverzačních toků a nasazení copilotů	Licence

AI na platformách Azure (PaaS)

Azure poskytuje vývojové platformy pro různé vzory řešení AI a úrovně vyspělosti. Foundry je jednotná platforma pro vytváření aplikací rozšířené generace (RAG), vytváření produkčních agentů AI, vyhodnocování a přizpůsobení základních modelů a použití zodpovědných ovládacích prvků AI. Tyto spravované funkce umožňují vývojovým týmům zaměřit se na diferenciaci řešení, zatímco Azure poskytuje zabezpečení, zásady správného řízení, pozorovatelnost a škálovatelné primitivy infrastruktury. K modelování nákladů použijte ceny Azure AI a cenovou kalkulačku Azure .

Cíl umělé inteligence	Řešení Microsoftu	Potřebná data	Požadované dovednosti	Hlavní faktory nákladů
Sestavení agentů	Služba agenta Foundry	Ano	Nastavení prostředí, výběr modelu, nástroje, uzemnění úložiště dat, izolace dat, aktivace agenta, připojení agentů, filtrování obsahu, privátní sítě, monitorování agentů, monitorování služeb	Využívání tokenů modelu, úložiště, funkcí, výpočetních prostředků, uzemnění připojení
Vytváření aplikací RAG	Slévárna	Ano	Výběr modelů, orchestrace toku dat, vytváření bloků dat, rozšiřování bloků dat, volba indexování, porozumění typům dotazů (fulltext, vektor, hybridní), porozumění filtrům a omezujícím vlastnostem, provádění přehodnocování, vytváření výzev, nasazování koncových bodů a využívání koncových bodů v aplikacích	Výpočetní prostředky, počet in a out tokenů, spotřebované služby AI, úložiště a přenos dat
Vyladění modelů GenAI	Slévárna	Ano	Předběžné zpracování dat, rozdělení dat na trénovací a ověřovací data, ověřování modelů, konfigurace dalších parametrů, vylepšení modelů, nasazování modelů a využívání koncových bodů v aplikacích	Výpočetní prostředky, počet in a out tokenů, spotřebované služby AI, úložiště a přenos dat
Trénování a odvozování modelů	Azure Machine Learning nebo Microsoft Fabric	Ano	Předběžné zpracování dat, trénování modelů pomocí kódu nebo automatizace, vylepšení modelů, nasazování modelů strojového učení a využívání koncových bodů v aplikacích	Výpočetní prostředky, úložiště a přenos dat
Využívání předem připravených modelů a služeb AI	Služby Azure AI a/nebo Azure OpenAI	Ano	Vyberte modely AI, zabezpečení koncových bodů, využívání koncových bodů v aplikacích a vyladění podle potřeby.	Použití koncových bodů modelu, které byly spotřebovány, úložiště, přenos dat, výpočetní prostředky (pokud trénujete vlastní modely)
Izolace aplikací AI	Azure Container Apps s podporou bezserverového GPU	Ano	Vyberte modely AI, orchestraci toku dat, vytváření bloků dat, rozšiřování bloků dat, výběr indexování, porozumění typům dotazů (fulltext, vektor, hybridní), porozumění filtrům a omezujícím vlastnostem, provádění přehodnocování, vytváření výzev, nasazování koncových bodů a využívání koncových bodů v aplikacích; volitelné prostředí nebo konfigurace virtuální sítě pro izolaci sítě (regionální dostupnost a stav funkcí se mohou lišit)	Výpočetní prostředky, počet in a out tokenů, spotřebované služby AI, úložiště a přenos dat

AI ve službách infrastruktury Azure (IaaS)

Služby infrastruktury Azure poskytují podrobnou kontrolu nad výkonem, izolací a dodržováním předpisů AI. Virtuální počítače Azure s podporou GPU umožňují trénování a srovnávací testy vlastních modelů (PyTorch, TensorFlow, distribuované jemné ladění). Azure Kubernetes Service (AKS) nabízí orchestraci kontejnerů, sdružování GPU, automatické škálování a segmentaci víceklientských úloh pro odvozování a trénovací kanály. Cesty IaaS používejte, když potřebujete přinést vlastní modely, používat vlastní moduly runtime nebo optimalizovat náklady a výkon nad rámec abstrakcí spravované platformy. Referenční ceny infrastruktury Azure s využitím cenové kalkulačky Azure pro prognózování kapacity

Cíl umělé inteligence	Řešení Microsoftu	Potřebná data	Požadované dovednosti	Hlavní faktory nákladů
Trénujte a odvozujte vlastní modely AI. Přineste si do Azure vlastní modely.	Azure Virtual Machines s CycleCloudem pro úlohy HPC nebo Služba Azure Kubernetes	Ano	Správa infrastruktury, IT, instalace programu, trénování modelů, srovnávací testy modelů, orchestrace, nasazování koncových bodů, zabezpečení koncových bodů a využívání koncových bodů v aplikacích	Výpočetní, orchestrátor výpočetních uzlů, spravované disky (volitelné), služby úložiště, Azure Bastion a další používané služby Azure

Vývoj strategie pro data AI, která roste s vašimi potřebami

Vaše datová strategie je řídicí rovina pro škálovatelnou a důvěryhodnou AI. Definuje, jak se data vytvářejí, klasifikují, zabezpečeně, vylepšují, monitorují a vyřazují a současně udržují dodržování předpisů a minimalizují riziko vystavení. Odolná strategie zajišťuje prioritní případy použití umělé inteligence napříč Microsoftem 365, Azure a hybridními aktivy, které se řídí vysoce kvalitními daty s možností trasování rodokmenu. Soustřeďte se na standardní hodnoty zásad správného řízení, plánování elasticity, instrumentaci životního cyklu a zodpovědné vynucování využití.

1. Nastavení zásad správného řízení dat pro projekty AIZásady správného řízení dat zajišťují bezpečné používání dat AI a dodržování předpisů prostřednictvím řízení přístupu a zásad. Začněte klasifikací dat na základě citlivosti a požadovaného přístupu. Použití správy stavu zabezpečení dat (DSPM) microsoft Purview pro AI k ochraně generovaných aplikací AI; zahrnuje možnosti zabezpečení dat AI.

2. Plánování růstu a výkonu dat Zajistěte, aby datové prostředí podporovalo aktuální projekty AI a budoucí růst bez snížení výkonu nebo nadměrných nákladů. Zdokumentování aktuálního objemu dat, frekvence zpracování a požadovaných datových typů podle případu použití Tyto informace vám pomůžou vybrat vhodné služby Azure.

3. Správa dat v průběhu jejich životního cyklu Definujte, jak shromažďujete, ukládáte a vyřadíte data a přitom je udržujete přístupná a zabezpečená pro použití AI. Nastavte si systematickou kolekci z databází, rozhraní API, zařízení IoT a zdrojů třetích stran. Zvolte úrovně úložiště Azure na základě frekvence přístupu. Sestavte kanály ETL/ELT (pracovní postupy zpracování dat) pro zachování kvality a použití řídicího panelu Zodpovědné AI ke kontrole předsudků v trénovacích datech.

4. Dodržujte zodpovědné postupy pro data. Zajistěte, aby systémy AI používaly data eticky a splňovaly zákonné požadavky. Sledujte zdroje dat a využití pomocí rodokmenu dat Microsoft Fabric nebo rodokmenu dat Microsoft Purview. Nastavte standardy kvality, zkontrolujte předsudky a vyhodnoťte nestrannost v trénovacích datových sadách. Vytvořte zásady uchovávání informací, které vyrovnává výkon umělé inteligence s ochranou osobních údajů a dodržováním předpisů.

Návod

Akcelerátory rozhodování o datech (všechny odvozené z existujících doprovodných materiálů):

• Začněte klasifikovat před příjmem velkých rozsahů RAG, abyste se vyhnuli přepracování.
• Spárování sledování rodokmenu se zásadami uchovávání informací za účelem snížení osamocených citlivých dat
• Zacházejte s vyhodnocením předsudků (zodpovědný řídicí panel AI) jako s opakovaným ovládacím prvek, nikoli jednorázovým hradelem.
• Pomocí telemetrie nákladů (tokeny, úložiště, výchozí přenos dat) můžete v rané fázi označit nevázaný růst dat.

Vývoj zodpovědné strategie umělé inteligence

Zodpovědná AI převádí vztah důvěryhodnosti, bezpečnosti a dodržování právních předpisů na provozní kontroly v rámci životního cyklu umělé inteligence. Zodpovědná strategie umělé inteligence překládá principy na vynucovatelné kontroly, měřitelné kontrolní body a jasnou odpovědnost. Udržujte auditovatelný řetězec kontrol návrhu, posouzení rizik, vynucení zásad, monitorování modelů a agentů a reakce na incidenty.

1. Přiřaďte jasné vlastnictví zásad správného řízení AI. Určete konkrétní lidi nebo týmy, které mají vlastní rozhodnutí o zásadách správného řízení AI a spravují zákonné požadavky. Role zásad správného řízení definují rozhodovací autoritu pro projekty AI. Přiřaďte někoho, kdo bude monitorovat změny technologií AI a nové předpisy. Vytvořte špičkové cloudové centrum AI pro centralizaci odpovědností a vytvoření postupů pro problémy se zásadami správného řízení AI.

2. Přijmout zodpovědné principy AI jako obchodní cíle. Jako rámec pro etický vývoj umělé inteligence používejte zodpovědné principy AI od Microsoftu. Těchto šest principů umělé inteligence je v souladu s architekturou NIST AI Risk Management Framework a stávají se měřitelnými obchodními cíli, které řídí výběr a vývoj projektů. Integrujte tyto principy do metrik plánování projektů, procesů vývoje a úspěšnosti.

3. Zvolte zodpovědné nástroje AI pro vaše projekty. Vyberte nástroje, které implementují etické principy AI napříč iniciativami umělé inteligence. Microsoft poskytuje zodpovědné nástroje a procesy AI , které odpovídají různým případům použití AI a úrovním rizika. Integrujte tyto nástroje do vývojových pracovních postupů a využijte zodpovědné postupy umělé inteligence.

4. Zůstaňte v souladu s předpisy AI. Identifikujte místní a mezinárodní předpisy AI, které se vztahují na provozní případy a případy použití AI. Požadavky na dodržování předpisů se liší podle odvětví, umístění a typu aplikace AI. Monitorujte regulační změny a aktualizujte strategie dodržování předpisů, abyste zůstali v souladu.

Příklad strategie AI

Tato ukázková strategie umělé inteligence používá fiktivní společnost Contoso. Společnost Contoso provozuje platformu elektronického obchodování pro zákazníky a využívá obchodní zástupce, kteří potřebují nástroje pro prognózování obchodních dat. Společnost také spravuje vývoj produktů a inventář pro výrobu. Prodejní kanály zahrnují soukromé společnosti a regulované agentury veřejného sektoru.

Případ použití AI	Cíle	Cíle	Metriky úspěšnosti	Přístup s AI	Řešení Microsoftu	Potřeby na data	Potřeby dovedností	Faktory nákladů	Strategie AI pro data	Zodpovědná strategie umělé inteligence
Funkce chatu webové aplikace elektronického obchodování	Automatizace obchodního procesu	Zlepšení spokojenosti zákazníků	Zvýšená míra uchování zákazníků	PaaS, generativní AI, RAG	Slévárna	Popisy a párování položek	Rag a vývoj cloudových aplikací	Využití	Vytvořte zásady správného řízení dat pro zákaznická data a implementujte kontroly spravedlnosti AI.	Přiřaďte odpovědnost za AI centru excelence AI a slaďte to s principy odpovědné AI.
Pracovní postup interního zpracování dokumentů aplikace	Automatizace obchodního procesu	Snížení nákladů	Zvýšená míra dokončení	Analytická AI, doladění	Služby Azure AI – Document Intelligence	Standardní dokumenty	Vývoj aplikací	Odhadované využití	Definujte zásady správného řízení dat pro interní dokumenty a naplánujte zásady životního cyklu dat.	Přiřaďte odpovědnost za AI a zajistěte dodržování zásad zpracování dat.
Správa zásob a nákup produktů	Automatizace obchodního procesu	Snížení nákladů	Kratší životnost skladových zásob	Strojové učení, trénovací modely	Azure Machine Learning	Historická data o inventáři a prodeji	Strojové učení a vývoj aplikací	Odhadované využití	Vytvořte zásady správného řízení pro prodejní data a detekujte a vyřešte předsudky v datech.	Přiřaďte odpovědnost za AI a dodržujte finanční předpisy.
Každodenní práce napříč společností	Zvýšení individuální produktivity	Vylepšení zkušeností zaměstnanců	Vyšší spokojenost zaměstnanců	SaaS generativní AI	Microsoft 365 Copilot	Data OneDrivu	Obecné IT	Náklady na předplatné	Implementujte zásady správného řízení dat pro data zaměstnanců a zajistěte ochranu osobních údajů.	Přiřaďte odpovědnost za AI a využijte integrované zodpovědné funkce AI.
Aplikace elektronického obchodování pro regulovanou funkci chatu v odvětví	Automatizace obchodního procesu	Zvýšení prodeje	Zvýšení prodeje	Trénování modelů IaaS generující AI	Azure Virtual Machines	Doménově specifická tréninková data	Vývoj cloudové infrastruktury a aplikací	Infrastruktura a software	Definujte zásady správného řízení pro regulovaná data a naplánujte životní cyklus pomocí měr dodržování předpisů.	Přiřaďte odpovědnost za AI a dodržujte oborové předpisy.

Nástroje a prostředky Azure pro implementaci strategie AI

Kategorie	Tool	Popis
Plánování strategie AI	Centrum architektury Azure AI	Komplexní referenční architektury a vzory návrhu pro řešení AI napříč odvětvími a případy použití podniku
Vývojová platforma agenta	Služba agenta Foundry	Plnohodnotná platforma pro sestavování, nasazování a správu inteligentních agentů umělé inteligence s podnikovým zabezpečením
Podniková generativní AI	Služba Azure OpenAI	Přístup na podnikové úrovni k rodině GPT-4 (včetně GPT-4o) a DALL· E modely se zabezpečením, dodržováním předpisů a zodpovědnými funkcemi AI
Zásady správného řízení dat AI	Správa stavu zabezpečení dat Microsoft Purview (DSPM) pro AI	Viditelnost rizik AI, ovládací prvky ochrany dat a monitorování pro úlohy generující AI
Zodpovědné nástroje AI	Microsoft Responsible AI Dashboard	Komplexní nástroje pro detekci předsudků, posouzení nestrannosti a interpretovatelnost modelu AI
Vývojová platforma AI	Slévárna	Jednotná platforma pro aplikace RAG, vyladění základního modelu a nasazení úloh AI
vývoj Low-Code umělé inteligence	Microsoft Copilot Studio	Vytváření konverzačních agentů AI a pracovních postupů automatizace pomocí rozhraní přirozeného jazyka
Produktivita podnikové umělé inteligence	Microsoft 365 Copilot	Produktivita využívající AI napříč aplikacemi Microsoftu 365 s integrací podnikových dat

Klíčové poznatky o úspěchu strategie AI

Strategické plánování přináší rychlejší výsledky: Zdokumentovaná strategie umělé inteligence vytváří konzistentní a auditovatelné výsledky. Úspěch závisí na stanovení priority obchodních případů použití, výběru správného modelu služby Microsoft AI (SaaS, PaaS, IaaS) a zřízení škálovatelných řízení dat a ovládacích prvků DSPM.

Portfolio Microsoft AI podporuje vzory přijetí: Integrovaný ekosystém Microsoft AI zvyšuje produktivitu s Microsoftem 365 Copilot, umožňuje diferencovaná řešení s Foundry (RAG, agenti, hodnocení, orchestrace modelů) a poskytuje specializaci a izolaci prostřednictvím služeb infrastruktury Azure.

Zodpovědná AI je nezbytná: Vkládání zásad správného řízení, nástrojů transparentnosti, bezpečnosti obsahu, posouzení nestrannosti a dodržování právních předpisů na počátku, nikoli po nasazení, aby se snížily náklady na nápravu a posílily důvěru zúčastněných stran.

Důležité termíny AI, které je potřeba vědět: architektura přechodu na AI, Foundry, agenti AI, generování AI, generování rozšířené generace (RAG), Microsoft 365 Copilot, zodpovědné zásady správného řízení AI, úlohy strojového učení, strategie dat AI, Správa stavu zabezpečení dat (DSPM) Microsoft Purview pro AI, Copilot Studio, Služba Azure OpenAI, orchestrace agentů AI, model sdílené odpovědnosti, rodokmen AI, bezpečnost obsahu, minimalizace dat.

Souhrn

Podniková strategie AI kombinuje stanovení priorit případů použití řízené výsledky, vhodný model služby Microsoft AI (SaaS pro zrychlení, PaaS pro diferenciaci, IaaS pro specializaci), řízení a základy dat trasovatelné podle rodokmenu a vynucovatelné zodpovědné kontroly AI. Používejte Foundry pro jednotný vývoj agentů a RAG, používejte Microsoft 365 Copilot pro včasný dopad na produktivitu, integrujte Microsoft Purview DSPM pro proaktivní snižování rizik dat a používejte průběžné hodnocení a pozorovatelnost pro zajištění důvěryhodnosti, výkonu a dodržování předpisů ve velkém měřítku.

Další krok

Plán AI