Estrategia de inteligencia artificial

En este artículo se explica el proceso para preparar la organización para la adopción de la inteligencia artificial. Se describe cómo seleccionar las soluciones de inteligencia artificial adecuadas, preparar los datos y establecer el enfoque en principios de inteligencia artificial responsables. Una estrategia de inteligencia artificial bien planificada se ajusta a los objetivos empresariales y garantiza que los proyectos de inteligencia artificial contribuyan al éxito general.

Identificación de casos práctico de inteligencia artificial

La inteligencia artificial mejora la eficacia individual y mejora los procesos empresariales. La inteligencia artificial generativa aumenta la productividad y mejora las experiencias de los clientes. La inteligencia artificial no generada, como el aprendizaje automático, analiza los datos estructurados y automatiza las tareas repetitivas. Use esta comprensión para identificar las áreas de su empresa en las que la inteligencia artificial agrega valor.

1. Identificar oportunidades de automatización. Céntrese en los procesos adecuados para la automatización para mejorar la eficiencia y reducir los costos operativos. Orienta las tareas repetitivas, las operaciones con gran volumen de datos o las áreas con altas tasas de error donde la inteligencia artificial puede tener un impacto significativo.

2. Recopilar comentarios de los clientes. Utiliza los comentarios de los clientes para descubrir casos de uso que mejoran la satisfacción del cliente cuando se automatizan con IA. Estos comentarios ayudan a priorizar las iniciativas de inteligencia artificial con impacto.

3. Realice una evaluación interna. Recopile datos de varios departamentos para identificar desafíos e ineficacias que la inteligencia artificial pueda abordar. Documente flujos de trabajo y recopile información de las partes interesadas para descubrir oportunidades de automatización, generación de información o mejor toma de decisiones.

4. Casos de uso en la industria investigativa. Investigue cómo las organizaciones o sectores similares usan la inteligencia artificial para resolver problemas o mejorar las operaciones. Use herramientas como las arquitecturas de inteligencia artificial en el Centro de arquitectura de Azure para obtener inspiración y evaluar los enfoques adecuados.

5. Defina los objetivos de inteligencia artificial. Para cada caso de uso identificado, defina el objetivo (uso general), el objetivo (resultado deseado) y la métrica de éxito (medida cuantificable). Estas pruebas comparativas guían la adopción de la inteligencia artificial y miden el éxito. Para obtener más información, consulte Estrategia de IA de ejemplo.

Definición de una estrategia de tecnología de IA

La estrategia tecnológica determina el enfoque adecuado para las funcionalidades, los recursos de datos y los requisitos presupuestarios de su organización. Esta estrategia prepara la organización para las arquitecturas basadas en agentes que permiten que varios sistemas de inteligencia artificial colaboren en tareas complejas. Debe evaluar las opciones de tecnología en tres modelos de servicio para seleccionar el enfoque más adecuado para sus necesidades.

1. Comprender los agentes de inteligencia artificial. Los agentes de inteligencia artificial son sistemas autónomos que usan modelos de inteligencia artificial para completar tareas sin supervisión humana constante. Estos sistemas representan un cambio de la automatización tradicional a la toma de decisiones inteligente que se adapta a las condiciones cambiantes. Debe planear la integración de agentes para permitir flujos de trabajo complejos y la colaboración entre múltiples sistemas. Revise ¿Qué son los agentes? para comprender las funcionalidades del agente y preparar la organización para soluciones basadas en agentes.

2. Adoptar mecanismos estándar para la interoperabilidad de IA. Los protocolos estándar permiten que los sistemas de inteligencia artificial se comuniquen entre distintas plataformas y reduzcan las implementaciones personalizadas. Estos protocolos admiten el uso compartido de datos y la integración del sistema, a la vez que mantienen la flexibilidad de los cambios tecnológicos futuros. Debe comprender los protocolos como el Protocolo de contexto de modelo para la ingesta de datos entre sistemas para asegurarse de que los sistemas de IA admiten los requisitos de interoperabilidad. Evalúe herramientas como NLWeb para preparar el contenido de la web de IA. Por ejemplo, vea Protocolo de contexto de modelo en Microsoft Copilot Studio y Exponer API REST como servidores MCP.

3. Seleccione el modelo de servicio de IA adecuado. Microsoft ofrece tres modelos de servicio con distintos niveles de personalización y responsabilidad compartida: Software como servicio (SaaS), Plataforma como servicio (PaaS) e Infraestructura como servicio (IaaS). Cada modelo requiere diferentes aptitudes técnicas y proporciona diferentes grados de control sobre la implementación de inteligencia artificial. Debe hacer coincidir las capacidades de su equipo, los requisitos de datos y las necesidades de personalización con el modelo de servicio adecuado. Use el árbol de decisión de IA siguiente para guiar el proceso de selección.

Empiece por identificar su caso de uso de IA. Si el objetivo es mejorar la productividad individual, use Microsoft 365 Copilot al centrarse en aplicaciones de Microsoft 365. Use Copilots en el producto para productos como Azure, GitHub, Fabric, Dynamics 365 o Power Platform. Utilice Copilots alineados a roles para roles de dominio específico, como los de seguridad, ventas, servicio o finanzas. Si el caso de uso es más general, use Microsoft Copilot o Copilot Pro. Si ya usa Microsoft 365 Copilot y necesita crear agentes personalizados con aptitudes específicas del dominio, use Herramientas de extensibilidad para Microsoft 365 Copilot. Si el objetivo es automatizar la funcionalidad empresarial, use Copilot Studio para una herramienta SaaS que permita la creación e implementación de agentes mediante lenguaje natural con precios integrados. Use Azure AI Foundry para una plataforma de desarrollo completa con acceso de API a los servicios de Azure OpenAI y Azure AI. Si solo necesita acceso a los modelos de OpenAI, use Azure OpenAI. Si necesita modelos no generativos precompilados o Azure AI Search para la compatibilidad con agentes, use los servicios de Azure AI. Si necesita entrenar e implementar modelos de aprendizaje automático con sus propios datos, use Microsoft Fabric si ya trabaja en ese entorno; De lo contrario, use Azure Machine Learning. Use Azure Container Apps para la inferencia ligera de IA sin administrar la infraestructura de GPU. Si necesita traer sus propios modelos y organizarlos con Azure CycleCloud, Azure Batch o Kubernetes, use Azure Virtual Machines.

Compra de inteligencia artificial con servicios de software (SaaS)

Microsoft proporciona soluciones de inteligencia artificial generativa de SaaS, conocidas como Copilots, para mejorar la productividad con una experiencia técnica mínima. Consulte la tabla siguiente para obtener más información.

Microsoft Copilots	Descripción	Usuario	Datos necesarios	Capacidades necesarias	Principales factores de coste
Copiloto de Microsoft 365	Microsoft 365 Copilot proporciona chat basado en web (Internet) y basado en el trabajo (Microsoft Graph) e inteligencia artificial integrada para aplicaciones de Microsoft 365.	Negocio	Sí. Clasifique los datos con etiquetas de confidencialidad e interactúe de forma segura con los datos en Microsoft Graph.	Administración general de TI y datos	Licencia
Copilotos basados en roles	Agentes que mejoran la eficacia de roles específicos en Seguridad, Ventas, Servicio y Finanzas.	Negocio	Sí. Opciones de conexión de datos y plugin están disponibles.	Administración general de TI y datos	Licencias o unidades de proceso de seguridad (Copilot para seguridad)
Copilotos integrados en el producto	Inteligencia artificial dentro de productos como GitHub, Power Apps, Power BI, Dynamics 365, Power Automate, Microsoft Fabric y Azure.	Empresas y particulares	Sí. La mayoría requiere una preparación mínima de datos.	Ninguno	Gratuito o suscripción
Microsoft Copilot o Microsoft Copilot Pro	Microsoft Copilot es una aplicación gratuita de chat basada en web. Copilot Pro proporciona un mejor rendimiento, capacidad y acceso a Copilot en determinadas aplicaciones de Microsoft 365.	Individuo	No	Ninguno	Microsoft Copilot es gratis. Microsoft Copilot Pro requiere una suscripción
Herramientas de extensibilidad para Microsoft 365 Copilot	Personalizar Microsoft 365 Copilot con más datos o funcionalidades a través de agentes declarativos. Use herramientas como Copilot Studio, generador de agentes, kit de herramientas de Teams y SharePoint.	Empresas y particulares	Use conectores de Microsoft Graph para agregar datos.	Administración de datos, TI general o aptitudes para desarrolladores	Licencia de Microsoft 365 Copilot
Copilot Studio	Use Copilot Studio para compilar, probar e implementar agentes en un entorno de creación de SaaS.	Desarrollador	Automatiza gran parte del trabajo de datos para crear copilotos personalizados.	Plataforma para conectar fuentes de datos, mapear indicaciones e implementar copilotos	Licencia

Creación de cargas de trabajo de IA con plataformas de Azure (PaaS)

Azure proporciona varias opciones de PaaS adaptadas a sus objetivos de inteligencia artificial, conjuntos de aptitudes y necesidades de datos. Estas plataformas se adaptan a varios niveles de experiencia técnica. Revise las páginas de precios de cada servicio de Azure y use la calculadora de precios de Azure para desarrollar estimaciones de costos.

Objetivo de IA	Solución de Microsoft	Datos necesarios	Capacidades necesarias	Principales factores de coste
Agentes de compilación	Servicio del agente de Azure AI Foundry	Sí	Configuración del entorno, selección de modelos, herramientas, almacenamiento de datos en tierra, aislamiento de datos, desencadenamiento de agentes, agentes de conexión, filtrado de contenido, redes privadas, supervisión del agente, supervisión del servicio	Consumo de tokens de modelo, almacenamiento, características, procesos, conexiones a tierra
Compilación de aplicaciones RAG	Fundición de IA de Azure	Sí	Selección de modelos, orquestación del flujo de datos, fragmentación de datos, enriquecimiento de fragmentos, elección de la indexación, comprensión de los tipos de consulta (texto completo, vector, híbrido), comprensión de filtros y facetas, realización de cambios, ingeniería rápida, implementación de puntos de conexión y consumo de puntos de conexión en aplicaciones	Proceso, número de tokens de entrada y salida, servicios de IA consumidos, almacenamiento y transferencia de datos.
Afina los modelos GenAI	Fundición de IA de Azure	Sí	Preprocesamiento de datos, división de datos en datos de entrenamiento y validación, validación de modelos, configuración de otros parámetros, mejora de modelos, implementación de modelos y consumo de puntos de conexión en aplicaciones	Proceso, número de tokens de entrada y salida, servicios de IA consumidos, almacenamiento y transferencia de datos.
Entrenamiento e inferencia de modelos	Azure Machine Learning o Microsoft Fabric	Sí	Preprocesamiento de datos, modelos de entrenamiento mediante código o automatización, mejora de modelos, implementación de modelos de aprendizaje automático y consumo de puntos de conexión en aplicaciones	Proceso, almacenamiento y transferencia de datos
Consumo de modelos y servicios de IA precompilados	Servicios de Azure AI y/o Azure OpenAI	Sí	Selección de modelos de IA, protección de puntos de conexión, consumo de puntos de conexión en aplicaciones y ajuste preciso según sea necesario	Uso de puntos finales de modelo consumidos, almacenamiento, transferencia de datos, computación (si entrena modelos personalizados)
Aislar aplicaciones de IA	Azure Container Apps	Sí	Seleccione modelos de IA, orquestación del flujo de datos, fragmentación de datos, enriquecimiento de fragmentos, elección de la indexación, comprensión de los tipos de consulta (texto completo, vector, híbrido), comprensión de los filtros y facetas, realización de cambios, ingeniería de mensajes, implementación de puntos de conexión y consumo de puntos de conexión en aplicaciones	Proceso, número de tokens de entrada y salida, servicios de IA consumidos, almacenamiento y transferencia de datos.

Incorporación de modelos de IA con servicios de infraestructura (IaaS)

Para una mayor personalización y control, use las soluciones IaaS de Azure, como Azure Virtual Machines a través de CycleCloud y Azure Kubernetes Service. Estas soluciones permiten el entrenamiento y la implementación de modelos de IA personalizados. Consulte las páginas de precios pertinentes y la calculadora de precios de Azure.

Objetivo de IA	Solución de Microsoft	Datos necesarios	Capacidades necesarias	Principales factores de coste
Entrenar e inferir sus propios modelos de inteligencia artificial. Traer sus propios modelos a Azure.	Máquinas virtuales de Azure o Azure Kubernetes Service	Sí	Administración de infraestructura, TI, instalación de programas, entrenamiento de modelos, pruebas comparativas de modelos, orquestación, implementación de puntos de conexión, protección de puntos de conexión y consumo de puntos de conexión en aplicaciones	Proceso, orquestador de nodos de proceso, discos administrados (opcional), servicios de almacenamiento, Azure Bastion y otros servicios de Azure usados

Desarrollo de una estrategia de datos de inteligencia artificial

La estrategia de datos define cómo recopilar, administrar y usar datos para iniciativas de inteligencia artificial. Esta estrategia garantiza que los recursos de datos admitan los casos de uso de inteligencia artificial al tiempo que mantienen la seguridad y el cumplimiento. Debe establecer marcos de gobernanza, evaluar las necesidades de escalabilidad, diseñar la administración del ciclo de vida e implementar prácticas de datos responsables.

1. Establezca marcos de gobernanza de datos para cargas de trabajo de IA. La gobernanza de datos proporciona un uso seguro y compatible de los datos de inteligencia artificial mediante controles de acceso y directivas de uso responsables. Los marcos de gobernanza definen los requisitos para diferentes casos de uso de inteligencia artificial y establecen procesos continuos de administración de datos. Debe definir esquemas de clasificación de datos en función de los niveles de confidencialidad y exposición. Use protecciones de cumplimiento y seguridad de datos para aplicaciones de inteligencia artificial generativas en Microsoft Purview.

2. Evaluar los requisitos de escalabilidad para las necesidades de datos de inteligencia artificial. La evaluación de escalabilidad garantiza que la infraestructura de datos controle las demandas actuales y futuras de la carga de trabajo de IA sin problemas de rendimiento ni saturaciones de costos. Esta evaluación identifica los requisitos de volumen, velocidad y variedad que guían la selección de tecnología. Debe documentar los volúmenes de datos actuales, las frecuencias de procesamiento y los tipos de datos para cada caso de uso de inteligencia artificial.

3. Diseñe la administración del ciclo de vida de los datos para los recursos de inteligencia artificial. La administración del ciclo de vida mantiene los datos accesibles, seguros y rentables desde la recopilación hasta la eliminación, a la vez que admite los requisitos de inteligencia artificial. Este enfoque aborda las estrategias de recopilación, la optimización del almacenamiento y los procesos de control de calidad. Debe planear la recopilación sistemática de datos de bases de datos, API, dispositivos IoT y proveedores de terceros. Diseñe estrategias de almacenamiento con niveles adecuados en función de los patrones de acceso y las necesidades de retención. Establezca canalizaciones ETL/ELT para la calidad de los datos y use el panel de IA responsable para identificar y mitigar el sesgo del conjunto de datos.

4. Implemente prácticas de datos responsables para el desarrollo de inteligencia artificial. Las prácticas responsables garantizan que los sistemas de inteligencia artificial usen datos de forma ética y mantengan el cumplimiento normativo. Estos procedimientos guían las decisiones de recopilación, uso y retención de datos durante el ciclo de vida de la inteligencia artificial. Debe implementar el seguimiento del linaje de datos mediante Microsoft Fabric o Microsoft Purview para la transparencia. Establezca estándares de calidad de datos, detección de sesgos y consideraciones de equidad en conjuntos de datos de entrenamiento. Defina directivas de retención y eliminación que equilibran el rendimiento de la inteligencia artificial con los requisitos de privacidad y cumplimiento.

Desarrollo de una estrategia de inteligencia artificial responsable

La estrategia de inteligencia artificial responsable garantiza que las soluciones de inteligencia artificial sigan siendo confiables y éticas. Esta estrategia establece marcos para el desarrollo ético de inteligencia artificial que se alinean con los objetivos empresariales. Debe establecer la responsabilidad, definir principios, seleccionar herramientas y evaluar el cumplimiento para crear una estrategia de inteligencia artificial responsable.

1. Asigne la responsabilidad de la inteligencia artificial a los equipos designados. Las estructuras de responsabilidad proporcionan propiedad para las decisiones de gobernanza de la inteligencia artificial y garantizan la administración con capacidad de respuesta de los requisitos normativos. Estas estructuras definen roles y autoridad de toma de decisiones para las iniciativas de inteligencia artificial. Debe asignar usuarios o equipos para supervisar los cambios en la tecnología de inteligencia artificial y los requisitos normativos. Cree un centro de excelencia en la nube de inteligencia artificial para centralizar las responsabilidades y establecer procedimientos de escalación.

2. Adopte principios de inteligencia artificial responsables como objetivos empresariales. Los principios de inteligencia artificial responsables proporcionan el marco para el desarrollo ético de inteligencia artificial que guía la toma de decisiones y se alinea con los estándares del sector. Estos principios se convierten en objetivos empresariales que dan forma a la selección y el desarrollo de proyectos de INTELIGENCIA ARTIFICIAL. Debe adoptar los seis principios de inteligencia artificial responsables de Microsoft, que se alinean con el marco de administración de riesgos de IA (RMF) de NIST. Integre estos principios en la planificación del proyecto, los procesos de desarrollo y las métricas de éxito.

3. Seleccione las herramientas de inteligencia artificial responsables para su cartera de INTELIGENCIA ARTIFICIAL. La selección de herramientas garantiza los mecanismos adecuados para los principios éticos de la inteligencia artificial y mantiene una aplicación coherente de los estándares de inteligencia artificial responsables. La selección de herramientas aborda los enfoques de integración y los procesos operativos. Debe evaluar y seleccionar las herramientas y procesos de IA Responsable adecuados que se alineen con sus casos de uso y sus perfiles de riesgo. Integre estas herramientas en los flujos de trabajo de desarrollo para garantizar una aplicación coherente.

4. Identificar los requisitos de cumplimiento de las normativas de inteligencia artificial. La evaluación de cumplimiento protege a la organización de los riesgos legales y garantiza que las iniciativas de inteligencia artificial se alineen con las leyes aplicables y los estándares del sector. Los requisitos de cumplimiento varían según la industria, la geografía y la aplicación de inteligencia artificial. Debe identificar las normativas de inteligencia artificial locales e internacionales pertinentes que se aplican a sus operaciones y casos de uso de inteligencia artificial. Supervise los cambios normativos y actualice las estrategias de cumplimiento para garantizar la alineación continua en todo el recorrido de adopción de la inteligencia artificial.

Ejemplo de estrategia de IA

Esta estrategia de inteligencia artificial de ejemplo se basa en una empresa ficticia, Contoso. Contoso opera una plataforma de comercio electrónico orientada al cliente y emplea a representantes de ventas que necesitan herramientas para predecir los datos empresariales. La empresa también administra el desarrollo y el inventario de productos para producción. Sus canales de venta incluyen tanto empresas privadas como agencias del sector público altamente reguladas.

Caso de uso de IA	Objetivos	Objetivos	Métricas de éxito	Enfoque de IA	Solución de Microsoft	Necesidades de datos	Necesidades de aptitudes	Factores de coste	Estrategia de datos de IA	Estrategia de IA responsable
Característica de chat de aplicaciones web de comercio electrónico	Automatizar el proceso empresarial	Mejorar la satisfacción del cliente.	Aumento de la tasa de retención de clientes	PaaS, IA generativa, RAG	Fundición de IA de Azure	Descripciones de elementos y emparejamientos	Desarrollo de aplicaciones en la nube y RAG	Uso	Establecer la gobernanza de datos para los datos de clientes e implementar controles de equidad en la inteligencia artificial.	Asignar la responsabilidad de IA al CoE de IA y ajustarla a los principios de inteligencia artificial responsable.
Flujo de trabajo interno de procesamiento de documentos de la aplicación	Automatizar el proceso empresarial	Reducir los costos	Aumento de la tasa de finalización	Inteligencia artificial analítica, ajuste preciso	Servicios de Azure IA - Inteligencia de Documentos	Documentos estándar	Desarrollo de aplicaciones	Uso estimado	Definir la gobernanza de datos para documentos internos y planificar directivas de ciclo de vida de datos.	Asignar la responsabilidad de IA y garantizar el cumplimiento de las directivas de control de datos.
Administración del inventario y compra de productos	Automatizar el proceso empresarial	Reducir los costos	Vida útil más corta del inventario	Aprendizaje automático, entrenamiento de modelos	Azure Machine Learning	Historial de inventario y datos de ventas	Desarrollo de aprendizaje automático y aplicaciones	Uso estimado	Establecer la gobernanza de los datos de ventas y detectar y abordar los sesgos en los datos.	Asignar la responsabilidad de la IA y cumplir con las normativas financieras.
Trabajo diario en toda la empresa	Mejora de la productividad individual	Mejorar la experiencia de empleado	Aumento de la satisfacción de los empleados	SaaS, IA generativa	Copiloto de Microsoft 365	Datos de OneDrive	TI general	Costes de suscripción	Implementar la gobernanza de datos para los datos de los empleados y garantizar la privacidad de los datos.	Asigne la responsabilidad de la inteligencia artificial y use características integradas de inteligencia artificial responsable.
Aplicación de comercio electrónico con función de chat para industria regulada	Automatizar el proceso empresarial	Aumentar las ventas	Aumento de las ventas	Entrenamiento de modelo de IA generativa de IaaS	Azure Virtual Machines	Datos de entrenamiento específicos del dominio	Desarrollo de aplicaciones e infraestructura en la nube	Infraestructura y software	Definir la gobernanza para los datos regulados y planificar el ciclo de vida con medidas de cumplimiento.	Asignar la responsabilidad de IA y cumplir las normativas del sector.

Paso siguiente

Plan de inteligencia artificial