AI bevezetésének terve

Ez a cikk segít létrehozni egy AI-bevezetési tervet, amely végrehajtható lépésekké alakítja a szervezet AI-stratégiáját. Az AI-bevezetési terv áthidalja az AI-látás és a végrehajtás közötti szakadékot. A terv biztosítja az AI-kezdeményezések és az üzleti célok közötti összhangot, miközben kezeli a képességbeli hiányosságokat, az erőforrás-követelményeket és a megvalósítási ütemterveket.

AI-használati esetek azonosítása

Az AI-stratégia kialakításának első lépése a használati esetek azonosítása. Ez a lépés azt határozza meg, hogy a döntéshozók hogyan deríthetik fel, hogy a MI hol javíthatja az üzleti eredményeket a szervezetben. A cél az, hogy először értelmes lehetőségeket felszínre hozunk. A lista nem kell, hogy teljes legyen, bár lehet. Célja, hogy mindenki számára közös képet kapjon arról, ami a legfontosabb az üzlet számára. Dolgozza át, hogy minden használati eset valós értékre legyen visszavezetve.

1. Kezdje az üzleti problémákkal. Keresse meg, hogy a szervezetnek hol van szüksége jobb eredményekre, mielőtt egyáltalán fontolóra veszi az AI-t. A legtisztább jelek megjelennek az emberek működésében, például az ismétlődő manuális erőfeszítésekben vagy a lassú jóváhagyásokban. Írja be a keresést egyszerű kifejezésekkel, például "hol hiányoznak az eredmények az elvárásokból" vagy "hol töltenek időt az emberek ismétlődő feladatokra". Ez a megközelítés az AI-t nem újdonságként, hanem értékre mutogatja. Kompromisszum: A széles körű vizsgálat számos lehetőséget feltár, ezért koncentráljon a mérhető és jelentőségteljes eredmények közötti résekre.

2. Problémák lefordítása használati esetekre. Az egyes üzleti problémákat egy rövid utasítássá alakíthatja, amely a tevékenységnek és a várt eredménynek a nevét adja, például :"Segítség a támogatási ügynököknek a belső dokumentumokból való válaszadáshoz, így csökken a megoldási idő". Győződjön meg arról, hogy a tevékenység elég gyakran történik a befektetés igazolásához. Kompromisszum: A korai forgatókönyvek általában homályosak, ezért a továbblépés előtt pontosítsa őket világos és végrehajtható leírásokká.

3. Használati eset besorolása. Osztályozza az egyes használati eseteket az érték létrehozásának módjától függően. Ezzel a döntéssel irányíthatja a későbbi technológiai lehetőségeket.

   • Egyéni munka: Ezek a használati esetek javítják az egyének vagy csapatok működését a meglévő eszközökben. Ilyen például az írási segítség vagy az értekezlet előkészítése. Erősen igazodnak a generatív AI-megoldásokhoz, például a Microsoft 365 Copilot.

   • Üzleti automatizálás: Ezek a használati esetek megváltoztatják a szervezet működését vagy értéket ad. Ilyen például az automatizált ügyfél-útválasztás vagy az igény-előrejelzés. Gyakran szükségük van más rendszerekkel való integrációra, és több AI-típust is kombinálhatnak.

4. Fontolja meg a szükséges AI-típust. Ez a szempont nem végleges döntés, és a felhasználási eset egyértelműbbé válásával újra áttekintheti. Az eredményben kívánt konzisztencia hozzávetőleges érzékelése szűkíti a következő technológiai lehetőségeket. Később szabadon módosíthatja.

   • A Generatív AI (nem determinisztikus) olyan kimeneteket hoz létre, amelyek ugyanahhoz a bemenethez is eltérőek lehetnek, és jól működik, ha a bemenetek strukturálatlanok, például természetes nyelv vagy dokumentumok. Illeszkedik az olyan esetekhez, amikor a munkafolyamat nincs javítva, és ahol azt szeretné, hogy a rendszer tartalmat hozzon létre, vagy segítsen az emberi döntésben. Válassza ezt a megközelítést, ha nem ismeri előre a pontos lépéseket, és a kimenet bizonyos mértékű eltérése elfogadható.

   • A nemgeneratív AI (determinisztikus) konzisztens és megismételhető kimeneteket hoz létre strukturált bemenetekből. Illeszkedik azokhoz az esetekhez, amikor a munkafolyamat definiálva van, és ugyanahhoz a bemenethez ugyanazt az eredményt kell eredményeznie. A pontosságtól függő feladatokhoz, például az előrejelzéshez vagy az anomáliadetektáláshoz így kell igazodni.

Alkalmazza ezt a sorozatot minden üzleti területen. Az ismétlődő folyamatok csökkentik a zavart, megakadályozzák, hogy olyan generatív AI-t érjen el, ahol nincs rá szükség, és előkészíti a következő megoldási útvonal kiválasztására.

AI-készségek értékelése

Az aktuális képességek felmérése megakadályozza az erőforrások helytelen áthelyezését, és biztosítja a valós projekttervezést a szervezeti felkészültséghez igazodva. Az AI-projektek akkor hiúsulnak meg, ha a szervezetek a műszaki érettségükön vagy az adatok rendelkezésre állásán túli implementációkat kísérelnek meg. Értékelje ki készségeit, adategységeit és infrastruktúráját, hogy megalapozhassa a sikeres AI-bevezetést. Ennek módja az alábbi:

1. Az AI érettségi szintjének mérése a készségek és az adatok felkészültségi keretrendszerével. A keretrendszer objektív kritériumokat biztosít a szervezet jelenlegi AI-képességeinek értékeléséhez. Ez a mérés megakadályozza, hogy a projektek túlzott elkötelezettsége túlnőjön a jelenlegi képességeken. Az érettség felméréséhez használja az alábbi táblázatot:

   AI-érettségi szint	Szükséges készségek	Adatkészség	Megvalósítható AI-használati esetek
   1. szint	▪ Az AI-fogalmak alapszintű ismerete Az adatforrások integrálásának képessége és a kérések leképezése	▪ Minimálistól nulláig elérhető adatok ▪ Vállalati adatok érhetők el	▪ Azure gyorsútmutató projektek ▪ Bármilyen Copilot megoldás
   2. szint	▪ Az AI-modell kiválasztásának tapasztalata ▪ Az AI üzembe helyezésének és végpontkezelésének ismerete ▪ Tapasztalat az adatok tisztításával és feldolgozásával kapcsolatban	▪ Minimálistól nulláig elérhető adatok ▪ Kicsi, strukturált adatkészlet ▪ Kis mennyiségű tartományspecifikus adat érhető el	▪ Bármely 1. szintű projekt ▪ Egyéni elemzési AI-számítási feladat az Foundry Tools használatával ▪ Egyéni generatív AI-csevegőalkalmazás a Retrieveal Augmented Generation (RAG) nélkül az Foundryben ▪ Egyéni Azure Machine Learning alkalmazás automatizált modellbetanítással ▪ Generatív AI-modell finomhangolása
   3. szint	▪ Jártasság a gyors tervezésben ▪ Jártasság az AI-modellek kiválasztásában, az adattömbölésben és a lekérdezésfeldolgozásban ▪ Jártasság az adatok előfeldolgozásában, tisztításában, felosztásában és ellenőrzésében ▪ Adatok indexeléshez való alapozása	▪ Nagy mennyiségű előzmény üzleti adat áll rendelkezésre a gépi tanuláshoz ▪ Kis mennyiségű tartományspecifikus adat érhető el	▪ Bármely 1-2. szintű projekt ▪ Generatív AI-alkalmazás ragtal az Foundryben ▪ Gépi tanulási modell betanítása és üzembe helyezése ▪ Kis AI-modell betanítása és futtatása Azure Virtual Machines
   4. szint	▪ Fejlett AI-/gépi tanulási szakértelem, beleértve az infrastruktúra-kezelést ▪ Jártasság összetett AI-modell betanítási munkafolyamatainak kezelésében ▪ Vezénylési, modell-teljesítményértékelési és teljesítményoptimalizálási tapasztalat ▪ Erős jártasság az AI-végpontok biztonságossá tételében és kezelésében	▪ Nagy mennyiségű adat áll rendelkezésre a betanításhoz	▪ Bármely 1-3. szintű projekt ▪ Nagy méretű generatív vagy nem generatív AI-alkalmazások betanítása és futtatása Virtual Machines, Azure Kubernetes Service vagy Azure Container Apps

2. Leltározza az adategységeket, és értékelje a minőségüket az AI-használati esetekhez. Az adatminőség közvetlenül befolyásolja az AI-modellek teljesítményét, és meghatározza, hogy mely használati esetek implementálhatók sikeresen. Ez a leltár feltárja az adat-előkészítési követelményeket, és segít rangsorolni a használati eseteket a rendelkezésre álló adatok alapján. Dokumentálja az adatforrásokat, formátumokat, minőséget és akadálymentességet a szervezeten belül.

3. Tekintse át a technológiai infrastruktúrát, és határozza meg az AI felkészültségi követelményeit. Az infrastruktúra-kapacitás korlátozza az AI-projektek hatókörét, és befolyásolja az üzembe helyezési stratégiákat. Ez a felülvizsgálat segít megtervezni az infrastruktúra-beruházásokat, és kiválasztani a megfelelő Azure szolgáltatásokat. Mérje fel a számítási erőforrásokat, a tárolási kapacitást, a hálózati sávszélességet és a cél AI-használati esetekhez szükséges biztonsági vezérlőket.

AI-készségek elsajátítása

Egy átfogó képességfejlesztő stratégia biztosítja, hogy a szervezet rendelkezik az AI-rendszerek sikeres implementálásához és karbantartásához szükséges készségekkel. A szakértelembeli hiányosságok projektkéséseket okoznak, és növelik a megvalósítási hibák kockázatát. Többrétű megközelítés kialakítása, amely ötvözi a képzést, a munkaerő-felvételt és a partnerségeket a fenntartható MI-képességek kiépítéséhez. Ennek módja az alábbi:

1. Fejleszd AI-készségeidet. A belső készségfejlesztés hosszú távú képességfejlesztést biztosít, és biztosítja a szervezeten belüli tudásmegtartást. Ez a megközelítés a szervezeti bizalmat építi ki, és csökkenti a külső erőforrásoktól való függőséget. A AI-tanulási központ platformját használhatja ingyenes AI-képzésekhez, minősítésekhez és termék útmutatáshoz. Állítsa be a tanúsítási célokat, például a Azure AI Fundamentals tanúsítványokat.

2. Toborozzon AI-szakembereket. A külső toborzás azonnali hozzáférést biztosít a speciális szakértelemhez, és felgyorsítja a projekt ütemtervét. Ez a stratégia segít betölteni azokat a hiányosságokat, amelyeket túl sokáig tartanának belsőleg fejleszteni. Szakértőket alkalmazhat a modellfejlesztés, a generatív AI vagy az AI-etika területén. Frissítse a munkaköri leírásokat, hogy tükrözze az aktuális készségigényeket, és hozzon létre egy munkáltatói márkát, amely az innovációt és a műszaki vezetést hangsúlyozza.

3. Vegye igénybe a Microsoft partnereit. Microsoft partnerségek hozzáférést biztosítanak a bevált szakértelemhez és az iparág ajánlott eljárásaihoz, miközben csökkentik a megvalósítás kockázatát. Ez a megközelítés felgyorsítja a tanulást, és biztosítja az Microsoft AI-technológiákkal való összhangot. Használja a Microsoft partnerek piacterét az MI-, adat- és Azure-szakértelemhez való hozzáféréshez különböző iparágakban.

AI-erőforrások elérése

Egyértelmű hozzáférési követelmények és licencelési stratégiák megakadályozzák az üzembe helyezés késleltetését, és biztosítják a szervezeti szabályzatoknak való megfelelést. A különböző AI-megoldások különböző hozzáférési mintákkal rendelkeznek, amelyek hatással vannak a költségekre, a biztonságra és a szabályozásra. Ismerje meg a portfolió minden egyes AI-megoldásának konkrét hozzáférési követelményeit a költségvetések és a biztonsági vezérlők hatékony megtervezése érdekében. Ennek módja az alábbi:

Microsoft AI-megoldás	Hozzáférés megszerzése
Microsoft Copilot	További Copilot licenccel rendelkező Microsoft 365 licencre van szükség. Lásd: Microsoft Copilot.
Microsoft Copilot Studio	Önálló licencre vagy bővítménylicencre van szükség. Lásd: Microsoft Copilot Studio.
Terméken belüli copilotok	Hozzáférésre van szükség az elsődleges termékhez. Lásd: GitHub Copilot, Copilot in Power Apps, Copilot in Power BI, Dynamics 365, Power Automate, Copilot in Microsoft Fabric és Azure Copilot.
Szerepköralapú segítők	Speciális hozzáférési követelményeket igényel. Lásd Microsoft Security Copilot, értékesítési ügynök, szolgáltatásügynök, pénzügyi ügynök.
Azure szolgáltatások	Azure fiók szükséges. Tartalmazza a Microsoft Foundryt.

AI-használati esetek rangsorolása

A stratégiai rangsorolás biztosítja, hogy az erőforrásokat olyan projektekre összpontosítsa, amelyek maximális értéket biztosítanak, miközben megfelelnek a szervezeti képességeknek. A használati esetek rangsorolása csökkenti a megvalósítás kockázatát, és felgyorsítja az értékre való időt. Értékelje ki az egyes használati eseteket a megvalósíthatóság, a stratégiai érték és az erőforrás-követelmények alapján, hogy megvalósítható megvalósítási ütemtervet hozzon létre. Ennek módja az alábbi:

1. Értékelje ki a használati eseteket a jelenlegi AI-érettség és a rendelkezésre álló erőforrások alapján. A reális értékelés megakadályozza, hogy a jelenlegi képességeinket meghaladó mértékben vállaljunk projekteket, és biztosítja a sikeres megvalósítást. Ez az értékelés segít az elérhető célokra összpontosítani, amelyek lendületet adnak a jövőbeli projekteknek. Tekintse át az AI fejlettségi szintjét, az adatok rendelkezésre állását, a műszaki infrastruktúrát és a munkaerő-kapacitást az egyes használati esetekhez.

2. A használati esetek rangsorolása stratégiai érték és megvalósíthatóság szerint. A stratégiai rangsorolás segítségével korlátozott erőforrásokat oszthat ki a legnagyobb potenciális hatással és sikerrel rendelkező projektekhez. Ez a megközelítés maximalizálja az AI-befektetések megtérülését, miközben növeli a vállalati bizalmat. Az egyes használati eseteket az üzleti hatás, a műszaki összetettség, az erőforráskövetelmények és a szervezeti célokhoz való igazodás alapján értékelje.

3. Hozzon létre egy rangsorban megadott megvalósítási ütemtervet egyértelmű sikerkritériumokkal. A strukturált ütemterv egyértelmű irányt biztosít a megvalósítási csapatok számára, és lehetővé teszi a meghatározott mérföldkövek előrehaladásának nyomon követését. Ez az ütemterv segít kezelni az érdekelt felek elvárásait és az erőforrások elosztását. Válassza ki a kiemelt használati eseteket, és határozza meg az egyes projektek konkrét sikermetrikáit, ütemterveit és erőforrás-követelményeit.

A fogalmak AI-igazolásának létrehozása

A koncepció igazolása segít csökkenteni a megvalósítás kockázatát azáltal, hogy a teljes körű fejlesztés előtt érvényesíti a műszaki megvalósíthatóságot és az üzleti értéket. A koncepciók igazolása segít azonosítani a lehetséges kihívásokat, és pontosítani a követelményeket egy ellenőrzött környezetben. Olyan célzott érvényesítési projektek létrehozása, amelyek alapvető feltételezéseket tesztelnek, és adatokat gyűjtenek a megalapozott döntéshozatalhoz. Ennek módja az alábbi:

1. Válassza ki a megfelelő használati esetet a koncepció érvényesítésének ellenőrzéséhez. A megfelelő PoC-kiválasztás a kezelhető kockázattal és összetettséggel egyensúlyozza a tanulási lehetőségeket. Ez a kijelölés lehetővé teszi, hogy tartalmas elemzéseket gyűjtsön anélkül, hogy túlterheli a csapatot vagy a szervezetet. Válasszon egy nagy értékű projektet a rangsorban szereplő listából, amely megfelel az AI-érettségi szintnek. Kezdje belső, nem ügyféloldali projektekkel a kockázat csökkentése és a megközelítés tesztelése érdekében.

2. Az Microsoft útmutatás és eszközök használatával egy célzott koncepcióigazolás implementálása. A strukturált implementáció csökkenti a fejlesztési időt, és biztosítja a választott AI-megközelítés bevált eljárásainak követését. Ez a megközelítés maximalizálja a tanulást, miközben minimalizálja az erőforrás-befektetést. Használja az alábbi implementációs útmutatókat az AI-típus alapján:

   AI-típus	Megvalósítási útmutató
   Generatív mesterséges intelligencia	Azure PaaS: Microsoft Foundry Microsoft copilotok: Copilot Studio és Microsoft 365 Copilot bővíthetőség
   Gépi tanulás	Azure Machine Learning
   Analitikus MI	Foundry Tools speciális útmutatókkal a Tartalombiztonság, Dokumentumintelligencia és más szolgáltatásokhoz

3. A PoC-eredmények használatával pontosíthatja a használati esetek rangsorolási és implementálási megközelítését. A PoC-elemzések gyakorlati kihívásokat és lehetőségeket fednek fel, amelyek tájékoztatják a jövőbeli projekttervezést és az erőforrások elosztását. Ez a visszajelzési ciklus biztosítja, hogy az AI-ütemterv reális és elérhető maradjon. Dokumentálja a tanultakat, a technikai kihívásokat és az üzleti értéket. A bevált megvalósíthatóság és a mért hatás alapján módosítsa a használati eset prioritásait.

4. Az egyes használati esetek megvalósítási ütemterveinek becsléséhez használja a koncepció eredményeinek igazolását. A PoC-adatok reális alapkonfiguráció-becsléseket biztosítanak, amelyek figyelembe veszik a szervezet adott képességeit és korlátait. Ez a megközelítés pontosabb ütemterveket eredményez, mint az elméleti becslések. A Dokumentumok fejlesztési ideje, a tesztelési ciklusok és az üzembe helyezés összetettsége a PoC implementációja során figyelhető meg.

5. Vegye figyelembe a szervezeti fejlettséget és az idővonal-tervezés összetettségi tényezőit. A különböző AI-megoldások jellemző megvalósítási ütemtervekkel rendelkeznek, amelyek a szervezeti felkészültségtől és a projekt hatókörétől függően változnak. Ez a megértés segít a megfelelő elvárások megteremtésében az érdekelt felekkel. Microsoft Copilotok általában a legrövidebb időtartamot biztosítják a befektetés megtérüléséhez (napoktól hetekig), míg az egyéni Azure AI + gépi tanulási feladatok több héttől hónapokig tartanak az éles üzemkészség eléréséig.

6. Tervezzen pufferidőt a tanulás, iteráció és váratlan kihívások kezelésére. Az AI-projektek gyakran váratlan technikai kihívásokkal szembesülnek, és több iterációt igényelnek a kívánt eredmények eléréséhez. A pufferidő megakadályozza az ütemezési nyomást, ami ronthatja a minőséget vagy az etikai szempontokat. Adjon hozzá 20–30% készenléti időt a kezdeti becslésekhez, és tervezze meg a több fejlesztési ciklust.

Felelős AI implementálása

A felelős AI-eljárások védik a szervezetet az etikai, jogi és hírnévbeli kockázatoktól, miközben biztosítják, hogy az AI-rendszerek megfeleljenek a szervezeti értékeknek. A felelős AI-alapelvek korai integrációja megakadályozza a költséges újratervezést, és létrehozza az érdekelt felek bizalmát. Az etikai szempontok, a szabályozási keretrendszerek és a biztonsági intézkedések beágyazása a megvalósítási tervbe a kezdetektől fogva. Ennek módja az alábbi:

1. A felelős AI-tervezési eszközökkel értékelheti a lehetséges hatásokat, és etikai rendszereket tervezhet. A szisztematikus értékelési eszközök segítenek azonosítani a lehetséges kockázatokat, és biztosítani, hogy az AI-rendszerek megfeleljenek az etikai szabványoknak és a szabályozási követelményeknek. Ezek az eszközök strukturált megközelítéseket biztosítanak az összetett etikai szempontokhoz. A tervezési folyamat irányításához használja a Microsoft felelős AI-eszközöket és gyakorlatokat, például a Human-AI eXperience Toolkit és a Responsible AI Maturity Model elemeit.

2. Mi-szabályozási keretrendszerek implementálása a projektdöntések irányításához és a rendszer viselkedésének monitorozásához. Az irányítási keretrendszerek egységes döntéshozatali kritériumokat biztosítanak, és biztosítják az AI-projektek elszámoltathatóságát. Ezek a keretrendszerek segítenek a szervezeteknek az AI-fejlesztés és -üzembe helyezés feletti ellenőrzés fenntartásában. Szabályzatokat hozhat létre a szerepkörökre, a felelősségekre, a megfelelőségi követelményekre és az etikai szabványokra vonatkozóan. A szabályozási implementációval kapcsolatos részletes útmutatásért tekintse meg az AI szabályozása című témakört.

3. Az AI biztonsági és üzemeltetési ajánlott eljárásainak alkalmazása a megvalósítási életciklus során. A biztonság és a működési kiválóság biztosítja, hogy az AI-rendszerek teljes életciklusuk során megbízhatóak, biztonságosak és költséghatékonyak maradjanak. Ezek a gyakorlatok megakadályozzák a biztonsági incidenseket és a működési hibákat. Az üzembe helyezés nyomon követéséhez és a teljesítmény monitorozásához olyan AI-üzemeltetési keretrendszereket implementálhat, mint a GenAIOps vagy az MLOps. Részletes megvalósítási útmutatásért tekintse meg az AI és a biztonságos AI kezelését ismertető témakört.

Következő lépés

Végezze el az AI bevezetési tervezését a megvalósítás technikai alapjainak létrehozásával. Az Azure platformon történő egyéni AI-munkaterhelések esetén lépjen az AI Ready oldalra a technikai környezet konfigurálásához. A Microsoft Copilot bevezetéséhez lépjen tovább az MI-irányítás felé, hogy szervezeti felügyeletet hozzon létre.

AI Ready (csak Azure)

Govern AI (Copilots és Azure)