Rencana AI - Rekomendasi untuk organisasi yang merencanakan adopsi AI
Artikel ini menguraikan proses organisasi untuk merencanakan adopsi AI. Rencana adopsi AI merinci langkah-langkah yang harus diambil organisasi untuk mengintegrasikan AI ke dalam operasinya. Rencana ini memastikan keselarasan antara inisiatif AI dan tujuan bisnis. Ini membantu organisasi mengalokasikan sumber daya, mengembangkan keterampilan, dan menyebarkan teknologi untuk adopsi AI yang efektif.
Menilai keterampilan AI
Dalam strategi teknologi, Anda mengidentifikasi AI menggunakan kasus dan solusi AI untuk masing-masing kasus. Solusi ini memerlukan keterampilan AI tertentu untuk diadopsi. Evaluasi keterampilan AI Anda saat ini dan identifikasi celah untuk ditangani sebelum melanjutkan. Penilaian kematangan AI membantu menentukan kesiapan Anda untuk menerapkan AI. Ini juga memandu pemilihan kasus penggunaan yang sesuai dengan kemampuan Anda dan mempercepat kesuksesan Anda. Gunakan tabel berikut untuk menilai tingkat kematangan AI Anda. Untuk informasi selengkapnya, lihat Penilaian Teknis untuk AI Generatif di Azure.
| Tingkat kematangan AI | Keterampilan yang diperlukan | Kesiapan data | Kasus penggunaan AI yang layak |
|---|---|---|---|
| Level 1 | ▪ Pemahaman dasar tentang konsep AI ▪ Kemampuan untuk mengintegrasikan sumber data dan memetakan perintah |
▪ Minimal hingga nol data yang tersedia ▪ Data perusahaan tersedia |
▪ Mulai cepat Azure (lihat tabel) ▪ Aplikasi Copilot Studio |
| Level 2 | ▪ Pengalaman dengan pemilihan model AI ▪ Memahami penyebaran AI dan manajemen titik akhir ▪ Pengalaman dengan pembersihan dan pemrosesan data |
▪ Minimal hingga nol data yang tersedia ▪ Himpunan data kecil dan terstruktur ▪ Sejumlah kecil data khusus domain yang tersedia |
▪ Salah satu proyek sebelumnya ▪ Beban kerja AI analitik kustom yang menggunakan layanan Azure AI ▪ Aplikasi obrolan AI generatif kustom tanpa Pengambilan Augmented Generation (RAG) di Azure AI Studio ▪ Aplikasi pembelajaran mesin kustom dengan pelatihan model otomatis ▪ Menyempurnakan model AI generatif |
| Level 3 | ▪ Kemampuan dalam rekayasa prompt ▪ Kemahalan dalam pemilihan model AI, pemotongan data, dan pemrosesan kueri ▪ Kemahiran dalam praproses data, pembersihan, pemisahan, dan validasi ▪ Data grounding untuk pengindeksan |
▪ Sejumlah besar data bisnis historis yang tersedia untuk pembelajaran mesin ▪ Sejumlah kecil data khusus domain yang tersedia |
▪ Salah satu proyek sebelumnya ▪ Aplikasi AI generatif dengan RAG di Azure AI Studio (atau Azure Pembelajaran Mesin) ▪ Melatih dan menyebarkan model pembelajaran mesin di Pembelajaran Mesin ▪ Melatih dan menjalankan model AI kecil di Azure Virtual Machines |
| Level 4 | ▪ Keahlian AI /pembelajaran mesin tingkat lanjut, termasuk manajemen infrastruktur ▪ Kemampuan dalam menangani alur kerja pelatihan model AI yang kompleks ▪ Pengalaman dengan orkestrasi, tolok ukur model, dan pengoptimalan performa ▪ Keterampilan yang kuat dalam mengamankan dan mengelola titik akhir AI |
▪ Sejumlah besar data yang tersedia untuk pelatihan | ▪ Salah satu proyek sebelumnya ▪ Melatih dan menjalankan aplikasi AI generatif atau nongeneratif yang besar di Virtual Machines, Azure Kubernetes Service, atau Azure Container Apps |
Memperoleh keterampilan AI
Memperoleh keterampilan AI mengharuskan organisasi untuk menilai kumpulan bakat mereka saat ini dan menentukan apakah akan meningkatkan, merekrut, atau bermitra dengan pakar eksternal. Menilai kumpulan bakat Anda saat ini untuk mengidentifikasi kebutuhan upskilling, perekrutan, atau kemitraan eksternal. Membangun tim AI yang terampil memastikan Anda dapat beradaptasi dengan tantangan dan menangani berbagai proyek AI. AI terus berkembang, sehingga mempertahankan budaya pembelajaran berkelanjutan mendukung inovasi dan menjaga keterampilan tetap terkini.
Pelajari keterampilan AI. Gunakan platform Microsoft Learn untuk pelatihan, sertifikasi, dan panduan produk AI gratis. Tetapkan tujuan sertifikasi, seperti Dasar-Dasar Azure AI, Azure AI Engineer Associate, dan Azure Data Scientist Associate. Ada sumber daya pembelajaran untuk subjek lain di platform, jadi filter hasilnya untuk mengembalikan hasil khusus AI.
Merekrut profesional AI. Untuk keahlian di luar kemampuan internal Anda, rekrut profesional AI yang berpengalaman dalam pengembangan model, AI generatif, atau etika AI. Para profesional ini sangat diminati. Pertimbangkan untuk berkolaborasi dengan lembaga pendidikan untuk mengakses talenta baru. Pastikan untuk memperbarui deskripsi pekerjaan untuk mencerminkan kebutuhan AI yang berkembang, dan menawarkan kompensasi yang kompetitif. Buat merek majikan yang menarik. Tunjukkan komitmen organisasi Anda terhadap inovasi dan kemajuan teknologi, membuat merek Anda menarik bagi para profesional AI.
Gunakan mitra Microsoft untuk memperoleh keterampilan AI. Gunakan marketplace mitra Microsoft untuk mengatasi kekurangan keterampilan dan memenuhi batasan waktu. Mitra Microsoft menyediakan keahlian AI, data, dan Azure di berbagai industri.
Mengakses sumber daya AI
Sebagai langkah taktis untuk mengembangkan solusi AI, Anda harus dapat mengaksesnya. Tujuannya adalah untuk menyediakan cara cepat untuk memahami dan mengakses apa yang Anda butuhkan untuk mulai menggunakan solusi Microsoft AI.
Akses Microsoft 365 Copilot. Sebagian besar Microsoft SaaS Copilots memerlukan lisensi atau langganan add-on. Microsoft 365 Copilot memerlukan lisensi Microsoft 365 bisnis atau perusahaan yang Anda tambahkan pada lisensi Copilot.
Akses Microsoft Copilot Studio. Microsoft Copilot Studio menggunakan lisensi mandiri atau lisensi add-on.
Akses Copilot dalam produk. Copilot dalam produk memiliki persyaratan akses yang berbeda untuk masing-masing, tetapi akses ke produk utama diperlukan. Untuk informasi selengkapnya tentang masing-masing, lihat GitHub, Power Apps, Power BI, Dynamics 365, Power Automate, dan Azure.
Akses Copilot berbasis peran. Copilot berbasis peran juga memiliki persyaratan akses mereka sendiri. Untuk informasi selengkapnya, lihat Agen berbasis peran untuk Microsoft 365 Copilot dan Microsoft Copilot for Security.
Mengakses sumber daya Azure AI. Solusi Azure PaaS dan IaaS memerlukan akun Azure. Layanan ini termasuk Layanan Azure OpenAI, Azure AI Studio, Azure Pembelajaran Mesin, layanan Azure AI, Azure Virtual Machines, dan Azure CycleCloud.
Memprioritaskan kasus penggunaan AI
Setelah menilai keterampilan, sumber daya, dan kematangan AI, prioritaskan kasus penggunaan AI yang diidentifikasi dalam Strategi AI Anda. Prioritas ini memastikan Anda fokus pada proyek yang menawarkan nilai terbesar, selaras dengan tujuan bisnis, dan sesuai dengan kemampuan Anda saat ini. Ikuti langkah-langkah ini:
Menilai keterampilan dan sumber daya. Setelah memperoleh keterampilan AI, tinjau kematangan AI Anda saat ini, data yang tersedia, dan akses sumber daya. Penilaian ini membantu mengatur ulang prioritas berdasarkan apa yang mungkin.
Mengevaluasi kasus penggunaan. Prioritaskan proyek berdasarkan kelayakan dan nilai strategis yang ditambahkan ke organisasi Anda. Selaraskan kasus penggunaan AI dengan tujuan strategis Anda untuk memastikan bahwa upaya berkontribusi pada keberhasilan secara keseluruhan.
Pilih kasus penggunaan teratas. Buat daftar pendek kasus penggunaan AI berprioritas tinggi yang membentuk dasar untuk eksplorasi dan pengujian lebih lanjut.
Membuat bukti konsep AI
Mengembangkan bukti konsep (PoC) AI memvalidasi kelayakan dan nilai potensial dari kasus penggunaan yang diprioritaskan pada skala yang lebih kecil. Proses PoC membantu memperbaiki prioritas kasus penggunaan, mengurangi risiko, dan mengidentifikasi tantangan sebelum pindah ke penyebaran skala penuh. Pendekatan berulang ini memungkinkan Anda menyesuaikan rencana AI berdasarkan wawasan dunia nyata.
Pilih kesempatan yang tepat. Dari daftar pendek kasus penggunaan AI Anda, pilih proyek bernilai tinggi yang selaras dengan tingkat kematangan AI Anda. Idealnya, mulailah dengan proyek internal, bukan yang dihadapi pelanggan. Proyek internal meminimalkan risiko dan menyediakan fondasi untuk menguji beban kerja. Gunakan PoC untuk memvalidasi pendekatan dan memperbaikinya sebelum memperluas ke produksi. Lakukan pengujian A/B untuk menetapkan apa yang berhasil dan mengumpulkan data dasar.
Mulailah dengan panduan mulai cepat Azure. Azure menawarkan panduan langkah demi langkah untuk membuat aplikasi dasar menggunakan platform AI-nya. Panduan ini, yang disebut mulai cepat, membantu Anda menyebarkan aplikasi dan menyertakan instruksi untuk menghapusnya setelahnya. Mulai cepat menyediakan cara sederhana untuk membiasakan organisasi Anda dengan teknologi.
Jenis AI Panduan mulai cepat Azure AI AI Generatif Azure AI Studio, Azure OpenAI, Copilot Studio Pembelajaran Mesin Pembelajaran Mesin Azure AI Analitis Layanan Azure AI: Azure AI Content Safety, Azure AI Custom Vision, Document Intelligence Studio, Face service, *Azure AI Language, Azure AI Speech, *Azure AI Translator, Azure AI Vision.
*Setiap fitur layanan AI ini memiliki panduan mulai cepatnya sendiri.Mereprioritaskan peluang AI. Gunakan wawasan yang diperoleh dari PoC untuk memperbaiki daftar kasus penggunaan AI Anda. Jika PoC menyajikan tantangan tak terduga, sesuaikan prioritas Anda dan fokus pada proyek yang lebih layak.
Menerapkan AI yang bertanggung jawab
Adopsi AI yang bertanggung jawab memerlukan penggabungan kerangka kerja etis dan praktik peraturan ke dalam rencana implementasi AI Anda. Pendekatan ini memastikan bahwa inisiatif AI selaras dengan nilai organisasi, melindungi hak pengguna, dan mematuhi standar hukum.
Gunakan alat perencanaan AI yang bertanggung jawab. Untuk mengintegrasikan prinsip AI yang bertanggung jawab ke dalam proses adopsi Anda, gunakan alat dan kerangka kerja yang mendukung praktik AI etis. Microsoft menawarkan beberapa sumber daya.
Alat perencanaan AI yang bertanggung jawab Deskripsi Templat penilaian dampak AI Mengevaluasi potensi dampak sosial, ekonomi, dan etika dari inisiatif AI. Human-AI eXperience Toolkit Merancang sistem AI yang memprioritaskan kesejahteraan pengguna dan menumbuhkan interaksi positif. Model Kematangan AI yang Bertanggung Jawab Menilai dan memajukan kematangan organisasi Anda dalam menerapkan praktik AI yang bertanggung jawab. Mulai proses tata kelola AI. Adopsi AI yang bertanggung jawab melibatkan pembuatan kebijakan tata kelola untuk memandu proyek AI dan memantau perilaku sistem AI. Mulailah dengan mengidentifikasi risiko organisasi khusus untuk inisiatif AI Anda. Kebijakan tata kelola dokumen yang menguraikan tanggung jawab, persyaratan kepatuhan, dan standar etika. Lihat artikel tentang Mengatur AI untuk detail tentang proses ini.
Mulai proses manajemen AI. Kerangka kerja manajemen AI, seperti GenAIOps atau MLOps, membantu memastikan kepatuhan berkelanjutan terhadap prinsip AI yang bertanggung jawab seiring berkembangnya sistem AI Anda. Praktik ini melibatkan manajemen penyebaran, pemantauan berkelanjutan, dan pengoptimalan biaya untuk model AI dalam produksi. Lihat artikel tentang Mengelola AI untuk detail tentang proses ini.
Mulai proses keamanan AI. Keamanan membentuk bagian penting dari adopsi AI yang bertanggung jawab. Penilaian keamanan reguler membantu melindungi kerahasiaan, integritas, dan ketersediaan sistem AI Anda. Lakukan penilaian risiko yang mengatasi potensi ancaman keamanan khusus untuk AI, seperti serangan musuh atau pelanggaran data. Lihat artikel tentang AI Aman untuk detail tentang proses ini.
Memperkirakan garis waktu pengiriman
Memperkirakan garis waktu pengiriman melibatkan pengaturan jadwal dan tonggak realistis untuk implementasi proyek AI. Garis waktu yang jelas memungkinkan organisasi untuk mengalokasikan sumber daya secara efektif dan mengelola ekspektasi pemangku kepentingan, mendukung kemajuan terstruktur dari bukti konsep hingga produksi. Dengan menetapkan tonggak tertentu, organisasi dapat mengukur kemajuan mereka, mengidentifikasi potensi penundaan, dan membuat penyesuaian untuk menjaga proyek tetap terlacak dan sesuai anggaran.
Berdasarkan PoC Anda, tetapkan garis waktu pengiriman untuk peluang AI Anda. Buat garis waktu dengan pencapaian dan hasil yang jelas untuk menerapkan kasus penggunaan yang dipilih. Tetapkan tim, tentukan peran, dan amankan alat atau kemitraan yang diperlukan. Solusi Microsoft AI SaaS menyediakan garis waktu terpendek untuk melihat pengembalian investasi. Garis waktu untuk membangun aplikasi AI di Solusi Azure PaaS dan IaaS bergantung pada kasus penggunaan dan kematangan AI Anda. Dalam kebanyakan kasus, dibutuhkan berpekanan atau berbulan-bulan sebelum Anda memiliki beban kerja AI siap produksi.
Langkah selanjutnya
Sisa panduan ini berfokus pada pembangunan beban kerja AI di Azure dengan menggunakan solusi PaaS dan IaaS. Agar berhasil di Azure, Anda harus terlebih dahulu menetapkan fondasi AI Anda di Siapkan AI.
Untuk informasi selengkapnya tentang mengadopsi solusi Microsoft Copilot, lihat sumber daya berikut:
| Kategori | Solusi salinan |
|---|---|
| Produktivitas perusahaan | Salinan untuk Microsoft 365 |
| Platform kode rendah | Studio Salinan |
| Berbasis peran | Microsoft Copilot for Security Microsoft 365 Copilot for Sales Microsoft 365 Copilot for Service Microsoft 365 Copilot for Finance |
| Salinan dalam produk | GitHub Aplikasi Daya Power BI Dynamics 365 Power Automate Azure |
| Berbasis browser | Copilot (gratis) Copilot Pro |