Memilih pola pro-kode terbaik untuk membuat solusi AI generatif Anda

Pemilihan pola dalam Perjalanan ISV pro-kode

Untuk membantu vendor perangkat lunak independen (ISV) membangun solusi AI generatif mereka, Microsoft membuat panduan untuk membantu Anda menemukan kasus penggunaan yang layak dan mulai membuatnya. Halaman ini berfokus pada pola pro-kode yang dapat dipilih pengembang saat mereka melalui perjalanan membangun solusi mereka. Jika Anda tidak yakin apakah akan memilih pola pro-kode atau kode rendah, kunjungi halaman visi kemampuan untuk menemukan pendekatan terbaik untuk kasus penggunaan Anda.

Pertimbangan untuk perjalanan pro-kode

Memilih pendekatan pro-kode memungkinkan ISV seperti Anda menggunakan opsi yang sangat dapat disesuaikan saat merancang aplikasi AI Anda. Dalam pendekatan pro-kode, ada banyak pola yang mencakup beberapa platform untuk mengatasi kebutuhan dan preferensi yang berbeda. Pola pro-kode cocok jika Anda:

  • Membangun aplikasi yang sangat disesuaikan dan membutuhkan lebih banyak komponen dalam kontrol Anda.
  • Mengintegrasikan kemampuan AI ke dalam aplikasi Anda sendiri atau membangunnya dari awal.
  • Mematuhi data unik atau masalah keamanan.

Jika Anda memerlukan solusi cepat dan dapat menggunakan alat seperti konektor Power Platform, pertimbangkan untuk meneliti pola kode rendah.

Ada dua pendekatan tingkat tinggi dalam pro-kode:

  • Membuat salinan kustom. Pendekatan ini mencakup pola yang membantu Anda membuat solusi dengan kemampuan bahasa alami. Membangun dengan salinan kustom memungkinkan AI Anda untuk berkomunikasi secara alami dengan pengguna dalam berbagai situasi.
  • Membangun aplikasi di Fabric. Pendekatan ini mencakup pola yang menggunakan Fabric untuk memproses atau menyimpan data, yang dapat diintegrasikan dengan aplikasi AI yang Anda buat. Pola-pola ini memberikan fondasi data yang kuat dan kesempatan untuk lebih banyak penyesuaian.

Kedua pendekatan menawarkan banyak manfaat dan memungkinkan Anda membuat aplikasi AI yang dapat disesuaikan. Bergantung pada pola yang Anda pilih, Anda dapat membangun aplikasi yang sama sekali baru atau kemampuan baru yang Anda perkenalkan ke dalam aplikasi yang ada.

Memilih pola

Memilih pola adalah langkah terakhir yang diambil ISV sebelum mulai membangun solusi. Pola yang Anda pilih:

  • Berdampak pada kemampuan solusi Anda. Memilih pola yang benar untuk situasi ini memungkinkan Anda menyelaraskan solusi Anda dengan kebutuhan pelanggan Anda. Memilih pola dengan terlalu sedikit kemampuan dapat membatasi apa yang dapat Anda buat.
  • Mempengaruhi biaya pengembangan proyek. Beberapa pola membutuhkan lift yang lebih berat selama pengembangan, membutuhkan waktu dan uang ISV. Investasi yang diperlukan untuk pola yang Anda pilih tidak boleh melampaui nilai potensial kasus penggunaan Anda.
  • Memungkinkan Anda untuk bekerja dalam antarmuka yang berbeda. Beberapa pola dirancang untuk membuat aplikasi dari awal, sementara yang lain dirancang untuk bekerja dalam aplikasi atau platform Anda yang ada dari Microsoft.
  • Mengubah data, infrastruktur, dan pertimbangan back-end lainnya. Pola pro-kode serbaguna tetapi mungkin memiliki batasan atau memerlukan modifikasi. Biasanya, opsi data dan infrastruktur Anda menjadi lebih dapat disesuaikan saat Anda memilih opsi pola yang lebih kompleks.

Karena semua faktor ini, penting untuk mengevaluasi situasi Anda dengan hati-hati, kebutuhan pelanggan Anda, dan kemampuan teknis Anda sebelum memilih pola. Platform dan strategi yang Anda pilih akan memengaruhi apa yang dapat Anda buat.

Beberapa opsi pola

Alih-alih hanya memilih satu pola, ISV dapat memilih untuk mengintegrasikan kemampuan dari beberapa pola. Bahkan dimungkinkan untuk menggabungkan opsi kode rendah dan pro-kode.

Apakah Anda memilih satu pola atau menggabungkan beberapa, penting untuk mempertimbangkan situasi Anda dan memilih platform yang paling sesuai untuk Anda. Halaman ini berfokus secara khusus pada pola pro-kode. Untuk menjelajahi lebih banyak opsi di seluruh pro dan kode rendah, Anda dapat mengunjungi halaman pola komprehensif.

Kernel Semantik

ISV yang ingin membangun aplikasi AI canggih dapat menggunakan Semantic Kernel di banyak opsi pola yang berbeda. Semantic Kernel adalah kit pengembangan perangkat lunak sumber terbuka (SDK) yang memudahkan Anda menggabungkan kode C#, Python, dan Java yang ada dengan model dari OpenAI, Azure OpenAI, Hugging Face, dan banyak lagi.

Karena Semantic Kernel berinteraksi langsung dengan kode Anda, dimungkinkan untuk menggunakannya banyak pola yang berbeda. Terlepas dari pola yang Anda pilih, Semantic Kernel dapat mendukung perjalanan pengembangan Anda dan memungkinkan solusi Anda dengan kemampuan AI generatif baru.

Membuat salinan kustom

Membangun salinan kustom memungkinkan Anda membuat aplikasi dengan pengangkatan pengkodian sedang dan lebih dapat disesuaikan daripada mengadopsi atau memperluas pihak pertama, Microsoft Copilot akan. Meskipun Anda perlu membangun banyak komponen sendiri, Microsoft menyediakan dukungan penting melalui SDK, templat, dan banyak lagi, tergantung pada pola yang Anda pilih.

Pohon keputusan untuk pendekatan "Bangun salinan kustom". Satu panah mengarah ke dalam kotak yang membaca "Meningkatkan aplikasi yang ada dengan AI yang menggunakan data ISV", yang terhubung dengan Pattern D: Microsoft Graph API. Panah lain mengarah ke pembacaan kotak "Membuat chatbot yang dapat menanggapi pertanyaan pengguna dan membongkar tugas sederhana", yang mengarah ke Pola E: Asisten Azure OpenAI. Panah ketiga mengarah ke dalam kotak yang bertuliskan "Menambahkan kemampuan bahasa alami ke chatbot ISV Teams melalui templat bawaan", yang mengarah ke Pola F: Pustaka AI Teams. Panah akhir menuju kotak yang berbunyi "Menawarkan kustomisasi tinggi menggunakan model yang telah dilatih sebelumnya, Azure AI SDK, dan alur prompt", yang mengarah ke Pola G: Azure AI Foundry.

Microsoft Graph APIs

Microsoft Graph API mengakses data pengguna dari aplikasi Microsoft 365, seperti informasi dalam Outlook, Teams, OneDrive, dan SharePoint. Dengan mengaktifkan aplikasi yang ada untuk memanggil API ini, Anda dapat meningkatkan pengalaman pengguna dengan data yang dipersonalisasi dari Microsoft 365.

API ini dapat diintegrasikan dalam UI solusi Anda sendiri. Data penyewa yang dikumpulkan dapat dilihat dari Graph Explorer, yang merupakan platform sumber terbuka yang dirancang untuk membantu Anda mempelajari tentang API Microsoft Graph.

Anda mungkin tertarik dengan pola ini jika Anda:

  • Memiliki aplikasi yang sudah ada yang ingin Anda tingkatkan dengan data yang dipersonalisasi.
  • Ingin memberikan respons yang dipersonalisasi kepada pengguna akhir Anda berdasarkan aktivitas Microsoft 365 mereka.
  • Memerlukan data khusus dari Microsoft 365.

Manfaat utama dari pendekatan ini meliputi:

  • Mengakses data Microsoft 365 pengguna akhir Anda untuk mempersonalisasi pengalaman mereka.
  • Menyambungkan ke data dengan cepat dan mudah, memungkinkan Anda untuk fokus pada aspek lain dari aplikasi Anda.

Mari kita periksa bagaimana satu ISV fiktif dapat menggunakan pola ini dalam aplikasi mereka.

Skenario API Microsoft Graph

Contoso telah membangun aplikasi yang memungkinkan pelanggannya mengelola operasi internal, tetapi mereka berusaha untuk meningkatkannya. Pelanggan mereka meneruskan masalah tentang tugas administratif dasar-seperti menjadwalkan rapat, waktu libur pengelogan, dan mengirim email yang membutuhkan terlalu banyak waktu.

Untuk mengatasi masalah ini, Contoso memutuskan untuk menambah aplikasi AI generatif mereka menggunakan Api Microsoft Graph, yang dapat terhubung ke data pelanggan mereka di Microsoft 365. Contoso dapat meningkatkan kemampuan asisten AI mereka dengan akses ke data pribadi yang lebih relevan yang diambil dari API. Microsoft Graph API memungkinkan solusi Contoso untuk:

  • Buat entri kalender dan email time away berdasarkan konteks dari pengguna dan permintaan waktu libur mereka.
  • Gunakan informasi dari kalender Outlook pelanggan akhir mereka untuk menyarankan potensi waktu rapat dan undangan.
  • Sarankan pengeditan nada, baris subjek, dan dokumen untuk dilampirkan ke email berdasarkan riwayat antara penerima dan pengirim.

Perubahan ini dan lebih memungkinkan aplikasi AI generatif Contoso untuk secara dramatis menyederhanakan tugas administratif pelanggan mereka. Dengan menggunakan API Microsoft Graph dalam aplikasi mereka, mereka dapat memberikan saran yang berguna dan dipersonalisasi untuk karyawan.

Asisten Azure OpenAI

Dengan menggunakan kemampuan Asisten Azure OpenAI, ISV dapat dengan cepat membuat asisten AI dan mengintegrasikannya ke dalam aplikasi yang ada. Asisten Azure OpenAI dapat menjawab pertanyaan, meminta tugas sederhana, dan bahkan disesuaikan untuk menulis dan menjalankan kode berdasarkan input pengguna.

Membuat Asisten Azure OpenAI sesederhana menulis file JSON yang menjelaskan fungsi yang Anda inginkan untuk dilakukan asisten dan memberinya lingkungan Python terkotakpasir untuk dijalankan. Ini memungkinkan asisten untuk memanggil API yang ada dan mulai merespons permintaan.

Anda mungkin tertarik dengan pola ini jika Anda:

  • Memiliki aplikasi yang ada yang akan mendapat manfaat dari asisten yang disesuaikan.
  • Ingin mengembangkan aplikasi seperti salinan dengan cepat dengan lift teknis yang lebih sedikit.
  • Perlu diintegrasikan dengan alat tambahan yang memungkinkan aplikasi Anda menyelesaikan tugas tanpa bahasa, seperti matematika.

Manfaat utama dari pendekatan ini meliputi:

  • Membuat asisten AI dengan cepat dan efisien.
  • Memberi pelanggan Anda asisten AI yang mampu menjawab pertanyaan dan permintaan yang lebih spesifik.
  • Mengaktifkan solusi Anda dengan kemampuan AI yang dapat meminta tindakan sederhana untuk menyederhanakan tugas.

Skenario asisten Azure OpenAI

Contoso memiliki aplikasi yang sudah ada untuk pelanggan ritel yang menyediakan portal karyawan untuk onboarding, manajemen inventori, pemrosesan pembayaran, dan banyak lagi. Contoso akan menggunakan Asisten Azure OpenAI untuk membuat asisten toko, memberi pelanggan panduan yang disesuaikan dengan situasi spesifik mereka.

Dengan membuat asisten AI, Contoso dapat mengintegrasikan data bisnis ke dalam aplikasi, yang memungkinkannya menjawab pertanyaan menggunakan data perusahaan. Kemampuan ini memungkinkan salinan untuk:

  • Memandu karyawan baru melalui proses penyimpanan yang khas.
  • Memprediksi kebutuhan dan persyaratan inventori berdasarkan tren sebelumnya.
  • Panduan referensi dalam dokumen pekerjaan yang diunggah, seperti kebijakan cuti.

Dengan menyertakan asisten AI dalam aplikasi mereka, solusi Contoso menjadi sumber panduan dan saran bagi karyawan, bukan hanya alat manajemen. Pelanggan mereka dapat menggunakannya untuk menjawab pertanyaan dan mengidentifikasi jalur ke depan dalam tugas sehari-hari.

Pustaka AI Teams

Jika Anda sudah memiliki chatbot Teams atau tertarik untuk membuatnya, chatbot Anda dapat ditingkatkan dengan kemampuan AI generatif. Perancah dalam pustaka Teams AI dapat mendukung bahasa percakapan untuk chatbot Anda, yang dapat diakses langsung oleh pengguna di Teams.

Aplikasi ini mengharuskan Anda memasukkan logika bisnis yang ingin Anda gunakan aplikasi saat model bahasa besar (LLM) yang disediakan Microsoft menangani aspek back-end dari chatbot. Anda bahkan dapat memodifikasi chatbot Anda untuk menggunakan LLM, plugin, dan banyak lagi.

Anda mungkin tertarik dengan pola ini jika Anda:

  • Memiliki chatbot Teams yang sudah ada yang ingin Anda pertambah dengan kemampuan bahasa alami.
  • Ingin memanfaatkan templat bawaan, opsi data terintegrasi, dan fitur keamanan bawaan.

Manfaat utama dari pendekatan ini meliputi:

  • Meningkatkan chatbot Teams Anda dengan kemampuan bahasa alami.
  • Membangun solusi AI generatif dengan opsi dukungan yang cukup.
  • Menyesuaikan chatbot Anda untuk diterapkan pada kebutuhan situasi atau industri Anda.

Skenario pustaka Teams AI

Contoso telah membuat chatbot Teams tersedia untuk pelanggan mereka selama beberapa waktu sekarang, tetapi seiring berkembangnya kemampuan AI, mereka ingin memodernisasi aplikasi mereka dengan memungkinkannya menjawab pertanyaan yang lebih spesifik dan memberikan saran yang dipersonalisasi kepada karyawan.

Dengan menggunakan pustaka AI Microsoft Teams, Contoso dapat dengan mudah menambahkan kemampuan bahasa alami ke chatbot mereka. Kemampuan AI generatif baru ini memungkinkan chatbot untuk mendukung pelanggan dengan lebih baik dengan:

  • Menyarankan langkah-langkah taktis berikutnya untuk proyek yang sedang berlangsung dan tips untuk mempersiapkan acara perusahaan yang akan datang.
  • Membuat agenda rapat, draf email, dan lainnya berdasarkan interaksi singkat antara pengguna dan chatbot.
  • Menjawab pertanyaan menggunakan respons yang disesuaikan berdasarkan konteks percakapan.

Fitur-fitur ini membantu menyederhanakan pengalaman karyawan bagi pelanggan Contoso dan memungkinkan mereka untuk mendapatkan jawaban yang lebih cerdas, lebih cepat. Memasukkan AI generatif ke dalam chatbot Teams mereka membuat penggunanya lebih efisien di tempat kerja, karena mereka dapat secara alami berkomunikasi dengan chatbot untuk menerima dukungan di tempat kerja.

Azure AI Foundry

Jika Anda ingin membuat aplikasi AI generatif yang sepenuhnya disesuaikan yang sangat fleksibel dalam hal kemampuan, Anda dapat menggunakan salah satu dari banyak opsi mutakhir dari Azure AI Foundry. Membangun solusi AI generatif dengan Azure AI Foundry memungkinkan Anda menyesuaikan solusi dengan kebutuhan spesifik Anda, termasuk memenuhi persyaratan yang sangat teknis atau ceruk.

Azure AI Foundry mencakup banyak opsi untuk membangun aplikasi AI, seperti alur perintah dan Azure AI SDK, yang keduanya memiliki model yang telah dilatih sebelumnya yang dapat Anda bangun. Layanan ini terintegrasi dengan layanan Azure lainnya dan menyediakan sumber daya untuk pengembangan aplikasi yang sedang berlangsung, seperti toolchain LLMOps.

Anda mungkin tertarik dengan pola ini jika Anda:

  • Ingin membangun aplikasi dari awal atau memodifikasi aplikasi yang sudah ada.
  • Wajibkan asisten AI Anda untuk menyelesaikan proses yang kompleks, seperti membaca dan meninjau dokumen teknis atau menganalisis tren data yang kompleks.
  • Ingin kontrol penuh atas pengembangan aplikasi untuk menyesuaikan suara, kepribadian, dan identitas merek dengan kebutuhan spesifik Anda.

Manfaat utama dari pendekatan ini meliputi:

  • Membuat salinan pesanan yang dapat menanggapi lebih banyak pertanyaan dan permintaan niche.
  • Menyesuaikan solusi Anda untuk mematuhi persyaratan keamanan atau data yang unik.

Skenario Azure AI Foundry

Contoso ingin membangun aplikasi AI generatif yang sepenuhnya disesuaikan untuk mendukung pelanggan layanan kesehatan mereka selama pembuatan dan pemrosesan klaim. Untuk mengkomersialisasikan aplikasi, mereka harus dapat memproses informasi pelanggan secara akurat, memenuhi pertimbangan keamanan khusus, dan menghasilkan konten yang akurat.

Dengan menggunakan Azure AI Foundry untuk membuat aplikasi AI generatif mereka sendiri dari awal, mereka dapat membangun aplikasi yang sepenuhnya disesuaikan dan sangat aman yang disesuaikan dengan kebutuhan pelanggan layanan kesehatan mereka. Aplikasi baru Contoso memungkinkan dokter yang bekerja untuk penangkut untuk dengan mudah mengisi formulir. Kopilot yang diciptakan mereka melalui Azure AI Foundry dapat:

  • Mendukung pembangunan formulir otorisasi bersyarat melalui permintaan percakapan berdasarkan berbagai pertanyaan khusus organisasi.
  • Mengkueri beberapa catatan pasien dan meninjau informasi dalam aplikasi Contoso.
  • Penuhi pertimbangan keamanan khusus organisasi untuk meminimalkan masalah risiko dan privasi.

Dengan mengambil informasi pasien secara akurat dan menggunakan kemampuan bahasa alami untuk membantu menghasilkan formulir, Contoso dapat mempercepat proses pembuatan klaim. Solusi mereka menghemat waktu berharga pengguna dengan menyelesaikan tugas khusus ini dengan cepat dan akurat.

Membuat aplikasi di Fabric

Meskipun banyak ISV terbiasa dengan Fabric sebagai solusi data atau analitik, ISV juga dapat berfungsi sebagai fondasi data terintegrasi yang komprehensif untuk aplikasi AI generatif. Apakah Anda ingin membangun aplikasi langsung di Fabric atau berintegrasi dengan OneLake, membangun aplikasi di Fabric memberi Anda penyesuaian dan kontrol yang tidak cocok atas solusi Anda.

Pohon tautan untuk pendekatan "bangun aplikasi di Fabric". Satu panah mengarah ke pembacaan kotak "Memungkinkan ISV untuk membaca, menulis, dan mengelola data dalam Fabric OneLake menggunakan API, pintasan, dan lainnya yang ada", yang mengarah ke Pola H: Interop dengan Fabric. Panah kedua mengarah ke pembacaan kotak "Memungkinkan ISV untuk mengembangkan produk di atas platform Fabric atau menggabungkan Fabric dengan aplikasi yang sudah ada sebelumnya", yang mengarah ke Pola I: Build on Fabric. Panah akhir mengarah ke pembacaan kotak "menyediakan ISV dengan alat untuk membuat beban kerja yang sangat dapat disesuaikan dalam ekosistem Fabric", yang mengarah ke Pola J: Membangun beban kerja Fabric.

Pohon tautan untuk membangun aplikasi pada pendekatan Fabric

Interop dengan Fabric

Mengintegrasikan aplikasi Anda yang ada dengan Fabric menyediakan opsi tanpa akhir untuk menyederhanakan backend data solusi Anda. Dengan beroperasi dengan Fabric, Anda dapat menyatukan banyak sumber data yang berbeda pada satu platform menggunakan berbagai alat dan API.

Fabric menawarkan API OneLake dan REAL-Time Intelligence API yang dirancang untuk mengakses dan memproses data Anda dengan cepat. Anda juga dapat menggunakan Data Factory untuk menyatukan data Anda di seluruh lingkungan melalui pintasan dan mengelola tugas pemrosesan data yang kompleks dari hingga 200 sumber eksternal. Bahkan jika data Anda tidak ada di Azure, Anda dapat membuat pintasan untuk membawa data Anda ke OneLake.

Anda mungkin tertarik dengan pola ini jika Anda:

  • Memiliki aplikasi yang ada yang memerlukan pemrosesan data yang ditingkatkan.
  • Menggambar data Anda dari berbagai sumber dan lingkungan.
  • Ingin membaca dan mengelola data aplikasi Anda dalam OneLake atau Data Factory.

Manfaat utama dari pendekatan ini meliputi:

  • Meningkatkan kemampuan data untuk aplikasi yang ada melalui peningkatan kemampuan pemrosesan, penyimpanan, dan analitik.
  • Mengintegrasikan data dari beberapa penyewa dan lingkungan ke dalam satu platform.

Interop dengan skenario Fabric

Aplikasi SaaS yang telah dikembangkan Contoso untuk pelanggan ritel mereka membutuhkan kemampuan data yang lebih besar untuk mengelola data dari beberapa penyewa. Pelanggan akhir Contoso memerlukan visibilitas yang lebih besar ke dalam data mereka dan meminta informasi lebih lanjut tentang tren dan pola dalam data mereka. Namun, pelanggan mereka menggunakan berbagai platform untuk manajemen inventori, staf, manajemen web, dan banyak lagi yang perlu diakses Contoso untuk membentuk tampilan lengkap data.

Untuk mengatasi masalah ini, Contoso menghubungkan aplikasi mereka yang ada ke Fabric. Ini memungkinkan mereka untuk memiliki manajemen data yang lebih baik pada tingkat administratif, serta wawasan dan visibilitas data yang lebih baik untuk penyewa. Aplikasi mereka dapat:

  • Gunakan berbagi data dan pintasan multicloud untuk mengumpulkan informasi dari penyewa yang berbeda di OneLake.
  • Akses data organisasi segera melalui API Inteligensi Real Time.
  • Tangani jumlah data yang terkait dengan solusi skala besar.
  • Potret informasi tentang data pelanggan kepada mereka melalui dasbor interaktif yang dibuat Contoso dalam aplikasi mereka.

Sekarang setelah Contoso dapat mengakses data dari pelanggan mereka dengan lebih mudah, mereka dapat memodifikasi solusi mereka untuk memberikan informasi tersebut kepada pelanggan akhir mereka. Pelanggan akhir mereka dapat dengan mudah dan akurat menafsirkan data mereka dan menggunakannya untuk membuat pilihan untuk bisnis mereka.

Bangun di Fabric

Selain menyambungkan ke Fabric sebagai platform data untuk aplikasi Anda, Anda juga dapat membangun Fabric untuk menyematkan fungsionalitas Fabric langsung ke aplikasi Anda. Pengembang dapat menggunakan berbagai REST API untuk membangun kemampuan Fabric ke dalam aplikasi mereka untuk mendukung lebih banyak alur kerja teknis dengan kemampuan AI generatif.

API yang berbeda dapat diintegrasikan dalam aplikasi Anda untuk mengaktifkannya dengan fungsi yang berbeda. Misalnya, menyematkan Warehouse API dalam aplikasi Anda menyediakannya dengan opsi Gudang Data yang tersedia dalam Fabric. Mengembangkan aplikasi Anda langsung di atas Fabric memungkinkan Anda untuk dengan mulus menggunakan dan memanipulasi fungsi Fabric ini dalam antarmuka aplikasi Anda sendiri.

Anda mungkin tertarik dengan pola ini jika Anda:

  • Sedang membangun aplikasi yang akan digunakan oleh ilmuwan data atau pengguna lain dengan kebutuhan manajemen data yang lebih komprehensif.
  • Ingin menggabungkan opsi penyimpanan dan pemrosesan data yang komprehensif di aplikasi Anda.
  • Ingin membangun aplikasi dari awal atau memodifikasi aplikasi yang sudah ada.

Manfaat utama dari pendekatan ini meliputi:

  • Mengintegrasikan kemampuan data Fabric langsung ke dalam solusi Anda.
  • Mengelola dan memanipulasi data dalam aplikasi Anda sendiri.
  • Membuat aplikasi Anda dengan penyesuaian dan kontrol penuh.

Membangun skenario Fabric

Pelanggan Contoso telah mengekspresikan kebutuhan akan kemampuan data yang lebih kompleks. Antara melacak tren penjualan, jadwal karyawan, inventarisasi untuk toko digital dan langsung, dan banyak lagi di beberapa penyewa, mereka memerlukan lebih banyak dukungan pemrosesan data dalam aplikasi baru mereka.

Untuk mengelola data pelanggan dengan lebih efektif, Contoso mengembangkan aplikasi baru yang dibangun di atas Fabric. Aplikasi ini memungkinkan pengguna untuk berinteraksi langsung dengan data mereka dan berinteraksi dengannya di aplikasi Contoso. Dengan memanfaatkan kemampuan pemrosesan data Fabric, aplikasi mereka dapat:

  • Sambungkan ke OneLake, Power BI, dan lainnya langsung dalam aplikasi, yang dapat muncul melalui dasbor yang disesuaikan yang dibangun oleh Contoso.
  • Memberikan wawasan data tentang profitabilitas dari kategori seperti toko online atau langsung, lokasi toko yang berbeda, dan berdasarkan merek dan kategori produk.
  • Gunakan AI untuk menganalisis data ini dan memberikan wawasan dan saran kepada pelanggan, seperti menyarankan perubahan harga untuk produk, memprediksi potensi gangguan, dan mengidentifikasi outlier dalam aliran pendapatan.
  • Berikan pelanggan Contoso akses langsung ke data Fabric mereka dalam platform Contoso.

Dengan menyematkan kemampuan Fabric dalam aplikasi mereka, mereka dapat mengelola dan memanipulasi data langsung dalam solusi mereka. AI yang telah mereka bangun di atas solusi mereka dapat mengakses data ini dan memberikan wawasan bisnis yang dipersonalisasi untuk pelanggan Contoso.

Membangun beban kerja Fabric

Selain membangun dengan tujuh beban kerja asli Fabric, ISV dapat memperluas kemampuan Fabric dengan membuat beban kerja yang disesuaikan sendiri dan menawarkannya sebagai solusi terpisah. Beban kerja ini dapat dibangun dari awal untuk memberikan sejumlah besar kemampuan manajemen data, baik itu menciptakan tampilan yang lebih holistik dari data pelanggan Anda atau mengambil tindakan berdasarkan tren dan prediksi data.

ISV dapat menggunakan Kit Pengembangan Beban Kerja Microsoft Fabric untuk membuat beban kerja mereka sendiri dan menerbitkannya sebagai penawaran SaaS untuk pengguna Fabric lain di Marketplace Azure. Pola ini mudah dimonetisasi pada Marketplace Azure dan menggunakan Fabric UX saat berinteraksi dengan pelanggan, yang membuat Anda bebas untuk fokus pada pengembangan beban kerja Anda.

Anda mungkin tertarik dengan pola ini jika Anda:

  • Ingin membuat alat yang tersedia untuk pengguna akhir di Fabric, seperti pengembang lain atau ilmuwan data.
  • Lihat kebutuhan data atau persyaratan yang ingin Anda atasi dengan Fabric.
  • Ingin memanfaatkan dukungan Microsoft seperti UX yang ada dan publikasi sederhana di Marketplace Azure.

Manfaat utama dari pendekatan ini meliputi:

  • Menerbitkan aplikasi Anda di Marketplace Azure, di mana aplikasi dapat dengan mudah diakses dan dibeli oleh pengguna akhir teknis di Fabric.
  • Membuat solusi yang sangat dapat disesuaikan secara langsung disesuaikan dengan persyaratan data pelanggan Anda.

Membangun skenario beban kerja Fabric

Contoso ingin menciptakan solusi yang dapat digunakan oleh pelanggan ritel mereka untuk melacak rantai pasokan dan manajemen inventarisasi di toko digital dan langsung untuk beberapa penyewa. Mereka ingin aplikasi mereka mudah diakses oleh pengguna akhir teknis sehingga mereka dapat mengejar lebih banyak penggunaan untuk aplikasi berbasis data mereka.

Dengan menggunakan Kit Pengembangan Beban Kerja Microsoft Fabric, Contoso dapat mengembangkan beban kerja yang dapat diakses pelanggan mereka langsung dari Fabric dalam UX yang mereka kenal. Mereka dapat memonetisasinya sebagai aplikasi SaaS di Marketplace Azure, di mana aplikasi ini mudah diakses oleh pengguna akhir Contoso di platform Fabric. Beban kerja Fabric mereka dapat:

  • Optimalkan inventarisasi dengan memberikan wawasan tentang area yang membutuhkan permintaan tambahan dan menggunakan kemampuan AI untuk menyarankan jalur ke depan.
  • Memperkirakan permintaan di masa mendatang melalui kemampuan pembelajaran mesin yang menganalisis tren sebelumnya.
  • Simulasikan kemungkinan skenario yang dapat memengaruhi rantai pasokan, seperti mengubah pemasok.

Dengan menawarkan solusi mereka sebagai beban kerja Fabric, Contoso dapat membantu ilmuwan data dan profesional teknis lainnya mengoptimalkan rantai pasokan. Pelanggan Contoso mendapatkan visibilitas yang lebih besar ke dalam bisnis mereka, melalui analisis cermat AI tentang data masa lalu dan prediksi tren di masa depan.

Kesimpulan

Dengan mempelajari tentang setiap pola dan kemampuannya, Anda sekarang harus dilengkapi untuk memutuskan cara membangun solusi AI generatif Anda. Setelah meneliti pendekatan yang Anda pilih dan mengonfirmasi bahwa itu ada dalam kemampuan Anda, Anda dapat mulai mengembangkan aplikasi Anda.

Jelajahi sumber daya di bawah ini untuk mempelajari lebih lanjut tentang pola yang Anda pilih serta langkah berikutnya lainnya untuk membangun pengalaman AI generatif Anda.

Buat salinan Anda sendiri

Tautan ke informasi lebih lanjut untuk setiap membangun pola salinan Anda sendiri:

Informasi selengkapnya tentang membangun aplikasi di Fabric

Tautan ke informasi selengkapnya tentang membangun aplikasi di Fabric:

Informasi selengkapnya tentang pola AI generatif dan manfaatnya: Menciptakan Pengalaman AI Generatif dengan Microsoft Cloud - Panduan untuk ISV | Microsoft Learn

Panduan UX untuk ISV yang merancang pengalaman AI generatif: Langkah selanjutnya untuk merancang pengalaman pengguna AI generatif Anda.

  • Last updated on