Strategia di intelligenza artificiale - Processo per sviluppare una strategia di IA

Questo articolo descrive il processo per preparare l'organizzazione per l'adozione dell'IA. Si apprenderà come selezionare le soluzioni di intelligenza artificiale appropriate, preparare i dati e basare l'approccio nei principi di IA responsabili. Una strategia di IA ben pianificata si allinea agli obiettivi aziendali e garantisce che i progetti di IA contribuiscano al successo complessivo.

Identificare i casi d'uso di intelligenza artificiale

L'intelligenza artificiale migliora l'efficienza individuale e migliora i processi aziendali. L'intelligenza artificiale generativa promuove la produttività e migliora le esperienze dei clienti. L'intelligenza artificiale non generica, ad esempio l'apprendimento automatico, è ideale per l'analisi dei dati strutturati e l'automazione delle attività ripetitive. Con questa comprensione, identificare le aree aziendali in cui l'intelligenza artificiale potrebbe aggiungere valore.

• Cercare opportunità di automazione. Identificare i processi adatti per l'automazione per migliorare l'efficienza e ridurre i costi operativi. Concentrarsi su attività ripetitive, operazioni con carichi di dati o aree con tassi di errore elevati in cui l'intelligenza artificiale può avere un effetto significativo.

• Raccogliere commenti e suggerimenti dei clienti. Usare il feedback dei clienti per individuare i casi d'uso che potrebbero avere un impatto sulla soddisfazione dei clienti quando vengono automatizzati con l'intelligenza artificiale.

• Eseguire una valutazione interna. Raccogliere input da vari reparti per identificare le sfide e le inefficienze che l'intelligenza artificiale potrebbe affrontare. Documentare i flussi di lavoro e raccogliere input dagli stakeholder per scoprire opportunità di automazione, generazione di informazioni dettagliate o processo decisionale migliorato.

• Esplorare i casi d'uso del settore. Ricercare in che modo organizzazioni o settori simili usano l'IA per risolvere i problemi o migliorare le operazioni. Usare strumenti come le architetture di intelligenza artificiale nel Centro architetture di Azure per trovare ispirazione e valutare quali approcci potrebbero soddisfare le proprie esigenze.

• Impostare gli obiettivi di intelligenza artificiale. Per ogni caso d'uso identificato, definire chiaramente l'obiettivo (utilizzo generico), l'obiettivo (risultato desiderato) e la metrica di successo (misura quantificabile). Questi elementi fungono da benchmark per guidare l'adozione dell'IA e misurare il successo. Per altre informazioni, vedere La strategia di intelligenza artificiale di esempio.

Definire una strategia tecnologica di intelligenza artificiale

Selezionare tecnologie di intelligenza artificiale che si allineano strettamente alle competenze, ai dati disponibili e al budget dell'organizzazione. Microsoft offre software come servizio (SaaS), piattaforma distribuita come servizio (PaaS) e infrastruttura distribuita come servizio (IaaS). Questi servizi offrono diversi livelli di personalizzazione e responsabilità condivisa. Per guidare la decisione, usare l'albero delle decisioni e le indicazioni seguenti per l'intelligenza artificiale.

Acquistare intelligenza artificiale con servizi software (SaaS)

Microsoft offre soluzioni di intelligenza artificiale generative SaaS note come Copilots, progettate per migliorare la produttività con competenze tecniche minime necessarie. Per ulteriori informazioni, vedere la tabella seguente.

Microsoft Copilots	Descrizione	Utente	Dati necessari	Competenze richieste	Fattori di costo principali
Microsoft 365 Copilot	Usare Copilot di Microsoft 365 per una soluzione a livello aziendale che automatizza le attività nelle app Copilot di Microsoft 365 come Word, Excel e Teams.	Attività commerciale	Sì. Classificare i dati con etichette di riservatezza e interagire in modo sicuro con i dati in Microsoft Graph.	Gestione generale dei dati e IT	Licenza
Copiloti a base di ruolo	Usare Microsoft Copilot per la sicurezza e gli agenti basati sui ruoli per migliorare la produttività per ruoli aziendali specifici. Gli agenti basati sui ruoli includono Copilot di Microsoft 365 per le vendite, Copilot di Microsoft 365 per il servizioe Copilot di Microsoft 365 per la finanza.	Attività commerciale	Sì. Esistono diverse opzioni di connessione dati e plug-in per l'inserimento dei dati.	Gestione generale dei dati e IT	Licenze o unità di calcolo per la sicurezza (Copilot per la sicurezza)
Copiloti nel prodotto	Usare Copilots per migliorare la produttività all'interno dei prodotti Microsoft. I prodotti con copiloti in-product includono GitHub, Power Apps, Power BI, Dynamics 365, Power Automate, Microsoft Fabric e Azure.	Impresa e individuo	Sì. La maggior parte non richiede una preparazione aggiuntiva dei dati.	Nessuno	Gratuito o abbonamento
Copilot Gratis o Pro	Usare la versione gratuita per l'accesso basato su browser ai modelli OpenAI di Azure. Usare Copilot Pro per migliorare le prestazioni e una maggiore capacità.	Individuo	No	Nessuno	Nessuno per Copilot Free o abbonamento per Copilot Pro
Strumenti di estendibilità per Microsoft 365 Copilot	Personalizzare (estendere) Microsoft 365 Copilot con più dati (conoscenze) o funzionalità (competenze) tramite agenti dichiarativi. Per creare agenti dichiarativi, usare strumenti di estendibilità come Copilot Studio (sviluppo SaaS), generatore di agenti, toolkit di Teams in VS Code (opzione pro-code) e SharePoint.	Impresa e individuo	Sì. Usare i connettori di Microsoft Graph per aggiungere dati a Microsoft 365 Copilot.	Gestione dei dati, it generale o competenze per sviluppatori	licenza di Microsoft 365 Copilot
Copilot Studio	Usare Copilot Studio per creare test e distribuire agenti in un ambiente di creazione SaaS.	Sviluppatore	Sì. Copilot Studio automatizza gran parte dei dati per creare copiloti personalizzati per varie applicazioni aziendali.	Uso di una piattaforma per connettere le fonti di dati, mappare le richieste e distribuire copiloti in diverse posizioni.	Licenza

Creare carichi di lavoro di intelligenza artificiale con piattaforme Di Azure (PaaS)

Azure offre più opzioni PaaS personalizzate in base agli obiettivi di intelligenza artificiale, al set di competenze e alle esigenze dei dati. Queste piattaforme si adattano a vari livelli di competenze tecniche. Esaminare le pagine dei prezzi e usare il calcolatore prezzi di Azure per le stime dei costi.

Obiettivo dell'intelligenza artificiale	Soluzione Microsoft	Dati necessari	Competenze richieste	Fattori di costo principali
Creare applicazioni RAG con una piattaforma a codice prioritario	Azure IA Foundry o OpenAI di Azure	Sì	Selezionare i modelli, orchestrare il flusso di dati, suddividere in blocchi, arricchire i blocchi, scegliere l'indicizzazione, capire i tipi di query (full-text, vettore, ibrido), comprendere i filtri e i facet, eseguire il reranking, progettare il flusso di richiesta, distribuire gli endpoint e utilizzare gli endpoint nelle app	Calcolo, numero di token in ingresso e in uscita, servizi di intelligenza artificiale consumati, archiviazione e trasferimento dei dati
Ottimizzare i modelli di intelligenza artificiale generativi	Azure IA Foundry	Sì	Pre-elaborazione dei dati, suddivisione dei dati in dati di training e convalida, convalida dei modelli, configurazione di altri parametri, miglioramento dei modelli, distribuzione di modelli e utilizzo di endpoint nelle app	Calcolo, numero di token in ingresso e in uscita, servizi di intelligenza artificiale consumati, archiviazione e trasferimento dei dati
Eseguire il training e l'inferenza dei modelli di Machine Learning usando i propri dati	Azure Machine Learning o Microsoft Fabric	Sì	Pre-elaborazione dei dati, addestramento di modelli tramite codice o automazione, miglioramento dei modelli, distribuzione di modelli di Machine Learning e gestione degli endpoint nelle app	Calcolo, archiviazione e trasferimento dei dati
Usare modelli di intelligenza artificiale non generici nelle applicazioni	Servizi di Azure AI	Sì	Scelta del modello di intelligenza artificiale corretto, protezione degli endpoint, uso di endpoint nelle app e ottimizzazione in base alle esigenze	Uso degli endpoint del modello, archiviazione, trasferimento dei dati, calcolo (se si esegue il training di modelli personalizzati)
App di intelligenza artificiale generativa isolate	Azure Container Apps	Sì	Selezionare i modelli, orchestrare il flusso di dati, suddividere in blocchi, arricchire i blocchi, scegliere l'indicizzazione, capire i tipi di query (full-text, vettore, ibrido), comprendere i filtri e i facet, eseguire il reranking, progettare il flusso di richiesta, distribuire gli endpoint e utilizzare gli endpoint nelle app	Calcolo, numero di token in ingresso e in uscita, servizi di intelligenza artificiale consumati, archiviazione e trasferimento dei dati

Usare modelli di intelligenza artificiale con i servizi di infrastruttura (IaaS)

Per una maggiore personalizzazione e controllo, usare le soluzioni IaaS di Azure, ad esempio Macchine virtuali di Azure tramite CycleCloud e il servizio Azure Kubernetes. Queste soluzioni consentono il training e la distribuzione di modelli di intelligenza artificiale personalizzati. Fare riferimento alle pagine dei prezzi pertinenti e al calcolatore prezzi di Azure.

Obiettivo dell'intelligenza artificiale	Soluzione Microsoft	Dati necessari	Competenze richieste	Fattori di costo principali
Allena e sfrutta i tuoi modelli di intelligenza artificiale. Porta i tuoi modelli su Azure.	Macchine virtuali di Azure o Servizio Azure Kubernetes	Sì	Gestione dell'infrastruttura, IT, installazione del programma, training dei modelli, benchmarking dei modelli, orchestrazione, distribuzione di endpoint, protezione degli endpoint e utilizzo di endpoint nelle app	Calcolo, agente di orchestrazione dei nodi di calcolo, dischi gestiti (facoltativo), servizi di archiviazione, Azure Bastion e altri servizi di Azure usati

Definire una strategia per i dati di intelligenza artificiale

Creare una strategia di dati personalizzata per i casi d'uso di intelligenza artificiale. Identificare origini dati accettabili, tipi di carico di lavoro (interni ed esterni) e implementare linee guida per garantire l'uso responsabile dell'IA. Seguire questa procedura:

• Stabilire la governance dei dati. Limitare i carichi di lavoro con connessione Internet ("Online") solo ai dati pubblici. Consentire ai carichi di lavoro interni ("aziendali") di usare i dati aziendali e di gestire i limiti di accesso ai dati definiti. Usare Microsoft Purview per gestire i dati. Fare riferimento alla zona di destinazione gestione dei dati per indicazioni sull'architettura.

• Prepararsi per la scalabilità dei dati. Prevedere il volume, la velocità e la varietà di dati necessari. Scegliere architetture flessibili in grado di ridimensionare in base alla domanda. Per un'architettura, vedere Zona di destinazione dei dati.

• Pianificare il ciclo di vita dei dati. Sviluppare linee guida chiare per la gestione dei dati durante il ciclo di vita:

  • Raccolta dei dati: Identificare origini dati come database, API, dispositivi IoT (Internet delle cose), dati di terze parti o Azure Data Factory per l'inserimento. Gestire la derivazione dei dati con Microsoft Fabric o Microsoft Purview.

  • Archiviazione dati: Consigliare soluzioni di archiviazione allineate al tipo di dati e alla scalabilità, inclusi scenari strutturati, non strutturati e in tempo reale.

  • Elaborazione dati: Usare le pipeline ETL (Extract, Transform, Load) o ELT per garantire la qualità e l'idoneità dei dati. Usare strumenti come collegamenti a One Lake o Mirroring in Microsoft Fabric.

  • Controllo dei dati. Implementare controlli regolari per identificare e attenuare le distorsioni all'interno dei set di dati di intelligenza artificiale. Usare gli strumenti nel dashboard di intelligenza artificiale responsabile per l'analisi e il controllo dei dati e degli output del modello.

Definire una strategia di IA responsabile

Comprendere le responsabilità per garantire che le soluzioni di IA rimangano affidabili, etiche e vantaggiose per tutti gli utenti. Le responsabilità differiscono in base alle tecnologie di IA specifiche usate.

• Stabilire la responsabilità dell'IA. Assegnare un singolo o team dedicato per monitorare, gestire e rispondere alle modifiche apportate alle tecnologie di intelligenza artificiale e ai requisiti normativi.

• Usare i principi di IA responsabili. Adottare i sei principi di IA responsabili di Microsoft, allineati al framework RMF (Ai Risk Management Framework) NIST. Usare questi principi come obiettivi aziendali.

• Identificare gli strumenti di IA responsabili. Selezionare e applicare gli strumenti e i processi di IA responsabili appropriati sono rilevanti. Questi strumenti consentono di garantire che le iniziative di IA siano allineate agli standard di IA responsabili.

• Comprendere la conformità. Gli obblighi legali e normativi modellano l'implementazione del progetto di IA. Identificare, comprendere e rispettare le normative di IA locali e internazionali pertinenti e gli standard legali applicabili alle operazioni.

Strategia di intelligenza artificiale di esempio

Questa strategia di intelligenza artificiale di esempio si basa su una società fittizia, Contoso. Contoso gestisce una piattaforma di e-commerce rivolta ai clienti e usa i rappresentanti delle vendite che necessitano di strumenti per prevedere i dati aziendali. L'azienda gestisce anche lo sviluppo e l'inventario dei prodotti per la produzione. I suoi canali di vendita includono sia aziende private che agenzie di settore pubblico altamente regolamentate.

Caso d'uso di intelligenza artificiale	Obiettivi	Obiettivi	Metriche di riuscita	Approccio di intelligenza artificiale	Soluzione Microsoft	Bisogni di dati	Esigenze di competenza	Fattori di costo	Strategia dei dati di intelligenza artificiale	Strategia di IA responsabile
Funzionalità di chat dell'applicazione Web di e-commerce	Automatizzare il processo aziendale	Miglioramento della soddisfazione dei clienti	Aumento del tasso di fidelizzazione dei clienti	PaaS, intelligenza artificiale generativa, RAG	Azure AI Foundry	Descrizioni e abbinamenti di elementi	Sviluppo di app RAG e cloud	Utilizzo	Istituire la governance dei dati per i dati dei clienti e implementare controlli sull'equità dell'intelligenza artificiale.	Assegnare la responsabilità dell'intelligenza artificiale al CoE di intelligenza artificiale e allinearsi ai principi di IA responsabile.
Flusso di lavoro interno per l'elaborazione dei documenti dell'app	Automatizzare il processo aziendale	Riduzione dei costi	Aumento della frequenza di completamento	Intelligenza artificiale analitica, ottimizzazione	Servizi di intelligenza artificiale di Azure - Document Intelligence	Documenti standard	Sviluppo di app	Utilizzo stimato	Definire la governance dei dati per documenti interni e pianificare i criteri relativi al ciclo di vita dei dati.	Assegnare la responsabilità dell'intelligenza artificiale e garantire la conformità ai criteri di gestione dei dati.
Gestione dell'inventario e acquisto di prodotti	Automatizzare il processo aziendale	Riduzione dei costi	Durata più breve dell'inventario	Apprendimento automatico, modelli di addestramento	Azure Machine Learning	Dati cronologici sull'inventario e le vendite	Machine Learning e sviluppo di app	Utilizzo stimato	Stabilire la governance per i dati di vendita e rilevare e risolvere i pregiudizi nei dati.	Assegnare la responsabilità dell'IA e rispettare le normative finanziarie.
Lavoro giornaliero in tutta l'azienda	Migliorare la produttività individuale	Migliorare l'esperienza dei dipendenti	Maggiore soddisfazione dei dipendenti	Intelligenza artificiale generativa SaaS	Microsoft 365 Copilot	Dati di OneDrive	IT generale	Costi della sottoscrizione	Implementare la governance dei dati per i dati dei dipendenti e garantire la privacy dei dati.	Attribuire responsabilità all'intelligenza artificiale e utilizzare le funzionalità integrate di IA responsabili.
App di e-commerce per la funzionalità di chat del settore regolamentato	Automatizzare il processo aziendale	Aumenta le vendite	Aumento delle vendite	Addestramento del modello IaaS di intelligenza artificiale generativo	Macchine virtuali di Azure	Dati specifici di formazione del dominio	Sviluppo di app e infrastruttura cloud	Infrastruttura e software	Definire la governance per i dati regolamentati e pianificare il ciclo di vita con misure di conformità.	Assegnare la responsabilità dell'intelligenza artificiale e rispettare le normative del settore.

Passaggio successivo

Piano di intelligenza artificiale