AI 에이전트의 주요 비용 동인 이해
중급
개발자
Microsoft Foundry
Foundry Tools
Azure OpenAI Service
Microsoft Copilot
Microsoft Foundry 및 미리 학습된 모델을 사용하여 에이전트 AI 에이전트를 빌드할 수 있습니다. 이 시나리오에서는 컴퓨팅 및 네트워킹과 같은 비용을 고려할 필요가 없는 인프라 비용이 모두 포함됩니다. 이 모듈에서는 특히 AI 모델을 사용하는 경우 사용자 지정 AI 에이전트의 비용 동인을 고려하는 더 복잡한 시나리오를 살펴봅니다.
학습 목표
Microsoft Foundry 및 미리 학습된 모델을 사용하여 에이전트 AI 에이전트를 빌드할 수 있습니다. 이 시나리오에서는 컴퓨팅 및 네트워킹과 같은 비용을 고려할 필요가 없는 인프라 비용이 모두 포함됩니다. 이 모듈에서는 특히 AI 모델을 사용하는 경우 사용자 지정 AI 에이전트의 비용 동인을 고려하는 더 복잡한 시나리오를 살펴봅니다. AI 에이전트를 개발하고 배포하면 비즈니스를 위한 혁신적인 기능을 활용할 수 있지만 신중한 계획과 예산이 필요합니다. 이 모듈에서는 인프라 및 통합에서 데이터 품질 및 팀 전문 지식에 이르기까지 사용자 지정 AI 에이전트를 빌드하는 데 관련된 주요 비용 요소를 살펴봅니다. 이 모듈에서 비즈니스 리더는 이러한 비용을 효과적으로 관리하고 개발을 간소화하고 오버헤드를 줄이며 장기적인 성공을 보장할 수 있는 Microsoft 솔루션을 검색하는 방법에 대한 인사이트를 얻습니다. 이 모듈의 내용에 더해 중복 인프라 및 보안 비용을 추가하는 복원력도 고려해야 합니다.
이 모듈에서는 다음 방법에 대해 알아봅니다.
- AI 에이전트 인프라 비용.
- AI 에이전트 개발 및 통합 비용.
- AI 에이전트 데이터 품질 및 데이터 준비 비용.
- AI 에이전트 팀 전문 지식 및 리소스 할당의 주요 비용 동인입니다.
- AI 에이전트의 지속적인 비용.
사전 요구 사항
- "AI 및 LLM(대규모 언어 모델)에 대한 기본적인 이해"
- "클라우드 플랫폼 및 소프트웨어 수명 주기 개념에 대한 숙지"