Kom i gang med kunstig intelligens i Dynamics 365

2025-01-09

Microsoft Copilot og relaterte KI-funksjoner er spennende, og de åpner opp en helt ny verden med muligheter. Når det finnes en Copilot for omtrent hvert eneste Microsoft-produkt, inkludert Dynamics 365-apper, og informasjon om hvordan du skaffer deg og bruker KI-funksjoner i virksomheten er fordelt i ulike dokumentasjonsbiblioteker, kan det være vanskelig å vite hvor du skal starte.

I denne artikkelen oppklarer vi enkelte aspekter ved Copilot som mange synes er forvirrende. Vi tilbyr også koblinger til ressurser som du kan se nærmere på hvis du vil ha mer informasjon.

Viktig

Denne artikkelen blir endret over tid. Gi oss beskjed hvis du mener noe mangler eller ser noe som er endret. Det er enda bedre om du vil bidra til artikkelen. Finn ut mer i Bidra til Dynamics 365-dokumentasjon.

Kunstig intelligens er nytt for meg. Hvor skal jeg starte?

Start med en videooversikt på høyere nivå over hvordan Copilot fungerer i Dynamics 365 og Power Platform. Du lærer hvordan Copilot holder forretningsdataene sikre og fungerer i tråd med personvernkrav, og hvordan den bruker generativ kunstig intelligens på en ansvarlig måte.

Hvordan bruker Dynamics 365-appene kunstig intelligens?

KI-funksjoner i Dynamics 365 bruker utelukkende Microsoft Azure-tjenester. Vi velger Azure-skyen fordi Azure-tjenester er bygd etter Microsofts standarder for ansvarlig kunstig intelligens og med kontrollene for bedriftssikkerhet, personvern og samsvar som kundene forventer.

Hvordan er generativ kunstig intelligens knyttet til det som Microsoft tilbyr i Azure?

Generativ kunstig intelligens er en type kunstig intelligens som kan opprette nytt innhold eller nye data basert på inndata eller spørringer du gir den. Generativ kunstig intelligens kan for eksempel skrive tekst, generere bilder, lage musikk eller syntetisere tale. Microsoft tilbyr en rekke KI-modeller og -tjenester i Azure, for eksempel Azure Cognitive Services, Azure Machine Learning og Azure OpenAI-tjenesten. Azure OpenAI Service er en variant av generativ kunstig intelligens der du kan bruke OpenAI-modeller, for eksempel GPT-4 og DALL-E, i ulike oppgaver og scenarioer. Dynamics 365-apper bruker Azure OpenAI-tjenesten til å gi forretningsbrukere generative KI-funksjoner til hjelp i arbeidet. Partnerne våre kan også integrere Azure OpenAI-tjenesten i løsningene sine.

Finn ut mer i blogginnlegget på Innover raskere med generativ kunstig intelligens i Azure OpenAI-tjenesten.

Hvordan kan generativ kunstig intelligens hjelpe virksomheter?

Begrepet generativ kunstig intelligens høres interessant ut, men hvordan kan virksomheter bruke den til å bli mer fremgangsrike? Her er et blogginnlegg med noen interessante eksempler som kan være til inspirasjon: Azure OpenAI-tjenesten: ti måter generativ kunstig intelligens transformerer virksomheter på.

Du kan også få et raskt overblikk over generative KI-funksjoner i Dynamics 365-apper på Microsoft Copilot i Dynamics 365.

Tips!

De neste to delene er beregnet på organisasjoner som selv ønsker å tilby generativ kunstig intelligens, det vil si ikke de som ønsker å bruke generative KI-funksjoner som er innebygd i Dynamics 365-apper. Hvis du er en forretningsbruker, kan du gå til en av de andre delene. Bruk koblingene i delen I denne artikkel øverst til å finne ønsket emne.

Hvordan får jeg tilgang til Azure OpenAI-tjenesten slik at jeg kan velge og distribuere modeller for kunstig intelligens?

For å kunne få tilgang til Azure OpenAI-tjenesten må du ha et Azure-abonnement og en Azure OpenAI-tjenestekonto. Du kan registrere deg for begge i Azure Portal. Kontoen gjør at du kan opprette en Azure OpenAI-tjenesteressurs og få en API-nøkkel du kan bruke til å få tilgang til Azure OpenAI-tjenestemodellene. Du kan velge mellom ulike modeller for ulike domener og formål. Eksempler: tekstgenerering, tekstanalyse, bildegenerering, bildeanalyse og samtalebasert kunstig intelligens.

Du kan tilpasse, lære opp og distribuere modeller ved å bruke dine egne data og parametere. Du kan imidlertid vanligvis hoppe over denne kostbare og tidkrevende prosessen. Azure OpenAI-tjenestemodellen er allerede lært opp på enorme datamengder.

Tabellen nedenfor gir en oversikt over oppgaver og ressurser.

Hva	Hvor	Finn ut mer
Skaff deg et Azure-abonnement. Registrer deg for en betalt plan, eller start i dag.	azure.microsoft.com
Be om tilgang til Azure OpenAI-tjenesten for abonnementet ditt. Du må for øyeblikket søke om tilgang til denne tjenesten.	https://aka.ms/OAIapply	Hva er Azure OpenAI Service?
Få tillatelser på kontoen din til å opprette Azure OpenAI-ressurser og distribuere modeller.	Azure Portal	Rollebasert tilgangskontroll for Azure OpenAI Service
Opprett Azure OpenAI-tjenesteressurser, og distribuer en modell.	Azure Portal og Azure AI Studio	Opprett og rull ut en Azure OpenAI Service-ressurs

Etter at du har fullført dette trinnet, kan du begynne å utvikle Copilot-funksjonen, som trenger følgende informasjon om ressursen og den distribuerte modellen:

Hva	Hvor du finner dette
API-nøkkelen og endepunktet (nettadresse) for Azure OpenAI	Siden for nøkler og endepunkt for ressursen i Azure Portal.
Distribusjonsnavn for modellen	Siden Utrullinger i Azure AI Studio.

Hvor mye koster dette, og finnes det verktøy for å forutsi og måle kostnader?

Kostnadene ved å bruke Azure OpenAI-tjenesten avhenger av typen og mengden ressurser du bruker, som igjen avhenger av modellen. Du kan bruke Azure-priskalkulator til å anslå kostnadene ved å bruke Azure OpenAI-tjenesten basert på forventet bruk og konfigurasjon.

Siden KI-funksjonene dine er knyttet til Azure OpenAI-tjenestenøkkelen, er du ansvarlig for driftskostnadene for Azure OpenAI-ressursene gjennom utvikling og testing. Du forblir ansvarlig når kundene dine bruker funksjonen i produksjons- eller sandkassemiljøer. En KI-funksjon som for eksempel leverer en håndfull forslag til forretningseiere hver måned, bruker sannsynligvis færre ressurser og koster mindre. En KI-funksjon som derimot genererer et tosiders prosjektsammendrag for hver ansatt hver dag, bruker sannsynligvis flere ressurser og koster mer.

Du kan eventuelt bruke verktøyene for kostnadsstyring og fakturering fra Microsoft til å overvåke og styre utgiftene for Azure OpenAI-tjenesten. Du kan angi budsjetter, varsler og policyer for å spore og optimalisere kostnadene. Du kan også vise og laste ned detaljerte rapporter og fakturaer som viser bruken og kostnadene.

Finn ut mer om hvor mye Azure OpenAI-tjenesten koster, og hvilke verktøy du kan bruke til å forutsi/måle kostnadene, på Azure OpenAI-tjenestepriser.

Er det fordeler og ulemper ved å bruke de populære modellene?

De populære modellene som er tilgjengelige i Azure OpenAI-tjenesten i dag, er GPT-4 og DALL-E. GPT-4 er en språkmodell i stor skala som kan generere naturlig og sammenhengende tekst for ulike oppgaver og domener, for eksempel oppsummering, oversettelse, svar på spørsmål og innholdsoppretting. DALL-E er en bildemodell i stor skala som kan generere realistiske og ulike bilder fra tekst- eller bildespørringer, for eksempel tegninger, logoer, ikoner og scener.

Begge modellene er gode til å produsere relevante utdata av høy kvalitet som kan forbedre programmene og arbeidsflytene. Begge modellene har imidlertid også noen begrensninger og ulemper du må være oppmerksom på. Modellene kan kanskje ikke alltid generere nøyaktige eller saklige utdata, følge etiske eller sosiale normer eller ivareta personvernet og sikkerheten til dataene.

Hvis du vil vite mer om hva de populære modellene er gode eller mindre gode til, kan du gå til Azure OpenAI-tjenestemodeller.

Hva er fallgruvene og de anbefalte fremgangsmåtene for spørsmål?

Et spørsmål er inndataene du gir modellen for å generere utdata. Et spørsmål kan være tekst, bilde eller en kombinasjon av begge. Måten du skriver et spørsmål på, kan påvirke kvaliteten og relevansen til utdataene. Det er derfor viktig å følge enkelte retningslinjer og anbefalte fremgangsmåter når du skriver spørsmål. Noen av fallgruvene og de anbefalte fremgangsmåtene er som følger:

Vær klar og spesifikk når du forteller modellen hva den skal gjøre, og hvilken type utdata du forventer.
Gi nok kontekst og informasjon til at modellen kan forstå oppgaven og domenet.
Bruk eksempler, nøkkelord og formatering til å veilede modellen og begrense utdataene.
Unngå tvetydige, uklare eller villedende spørsmål som kan forvirre modellen eller føre til uønskede utdata.
Test og evaluer utdataene for ulike spørsmål og scenarioer for å kontrollere ytelsen og påliteligheten til modellen.
Gå gjennom og kontroller utdataene med hensyn til nøyaktighet, relevans, kvalitet og etikk før du bruker dem i programmene eller arbeidsflyten.

Finn ut mer om hvordan du skriver effektive spørsmål, og hva fallgruvene og de anbefalte fremgangsmåtene er, på Spørsmålenes kunst: hvordan få best resultat med generativ kunstig intelligens.

Hvordan kan jeg håndtere spørsmålsutdata og usikkerhet?

Utdataene som modellen genererer, er ikke alltid perfekte eller forutsigbare. Modeller kan generere utdata som er unøyaktige, irrelevante, ufullstendige, inkonsekvente eller til og med upassende. Du trenger derfor en strategi for å håndtere utdata og usikkerhet.

Bruk modellparameterne og -innstillingene til å styre utdataformatet, lengden og variasjonen.
Bruk modellmåledata og -resultater til å måle utdatakvaliteten, konfidensen og likheten.
Bruk tilbakemelding om og logger for modellen til å overvåke og forbedre ytelsen og påliteligheten til utdataene.
Bruk filtrene og sikkerhetstiltakene for modellen til å forhindre og oppdage utdatafeil og -problemer.
Bruk menneskelig gjennomgang til å validere og rette utdataresultatene.

Finn ut mer om hvordan du håndterer utdata og usikkerhet, på Hvordan styre Azure OpenAI-modeller. Finn ut mer om Copilot-spørringer på Finn ut mer om Copilot-spørringer.

Del via