AI-strategie

In dit artikel wordt uitgelegd hoe u uw organisatie voorbereidt op AI-acceptatie. Hierin wordt beschreven hoe u de juiste AI-oplossingen selecteert, uw gegevens voorbereidt en hoe u uw aanpak op basis van verantwoorde AI-principes kunt grondbeginselen. Een goed geplande AI-strategie is afgestemd op uw bedrijfsdoelstellingen en zorgt ervoor dat AI-projecten bijdragen aan het algehele succes.

AI-gebruikstoepassingen identificeren

AI verbetert de individuele efficiëntie en verbetert bedrijfsprocessen. Generatieve AI verhoogt de productiviteit en verbetert de klantervaringen. Niet-generatieve AI, zoals machine learning, analyseert gestructureerde gegevens en automatiseert terugkerende taken. Gebruik deze kennis om gebieden in uw bedrijf te identificeren waar AI waarde toevoegt.

1. Automatiseringsmogelijkheden identificeren. Richt u op processen die geschikt zijn voor automatisering om de efficiëntie te verbeteren en operationele kosten te verlagen. Richt zich op terugkerende taken, gegevenszware bewerkingen of gebieden met hoge foutpercentages, waarbij AI een aanzienlijke impact kan hebben.

2. Feedback van klanten verzamelen. Gebruik feedback van klanten om gebruiksvoorbeelden te ontdekken die de klanttevredenheid verbeteren wanneer geautomatiseerd met AI. Deze feedback helpt prioriteit te geven aan impactvolle AI-initiatieven.

3. Voer een interne beoordeling uit. Verzamel invoer van verschillende afdelingen om uitdagingen en inefficiënties te identificeren die AI kan aanpakken. Documenteer werkstromen en verzamel belanghebbendeninvoer om mogelijkheden voor automatisering, het genereren van inzichten of verbeterde besluitvorming te ontdekken.

4. Gebruiksvoorbeelden voor de industrie onderzoeken. Onderzoek hoe vergelijkbare organisaties of branches AI gebruiken om problemen op te lossen of bewerkingen te verbeteren. Gebruik hulpprogramma's zoals de AI-architecturen in het Azure Architecture Center voor inspiratie en om geschikte benaderingen te evalueren.

5. AI-doelen definiëren. Definieer voor elke geïdentificeerde use-case het doel (algemeen gebruik), het doel (gewenste resultaat) en de meetwaarde voor succes (meetbare meting). Deze benchmarks begeleiden uw AI-acceptatie en meten succes. Zie voorbeeld-AI-strategie voor meer informatie.

Een AI-technologiestrategie definiëren

Technologiestrategie bepaalt de juiste benadering voor de mogelijkheden, gegevensassets en budgetvereisten van uw organisatie. Deze strategie bereidt uw organisatie voor op agents gebaseerde architecturen voor waarmee meerdere AI-systemen kunnen samenwerken aan complexe taken. U moet technologieopties evalueren in drie servicemodellen om de meest geschikte benadering voor uw behoeften te selecteren.

1. Begrijp AI-agents. AI-agents zijn autonome systemen die AI-modellen gebruiken om taken te voltooien zonder constant menselijk toezicht. Deze systemen vertegenwoordigen een verschuiving van traditionele automatisering tot intelligente besluitvorming die zich aanpast aan veranderende omstandigheden. U moet de integratie van agents plannen ter ondersteuning van complexe werkstromen en samenwerking met meerdere systemen. Bekijk wat zijn agents? Om inzicht te krijgen in de mogelijkheden van agents en uw organisatie voor te bereiden op oplossingen op basis van agents.

2. Standaardmechanismen gebruiken voor AI-interoperabiliteit. Met standaardprotocollen kunnen AI-systemen communiceren over verschillende platforms en aangepaste implementaties verminderen. Deze protocollen ondersteunen het delen van gegevens en systeemintegratie, met behoud van flexibiliteit voor toekomstige technologiewijzigingen. U moet protocollen zoals Model Context Protocol begrijpen voor gegevensopname tussen systemen om ervoor te zorgen dat uw AI-systemen interoperabiliteitsvereisten ondersteunen. Evalueer hulpprogramma's zoals NLWeb om uw inhoud voor te bereiden op het AI-web. Zie bijvoorbeeld ModelContext Protocol in Microsoft Copilot Studio en exposing REST API's als MCP-servers.

3. Selecteer het juiste AI-servicemodel. Microsoft biedt drie servicemodellen met verschillende aanpassingsniveaus en gedeelde verantwoordelijkheid: Software as a Service (SaaS), Platform as a Service (PaaS) en Infrastructure as a Service (IaaS). Elk model vereist verschillende technische vaardigheden en biedt verschillende mate van controle over AI-implementatie. U moet overeenkomen met de mogelijkheden, gegevensvereisten en aanpassingsbehoeften van uw team met het juiste servicemodel. Gebruik de onderstaande AI-beslissingsstructuur om uw selectieproces te begeleiden.

Begin met het identificeren van uw AI-use-case. Als het doel is om de individuele productiviteit te verbeteren, gebruikt u Microsoft 365 Copilot wanneer u zich richt op Microsoft 365-apps. Gebruik In-product Copilots voor producten zoals Azure, GitHub, Fabric, Dynamics 365 of Power Platform. Gebruik op rollen afgestemde Copilots voor domeinspecifieke rollen, zoals beveiliging, verkoop, service of financiën. Als de use case algemener is, gebruikt u Microsoft Copilot of Copilot Pro. Als u Microsoft 365 Copilot al gebruikt en aangepaste agents met domeinspecifieke vaardigheden moet maken, gebruikt u Extensibility Tools voor Microsoft 365 Copilot. Als het doel is om bedrijfsfunctionaliteit te automatiseren, gebruikt u Copilot Studio voor een SaaS-hulpprogramma dat het maken en implementeren van agents mogelijk maakt via natuurlijke taal met geïntegreerde prijzen. Gebruik Azure AI Foundry voor een volledig ontwikkelplatform met API-toegang tot zowel Azure OpenAI- als Azure AI-services. Als u alleen toegang nodig hebt tot OpenAI-modellen, gebruikt u Azure OpenAI. Als u vooraf samengestelde niet-generatieve modellen of Azure AI Search voor agentondersteuning nodig hebt, gebruikt u Azure AI-services. Als u machine learning-modellen wilt trainen en implementeren met uw eigen gegevens, gebruikt u Microsoft Fabric als u al in die omgeving werkt; gebruik anders Azure Machine Learning. Gebruik Azure Container Apps voor lichtgewicht AI-deductie zonder GPU-infrastructuur te beheren. Als u uw eigen modellen wilt meenemen en organiseren met Azure CycleCloud, Azure Batch of Kubernetes, gebruikt u Azure Virtual Machines.

AI kopen met softwareservices (SaaS)

Microsoft biedt SaaS-generatieve AI-oplossingen, ook wel Copilots genoemd, om de productiviteit te verbeteren met minimale technische expertise. Raadpleeg de onderstaande tabel voor meer informatie.

Microsoft Copilots	Beschrijving	Gebruiker	Benodigde gegevens	Vereiste vaardigheden	Belangrijkste kostenfactoren
Microsoft 365 Copilot	Microsoft 365 Copilot biedt webgebaseerde (internet) en op werk gebaseerde (Microsoft Graph) chat en AI in de app voor Microsoft 365-apps.	Onderneming	Ja. Categoriseer uw gegevens met vertrouwelijkheidslabels en communiceer veilig met uw gegevens in Microsoft Graph.	Algemeen IT- en gegevensbeheer	Licentie
Copilots op basis van rollen	Agents die de efficiëntie verbeteren voor specifieke rollen in Beveiliging, Verkoop, Service en Financiën.	Onderneming	Ja. Er zijn opties voor gegevensverbinding en invoegtoepassing beschikbaar.	Algemeen IT- en gegevensbeheer	Licenties of beveiligingsberekeningseenheden (Copilot for Security)
In-product Co-piloten	AI binnen producten zoals GitHub, Power Apps, Power BI, Dynamics 365, Power Automate, Microsoft Fabric en Azure.	Zakelijk en individueel	Ja. De meeste vereisen minimale gegevensvoorbereiding.	Geen	Gratis of met abonnement
Microsoft Copilot of Microsoft Copilot Pro	Microsoft Copilot is een gratis webgebaseerde chattoepassing. Copilot Pro biedt betere prestaties, capaciteit en toegang tot Copilot in bepaalde Microsoft 365-apps.	Individu	Nee	Geen	Microsoft Copilot is gratis. Microsoft Copilot Pro vereist een abonnement
Uitbreidbaarheidshulpprogramma's voor Microsoft 365 Copilot	Aanpassen Microsoft 365 Copilot met meer gegevens of mogelijkheden via declaratieve agents. Gebruik hulpprogramma's zoals Copilot Studio, agentbouwer, Teams-toolkit en SharePoint.	Zakelijk en individueel	Gebruik Microsoft Graph-connectors om gegevens toe te voegen.	Gegevensbeheer, algemene IT- of ontwikkelaarsvaardigheden	Microsoft 365 Copilot-licentie
Copilot Studio	Gebruik Copilot Studio om agents te bouwen, testen en implementeren in een SaaS-ontwerpomgeving.	Ontwikkelaar	Automatiseert veel van de gegevens om aangepaste copilots te maken.	Platform voor het verbinden van gegevensbronnen, prompts in kaart brengen en het implementeren van copiloten	Licentie

AI-workloads bouwen met Azure-platforms (PaaS)

Azure biedt meerdere PaaS-opties die zijn afgestemd op uw AI-doelen, vaardighedenset en gegevensbehoeften. Deze platforms zijn geschikt voor verschillende technische expertiseniveaus. Bekijk de pagina's met prijzen voor elke Azure-service en gebruik de Azure-prijscalculator om kostenramingen te ontwikkelen.

AI-doel	Microsoft oplossing	Benodigde gegevens	Vereiste vaardigheden	Belangrijkste kostenfactoren
Agents bouwen	Azure AI Foundry Agent Service	Ja	Omgeving instellen, modelselectie, hulpprogramma's, grounding van gegevensopslag, gegevensisolatie, agenttrigger, agents verbinden, inhoudsfiltering, privénetwerken, agentbewaking, servicebewaking	Het gebruiken van modeltokens, opslag, functies, rekenkracht, verbindingsmogelijkheden
RAG-toepassingen bouwen	Azure AI Foundry	Ja	Modellen selecteren, gegevensstroom indelen, segmenteren, segmenten verrijken, indexering kiezen, querytypen begrijpen (volledige tekst, vector, hybride), inzicht krijgen in filters en facetten, herrankering uitvoeren, prompt-engineering, eindpunten implementeren en eindpunten gebruiken in apps	Berekenen, aantal tokens in en uit, AI-services verbruikt, opslag en gegevensoverdracht
GenAI-modellen verfijnen	Azure AI Foundry	Ja	Gegevens vooraf verwerken, gegevens splitsen in trainings- en validatiegegevens, modellen valideren, andere parameters configureren, modellen verbeteren, modellen implementeren en eindpunten gebruiken in apps	Berekenen, aantal tokens in en uit, AI-services verbruikt, opslag en gegevensoverdracht
Modellen trainen en inferentie	Azure Machine Learning of Microsoft Fabric	Ja	Gegevens vooraf verwerken, trainingsmodellen met behulp van code of automatisering, het verbeteren van modellen, het implementeren van machine learning-modellen en het verbruiken van eindpunten in apps	Berekening, opslag en gegevensoverdracht
Vooraf gemaakte AI-modellen en -services gebruiken	Azure AI-diensten en/of Azure OpenAI	Ja	AI-modellen selecteren, eindpunten beveiligen, eindpunten gebruiken in apps en waar nodig verfijnen	Gebruik van verbruikte modeleindpunten, opslag, gegevensoverdracht, berekening (als u aangepaste modellen traint)
AI-apps isoleren	Azure Container Apps	Ja	Selecteer AI-modellen, orkestreren van gegevensstromen, segmentering van gegevens, verrijken van segmenten, kiezen van indexering, begrijpen van querytypen (volledige tekst, vector, hybride), begrijpen van filters en facetten, opnieuw rangschikken, prompt-engineering, implementeren van eindpunten en verbruiken van eindpunten in apps.	Berekenen, aantal tokens in en uit, AI-services verbruikt, opslag en gegevensoverdracht

AI-modellen implementeren met Infrastructuur als een dienst (IaaS)

Gebruik de IaaS-oplossingen van Azure, zoals Azure Virtual Machines via CycleCloud en Azure Kubernetes Service, voor meer aanpassing en controle. Deze oplossingen maken training en implementatie van aangepaste AI-modellen mogelijk. Raadpleeg de relevante pagina's met prijzen en de Azure-prijscalculator.

AI-doel	Microsoft oplossing	Benodigde gegevens	Vereiste vaardigheden	Belangrijkste kostenfactoren
Train en gebruik uw eigen AI-modellen voor inferentie. Breng uw eigen modellen naar Azure.	Virtuele Azure-machines of Azure Kubernetes Service	Ja	Infrastructuurbeheer, IT, programma-installatie, modeltraining, modelbenchmarking, indeling, eindpunten implementeren, eindpunten beveiligen en eindpunten gebruiken in apps	Compute, compute node orchestrator, beheerde schijven (optioneel), opslagsystemen, Azure Bastion en andere gebruikte Azure-services

Een AI-gegevensstrategie ontwikkelen

Gegevensstrategie definieert hoe u gegevens verzamelt, beheert en gebruikt voor AI-initiatieven. Deze strategie zorgt ervoor dat gegevensassets uw AI-use cases ondersteunen en tegelijkertijd beveiliging en naleving behouden. U moet governanceframeworks opzetten, schaalbaarheidsbehoeften beoordelen, levenscyclusbeheer ontwerpen en verantwoorde gegevensprocedures implementeren.

1. Stel frameworks voor gegevensbeheer in voor AI-workloads. Gegevensbeheer biedt veilig en compatibel AI-gegevensgebruik via toegangsbeheer en beleid voor verantwoord gebruik. Governanceframeworks definiëren vereisten voor verschillende AI-use cases en stellen doorlopende processen voor gegevensbeheer vast. U moet schema's voor gegevensclassificatie definiëren op basis van gevoeligheids- en blootstellingsniveaus. Gegevensbeveiliging en nalevingsbeveiliging gebruiken voor generatieve AI-apps in Microsoft Purview.

2. Evalueer schaalbaarheidsvereisten voor AI-gegevensbehoeften. De schaalbaarheidsevaluatie zorgt ervoor dat uw gegevensinfrastructuur de huidige en toekomstige VEREISTEN voor AI-workloads afhandelt zonder prestatieproblemen of kostenoverschrijdingen. Deze evaluatie identificeert volume-, snelheids- en variëteitsvereisten die de selectie van technologie begeleiden. U moet huidige gegevensvolumes, verwerkingsfrequenties en gegevenstypen documenteer voor elke AI-use-case.

3. Ontwerp gegevenslevenscyclusbeheer voor AI-assets. Levenscyclusbeheer zorgt ervoor dat gegevens toegankelijk, veilig en rendabel zijn van verzameling tot verwijdering terwijl AI-vereisten worden ondersteund. Met deze aanpak worden verzamelingsstrategieën, opslagoptimalisatie en kwaliteitscontroleprocessen aangepakt. U moet systematische gegevensverzameling plannen van databases, API's, IoT-apparaten en externe providers. Ontwerp opslagstrategieën met de juiste lagen op basis van toegangspatronen en retentiebehoeften. ETL/ELT-pijplijnen instellen voor gegevenskwaliteit en het verantwoordelijke AI-dashboard gebruiken om vooroordelen van gegevenssets te identificeren en te beperken.

4. Implementeer verantwoorde gegevensprocedures voor AI-ontwikkeling. Verantwoorde procedures zorgen ervoor dat AI-systemen gegevens ethisch gebruiken en naleving van regelgeving handhaven. Deze procedures helpen bij het verzamelen, gebruiken en bewaren van gegevens gedurende de hele AI-levenscyclus. U moet tracering van gegevensherkomsten implementeren met behulp van Microsoft Fabric of Microsoft Purview voor transparantie. Stel normen voor gegevenskwaliteit, detectie van vooroordelen en redelijkheidsoverwegingen in in trainingsgegevenssets. Bewaar- en verwijderingsbeleid definiëren waarmee AI-prestaties worden afgestemd op privacy- en nalevingsvereisten.

Een verantwoorde AI-strategie ontwikkelen

Verantwoorde AI-strategie zorgt ervoor dat AI-oplossingen betrouwbaar en ethisch blijven. Met deze strategie worden frameworks voor ethische AI-ontwikkeling vastgesteld die overeenkomen met bedrijfsdoelstellingen. U moet verantwoording afleggen, principes definiëren, hulpprogramma's selecteren en naleving beoordelen om een verantwoorde AI-strategie te maken.

1. Wijs AI-verantwoordelijkheid toe aan aangewezen teams. Verantwoordingsstructuren bieden eigendom voor beslissingen over AI-governance en zorgen voor responsief beheer van wettelijke vereisten. Deze structuren definiëren rollen en besluitvormingsbevoegdheden voor AI-initiatieven. U moet personen of teams toewijzen om wijzigingen in AI-technologie en wettelijke vereisten te bewaken. Maak een AI-cloudcentrum van uitmuntendheid om verantwoordelijkheden te centraliseren en escalatieprocedures tot stand te brengen.

2. Gebruik verantwoorde AI-principes als bedrijfsdoelstellingen. Verantwoorde AI-principes bieden het framework voor ethische AI-ontwikkeling die besluitvorming begeleidt en overeenkomt met industriestandaarden. Deze principes worden bedrijfsdoelstellingen die de selectie en ontwikkeling van AI-projecten vormgeven. U moet de zes verantwoordelijke AI-principes van Microsoft gebruiken, die overeenkomen met het NIST AI Risk Management Framework (RMF). Integreer deze principes in projectplanning, ontwikkelingsprocessen en metrische succesgegevens.

3. Selecteer verantwoorde AI-hulpprogramma's voor uw AI-portfolio. Het selecteren van hulpprogramma's zorgt voor de juiste mechanismen voor ethische AI-principes en onderhoudt consistente toepassing van verantwoorde AI-standaarden. Bij selectie van hulpprogramma's worden integratiemethoden en operationele processen behandeld. U moet de juiste verantwoordelijke AI-hulpprogramma's en -processen evalueren en selecteren die overeenkomen met uw AI-use cases en risicoprofielen. Integreer deze hulpprogramma's in ontwikkelwerkstromen om een consistente toepassing te garanderen.

4. Nalevingsvereisten voor AI-regelgeving identificeren. Nalevingsevaluatie beschermt de organisatie tegen juridische risico's en zorgt ervoor dat AI-initiatieven in overeenstemming zijn met toepasselijke wetten en industriestandaarden. Vereisten voor naleving variëren per sector, regio en toepassing van AI. U moet relevante lokale en internationale AI-voorschriften identificeren die van toepassing zijn op uw activiteiten en AI-use cases. Controleer de wijzigingen in regelgeving en werk nalevingsstrategieën bij om ervoor te zorgen dat uw AI-acceptatietraject voortdurend wordt afgestemd.

Voorbeeld van AI-strategie

Dit voorbeeld van een AI-strategie is gebaseerd op een fictief bedrijf, Contoso. Contoso werkt met een klantgericht e-commerceplatform en maakt gebruik van verkoopmedewerkers die hulpprogramma's nodig hebben om zakelijke gegevens te voorspellen. Het bedrijf beheert ook de productontwikkeling en voorraad voor productie. Haar verkoopkanalen omvatten zowel particuliere bedrijven als sterk gereglementeerde overheidsinstellingen.

AI-gebruiksscenario	Doelstellingen	Doelstellingen	Metrische gegevens voor succes	AI-benadering	Microsoft oplossing	Gegevensbehoeften	Vaardigheidsbehoeften	Kostenfactoren	AI-gegevensstrategie	Verantwoorde AI-strategie
Chatfunctie voor e-commercewebtoepassingen	Bedrijfsproces automatiseren	Klanttevredenheid verbeteren	Verhoogde retentiepercentage voor klanten	PaaS, generatieve AI, RAG	Azure AI Foundry	Itembeschrijvingen en koppelen	RAG- en cloud-app-ontwikkeling	Gebruik	Stel gegevensbeheer in voor klantgegevens en implementeer AI-controles voor redelijkheid.	Wijs AI-aansprakelijkheid toe aan AI CoE en sluit aan op verantwoorde AI-principes.
Interne app documentverwerkingswerkstroom	Bedrijfsproces automatiseren	Kosten verminderen	Verhoogd voltooiingspercentage	Analytische AI, fijn afstemmen	Azure AI-diensten - Documentintelligentie	Standaarddocumenten	App-ontwikkeling	Geschat gebruik	Definieer gegevensbeheer voor interne documenten en plan het levenscyclusbeleid voor gegevens.	Wijs AI-verantwoordelijkheid toe en zorg voor naleving van beleidsregels voor gegevensverwerking.
Voorraadbeheer en productaankoop	Bedrijfsproces automatiseren	Kosten verminderen	Kortere houdbaarheid van voorraad	Machinaal leren, trainingsmodellen	Azure Machine Learning	Historische inventaris- en verkoopgegevens	Machine learning en app-ontwikkeling	Geschat gebruik	Beheer voor verkoopgegevens tot stand brengen en vooroordelen in gegevens detecteren en adresseert.	Wijs AI-verantwoording toe en voldoen aan financiële voorschriften.
Dagelijks werk in het hele bedrijf	Individuele productiviteit verbeteren	Werknemerservaring verbeteren	Verhoogde tevredenheid van werknemers	SaaS-generatieve AI	Microsoft 365 Copilot	OneDrive-gegevens	Algemene IT	Abonnementskosten	Implementeer gegevensbeheer voor werknemersgegevens en zorg voor gegevensprivacy.	Wijs AI-verantwoordelijkheid toe en maak gebruik van ingebouwde verantwoorde AI-functies.
E-commerce-app voor gereguleerde chatfunctie in de branche	Bedrijfsproces automatiseren	Verhoog de verkopen	Verhoogde verkoop	Training voor IaaS-generatieve AI-modellen	Azure Virtuele Machines	Domeinspecifieke trainingsgegevens	Cloudinfrastructuur en app-ontwikkeling	Infrastructuur en software	Bepaal governance voor gereguleerde gegevens en plan de levenscyclus met inachtneming van nalevingsmaatregelen.	Wijs AI-verantwoordelijkheid toe en houd zich aan branchevoorschriften.

Volgende stap

AI-plan