Udostępnij za pośrednictwem

Planowanie wdrożenia sztucznej inteligencji

Ten artykuł ułatwia utworzenie planu wdrożenia sztucznej inteligencji, który przekształca strategię sztucznej inteligencji organizacji w kroki umożliwiające podejmowanie działań. Plan wdrożenia sztucznej inteligencji stanowi mostek między wizją sztucznej inteligencji a wykonywaniem. Plan zapewnia dopasowanie inicjatyw sztucznej inteligencji i celów biznesowych przy jednoczesnym rozwiązywaniu problemów z lukami w umiejętnościach, wymaganiami dotyczącymi zasobów i osiami czasu implementacji.

Ocena umiejętności związanych ze sztuczną inteligencją

Bieżąca ocena możliwości zapobiega błędnej alokacji zasobów i zapewnia realistyczne planowanie projektu dostosowane do gotowości organizacji. Projekty sztucznej inteligencji kończą się niepowodzeniem, gdy organizacje próbują zaimplementować implementacje poza ich dojrzałość techniczną lub dostępność danych. Musisz ocenić swoje umiejętności, zasoby danych i infrastrukturę, aby ustanowić podstawę pomyślnego wdrożenia sztucznej inteligencji. Oto, jak to zrobić:

  1. Zmierz poziom dojrzałości AI z wykorzystaniem ram gotowości umiejętności i danych. Struktura zawiera obiektywne kryteria oceny bieżących możliwości sztucznej inteligencji w organizacji. Ta miara uniemożliwia nadmierne zobowiązywanie się do projektów ponad twoje bieżące możliwości. Użyj poniższej tabeli, aby ocenić swoją dojrzałość:

    Poziom dojrzałości do sztucznej inteligencji Wymagane umiejętności Gotowość danych Możliwe przypadki użycia sztucznej inteligencji
    Poziom 1 ▪ Podstawowa wiedza na temat pojęć związanych ze sztuczną inteligencją
    ▪ Możliwość integrowania źródeł danych i mapowania monitów    		 ▪ Dostępne są prawie żadne dane
    ▪ Dostępne dane przedsiębiorstwa    		 ▪ Projekty szybkiego startu platformy Azure
    ▪ Dowolne rozwiązanie Copilot
    Poziom 2 ▪ Doświadczenie w wyborze modelu sztucznej inteligencji
    ▪ Znajomość wdrażania sztucznej inteligencji i zarządzania punktami końcowymi
    ▪ Doświadczenie w czyszczeniu i przetwarzaniu danych    		 ▪ Dostępne są prawie żadne dane
    ▪ Mały, ustrukturyzowany zestaw danych
    ▪ Niewielka ilość dostępnych danych specyficznych dla domeny    		 ▪ Dowolne projekty na poziomie 1
    ▪ Niestandardowe obciążenie analityczne sztucznej inteligencji przy użyciu usług Azure AI
    ▪ Niestandardowa aplikacja do czatu AI bez generacji wspomaganej wyszukiwaniem (RAG) w Azure AI Foundry
    ▪ Niestandardowa aplikacja uczenia maszynowego z zautomatyzowanym trenowaniem modelu
    ▪ Dostrajanie modelu generatywnej sztucznej inteligencji
    Poziom 3 ▪ Biegłość w zakresie inżynierii monitowej
    ▪ Biegłość w wyborze modelu sztucznej inteligencji, fragmentowaniu danych i przetwarzaniu zapytań
    ▪ Biegłość w wstępnym przetwarzaniu, czyszczeniu, dzieleniu i walidacji danych
    ▪ Przygotowanie danych na potrzeby indeksowania    		 ▪ Duże ilości historycznych danych biznesowych dostępnych na potrzeby uczenia maszynowego
    ▪ Niewielka ilość dostępnych danych specyficznych dla domeny    		 ▪ Wszystkie projekty poziomu 1–2
    ▪ Generowanie aplikacji sztucznej inteligencji za pomocą rozwiązania RAG w usłudze Azure AI Foundry
    ▪ Trenowanie i wdrażanie modelu uczenia maszynowego
    ▪ Trenowanie i uruchamianie małego modelu sztucznej inteligencji na maszynach wirtualnych platformy Azure
    Poziom 4 ▪ Zaawansowana wiedza na temat sztucznej inteligencji/uczenia maszynowego, w tym zarządzanie infrastrukturą
    ▪ Biegłość w obsłudze złożonych przepływów pracy szkolenia modeli sztucznej inteligencji
    ▪ Doświadczenie w orkiestracji, benchmarkingu modeli i optymalizacji wydajności
    ▪ Silne umiejętności w zakresie zabezpieczania punktów końcowych sztucznej inteligencji i zarządzania nimi    		 ▪ Duże ilości danych dostępnych do trenowania ▪ Wszystkie projekty poziomu 1–3
    ▪ Trenowanie i uruchamianie dużych aplikacji generujących lub niegeneracyjnych sztucznej inteligencji na maszynach wirtualnych, w usłudze Azure Kubernetes Service lub w usłudze Azure Container Apps

  2. Utwórz spis zasobów danych i oceń ich jakość pod kątem przypadków użycia sztucznej inteligencji. Jakość danych ma bezpośredni wpływ na wydajność modelu sztucznej inteligencji i określa przypadki użycia, które można pomyślnie zaimplementować. Ten spis ujawnia wymagania dotyczące przygotowywania danych i pomaga określić priorytety przypadków użycia na podstawie dostępnych danych. Dokumentowanie źródeł danych, formatów, jakości i ułatwień dostępu w całej organizacji.

  3. Przejrzyj infrastrukturę technologiczną i określ wymagania dotyczące gotowości do sztucznej inteligencji. Pojemność infrastruktury ogranicza zakres projektu sztucznej inteligencji i wpływa na strategie wdrażania. Ten przegląd ułatwia planowanie inwestycji w infrastrukturę i wybieranie odpowiednich usług platformy Azure. Ocena zasobów obliczeniowych, pojemności magazynu, przepustowości sieci i mechanizmów kontroli zabezpieczeń wymaganych dla docelowych przypadków użycia sztucznej inteligencji.

Uzyskiwanie umiejętności związanych ze sztuczną inteligencją

Kompleksowa strategia tworzenia możliwości zapewnia, że Twoja organizacja ma umiejętności potrzebne do pomyślnego wdrożenia i utrzymania systemów sztucznej inteligencji. Luki w zakresie umiejętności tworzą opóźnienia projektu i zwiększają ryzyko błędów implementacji. Musisz opracować wielospektowe podejście, które łączy szkolenia, zatrudnianie i partnerstwa w celu budowania zrównoważonych możliwości sztucznej inteligencji. Oto, jak to zrobić:

  1. Rozwijanie wewnętrznych umiejętności sztucznej inteligencji za pomocą programów uczenia strukturalnego. Rozwój umiejętności wewnętrznych zapewnia długoterminowy rozwój kompetencji i zachowanie wiedzy w organizacji. Takie podejście zwiększa zaufanie organizacji i zmniejsza zależność od zasobów zewnętrznych. Skorzystaj z platformy centrum szkoleniowego sztucznej inteligencji, aby uzyskać bezpłatne szkolenia, certyfikaty i wskazówki dotyczące produktów. Ustaw cele certyfikacji, takie jak Podstawy sztucznej inteligencji platformy Azure, certyfikaty Azure AI Engineer Associate oraz Azure Data Scientist Associate.

  2. Rekrutuj specjalistów ds. sztucznej inteligencji, aby wypełnić krytyczne luki w umiejętnościach poza wewnętrzną pojemnością. Rekrutacja zewnętrzna zapewnia natychmiastowy dostęp do specjalistycznej wiedzy i przyspiesza harmonogramy projektów. Ta strategia pomaga wypełnić luki, które potrzebowałyby zbyt dużo czasu na rozwój wewnętrzny. Zatrudniaj ekspertów w dziedzinie tworzenia modeli, generowania sztucznej inteligencji lub etyki sztucznej inteligencji. Aktualizowanie opisów miejsc pracy w celu odzwierciedlenia bieżących potrzeb związanych z umiejętnościami i budowania marki pracodawcy, która podkreśla innowacje i kierownictwo techniczne.

  3. Współpraca z ekspertami firmy Microsoft w celu uzupełnienia możliwości sztucznej inteligencji. Partnerstwa firmy Microsoft zapewniają dostęp do sprawdzonej wiedzy i najlepszych rozwiązań branżowych przy jednoczesnym zmniejszeniu ryzyka implementacji. Takie podejście przyspiesza uczenie się i zapewnia zgodność z technologiami sztucznej inteligencji firmy Microsoft. Skorzystaj z platformy handlowej partnerów firmy Microsoft , aby uzyskać dostęp do sztucznej inteligencji, danych i wiedzy na temat platformy Azure w różnych branżach.

Uzyskiwanie dostępu do zasobów sztucznej inteligencji

Jasne wymagania dostępu i strategie licencjonowania zapobiegają opóźnieniom wdrażania i zapewniają zgodność z zasadami organizacji. Różne rozwiązania sztucznej inteligencji mają różne wzorce dostępu wpływające na koszty, zabezpieczenia i ład. Aby efektywnie planować budżety i kontrole bezpieczeństwa, musisz zrozumieć konkretne wymagania dotyczące dostępu dla każdego rozwiązania sztucznej inteligencji w portfelu. Oto, jak to zrobić:

Rozwiązanie microsoft AI Jak uzyskać dostęp
Microsoft 365 Copilot Wymaga licencji platformy Microsoft 365 business lub enterprise z dodatkową licencją Copilot. Zobacz Microsoft 365 Copilot.
Microsoft Copilot Studio Wymaga licencji autonomicznej lub licencji dodatku. Zobacz Microsoft Copilot Studio.
Copiloty w produkcie Wymaga dostępu do produktu podstawowego. Zobacz GitHub, Power Apps, Power BI, Dynamics 365, Power Automate, Microsoft Fabric i Azure.
Kopiloci oparte na rolach Wymaga określonych wymagań dotyczących dostępu. Zobacz Agentów opartych na rolach dla platform Microsoft 365 Copilot i Microsoft Copilot for Security.
Usługi platformy Azure Wymaga konta platformy Azure. Obejmuje rozwiązania Azure AI Foundry i Azure OpenAI.

Określanie priorytetów przypadków użycia sztucznej inteligencji

Priorytetyzacja strategiczna zapewnia skoncentrowanie zasobów na projektach, które zapewniają maksymalną wartość podczas dopasowywania możliwości organizacji. Priorytetyzacja przypadków użycia zmniejsza ryzyko implementacji i skraca czas do wartości. Należy ocenić każdy przypadek użycia pod kątem możliwości, wartości strategicznej i wymagań dotyczących zasobów, aby utworzyć osiągalny plan implementacji. Oto, jak to zrobić:

  1. Oceń przypadki użycia w kontekście Twojej bieżącej dojrzałości sztucznej inteligencji i dostępnych zasobów. Realistyczna ocena uniemożliwia nadmierne angażowanie się w projekty przekraczające obecne możliwości i zapewnia pomyślną implementację. Ta ocena pomaga skupić się na osiągalnych celach, które budują rozmach dla przyszłych projektów. Przejrzyj poziom dojrzałości do sztucznej inteligencji, dostępność danych, infrastrukturę techniczną i pojemność personelu dla każdego przypadku użycia zdefiniowanego w strategii sztucznej inteligencji.

  2. Klasyfikuj przypadki użycia według wartości strategicznej i możliwości wdrożenia. Ranking strategiczny pomaga przydzielić ograniczone zasoby do projektów z najwyższym potencjalnym wpływem i prawdopodobieństwem sukcesu. Takie podejście maksymalizuje zwrot z inwestycji w sztuczną inteligencję przy jednoczesnym budowaniu zaufania organizacji. Ocenianie każdego przypadku użycia na wpływ biznesowy, złożoność techniczną, wymagania dotyczące zasobów i dopasowanie do celów organizacji.

  3. Utwórz priorytetowy plan implementacji z jasnymi kryteriami sukcesu. Plan ustrukturyzowany zapewnia jasny kierunek dla zespołów implementacji i umożliwia śledzenie postępu względem zdefiniowanych kamieni milowych. Ten plan pomaga zarządzać oczekiwaniami uczestników projektu i alokacją zasobów. Wybierz przypadki użycia najwyższego priorytetu i zdefiniuj określone metryki powodzenia, osie czasu i wymagania dotyczące zasobów dla każdego projektu.

Weryfikowanie pojęć przy użyciu weryfikacji koncepcji

Weryfikacja koncepcji zmniejsza ryzyko implementacji, sprawdzając możliwości techniczne i wartość biznesową przed rozpoczęciem opracowywania na pełną skalę. PoC pomogają identyfikować potencjalne wyzwania i uściślać wymagania w kontrolowanym środowisku. Należy utworzyć ukierunkowane projekty weryfikacji, które testuje podstawowe założenia i zbierają dane na potrzeby świadomego podejmowania decyzji. Oto, jak to zrobić:

  1. Wybierz odpowiedni przypadek użycia na potrzeby weryfikacji koncepcji. Odpowiedni wybór weryfikacji koncepcji równoważy możliwości uczenia się z możliwością zarządzania ryzykiem i złożonością. Ten wybór zapewnia zbieranie znaczących szczegółowych informacji bez przeciążenia zespołu lub organizacji. Wybierz projekt o wysokiej wartości z listy z priorytetem zgodnym z poziomem dojrzałości AI. Zacznij od wewnętrznych, niezwiązanych z klientami projektów, aby ograniczyć ryzyko i przetestować swoje podejście.

  2. Zaimplementuj ukierunkowany dowód koncepcji przy użyciu wskazówek i narzędzi firmy Microsoft. Implementacja ustrukturyzowana skraca czas programowania i zapewnia stosowanie sprawdzonych rozwiązań dla wybranego podejścia do sztucznej inteligencji. Takie podejście maksymalizuje uczenie się przy jednoczesnym zminimalizowaniu inwestycji w zasoby. Skorzystaj z następujących przewodników implementacji opartych na typie sztucznej inteligencji:

    Typ sztucznej inteligencji Przewodnik implementacji
    Generatywna sztuczna inteligencja Azure PaaS: Azure AI Foundry i Azure OpenAI

    Microsoft Copilots: Copilot Studio i rozszerzenia Microsoft 365 Copilot
    Uczenie maszynowe Azure Machine Learning
    Analiza sztucznej inteligencji Usługi Azure AI z określonymi przewodnikami dotyczącymi bezpieczeństwa zawartości, usługi Custom Vision, analizy dokumentów i innych usług

  3. Wykorzystaj wyniki PoC, aby doprecyzować priorytetyzację przypadków użycia i strategię implementacji. Analiza PoC ujawnia praktyczne wyzwania oraz szanse, które mają znaczenie dla przyszłego planowania projektów i alokacji zasobów. Ta pętla sprzężenia zwrotnego zapewnia, że plan rozwoju sztucznej inteligencji pozostaje realistyczny i osiągalny. Udokumentowano wnioski, wyzwania techniczne i wartość biznesową. Dostosuj priorytety przypadków użycia na podstawie sprawdzonej wykonalności i zmierzonego wpływu.

Ustanawianie praktyk dotyczących odpowiedzialnej sztucznej inteligencji

Praktyki odpowiedzialnego używania sztucznej inteligencji chronią organizację przed ryzykiem etycznym, prawnym i reputacji przy jednoczesnym zapewnieniu zgodności systemów sztucznej inteligencji z wartościami organizacyjnymi. Wczesna integracja zasad odpowiedzialnej sztucznej inteligencji uniemożliwia kosztowne przeprojektowanie i budowanie zaufania uczestników projektu. Należy od początku osadzać zagadnienia etyczne, struktury ładu i środki zabezpieczeń w planie implementacji. Oto, jak to zrobić:

  1. Użyj narzędzi do planowania odpowiedzialnej sztucznej inteligencji, aby ocenić potencjalne skutki i zaprojektować systemy etyczne. Systematyczne narzędzia do oceny pomagają identyfikować potencjalne zagrożenia i zapewnić, że systemy sztucznej inteligencji spełniają standardy etyczne i wymagania prawne. Te narzędzia zapewniają ustrukturyzowane podejścia do złożonych zagadnień etycznych. Użyj szablonu oceny wpływu sztucznej inteligencji, Human-AI zestawu narzędzi eXperience Toolkit i odpowiedzialnego modelu dojrzałości sztucznej inteligencji, aby kierować się w trakcie planowania.

  2. Zaimplementuj struktury ładu sztucznej inteligencji, aby kierować decyzjami projektowymi i monitorować zachowanie systemu. Struktury ładu zapewniają spójne kryteria podejmowania decyzji i zapewniają odpowiedzialność w projektach sztucznej inteligencji. Te struktury ułatwiają organizacjom utrzymanie kontroli nad opracowywaniem i wdrażaniem sztucznej inteligencji. Ustanów zasady obejmujące role, obowiązki, wymagania dotyczące zgodności i standardy etyczne. Aby uzyskać szczegółowe wskazówki dotyczące implementacji ładu, zobacz Zarządzanie sztuczną inteligencją.

  3. Stosowanie najlepszych rozwiązań dotyczących zabezpieczeń i operacji sztucznej inteligencji w całym cyklu życia implementacji. Bezpieczeństwo i doskonałość operacyjna zapewniają, że systemy sztucznej inteligencji pozostają niezawodne, bezpieczne i ekonomiczne w całym cyklu życia. Te rozwiązania uniemożliwiają zdarzenia zabezpieczeń i błędy operacyjne. Zaimplementuj struktury operacji sztucznej inteligencji, takie jak GenAIOps lub MLOps, na potrzeby śledzenia wdrożenia i monitorowania wydajności. Aby uzyskać szczegółowe wskazówki dotyczące implementacji, zobacz Manage AI and Secure AI (Zarządzanie sztuczną inteligencją i zabezpieczanie sztucznej inteligencji ).

Szacuj terminy dostawy

Realistyczne szacowanie osi czasu umożliwia efektywne planowanie zasobów i zarządzanie uczestnikami projektu przy jednoczesnym zapewnieniu sukcesu projektu. Dokładność osi czasu zależy od złożoności projektu, dojrzałości organizacyjnej i dostępności zasobów. Należy opierać oszacowania osi czasu na danych empirycznych na podstawie weryfikacji koncepcji i możliwości organizacyjnych. Oto, jak to zrobić:

  1. Użyj wyników weryfikacji koncepcji, aby oszacować osie czasu implementacji dla każdego przypadku użycia. Dane Proof of Concept zapewniają realistyczne podstawowe oszacowania uwzględniające konkretne możliwości i ograniczenia organizacji. Takie podejście daje bardziej precyzyjne harmonogramy niż teoretyczne szacunki. Czas programowania dokumentu, cykle testowania i złożoność wdrażania zaobserwowana podczas implementacji weryfikacji koncepcji.

  2. Uwzględnij czynniki dojrzałości i złożoności organizacji w planowaniu osi czasu. Różne rozwiązania sztucznej inteligencji mają charakterystyczne osie czasu implementacji, które różnią się w zależności od gotowości organizacji i zakresu projektu. To zrozumienie pomaga określić odpowiednie oczekiwania z uczestnikami projektu. Microsoft Copilots zazwyczaj zapewniają najkrótsze terminy zwrotu z inwestycji (dni do tygodni), podczas gdy niestandardowe obciążenia sztucznej inteligencji platformy Azure wymagają kilku tygodni do miesięcy, aby osiągnąć gotowość produkcyjną.

  3. Tworzenie czasu buforu na potrzeby nauki, iteracji i nieoczekiwanych wyzwań. Projekty sztucznej inteligencji często napotykają nieprzewidziane wyzwania techniczne i wymagają wielu iteracji w celu osiągnięcia pożądanych wyników. Czas buforu zapobiega presji harmonogramu, która mogłaby zagrozić jakości lub względom etycznym. Dodaj 20–30% czas awaryjny do początkowych oszacowań i zaplanuj wiele cykli rozwojowych.

Zasoby platformy Azure

Kategoria Narzędzie opis
Nauka i certyfikacja centrum nauki sztucznej inteligencji Zapewnia bezpłatne szkolenia, certyfikaty i wskazówki produktowe z zakresu sztucznej inteligencji w celu rozwijania umiejętności.
Ocena i planowanie Szablon oceny wpływu sztucznej inteligencji Ocenia skutki społeczne, ekonomiczne i etyczne inicjatyw sztucznej inteligencji
Platforma deweloperów Azure AI Foundry Kompleksowa platforma do tworzenia i wdrażania aplikacji generacyjnych sztucznej inteligencji
Trenowanie modelu Azure Machine Learning Kompleksowe zarządzanie cyklem życia uczenia maszynowego i wdrażanie modelu
Usługi sztucznej inteligencji Usługi sztucznej inteligencji platformy Azure Wstępnie utworzone możliwości sztucznej inteligencji do przetwarzania obrazów, mowy, języka i podejmowania decyzji
Konwersacyjna sztuczna inteligencja Microsoft Copilot Studio Platforma do tworzenia niestandardowych agentów sztucznej inteligencji i czatbotów konwersacyjnych
Sieć Partnerska Platforma handlowa partnerów firmy Microsoft Dostęp do certyfikowanych partnerów ze sztuczną inteligencją, danymi i wiedzą na temat platformy Azure

Następny krok

Ukończ planowanie wdrażania sztucznej inteligencji, ustanawiając podstawy techniczne do wdrożenia. W przypadku niestandardowych obciążeń sztucznej inteligencji na platformie Azure przejdź do sekcji AI Ready to configure your technical environment (Gotowe do skonfigurowania środowiska technicznego). Aby uzyskać informacje o wdrożeniu rozwiązania Microsoft Copilot, przejdź do strony Zarządzanie sztuczną inteligencją, aby ustanowić nadzór organizacyjny.

AI Ready (tylko platforma Azure)

Zarządzanie sztuczną inteligencją (Copilots i Azure)