Strategia sztucznej inteligencji

W tym artykule wyjaśniono proces przygotowania organizacji do wdrożenia sztucznej inteligencji. W tym artykule opisano sposób wybierania odpowiednich rozwiązań sztucznej inteligencji, przygotowywania danych i uziemienia podejścia w zasadach odpowiedzialnej sztucznej inteligencji. Dobrze zaplanowana strategia sztucznej inteligencji jest zgodna z celami biznesowymi i zapewnia, że projekty sztucznej inteligencji przyczyniają się do ogólnego sukcesu.

Identyfikowanie przypadków użycia sztucznej inteligencji

Sztuczna inteligencja zwiększa wydajność indywidualną i zwiększa procesy biznesowe. Generatywna sztuczna inteligencja zwiększa produktywność i poprawia doświadczenia klientów. Niegeneracyjna sztuczna inteligencja, taka jak uczenie maszynowe, analizuje dane ustrukturyzowane i automatyzuje powtarzające się zadania. Skorzystaj z tej wiedzy, aby zidentyfikować obszary w firmie, w których sztuczna inteligencja zwiększa wartość.

1. Identyfikowanie możliwości automatyzacji. Skoncentruj się na procesach odpowiednich do automatyzacji, aby zwiększyć wydajność i zmniejszyć koszty operacyjne. Skierować się na powtarzające się zadania, operacje na dużych zbiorach danych lub obszary o wysokim współczynniku błędów, w których sztuczna inteligencja może mieć znaczący wpływ.

2. Zbieraj opinie klientów. Skorzystaj z opinii klientów, aby odkryć przypadki użycia, które zwiększają zadowolenie klientów podczas automatyzacji za pomocą sztucznej inteligencji. Ta opinia ułatwia określanie priorytetów mających wpływ inicjatyw dotyczących sztucznej inteligencji.

3. Przeprowadzanie oceny wewnętrznej. Zbieranie danych wejściowych z różnych działów w celu identyfikowania wyzwań i nieefektywności, którymi może sprostać sztuczna inteligencja. Dokumentowanie przepływów pracy i zbieranie danych wejściowych uczestników projektu w celu odkrywania możliwości automatyzacji, generowania szczegółowych informacji lub podejmowania lepszych decyzji.

4. Badania przypadków użycia w branży. Zbadaj, jak podobne organizacje lub branże używają sztucznej inteligencji do rozwiązywania problemów lub ulepszania operacji. Użyj narzędzi, takich jak architektury sztucznej inteligencji w Centrum architektury platformy Azure, aby uzyskać inspirację i ocenić odpowiednie podejścia.

5. Zdefiniuj cele sztucznej inteligencji. Dla każdego zidentyfikowanego przypadku użycia zdefiniuj cel (ogólnego przeznaczenia), cel (żądany wynik) i metrykę sukcesu (miarę kwantyfikalną). Te wytyczne są pomocą we wdrażaniu sztucznej inteligencji i oceniają sukces. Aby uzyskać więcej informacji, zobacz przykładową strategię sztucznej inteligencji.

Definiowanie strategii technologii sztucznej inteligencji

Strategia technologiczna określa właściwe podejście do możliwości, zasobów danych i wymagań budżetowych organizacji. Ta strategia przygotowuje organizację do architektur opartych na agentach, które umożliwiają wielu systemom sztucznej inteligencji współpracę nad złożonymi zadaniami. Aby wybrać najbardziej odpowiednie podejście do Twoich potrzeb, należy ocenić opcje technologii w trzech modelach usług.

1. Zrozumieć agentów sztucznej inteligencji Agenci sztucznej inteligencji to systemy autonomiczne, które używają modeli sztucznej inteligencji do wykonywania zadań bez ciągłego nadzoru człowieka. Systemy te stanowią przejście od tradycyjnej automatyzacji do inteligentnego podejmowania decyzji, które dostosowuje się do zmieniających się warunków. Należy zaplanować integrację agentów, aby obsługiwać złożone przepływy pracy i współpracę w wielu systemach. Zapoznaj się z tematem Co to są agenci? aby poznać możliwości agenta i przygotować organizację do obsługi rozwiązań opartych na agentach.

2. Wdrażanie standardowych mechanizmów współdziałania sztucznej inteligencji. Standardowe protokoły umożliwiają systemom sztucznej inteligencji komunikowanie się na różnych platformach i zmniejszanie implementacji niestandardowych. Te protokoły obsługują udostępnianie danych i integrację systemu przy zachowaniu elastyczności przyszłych zmian technologicznych. Należy zrozumieć protokoły, takie jak Model Context Protocol na potrzeby pozyskiwania danych między systemami, aby zapewnić, że systemy sztucznej inteligencji obsługują wymagania dotyczące współdziałania. Oceń narzędzia, takie jak NLWeb , aby przygotować zawartość do sieci Web sztucznej inteligencji. Na przykład zobacz Model Context Protocol in Microsoft Copilot Studio i Exposing REST APIs as MCP servers.

3. Wybierz odpowiedni model usługi sztucznej inteligencji. Firma Microsoft oferuje trzy modele usług o różnych poziomach dostosowywania i wspólnej odpowiedzialności: oprogramowanie jako usługa (SaaS), platforma jako usługa (PaaS) i infrastruktura jako usługa (IaaS). Każdy model wymaga różnych umiejętności technicznych i zapewnia różne stopnie kontroli nad implementacją sztucznej inteligencji. Musisz dopasować możliwości zespołu, wymagania dotyczące danych i potrzeby dostosowywania z odpowiednim modelem usług. Użyj poniższego drzewa decyzyjnego sztucznej inteligencji, aby przeprowadzić proces wyboru.

Zacznij od zidentyfikowania przypadku użycia sztucznej inteligencji. Jeśli celem jest zwiększenie wydajności indywidualnej, użyj rozwiązania Microsoft 365 Copilot podczas skupienia się na aplikacjach platformy Microsoft 365. Używaj funkcji Copilot w produktach, takich jak Azure, GitHub, Fabric, Dynamics 365 lub Power Platform. Użyj Copilotów dostosowanych do ról specyficznych dla domeny, takich jak zabezpieczenia, sprzedaż, obsługa lub finanse. Jeśli przypadek użycia jest bardziej ogólny, użyj narzędzia Microsoft Copilot lub Copilot Pro. Jeśli już używasz platformy Microsoft 365 Copilot i musisz utworzyć agentów niestandardowych z umiejętnościami specyficznymi dla domeny, użyj narzędzi rozszerzalności dla platformy Microsoft 365 Copilot. Jeśli celem jest zautomatyzowanie funkcji biznesowych, użyj narzędzia Copilot Studio dla narzędzia SaaS, które umożliwia tworzenie i wdrażanie agentów za pomocą języka naturalnego ze zintegrowanymi cenami. Użyj usługi Azure AI Foundry, aby uzyskać pełną platformę programową z dostępem interfejsu API do usług Azure OpenAI i Azure AI. Jeśli potrzebujesz tylko dostępu do modeli OpenAI, użyj usługi Azure OpenAI. Aby skorzystać z wstępnie przygotowanych modeli niegeneratywnych lub z Azure AI Search do obsługi agentów, użyj usług Azure AI. Jeśli musisz trenować i wdrażać modele uczenia maszynowego przy użyciu własnych danych, użyj usługi Microsoft Fabric, jeśli już pracujesz w tym środowisku; w przeciwnym razie użyj usługi Azure Machine Learning. Korzystanie z usługi Azure Container Apps w celu uproszczonego wnioskowania sztucznej inteligencji bez zarządzania infrastrukturą procesora GPU. Jeśli musisz udostępnić własne modele i zorganizować je za pomocą usługi Azure CycleCloud, Azure Batch lub Kubernetes, użyj usługi Azure Virtual Machines.

Kup AI z usługami w modelu SaaS

Firma Microsoft udostępnia rozwiązania do generowania sztucznej inteligencji SaaS znane jako Copilots, aby zwiększyć produktywność dzięki minimalnej wiedzy technicznej. Aby uzyskać szczegółowe informacje, zapoznaj się z poniższą tabelą.

Microsoft Copilots	opis	Użytkownik	Potrzebne dane	Wymagane umiejętności	Główne czynniki kosztowe
Microsoft 365 Copilot	Rozwiązanie Microsoft 365 Copilot udostępnia oparte na Internecie (Internet) i oparte na pracy (Microsoft Graph) czat i sztuczną inteligencję w aplikacji dla aplikacji platformy Microsoft 365.	Biznes	Tak. Kategoryzuj dane przy użyciu etykiet poufności i bezpiecznie współdziałaj z danymi w programie Microsoft Graph.	Ogólne zarządzanie zasobami IT i danymi	Licencja
Kopiloci oparte na rolach	Agenci zwiększający wydajność określonych ról w zakresie zabezpieczeń, sprzedaży, usługi i finansów.	Biznes	Tak. Dostępne są opcje połączenia danych i opcje wtyczek.	Ogólne zarządzanie zasobami IT i danymi	Licencje lub jednostki obliczeniowe zabezpieczeń (Copilot for Security)
Copiloty w produkcie	Sztuczna inteligencja w produktach, takich jak GitHub, Power Apps, Power BI, Dynamics 365, Power Automate, Microsoft Fabric i Azure.	Firma i osoba indywidualna	Tak. Większość wymaga minimalnego przygotowania danych.	Brak	Bezpłatna lub subskrypcja
Microsoft Copilot lub Microsoft Copilot Pro	Microsoft Copilot to bezpłatna aplikacja do czatu internetowego. Copilot Pro zapewnia lepszą wydajność, pojemność i dostęp do aplikacji Copilot w niektórych aplikacjach platformy Microsoft 365.	Osoba fizyczna	Nie.	Brak	Microsoft Copilot jest bezpłatny. Microsoft Copilot Pro wymaga subskrypcji
Narzędzia rozszerzalności dla platformy Microsoft 365 Copilot	Dostosuj Rozwiązanie Microsoft 365 Copilot z większą ilością danych lub możliwościami za pośrednictwem agentów deklaratywnych. Użyj narzędzi, takich jak Copilot Studio, konstruktor agentów, zestaw narzędzi Teams i program SharePoint.	Firma i osoba indywidualna	Dodawanie danych za pomocą łączników programu Microsoft Graph .	Zarządzanie danymi, ogólne umiejętności informatyczne lub deweloperskie	Licencja Microsoft 365 Copilot
Copilot Studio	Użyj narzędzia Copilot Studio do kompilowania, testowania i wdrażania agentów w środowisku tworzenia SaaS.	Deweloper	Automatyzuje większość prac związanych z danymi w celu utworzenia niestandardowych copilots.	Platforma do łączenia źródeł danych, mapowania poleceń i wdrażania asystentów	Licencja

Tworzenie obciążeń sztucznej inteligencji za pomocą platform Platformy Azure (PaaS)

Platforma Azure oferuje wiele opcji PaaS dostosowanych do celów sztucznej inteligencji, zestawu umiejętności i potrzeb związanych z danymi. Te platformy zaspokajają różne poziomy wiedzy technicznej. Przejrzyj strony cennika dla każdej usługi platformy Azure i skorzystaj z kalkulatora cen platformy Azure , aby opracować szacunkowe koszty.

Cel sztucznej inteligencji	Rozwiązanie firmy Microsoft	Potrzebne dane	Wymagane umiejętności	Główne czynniki kosztowe
Kompilowanie agentów	Usługa agenta usługi Azure AI Foundry	Tak	Konfiguracja środowiska, wybór modelu, narzędzia, magazyn danych uziemieniowych, izolacja danych, wyzwalanie agentów, łączenie agentów, filtrowanie zawartości, sieć prywatna, monitorowanie agentów, monitorowanie usług	Korzystanie z tokenów modelu, pamięci, cech, zasobów obliczeniowych, połączeń podstawowych
Tworzenie aplikacji RAG	Azure AI Foundry	Tak	Wybieranie modeli, organizowanie przepływu danych, dzielenie danych, wzbogacanie fragmentów, wybieranie indeksowania, rozumienie typów zapytań (pełnotekstowy, wektorowy, hybrydowy), rozumienie filtrów i aspektów, wykonywanie ponownego rangowania, inżynieria podpowiedzi, wdrażanie punktów końcowych i korzystanie z punktów końcowych w aplikacjach.	Oblicz, liczba użytych i odebranych tokenów, zużyte usługi sztucznej inteligencji, przechowywanie i transfer danych
Dostosowanie modelu GenAI	Azure AI Foundry	Tak	Wstępne przetwarzanie danych, dzielenie danych na dane trenowania i walidacji, weryfikowanie modeli, konfigurowanie innych parametrów, ulepszanie modeli, wdrażanie modeli i korzystanie z punktów końcowych w aplikacjach	Oblicz, liczba użytych i odebranych tokenów, zużyte usługi sztucznej inteligencji, przechowywanie i transfer danych
Trenowanie i wnioskowanie modeli	Azure Machine Learning lub Microsoft Fabric	Tak	Wstępne przetwarzanie danych, trenowanie modeli przy użyciu kodu lub automatyzacji, ulepszanie modeli, wdrażanie modeli uczenia maszynowego i wykorzystanie punktów końcowych w aplikacjach.	Obliczenia, magazyn i transfer danych
Korzystanie ze wstępnie utworzonych modeli i usług sztucznej inteligencji	Usługi sztucznej inteligencji platformy Azure i/lub Azure OpenAI	Tak	Wybierz modele sztucznej inteligencji, zabezpieczanie punktów końcowych, korzystanie z punktów końcowych w aplikacjach i dostrajanie w razie potrzeby	Korzystanie z punktów końcowych modelu, pamięci masowej, transferu danych, zasobów obliczeniowych (jeśli trenowane są modele niestandardowe)
Izolowanie aplikacji sztucznej inteligencji	Azure Container Apps	Tak	Wybieranie modeli sztucznej inteligencji, orkiestracja przepływu danych, dzielenie danych, wzbogacanie fragmentów, wybieranie indeksowania, zrozumienie typów zapytań (pełnotekstowy, wektor, hybrydowy), zrozumienie filtrów i faset, przeprowadzanie ponownego rangowania, inżynieria podpowiedzi, wdrażanie punktów końcowych i korzystanie z punktów końcowych w aplikacjach.	Oblicz, liczba użytych i odebranych tokenów, zużyte usługi sztucznej inteligencji, przechowywanie i transfer danych

Integracja modeli sztucznej inteligencji z usługami infrastruktury (IaaS)

Aby uzyskać większą kontrolę i dostosowywanie, użyj rozwiązań IaaS platformy Azure, takich jak Azure Virtual Machines, za pośrednictwem platformy CycleCloud i usługi Azure Kubernetes Service. Te rozwiązania umożliwiają trenowanie i wdrażanie niestandardowych modeli sztucznej inteligencji. Zapoznaj się z odpowiednimi stronami cen i kalkulatorem cen platformy Azure.

Cel sztucznej inteligencji	Rozwiązanie firmy Microsoft	Potrzebne dane	Wymagane umiejętności	Główne czynniki kosztowe
Trenowanie i wnioskowanie własnych modeli sztucznej inteligencji. Przynieś własne modele do Azure.	Maszyny wirtualne platformy Azure lub Azure Kubernetes Service	Tak	Zarządzanie infrastrukturą, IT, instalacja programu, trenowanie modelu, testowanie modelu, orkiestracja, wdrażanie punktów końcowych, zabezpieczanie punktów końcowych i korzystanie z punktów końcowych w aplikacjach	Środowisko obliczeniowe, koordynator węzłów obliczeniowych, dyski zarządzane (opcjonalnie), usługi magazynu, usługa Azure Bastion i inne używane usługi platformy Azure

Opracowywanie strategii danych sztucznej inteligencji

Strategia danych określa sposób zbierania i używania danych na potrzeby inicjatyw sztucznej inteligencji oraz zarządzania nimi. Ta strategia zapewnia, że zasoby danych obsługują przypadki użycia sztucznej inteligencji przy zachowaniu zabezpieczeń i zgodności. Należy ustanowić struktury ładu, ocenić potrzeby dotyczące skalowalności, zarządzanie cyklem życia projektu i wdrożyć odpowiedzialne rozwiązania dotyczące danych.

1. Zaprojektuj ramy zarządzania danymi dla zastosowań sztucznej inteligencji. Nadzór nad danymi zapewnia bezpieczne i zgodne użycie danych sztucznej inteligencji za pośrednictwem kontroli dostępu i zasad odpowiedzialnego używania. Struktury ładu definiują wymagania dotyczące różnych przypadków użycia sztucznej inteligencji i ustanawiają bieżące procesy zarządzania danymi. Należy zdefiniować schematy klasyfikacji danych na podstawie poziomu poufności i ekspozycji. Używaj zabezpieczeń danych i ochrony zgodności do generowania aplikacji sztucznej inteligencji w usłudze Microsoft Purview.

2. Ocena wymagań dotyczących skalowalności pod kątem potrzeb dotyczących danych sztucznej inteligencji. Ocena skalowalności zapewnia, że infrastruktura danych obsługuje bieżące i przyszłe wymagania dotyczące obciążeń sztucznej inteligencji bez problemów z wydajnością lub przekroczenia kosztów. Ta ocena określa ilość, szybkość i różnorodność wymagań, które prowadzą do wyboru technologii. Należy udokumentować bieżące woluminy danych, częstotliwości przetwarzania i typy danych dla każdego przypadku użycia sztucznej inteligencji.

3. Projektowanie zarządzania cyklem życia danych dla zasobów sztucznej inteligencji. Zarządzanie cyklem życia zapewnia dostępność, bezpieczeństwo i opłacalność danych od zbierania do utylizacji, jednocześnie obsługując wymagania dotyczące sztucznej inteligencji. Takie podejście dotyczy strategii zbierania, optymalizacji magazynu i procesów zapewniania jakości. Należy zaplanować systematyczne zbieranie danych z baz danych, interfejsów API, urządzeń IoT i dostawców innych firm. Zaprojektuj strategie magazynowania z odpowiednimi warstwami na podstawie wzorców dostępu i potrzeb dotyczących przechowywania. Utwórz potoki ETL/ELT na potrzeby zapewnienia jakości danych i użyj Pulpitu odpowiedzialnej sztucznej inteligencji do identyfikowania i ograniczania uprzedzeń w zestawie danych.

4. Implementowanie odpowiedzialnych praktyk dotyczących danych na potrzeby opracowywania sztucznej inteligencji. Odpowiedzialne rozwiązania zapewniają, że systemy sztucznej inteligencji używają danych etycznych i utrzymują zgodność z przepisami. Te rozwiązania prowadzą do podejmowania decyzji dotyczących zbierania, używania i przechowywania danych w całym cyklu życia sztucznej inteligencji. W celu zapewnienia przejrzystości należy zaimplementować śledzenie pochodzenia danych przy użyciu usługi Microsoft Fabric lub Microsoft Purview . Ustanów standardy jakości danych, procesy wykrywania uprzedzeń oraz zasady dotyczące sprawiedliwości w szkoleniowych zestawach danych. Zdefiniuj zasady przechowywania i usuwania, które równoważą wydajność sztucznej inteligencji z wymaganiami dotyczącymi prywatności i zgodności.

Opracowywanie strategii odpowiedzialnej sztucznej inteligencji

Strategia odpowiedzialnej sztucznej inteligencji zapewnia, że rozwiązania sztucznej inteligencji pozostają wiarygodne i etyczne. Ta strategia ustanawia ramy dla etycznego opracowywania sztucznej inteligencji, które są zgodne z celami biznesowymi. Musisz ustanowić odpowiedzialność, zdefiniować zasady, wybrać narzędzia i ocenić zgodność, aby utworzyć strategię odpowiedzialnej sztucznej inteligencji.

1. Przypisz odpowiedzialność za sztuczną inteligencję wyznaczonym zespołom. Struktury odpowiedzialności zapewniają własność decyzji dotyczących ładu w zakresie sztucznej inteligencji i zapewniają elastyczne zarządzanie wymaganiami prawnymi. Te struktury definiują role i urząd podejmowania decyzji dla inicjatyw sztucznej inteligencji. Aby monitorować zmiany technologii sztucznej inteligencji i wymagania prawne, należy przypisać osoby lub zespoły. Utwórz centrum doskonałości w chmurze sztucznej inteligencji , aby scentralizować obowiązki i ustanowić procedury eskalacji.

2. Przyjęcie zasad odpowiedzialnej sztucznej inteligencji jako celów biznesowych. Zasady odpowiedzialnego używania sztucznej inteligencji zapewniają ramy etycznego opracowywania sztucznej inteligencji, które kierują podejmowaniem decyzji i są zgodne ze standardami branżowymi. Te zasady stają się celami biznesowymi, które kształtuje wybór i opracowywanie projektów sztucznej inteligencji. Musisz przyjąć sześć zasad odpowiedzialnej sztucznej inteligencji firmy Microsoft, które są zgodne z platformą NIST AI Risk Management Framework (RMF). Zintegruj te zasady z planowaniem projektu, procesami programowania i metrykami sukcesu.

3. Wybierz narzędzia odpowiedzialnej AI do swojego portfolio. Wybór narzędzi zapewnia odpowiednie mechanizmy zasad etycznej sztucznej inteligencji i utrzymuje spójne stosowanie standardów odpowiedzialnej sztucznej inteligencji. Wybór narzędzi dotyczy metod integracji i procesów operacyjnych. Należy ocenić i wybrać odpowiednie narzędzia i procesy odpowiedzialnej sztucznej inteligencji, które są zgodne z przypadkami użycia sztucznej inteligencji i profilami ryzyka. Zintegruj te narzędzia w ramach przepływów pracy programowania, aby zapewnić spójność aplikacji.

4. Identyfikowanie wymagań dotyczących zgodności z przepisami dotyczącymi sztucznej inteligencji. Ocena zgodności chroni organizację przed ryzykiem prawnym i zapewnia, że inicjatywy sztucznej inteligencji są zgodne z obowiązującymi przepisami i standardami branżowymi. Wymagania dotyczące zgodności różnią się w zależności od branży, lokalizacji geograficznej i aplikacji sztucznej inteligencji. Należy zidentyfikować odpowiednie lokalne i międzynarodowe przepisy dotyczące sztucznej inteligencji, które mają zastosowanie do Twoich operacji i przypadków użycia sztucznej inteligencji. Monitorowanie zmian regulacyjnych i aktualizowanie strategii zgodności, aby zapewnić bieżące dostosowanie w ramach procesu wdrażania sztucznej inteligencji.

Przykładowa strategia sztucznej inteligencji

Ta przykładowa strategia sztucznej inteligencji jest oparta na fikcyjnej firmie Contoso. Firma Contoso obsługuje platformę handlu elektronicznego dla klientów i zatrudnia przedstawicieli sprzedaży, którzy potrzebują narzędzi do prognozowania danych biznesowych. Firma zarządza również opracowywaniem produktów i zarządzaniem zapasami do produkcji. Jego kanały sprzedaży obejmują zarówno firmy prywatne, jak i wysoce regulowane agencje sektora publicznego.

Przypadek użycia sztucznej inteligencji	Cele	Cele	Metryki sukcesu	Podejście do sztucznej inteligencji	Rozwiązanie firmy Microsoft	Wymagania dotyczące danych	Wymagania dotyczące umiejętności	Czynniki kosztów	Strategia danych sztucznej inteligencji	Strategia odpowiedzialnego używania sztucznej inteligencji
Funkcja czatu aplikacji internetowej handlu elektronicznego	Automatyzowanie procesu biznesowego	Zwiększanie zadowolenia klientów	Zwiększenie współczynnika utrzymania klientów	PaaS, generowanie sztucznej inteligencji, RAG	Azure AI Foundry	Opisy i pary elementów	Tworzenie aplikacji RAG i aplikacji w chmurze	Użycie	Ustanów zarządzanie danymi dla danych klientów i zaimplementuj mechanizmy zapewniania sprawiedliwości sztucznej inteligencji.	Przypisz odpowiedzialność związaną z AI do Centrum Doskonałości AI i upewnij się, że jest zgodna z zasadami odpowiedzialnej sztucznej inteligencji.
Wewnętrzny przepływ pracy przetwarzania dokumentów aplikacji	Automatyzowanie procesu biznesowego	Redukcja kosztów	Zwiększona szybkość ukończenia	Analiza sztucznej inteligencji, dostrajanie	Usługi sztucznej inteligencji platformy Azure — analiza dokumentów	Standardowe dokumenty	Projektowanie aplikacji	Szacowane użycie	Zarządzanie danymi dla dokumentów wewnętrznych i planowanie zasad cyklu życia danych.	Przypisz odpowiedzialność za sztuczną inteligencję i zapewnij zgodność z zasadami obsługi danych.
Zarządzanie zapasami i kupowanie produktów	Automatyzowanie procesu biznesowego	Redukcja kosztów	Krótszy okres przechowywania zapasów	Uczenie maszynowe, modele trenowania	Azure Machine Learning	Historyczne dane inwentarza i sprzedaży	Uczenie maszynowe i tworzenie aplikacji	Szacowane użycie	Utwórz zasady zarządzania danymi sprzedaży oraz wykrywaj i adresuj uprzedzenia w danych.	Przypisz odpowiedzialność związaną ze sztuczną inteligencją i przestrzegaj przepisów finansowych.
Codzienna praca w całej firmie	Zwiększanie wydajności indywidualnej	Ulepszanie środowiska pracowników	Zwiększone zadowolenie pracowników	SaaS oparte na generatywnej AI	Microsoft 365 Copilot	Dane usługi OneDrive	Ogólne IT	Koszty subskrypcji	Zaimplementuj ład danych dla danych pracowników i zapewnij prywatność danych.	Przypisz odpowiedzialność za sztuczną inteligencję i korzystaj z wbudowanych funkcji odpowiedzialnej sztucznej inteligencji.
Aplikacja do handlu elektronicznego dla funkcji czatu branżowego regulowanego	Automatyzowanie procesu biznesowego	Zwiększ sprzedaż	Zwiększona sprzedaż	Trenowanie modelu IaaS generującego sztuczną inteligencję	Azure Virtual Machines	Dane szkoleniowe specyficzne dla domeny	Infrastruktura chmury i tworzenie aplikacji	Infrastruktura i oprogramowanie	Określenie zarządzania dla regulowanych danych i planowanie cyklu życia z uwzględnieniem miar zgodności.	Przypisz odpowiedzialność za sztuczną inteligencję i przestrzegaj przepisów branżowych.

Następny krok

Plan sztucznej inteligencji