Estratégia de IA

Este artigo explica o processo para preparar sua organização para a adoção da IA. Ele descreve como selecionar as soluções de IA certas, preparar seus dados e fundamentar sua abordagem em princípios de IA responsáveis. Uma estratégia de IA bem planejada se alinha aos seus objetivos de negócios e garante que os projetos de IA contribuam para o sucesso geral.

Identificar casos de uso de IA

A IA melhora a eficiência individual e aprimora os processos de negócios. A IA generativa aumenta a produtividade e melhora as experiências do cliente. A IA nãogenerativa, como machine learning, analisa dados estruturados e automatiza tarefas repetitivas. Use esse entendimento para identificar áreas em sua empresa em que a IA agrega valor.

1. Identificar oportunidades de automação. Concentre-se em processos adequados para automação para melhorar a eficiência e reduzir os custos operacionais. Direcionar tarefas repetitivas, operações pesadas de dados ou áreas com altas taxas de erro em que a IA pode ter um impacto significativo.

2. Reúna comentários do cliente. Use os comentários do cliente para descobrir casos de uso que melhoram a satisfação do cliente quando automatizados com IA. Esses comentários ajudam a priorizar iniciativas de IA impactantes.

3. Realize uma avaliação interna. Colete a entrada de vários departamentos para identificar desafios e ineficiências que a IA pode resolver. Documente fluxos de trabalho e reúna entradas de stakeholders para descobrir oportunidades de automação, geração de insights ou melhoria na tomada de decisões.

4. Casos de uso do setor de pesquisa. Investigue como organizações ou setores semelhantes usam IA para resolver problemas ou aprimorar operações. Use ferramentas como as arquiteturas de IA no Centro de Arquitetura do Azure para se inspirar e avaliar abordagens adequadas.

5. Definir destinos de IA. Para cada caso de uso identificado, defina a meta (finalidade geral), o objetivo (resultado desejado) e a métrica de êxito (medida quantificável). Esses parâmetros de comparação orientam a adoção da IA e medem o sucesso. Para mais informações, consulte exemplo de estratégia de IA.

Definir uma estratégia de tecnologia de IA

A estratégia de tecnologia determina a abordagem certa para os recursos, ativos de dados e requisitos de orçamento da sua organização. Essa estratégia prepara sua organização para arquiteturas baseadas em agente que permitem que vários sistemas de IA colaborem em tarefas complexas. Você deve avaliar as opções de tecnologia em três modelos de serviço para selecionar a abordagem mais adequada para suas necessidades.

1. Entenda os agentes de IA. Os agentes de IA são sistemas autônomos que usam modelos de IA para concluir tarefas sem supervisão humana constante. Esses sistemas representam uma mudança da automação tradicional para a tomada de decisão inteligente que se adapta às condições de alteração. Você deve planejar a integração de agentes para dar suporte a fluxos de trabalho complexos e colaboração de vários sistemas. Examine o que são agentes? Para entender os recursos do agente e preparar sua organização para soluções baseadas em agente.

2. Adote mecanismos padrão para interoperabilidade de IA. Os protocolos padrão permitem que os sistemas de IA se comuniquem entre diferentes plataformas e reduzam as implementações personalizadas. Esses protocolos dão suporte ao compartilhamento de dados e à integração do sistema, mantendo a flexibilidade para futuras alterações tecnológicas. Você deve entender protocolos como o Protocolo de Contexto de Modelo para ingestão de dados entre sistemas para garantir que seus sistemas de IA ofereçam suporte a requisitos de interoperabilidade. Avalie ferramentas como NLWeb para preparar seu conteúdo para a Web de IA. Por exemplo, consulte Protocolo de Contexto de Modelo no Microsoft Copilot Studio e Expondo APIs REST como servidores MCP.

3. Selecione o modelo de serviço de IA apropriado. A Microsoft oferece três modelos de serviço com diferentes níveis de personalização e responsabilidade compartilhada: SaaS (Software como Serviço), PaaS (Plataforma como Serviço) e IaaS (Infraestrutura como Serviço). Cada modelo requer diferentes habilidades técnicas e fornece diferentes graus de controle sobre a implementação de IA. Você precisa alinhar as capacidades da sua equipe, os requisitos de dados e as necessidades de personalização com o modelo de serviço adequado. Use a árvore de decisão de IA abaixo para orientar o processo de seleção.

Comece identificando seu caso de uso de IA. Se o objetivo for aumentar a produtividade individual, use o Microsoft 365 Copilot ao se concentrar em aplicativos do Microsoft 365. Use copilots no produto para produtos como Azure, GitHub, Fabric, Dynamics 365 ou Power Platform. Utilize Copilots alinhados a funções específicas de domínio, como segurança, vendas, atendimento ou finanças. Se o caso de uso for mais geral, use o Microsoft Copilot ou o Copilot Pro. Se você já usa o Microsoft 365 Copilot e precisa criar agentes personalizados com habilidades específicas de domínio, use as Ferramentas de Extensibilidade para o Microsoft 365 Copilot. Se o objetivo for automatizar a funcionalidade de negócios, use o Copilot Studio para uma ferramenta SaaS que permite a criação e a implantação do agente por meio de linguagem natural com preços integrados. Use o Azure AI Foundry para uma plataforma de desenvolvimento completa com acesso à API para os serviços do Azure OpenAI e da IA do Azure. Se você precisar apenas de acesso a modelos OpenAI, use o Azure OpenAI. Se você precisar de modelos não geradores predefinidos ou do Azure AI Search para obter suporte a agente, use os serviços de IA do Azure. Se você precisar treinar e implantar modelos de machine learning com seus próprios dados, use o Microsoft Fabric se você já trabalha nesse ambiente; caso contrário, use o Azure Machine Learning. Use os Aplicativos de Contêiner do Azure para inferência de IA leve sem gerenciar a infraestrutura de GPU. Se você precisar trazer seus próprios modelos e orquestrá-los com o Azure CycleCloud, o Azure Batch ou o Kubernetes, use máquinas virtuais do Azure.

Comprar IA com SaaS (serviços de software)

A Microsoft fornece soluções de IA geradora de SaaS, conhecidas como Copilots, para aumentar a produtividade com conhecimento técnico mínimo. Consulte a tabela abaixo para obter detalhes.

Copilotos da Microsoft	Descrição	Usuário	Dados necessários	Habilidades requeridas	Principais fatores de custo
Microsoft 365 Copilot	O Microsoft 365 Copilot fornece chat baseado na Web (Internet) e chat baseado em trabalho (Microsoft Graph) e IA no aplicativo para aplicativos do Microsoft 365.	Negócios	Sim. Categorize seus dados com rótulos de confidencialidade e interaja com segurança com seus dados no Microsoft Graph.	Gerenciamento geral de TI e dados	Licença
Copilots baseados em funções	Agentes que aprimoram a eficiência para funções específicas em Segurança, Vendas, Serviço e Finanças.	Negócios	Sim. Opções de conexão de dados e integração estão disponíveis.	Gerenciamento geral de TI e dados	Licenças ou Unidades de Computação de Segurança (Copilot para Segurança)
Copilotos no produto	IA em produtos como GitHub, Power Apps, Power BI, Dynamics 365, Power Automate, Microsoft Fabric e Azure.	Empresarial e indivíduo	Sim. A maioria requer preparação mínima de dados.	Nenhum	Gratuito ou por assinatura
Microsoft Copilot ou Microsoft Copilot Pro	O Microsoft Copilot é um aplicativo de chat gratuito com base na Web. O Copilot Pro fornece melhor desempenho, capacidade e acesso ao Copilot em determinados aplicativos do Microsoft 365.	Indivíduo	Não	Nenhum	O Microsoft Copilot é gratuito. O Microsoft Copilot Pro requer uma assinatura
Ferramentas de extensibilidade para o Microsoft 365 Copilot	Personalize o Microsoft 365 Copilot com mais dados ou capacidades por meio de agentes declarativos. Use ferramentas como Copilot Studio, construtor de agentes, kit de ferramentas do Teams e SharePoint.	Empresarial e indivíduo	Utilize conectores do Microsoft Graph para adicionar dados.	Gerenciamento de dados, TI geral ou habilidades de desenvolvedor	Licença do Microsoft 365 Copilot
Copilot Studio	Use o Copilot Studio para criar, testar e implantar agentes em um ambiente de criação de SaaS.	Desenvolvedor	Automatiza grande parte do trabalho de dados para criar copilots personalizados.	Plataforma para conectar fontes de dados, mapear prompts e implantar copilotos	Licença

Criar cargas de trabalho de IA com PaaS (plataformas do Azure)

O Azure fornece várias opções de PaaS adaptadas às suas metas de IA, conjunto de habilidades e necessidades de dados. Essas plataformas atendem a vários níveis de conhecimento técnico. Examine as páginas de preços de cada serviço do Azure e use a calculadora de preços do Azure para desenvolver estimativas de custo.

Objetivo da IA	Solução da Microsoft	Dados necessários	Habilidades requeridas	Principais fatores de custo
Agente de compilação	Serviço de Agente Azure AI Foundry	Sim	Configuração de ambiente, seleção de modelo, ferramentas, armazenamento de dados de aterramento, isolamento de dados, acionamento de agente, agentes de conexão, filtragem de conteúdo, rede privada, monitoramento de agente, monitoramento de serviço	Consumindo tokens do modelo, armazenamento, recursos, computação, conexões de orientação
Criar aplicativos RAG	Fábrica de IA do Azure	Sim	Selecione modelos, orquestrando fluxo de dados, fragmentando dados, enriquecendo fragmentos, escolhendo indexação, entendendo tipos de consulta (texto completo, vetor, híbrido), entendendo filtros e facetas, executando a reclassificação, engenharia de comandos, implantação de endpoints e consumo de endpoints em aplicativos	Computação, número de tokens de entrada e saída, serviços de IA consumidos, armazenamento e transferência de dados
Aperfeiçoar modelos GenAI	Fábrica de IA do Azure	Sim	Pré-processamento de dados, divisão dos dados em dados de treinamento e validação, validação de modelos, configuração de outros parâmetros, melhoria de modelos, implantação de modelos e consumo de endpoints em aplicativos	Computação, número de tokens de entrada e saída, serviços de IA consumidos, armazenamento e transferência de dados
Treinar e inferir modelos	Azure Machine Learning ou Microsoft Fabric	Sim	Pré-processar dados, treinar modelos usando código ou automação, melhorar modelos, implantar modelos de aprendizado de máquina e utilizar endpoints em aplicativos.	Computação, armazenamento e transferência de dados
Consuma modelos e serviços de IA prontos	Serviços de IA do Azure e/ou Azure OpenAI	Sim	Selecionar modelos de IA, proteger pontos de extremidade, consumir pontos de extremidade em aplicativos e ajustar de acordo com a necessidade	Usar pontos de extremidade de modelo consumidos, armazenamento, transferência de dados, computação (se você treina modelos personalizados)
Isolar aplicativos de IA	Aplicativos de Contêiner do Azure	Sim	Selecionar modelos de IA, orquestrar fluxo de dados, agrupar dados, enriquecer partes, escolher indexação, entender tipos de consulta (texto completo, vetorial, híbrido), conhecer filtros e facetas, realizar reclassificação, engenharia de prompt, implantar pontos de extremidade e consumir pontos de extremidade em aplicativos	Computação, número de tokens de entrada e saída, serviços de IA consumidos, armazenamento e transferência de dados

Trazer modelos de IA com IaaS (serviços de infraestrutura)

Para maior personalização e controle, use as soluções iaaS do Azure, como Máquinas Virtuais do Azure por meio do CycleCloud e do Serviço de Kubernetes do Azure. Essas soluções permitem o treinamento e a implantação de modelos de IA personalizados. Consulte as páginas de preços relevantes e a calculadora de preços do Azure.

Objetivo da IA	Solução da Microsoft	Dados necessários	Habilidades requeridas	Principais fatores de custo
Treinar e inferir seus próprios modelos de IA. Leve seus próprios modelos para o Azure.	Máquinas Virtuais do Azure ou Serviço de Kubernetes do Azure	Sim	Gerenciamento de infraestrutura, TI, instalação de programas, treinamento de modelos, avaliação comparativa de modelos, orquestração, implantação de pontos de extremidade, proteção de pontos de extremidade e uso de pontos de extremidade em aplicativos.	Computação, orquestrador de nó de computação, discos gerenciados (opcional), serviços de armazenamento, Azure Bastion e outros serviços do Azure usados

Desenvolver uma estratégia de dados de IA

A estratégia de dados define como você coleta, gerencia e usa dados para iniciativas de IA. Essa estratégia garante que os ativos de dados ofereçam suporte a casos de uso de IA, mantendo a segurança e a conformidade. Você deve estabelecer estruturas de governança, avaliar as necessidades de escalabilidade, projetar o gerenciamento do ciclo de vida e implementar práticas de dados responsáveis.

1. Estabeleça estruturas de governança de dados para cargas de trabalho de IA. A governança de dados fornece uso seguro e compatível de dados de IA por meio de controles de acesso e políticas de uso responsável. As estruturas de governança definem requisitos para diferentes casos de uso de IA e estabelecem processos de gerenciamento de dados contínuos. Você deve definir esquemas de classificação de dados com base nos níveis de confidencialidade e exposição. Use proteções de segurança de dados e conformidade para aplicativos de IA generativos no Microsoft Purview.

2. Avalie os requisitos de escalabilidade para as necessidades de dados de IA. A avaliação de escalabilidade garante que sua infraestrutura de dados lide com as demandas atuais e futuras da carga de trabalho de IA sem problemas de desempenho ou sobrecargas de custos. Essa avaliação identifica os requisitos de volume, velocidade e variedade que orientam a seleção de tecnologia. Você deve documentar volumes de dados atuais, frequências de processamento e tipos de dados para cada caso de uso de IA.

3. Projete o gerenciamento do ciclo de vida de dados para ativos de IA. O gerenciamento do ciclo de vida mantém os dados acessíveis, seguros e econômicos da coleta ao descarte, ao mesmo tempo em que dá suporte aos requisitos de IA. Essa abordagem aborda estratégias de coleta, otimização de armazenamento e processos de garantia de qualidade. Você deve planejar a coleta sistemática de dados de bancos de dados, APIs, dispositivos IoT e provedores de terceiros. Projete estratégias de armazenamento com camadas apropriadas com base em padrões de acesso e necessidades de retenção. Estabeleça pipelines ETL/ELT para qualidade de dados e use o Painel de IA Responsável para identificar e reduzir o desvio do conjunto de dados.

4. Implemente práticas de dados responsáveis para o desenvolvimento de IA. As práticas responsáveis garantem que os sistemas de IA usem dados eticamente e mantenham a conformidade regulatória. Essas práticas orientam as decisões de coleta, uso e retenção de dados em todo o ciclo de vida da IA. Você deve implementar o acompanhamento de linhagem de dados usando o Microsoft Fabric ou o Microsoft Purview para transparência. Estabeleça padrões de qualidade de dados, detecção de viés e considerações de imparcialidade em conjuntos de dados de treinamento. Defina políticas de retenção e eliminação que equilibram o desempenho da IA com requisitos de privacidade e conformidade.

Desenvolver uma estratégia de IA responsável

A estratégia de IA responsável garante que as soluções de IA permaneçam confiáveis e éticas. Essa estratégia estabelece estruturas para o desenvolvimento ético de IA que se alinham aos objetivos de negócios. Você deve estabelecer a responsabilidade, definir princípios, selecionar ferramentas e avaliar a conformidade para criar uma estratégia de IA responsável.

1. Atribuir responsabilidade de IA a equipes designadas. As estruturas de responsabilidade fornecem propriedade para decisões de governança de IA e garantem o gerenciamento responsivo dos requisitos regulatórios. Essas estruturas definem funções e autoridade de tomada de decisão para iniciativas de IA. Você deve atribuir indivíduos ou equipes para monitorar as alterações de tecnologia de IA e os requisitos regulatórios. Crie um centro de excelência na nuvem de IA para centralizar as responsabilidades e estabelecer procedimentos de escalonamento.

2. Adote princípios de IA responsáveis como objetivos de negócios. Os princípios responsáveis de IA fornecem a estrutura para o desenvolvimento ético de IA que orienta a tomada de decisões e se alinha aos padrões do setor. Esses princípios se tornam objetivos de negócios que moldam a seleção e o desenvolvimento do projeto de IA. Você deve adotar os seis princípios de IA responsáveis da Microsoft, que se alinham ao RMF (NIST AI Risk Management Framework). Integre esses princípios ao planejamento de projetos, processos de desenvolvimento e métricas de êxito.

3. Selecione ferramentas de IA responsáveis para seu portfólio de IA. A seleção de ferramentas garante mecanismos apropriados para princípios éticos de IA e mantém a aplicação consistente de padrões de IA responsáveis. A seleção da ferramenta aborda abordagens de integração e processos operacionais. Você deve avaliar e selecionar as ferramentas e processos de IA responsável apropriados que se alinham com seus casos de uso de IA e perfis de risco. Integre essas ferramentas em fluxos de trabalho de desenvolvimento para garantir um aplicativo consistente.

4. Identifique os requisitos de conformidade para regulamentos de IA. A avaliação de conformidade protege a organização contra riscos legais e garante que as iniciativas de IA estejam alinhadas com as leis aplicáveis e os padrões do setor. Os requisitos de conformidade variam de acordo com o setor, a geografia e o aplicativo de IA. Você deve identificar regulamentos de IA locais e internacionais relevantes que se aplicam a suas operações e casos de uso de IA. Monitore as alterações regulatórias e atualize as estratégias de conformidade para garantir o alinhamento contínuo durante o percurso de adoção da IA.

Exemplo de estratégia de IA

Este exemplo de estratégia de IA é baseado em uma empresa fictícia, a Contoso. A Contoso opera uma plataforma de comércio eletrônico voltada para o cliente e emprega representantes de vendas que precisam de ferramentas para prever dados corporativos. A empresa também gerencia o desenvolvimento de produtos e estoque para produção. Seus canais de vendas incluem tanto empresas privadas quanto agências do setor público altamente regulamentadas.

Caso de uso de inteligência artificial	Metas	Objetivos	Métricas de sucesso	Abordagem de IA	Solução da Microsoft	Necessidades de dados	Necessidades de habilidades	Fatores de custo	Estratégia de dados de IA	Estratégia de IA responsável
Recurso de chat do aplicativo Web de comércio eletrônico	Automatize o processo de negócios	Melhorar a satisfação do cliente	Aumento da taxa de retenção de clientes	PaaS, IA generativa, RAG	Fábrica de IA do Azure	Descrições e associações de itens	RAG e desenvolvimento de aplicativos em nuvem	Uso	Estabeleça governança de dados para dados de clientes e implemente controles de imparcialidade de IA.	Atribua responsabilidade de IA ao AI CoE e alinhe-se com os princípios de IA responsável.
Fluxo de trabalho interno de processamento de documentos de aplicativos	Automatize o processo de negócios	Reduzir custos	Aumento da taxa de conclusão	IA analítica, ajuste fino	Serviços de IA do Azure - Informação de Documentos	Documentos padrão	Desenvolvimento de aplicativos	Consumo aproximado	Defina a governança de dados para documentos internos e planeje políticas de ciclo de vida de dados.	Atribua responsabilidade à IA e garanta a conformidade com as políticas de tratamento de dados.
Gerenciamento de estoque e compra de produtos	Automatize o processo de negócios	Reduzir custos	Vida útil mais curta do estoque	Machine learning, modelos de treinamento	Azure Machine Learning	Dados históricos de estoque e vendas	Desenvolvimento de machine learning e aplicativos	Consumo aproximado	Estabeleça governança para dados de vendas e detecte e resolva vieses nos dados.	Atribua responsabilidade à IA e cumpra os regulamentos financeiros.
Trabalho diário na empresa	Aumento da produtividade individual	Aumentar a experiência do funcionário	Maior satisfação dos funcionários	SaaS, IA generativa	Microsoft 365 Copilot	Dados do OneDrive	TI geral	Custos de assinatura	Implemente a governança de dados para os dados dos funcionários e garanta a privacidade dos dados.	Atribua responsabilidade de IA e utilize recursos integrados de IA responsável.
Aplicação de comércio eletrônico para recurso de chat de setor regulamentado	Automatize o processo de negócios	Aumentar as vendas	Aumento das vendas	Treinamento de modelo de IA generativa por IaaS	Máquinas Virtuais do Azure	Dados de treinamento específicos do domínio	Infraestrutura em nuvem e desenvolvimento de aplicativos	Infraestrutura e software	Defina a governança para dados regulamentados e planeje o ciclo de vida com medidas de conformidade.	Atribua responsabilidade à IA e cumpra os regulamentos do setor.

Próxima etapa

Plano de IA