Escolhendo o melhor padrão de código profissional para criar sua solução de IA generativa

Seleção de padrões na jornada do ISV pro-code

Para ajudar os ISVs (fornecedores independentes de software) a criar suas soluções de IA generativa, a Microsoft criou diretrizes para ajudá-lo a encontrar um caso de uso viável e começar a criá-lo. Esta página se concentra nos padrões de código profissional que os desenvolvedores podem escolher à medida que avançam na jornada de criação de sua solução. Se você não tiver certeza se deve escolher um padrão pro-code ou low-code, visite a página de previsão de recursos para encontrar a melhor abordagem para seu caso de uso.

Considerações para uma jornada de código profissional

A escolha de uma abordagem de código profissional permite que ISVs como você usem opções altamente personalizáveis ao projetar seus aplicativos de IA. Dentro da abordagem pro-code, existem muitos padrões que abrangem várias plataformas para atender a diferentes necessidades e preferências. Um padrão de código profissional é uma boa opção se você for:

• Criando um aplicativo altamente personalizado e precisa de mais componentes sob seu controle.
• Integrar recursos de IA em seu próprio aplicativo ou criar um do zero.
• Aderir a dados exclusivos ou preocupações de segurança.

Se você precisar de uma solução rápida e puder usar ferramentas como conectores do Power Platform, considere pesquisar padrões de baixo código.

Existem duas abordagens de alto nível no pro-code:

• Construindo um copiloto personalizado. Essa abordagem abrange padrões que ajudam você a criar uma solução com recursos de linguagem natural. Criar com um copiloto personalizado permite que sua IA converse naturalmente com os usuários em uma ampla variedade de situações.
• Construindo um aplicativo no Fabric. Essa abordagem abrange padrões que usam o Fabric para processar ou armazenar dados, que podem ser integrados a um aplicativo de IA que você cria. Esses padrões fornecem uma base de dados sólida e uma oportunidade para mais personalização.

Ambas as abordagens oferecem inúmeros benefícios e permitem que você crie um aplicativo de IA personalizável. Dependendo do padrão escolhido, você pode criar um aplicativo totalmente novo ou novos recursos que você introduz em um aplicativo existente.

Escolhendo um padrão

Escolher um padrão é a última etapa que um ISV executa antes de começar a criar uma solução. O padrão selecionado:

• Afeta os recursos da sua solução. Escolher o padrão correto para a situação permite que você alinhe sua solução às necessidades de seus clientes. Selecionar um padrão com poucos recursos pode limitar o que você pode criar.
• Afeta o custo de desenvolvimento do projeto. Alguns padrões exigem um aumento maior durante o desenvolvimento, custando tempo e dinheiro aos ISVs. O investimento necessário para o padrão selecionado não deve ultrapassar o valor potencial do seu caso de uso.
• Permite que você trabalhe em diferentes interfaces. Alguns padrões são projetados para criar aplicativos do zero, enquanto outros são projetados para funcionar em seus aplicativos ou plataformas existentes da Microsoft.
• Altera dados, infraestrutura e outras considerações de back-end. Os padrões de código profissional são versáteis, mas podem ter limites ou exigir modificações. Normalmente, suas opções de dados e infraestrutura se tornam mais personalizáveis à medida que você escolhe opções de padrão mais complexas.

Devido a todos esses fatores, é essencial avaliar cuidadosamente sua situação, as necessidades de seus clientes e suas capacidades técnicas antes de escolher um padrão. A plataforma e a estratégia que você selecionar afetarão o que você pode criar.

Várias opções de padrão

Em vez de escolher apenas um padrão, os ISVs podem optar por integrar recursos de vários padrões. É até possível combinar opções low-code e pro-code.

Quer você escolha um padrão ou combine vários, é importante considerar a situação em que você se encontra e escolher a plataforma que funciona melhor para você. Esta página se concentra especificamente em padrões de código profissional. Para explorar mais opções de código profissional e low-code, você pode visitar a página de padrões abrangentes.

Semantic Kernel

Os ISVs que desejam criar aplicativos sofisticados de IA podem usar o Semantic Kernel em muitas das diferentes opções de padrão. O Semantic Kernel é um kit de desenvolvimento de software (SDK) de software livre que facilita a combinação de seu código C#, Python e Java existente com modelos da OpenAI, Azure OpenAI, Hugging Face e muito mais.

Como o Kernel Semântico interage diretamente com seu código, é possível usá-lo em muitos padrões diferentes. Independentemente do padrão escolhido, o Semantic Kernel pode dar suporte à sua jornada de desenvolvimento e habilitar sua solução com novos recursos de IA generativa.

Crie um copiloto personalizado

A criação de um copiloto personalizado permite que você crie um aplicativo com um aumento moderado de codificação e mais personalização do que adotar ou estender um Microsoft Copilot primário. Embora você precise criar muitos componentes por conta própria, a Microsoft fornece suporte notável por meio de SDKs, modelos e muito mais, dependendo do padrão escolhido.

Uma árvore de decisão para a abordagem "Criar um copiloto personalizado". Uma seta leva a uma caixa que diz "Aprimora aplicativos existentes com IA que usa dados ISV", que se conecta ao Padrão D: APIs do Microsoft Graph. Outra seta leva a uma caixa que diz "Cria chatbots que podem responder às perguntas do usuário e descarregar tarefas simples", o que leva ao Padrão E: Assistentes OpenAI do Azure. Uma terceira seta leva a uma caixa que diz "Adiciona recursos de linguagem natural aos chatbots do ISV Teams por meio de modelos pré-criados", o que leva ao Padrão F: Biblioteca de IA do Teams. Uma seta final leva a uma caixa com o texto "Oferece alta customização usando modelos pré-treinados, SDK de IA do Azure e prompt flow", o que leva a

APIs do Microsoft Graph

A API do Microsoft Graph acessa dados do usuário de aplicativos do Microsoft 365, como informações no Outlook, Teams, OneDrive e SharePoint. Ao permitir que seus aplicativos existentes chamem essa API, você pode aprimorar a experiência do usuário com dados personalizados do Microsoft 365.

Essas APIs podem ser integradas à interface do usuário da sua própria solução. Os dados de locatário coletados podem ser exibidos no Explorador do Graph, que é uma plataforma de software livre projetada para ajudá-lo a aprender sobre as APIs do Microsoft Graph.

Você pode estar interessado neste padrão se:

• Tenha um aplicativo existente que você deseja aprimorar com dados personalizados.
• Deseja fornecer respostas personalizadas ao usuário final com base em sua atividade do Microsoft 365.
• Exigir dados especificamente do Microsoft 365.

Os principais benefícios dessa abordagem incluem:

• Acessar os dados do Microsoft 365 do usuário final para personalizar sua experiência.
• Conectando-se aos dados de forma rápida e fácil, permitindo que você se concentre em outros aspectos do seu aplicativo.

Vamos examinar como um ISV fictício foi capaz de usar esse padrão em sua aplicação.

Cenário de APIs do Microsoft Graph

A Contoso criou um aplicativo que permite que seus clientes gerenciem operações internas, mas eles estão procurando melhorá-lo. Seus clientes apresentam problemas sobre tarefas administrativas básicas, como agendar reuniões, registrar folgas e enviar e-mails, levando muito tempo.

Para resolver esse problema, a Contoso decide aumentar seu aplicativo de IA generativa usando APIs do Microsoft Graph, que podem se conectar aos dados de seus clientes no Microsoft 365. A Contoso é capaz de aprimorar os recursos de seu assistente de IA com acesso a dados pessoais mais relevantes recuperados da API. As APIs do Microsoft Graph permitem que a solução da Contoso:

• Gere entradas de calendário e e-mails de ausência com base no contexto do usuário e em suas solicitações de folga.
• Use informações dos calendários do Outlook de seus clientes finais para sugerir possíveis horários de reunião e convidados.
• Sugira edições de tom, linhas de assunto e documentos para anexar a e-mails com base no histórico entre o destinatário e o remetente.

Essas alterações e muito mais permitem que o aplicativo de IA generativa da Contoso simplifique drasticamente as tarefas administrativas de seus clientes. Usando as APIs do Microsoft Graph em seu aplicativo, eles podem fornecer conselhos úteis e personalizados para os funcionários.

Assistentes do OpenAI do Azure

Usando os recursos dos Assistentes OpenAI do Azure, os ISVs podem criar rapidamente assistentes de IA e integrá-los aos aplicativos existentes. Os Assistentes do OpenAI do Azure podem responder a perguntas, solicitar tarefas simples e até mesmo ser adaptados para escrever e executar código com base nas entradas de um usuário.

Criar um Assistente do OpenAI do Azure é tão simples quanto escrever um arquivo JSON descrevendo a função que você deseja que o assistente execute e fornecer a ele um ambiente Python em área restrita para ser executado. Isso permite que o assistente chame suas APIs existentes e comece a responder aos prompts.

Você pode estar interessado neste padrão se:

• Tenha um aplicativo existente que se beneficiaria de um assistente personalizado.
• Deseja desenvolver um aplicativo semelhante ao copiloto rapidamente com menos sustentação técnica.
• Precisa se integrar a ferramentas adicionais que permitem que seu aplicativo conclua tarefas sem linguagem, como matemática.

Os principais benefícios dessa abordagem incluem:

• Criando um assistente de IA de forma rápida e eficiente.
• Fornecendo aos seus clientes um assistente de IA capaz de responder a perguntas e solicitações mais específicas.
• Habilitando sua solução com recursos de IA que podem solicitar ações simples para simplificar tarefas.

Cenário do assistente do OpenAI do Azure

A Contoso tem um aplicativo existente para clientes de varejo que fornece um portal do funcionário para integração, gerenciamento de estoque, processamento de pagamentos e muito mais. A Contoso usará o Assistente do OpenAI do Azure para criar um assistente de loja, fornecendo aos clientes diretrizes personalizadas para sua situação específica.

Ao criar um assistente de IA, a Contoso pode integrar os dados das empresas ao aplicativo, o que permite responder a perguntas usando dados da empresa. Esses recursos permitem que o copiloto:

• Oriente os novos funcionários através de processos típicos da loja.
• Preveja as necessidades e requisitos de estoque com base em tendências anteriores.
• Orientação de referência em documentos de emprego carregados, como políticas de licença.

Ao incluir um assistente de IA em seu aplicativo, a solução da Contoso se torna uma fonte de diretrizes e sugestões para os funcionários, em vez de apenas uma ferramenta de gerenciamento. Seus clientes podem usá-lo para responder a perguntas e identificar um caminho a seguir nas tarefas do dia-a-dia.

Biblioteca de IA do Teams

Se você já possui um chatbot do Teams ou está interessado em criar um, seu chatbot pode ser aprimorado com recursos de IA generativa. O scaffolding na biblioteca de IA do Teams é capaz de dar suporte à linguagem coloquial para seu chatbot, que pode ser acessado diretamente pelos usuários no Teams.

Esse aplicativo exige que você insira a lógica de negócios que deseja que seu aplicativo use enquanto os LLMs (modelos de linguagem grandes) que a Microsoft fornece lidam com os aspectos de back-end do chatbot. Você pode até modificar seu chatbot para usar diferentes LLMs, plugins e muito mais.

Você pode estar interessado neste padrão se:

• Tenha um chatbot do Teams existente que você gostaria de aumentar com recursos de linguagem natural.
• Deseja aproveitar modelos pré-criados, opções de dados integradas e recursos de segurança integrados.

Os principais benefícios dessa abordagem incluem:

• Melhorando seu chatbot do Teams com recursos de linguagem natural.
• Construindo uma solução de IA generativa com amplas opções de suporte.
• Personalizando seu chatbot para aplicar às suas necessidades situacionais ou industriais.

Cenário da biblioteca de IA do Teams

A Contoso disponibilizou chatbots do Teams para seus clientes há algum tempo, mas à medida que os recursos de IA evoluem, eles desejam modernizar seu aplicativo, permitindo que ele responda a perguntas mais específicas e forneça conselhos personalizados ao funcionário.

Usando a biblioteca de IA do Microsoft Teams, a Contoso pode adicionar facilmente recursos de linguagem natural ao chatbot. Esses novos recursos de IA generativa permitem que o chatbot ofereça melhor suporte aos clientes:

• Sugerir os próximos passos táticos para projetos em andamento e dicas para se preparar para os próximos eventos da empresa.
• Criação de agendas de reuniões, rascunhos de e-mail e muito mais com base em uma breve interação entre o usuário e o chatbot.
• Responder a perguntas usando respostas personalizadas com base no contexto da conversa.

Esses recursos ajudam a simplificar a experiência do funcionário para os clientes da Contoso e permitem que eles obtenham respostas mais inteligentes com mais rapidez. A incorporação de IA generativa em seu chatbot do Teams torna seus usuários mais eficientes no trabalho, pois eles podem conversar naturalmente com o chatbot para receber suporte no trabalho.

Azure AI Foundry

Se você quiser criar um aplicativo de IA de geração completamente personalizado que seja altamente flexível em termos de funcionalidades, poderá usar uma das muitas opções de ponta do Azure AI Foundry. A criação de soluções de IA geradoras com o Azure AI Foundry permite que você personalize sua solução de acordo com suas necessidades específicas, incluindo atender a requisitos altamente técnicos ou de nicho.

O Azure AI Foundry inclui muitas opções para desenvolver um aplicativo de IA, como o fluxo de prompts e o SDK de IA do Azure, ambos com modelos pré-treinados a partir dos quais você pode construir. O serviço é integrado a outros serviços do Azure e fornece recursos para o desenvolvimento contínuo de aplicativos, como uma cadeia de ferramentas LLMOps.

Você pode estar interessado neste padrão se:

• Deseja criar um aplicativo do zero ou modificar um existente.
• Exija que seu assistente de IA conclua processos complexos, como leitura e revisão de documentos técnicos ou análise de tendências de dados complexas.
• Deseja controle total sobre o desenvolvimento de aplicativos para personalizar voz, personalidade e identidade de marca de acordo com suas necessidades específicas.

Os principais benefícios dessa abordagem incluem:

• Criando um copiloto sob medida que pode responder a mais perguntas e solicitações de nicho.
• Personalizar sua solução para atender a requisitos exclusivos de segurança ou dados.

Cenário do Azure AI Foundry

A Contoso deseja criar um aplicativo de IA generativa totalmente personalizado para dar suporte a seus clientes de saúde durante a criação e o processamento de declarações. Para comercializar o aplicativo, eles precisavam ser capazes de processar com precisão as informações do cliente, atender às considerações de segurança especializadas e gerar conteúdo preciso.

Usando o Azure AI Foundry para criar seu próprio aplicativo de IA generativo do zero, eles foram capazes de criar um aplicativo totalmente personalizado e altamente seguro adaptado às necessidades de seus clientes de saúde. O novo aplicativo da Contoso permite que os médicos que trabalham para seguradoras preencham facilmente os formulários. O copilot que eles criaram por meio do Azure AI Foundry pode:

• Apoie a criação de formulários de autorização condicional por meio de solicitações de conversação com base em uma variedade de perguntas específicas da organização.
• Consulte vários registros de pacientes e revise informações no aplicativo da Contoso.
• Atenda às considerações de segurança específicas da organização para minimizar as preocupações com riscos e privacidade.

Ao recuperar com precisão as informações do paciente e usar recursos de linguagem natural para ajudar na geração de formulários, a Contoso pode acelerar o processo de criação de declarações. Sua solução economiza um tempo valioso dos usuários ao concluir essas tarefas especializadas com rapidez e precisão.

Criar um aplicativo no Fabric

Embora muitos ISVs estejam familiarizados com o Fabric como uma solução de dados ou análise, ele também pode servir como uma base de dados abrangente e integrada para aplicativos de IA generativa. Se você deseja criar um aplicativo diretamente no Fabric ou integrar-se ao OneLake, a criação de um aplicativo no Fabric fornece personalização e controle incomparáveis sobre sua solução.

Uma árvore de links para a abordagem "criar um aplicativo no Fabric". Uma seta leva a uma caixa que diz "Permite que os ISVs leiam, gravem e gerenciem dados no Fabric OneLake usando APIs, atalhos e muito mais existentes", o que leva ao Padrão H: Interoperabilidade com o Fabric. Uma segunda seta leva a uma caixa que diz "Permite que os ISVs desenvolvam produtos sobre a plataforma do Fabric ou combinem o Fabric com aplicativos pré-existentes", o que leva ao Padrão I: Construir no Fabric. Uma seta final leva a uma caixa que diz "fornece aos ISVs ferramentas para criar cargas de trabalho altamente personalizáveis dentro do ecossistema do Fabric", o que leva ao Padrão J: Criar uma carga de trabalho do Fabric.

Interoperabilidade com o Fabric

A integração do aplicativo existente com o Fabric oferece infinitas opções para simplificar o back-end de dados da solução. Ao interoperar com o Fabric, você pode unificar uma infinidade de fontes de dados diferentes em uma única plataforma usando uma variedade de ferramentas e APIs.

O Fabric oferece APIs OneLake e APIs de inteligência em tempo real projetadas para acessar e processar rapidamente seus dados. Você também pode usar o Data Factory para unificar seus dados entre ambientes por meio de atalhos e gerenciar tarefas complexas de processamento de dados de até 200 fontes externas. Mesmo que seus dados não estejam no Azure, você pode criar atalhos para trazer seus dados para o OneLake.

Você pode estar interessado neste padrão se:

• Ter um aplicativo existente que exija processamento de dados aprimorado.
• Estão extraindo seus dados de uma variedade de fontes e ambientes.
• Deseja ler e gerenciar os dados do seu aplicativo no OneLake ou no Data Factory.

Os principais benefícios dessa abordagem incluem:

• Melhorar os recursos de dados para aplicativos existentes por meio de maiores habilidades de processamento, armazenamento e análise.
• Integração de dados de vários locatários e ambientes em uma plataforma.

Cenário de interoperabilidade com malha

O aplicativo SaaS que a Contoso desenvolveu para seus clientes de varejo requer maiores recursos de dados para gerenciar dados de vários locatários. Os clientes finais da Contoso exigem maior visibilidade de seus dados e estão solicitando mais informações sobre tendências e padrões em seus dados. No entanto, seus clientes usam uma variedade de plataformas para gerenciamento de estoque, pessoal, gerenciamento da Web e muito mais que a Contoso precisa acessar para formar uma exibição completa dos dados.

Para resolver esses problemas, a Contoso conectou seu aplicativo existente ao Fabric. Isso permite que eles tenham um melhor gerenciamento de dados em nível administrativo, bem como melhores insights de dados e visibilidade para os locatários. Sua aplicação é capaz de:

• Use o compartilhamento de dados e atalhos multinuvem para coletar informações de diferentes locatários no OneLake.
• Acesse os dados da organização imediatamente por meio de APIs do Real-Time Intelligence.
• Lide com quantidades de dados associadas a uma solução em grande escala.
• Retrate informações sobre os dados do cliente para eles por meio de painéis interativos que a Contoso criou em seu aplicativo.

Agora que a Contoso pode acessar dados de seus clientes com mais facilidade, ela pode modificar sua solução para fornecer essas informações aos clientes finais. Seus clientes finais podem interpretar seus dados com facilidade e precisão e usá-los para fazer escolhas para seus negócios.

Construir em malha

Além de se conectar ao Fabric como uma plataforma de dados para seu aplicativo, você também pode criar no Fabric para inserir as funcionalidades do Fabric diretamente em seu aplicativo. Os desenvolvedores podem usar uma variedade de APIs REST para criar recursos do Fabric em seus aplicativos para oferecer suporte a fluxos de trabalho mais técnicos com recursos de IA generativa.

Diferentes APIs podem ser integradas ao seu aplicativo para habilitá-lo com diferentes funções. Por exemplo, a incorporação da API do Warehouse em seu aplicativo fornece as opções de Data Warehouse disponíveis no Fabric. Desenvolver seu aplicativo diretamente sobre o Fabric permite que você utilize e manipule perfeitamente essas funções do Fabric na interface do seu próprio aplicativo.

Você pode estar interessado neste padrão se:

• Estão criando um aplicativo que será usado por cientistas de dados ou outros usuários com necessidades de gerenciamento de dados mais abrangentes.
• Deseja incorporar opções abrangentes de armazenamento e processamento de dados em seu aplicativo.
• Está procurando criar um aplicativo do zero ou modificar um existente.

Os principais benefícios dessa abordagem incluem:

• Integrando os recursos de dados do Fabric diretamente em sua solução.
• Gerenciando e manipulando dados em seu próprio aplicativo.
• Criando seu aplicativo com total personalização e controle.

Cenário de criação no Fabric

Os clientes da Contoso têm expressado a necessidade de recursos de dados mais complexos. Entre acompanhar tendências de vendas, agendas de funcionários, estoque para lojas digitais e presenciais e muito mais em vários locatários, eles exigem muito mais suporte ao processamento de dados em seu novo aplicativo.

Para gerenciar com mais eficiência os dados do cliente, a Contoso desenvolveu um novo aplicativo criado com base no Fabric. Esse aplicativo permite que os usuários interajam diretamente com seus dados e interajam com eles no aplicativo da Contoso. Ao aproveitar os recursos de processamento de dados do Fabric, seu aplicativo pode:

• Conecte-se ao OneLake, Power BI e muito mais diretamente no aplicativo, que pode ser exibido por meio de painéis personalizados criados pela Contoso.
• Forneça insights de dados sobre a lucratividade de categorias como lojas online ou presenciais, diferentes locais de lojas e por marca e categoria de produto.
• Use a IA para analisar esses dados e fornecer insights e sugestões aos clientes, como sugerir uma mudança no preço de um produto, prever possíveis interrupções e identificar discrepâncias nos fluxos de receita.
• Fornecer aos clientes da Contoso acesso direto aos dados do Fabric na plataforma da Contoso.

Ao incorporar os recursos do Fabric em seu aplicativo, eles podem gerenciar e manipular dados diretamente em sua solução. A IA que eles criaram com base em sua solução é capaz de acessar esses dados e fornecer insights de negócios personalizados para os clientes da Contoso.

Criar uma carga de trabalho do Fabric

Além de criar com as sete cargas de trabalho nativas do Fabric, os ISVs podem expandir os recursos do Fabric criando suas próprias cargas de trabalho personalizadas e oferecendo-as como uma solução separada. Essas cargas de trabalho podem ser criadas do zero para fornecer uma infinidade de recursos de gerenciamento de dados, seja criando uma visão mais holística dos dados de seus clientes ou tomando ações com base em tendências e previsões de dados.

Os ISVs podem usar o Microsoft Fabric Workload Development Kit para criar sua própria carga de trabalho e publicá-la como uma oferta de SaaS para outros usuários do Fabric no Azure Marketplace. Esse padrão é facilmente monetizável no Azure Marketplace e usa a experiência do usuário do Fabric ao fazer interface com os clientes, o que deixa você livre para se concentrar no desenvolvimento de sua carga de trabalho.

Você pode estar interessado neste padrão se:

• Gostaria de criar uma ferramenta disponível para usuários finais no Fabric, como outros desenvolvedores ou cientistas de dados.
• Veja uma necessidade ou requisito de dados que você deseja atender com o Fabric.
• Deseja aproveitar o suporte da Microsoft, como a experiência do usuário existente e a publicação simples no Azure Marketplace.

Os principais benefícios dessa abordagem incluem:

• Publicar seu aplicativo no Azure Marketplace, onde ele pode ser facilmente acessado e comprado por usuários finais técnicos no Fabric.
• Criando soluções altamente personalizáveis diretamente adaptadas aos requisitos de dados de seus clientes.

Criar um cenário de carga de trabalho do Fabric

A Contoso deseja criar soluções que possam ser usadas por seus clientes de varejo para rastrear cadeias de suprimentos e gerenciamento de estoque em lojas digitais e presenciais para vários locatários. Eles querem que seu aplicativo seja facilmente acessível para usuários finais técnicos, para que possam buscar mais uso para seu aplicativo controlado por dados.

Usando o Microsoft Fabric Workload Development Kit, a Contoso conseguiu desenvolver uma carga de trabalho que seus clientes podem acessar diretamente do Fabric em uma experiência do usuário com a qual estão familiarizados. Eles conseguiram monetizá-lo como um aplicativo SaaS no Azure Marketplace, onde é facilmente acessível aos usuários finais da Contoso na plataforma Fabric. Sua carga de trabalho do Fabric é capaz de:

• Otimize o estoque fornecendo informações sobre áreas que precisam de demanda adicional e usando recursos de IA para sugerir um caminho a seguir.
• Preveja a demanda futura por meio de recursos de aprendizado de máquina que analisam tendências passadas.
• Simule possíveis cenários que possam afetar a cadeia de suprimentos, como a mudança de fornecedores.

Ao oferecer sua solução como uma carga de trabalho do Fabric, a Contoso pode ajudar os cientistas de dados e outros profissionais técnicos a otimizar as cadeias de suprimentos. Os clientes da Contoso obtêm maior visibilidade de seus negócios, por meio da análise cuidadosa da IA de dados passados e previsões de tendências futuras.

Conclusão

Ao aprender sobre cada padrão e seus recursos, agora você deve estar equipado para decidir como construir sua solução de IA generativa. Depois de pesquisar a abordagem escolhida e confirmar que ela está dentro de suas capacidades, você pode começar a desenvolver seu aplicativo.

Explore os recursos abaixo para saber mais sobre o padrão escolhido, bem como outras próximas etapas para criar sua experiência de IA generativa.

Crie seu próprio copiloto

Links para mais informações sobre cada padrão de copiloto de build your own:

• Padrão D – APIs do Microsoft Graph
• Padrão E – Assistentes do OpenAI do Azure
• Padrão F – Biblioteca de IA do Teams
• Padrão G – Fábrica de IA do Azure

Mais informações sobre como criar um aplicativo no Fabric

Links para obter mais informações sobre como criar aplicativos no Fabric:

• Abordagem - Criar um aplicativo no Fabric
• Padrão J - Criar uma carga de trabalho no Fabric

Links relacionados

Mais informações sobre padrões de IA generativa e seus benefícios: Criando experiências de IA generativa com o Microsoft Cloud - Um guia para ISVs | Microsoft Learn

Diretrizes de experiência do usuário para ISVs que projetam experiências de IA generativa: próximas etapas para projetar sua experiência de usuário de IA generativa.