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 responsável. 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 melhora os processos de negócios. A IA generativa aumenta a produtividade e melhora a experiência do cliente. A IA não generativa, como o machine learning, analisa dados estruturados e automatiza tarefas repetitivas. Use esse entendimento para identificar áreas em toda a sua empresa onde a IA agrega valor.

1. Identifique oportunidades de automação. Foco em processos adequados à automação para melhorar a eficiência e reduzir os custos operacionais. Direcione tarefas repetitivas, operações com muitos dados ou áreas com altas taxas de erro onde a IA pode ter um impacto significativo.

2. Reúna o feedback dos clientes. Use o feedback do cliente para descobrir casos de uso que melhoram a satisfação do cliente quando automatizados com IA. Esse feedback ajuda a priorizar iniciativas de IA impactantes.

3. Realizar uma avaliação interna. Colete informações de vários departamentos para identificar desafios e ineficiências que a IA pode resolver. Documente fluxos de trabalho e reúna informações das partes interessadas para descobrir oportunidades de automação, geração de insights ou melhoria na tomada de decisões.

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

5. Defina alvos de IA. Para cada caso de uso identificado, defina a meta (propósito geral), objetivo (resultado desejado) e métrica de sucesso (medida quantificável). Esses benchmarks orientam sua adoção de IA e medem o sucesso. Para obter mais informações, consulte o 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 agentes 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 às 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. Estes sistemas representam uma mudança da automação tradicional para uma tomada de decisão inteligente que se adapta às condições em mudança. Você deve planejar a integração de agentes para dar suporte a fluxos de trabalho complexos e colaboração de vários sistemas. Revise O que são agentes? , para entender os recursos dos agentes e preparar sua organização para soluções baseadas em agentes.

2. Adotar mecanismos padrão para a interoperabilidade da IA. Os protocolos padrão permitem que os sistemas de IA se comuniquem entre diferentes plataformas e reduzam as implementações personalizadas. Esses protocolos suportam o compartilhamento de dados e a integração do sistema, mantendo a flexibilidade para futuras mudanças tecnológicas. Você deve entender protocolos como o Model Context Protocol para ingestão de dados entre sistemas para garantir que seus sistemas de IA suportem os requisitos de interoperabilidade. Avalie ferramentas como NLWeb para preparar seu conteúdo para a web de IA. Por exemplo, consulte Model Context Protocol no Microsoft Copilot Studio e Exposing REST APIs as MCP servers.

3. Selecione o modelo de serviço de IA apropriado. A Microsoft oferece três modelos de serviço com diferentes níveis de personalização e responsabilidade compartilhada: Software as a Service (SaaS), Platform as a Service (PaaS) e Infrastructure as a Service (IaaS). Cada modelo requer diferentes habilidades técnicas e fornece diferentes graus de controle sobre a implementação da IA. Você deve combinar os recursos, os requisitos de dados e as necessidades de personalização da sua equipe com o modelo de serviço apropriado. Use a árvore de decisão de IA abaixo para orientar seu processo de seleção.

Comece identificando seu caso de uso de IA. Se o objetivo é melhorar 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 papéis específicos para áreas de atividade como segurança, vendas, serviço 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 Ferramentas de Extensibilidade para Microsoft 365 Copilot. Se o objetivo for automatizar a funcionalidade de negócios, use o Copilot Studio para uma ferramenta SaaS que permita a criação e implantação de agentes por meio de linguagem natural com preços integrados. Use o Azure AI Foundry para obter uma plataforma de desenvolvimento completa com acesso de API aos serviços Azure OpenAI e Azure AI. Se você só precisa de acesso aos modelos OpenAI, use o Azure OpenAI. Se você precisar de modelos não generativos pré-criados ou do Azure AI Search para suporte a agentes, use os serviços de IA do Azure. Se você precisar treinar e implantar modelos de aprendizado de máquina com seus próprios dados, use o Microsoft Fabric se já trabalhar 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 orquestra-los com o Azure CycleCloud, Azure Batch ou Kubernetes, use as Máquinas Virtuais do Azure.

Compre IA com serviços de software (SaaS)

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

Microsoft Copilots	Descrição	Utilizador	Dados necessários	Competências necessárias	Principais fatores de custo
Microsoft 365 Copilot	O Microsoft 365 Copilot fornece bate-papo baseado na Web (Internet) e baseado no trabalho (Microsoft Graph) e IA no aplicativo para aplicativos do Microsoft 365.	Negócio	Sim. Categorize seus dados com rótulos de confidencialidade e interaja com segurança com seus dados no Microsoft Graph.	TI geral e gestão de dados	Licença
Copilotos baseados em tarefas	Agentes que melhoram a eficiência para funções específicas em Segurança, Vendas, Serviço e Finanças.	Negócio	Sim. Opções de conexão de dados e de complemento estão disponíveis.	TI geral e gestão de dados	Licenças ou Unidades de Computação de Segurança (Copilot for Security)
Copilotos dentro do produto	IA em produtos como GitHub, Power Apps, Power BI,Dynamics 365, Power Automate, Microsoft Fabric e Azure.	Empresas e indivíduos	Sim. A maioria requer preparação mínima de dados.	Nenhuma	Grátis ou por assinatura
Microsoft Copilot ou Microsoft Copilot Pro	O Microsoft Copilot é um aplicativo de bate-papo gratuito baseado na Web. O Copilot Pro oferece melhor desempenho, capacidade e acesso ao Copilot em determinados aplicativos do Microsoft 365.	Indivíduo	Não	Nenhuma	O Microsoft Copilot é gratuito. O Microsoft Copilot Pro requer uma subscrição
Ferramentas de extensibilidade para o Microsoft 365 Copilot	Personalize o Microsoft 365 Copilot com mais dados ou funcionalidades através de agentes declarativos. Use ferramentas como Copilot Studio, agent builder, Teams toolkit e SharePoint.	Empresas e indivíduos	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 SaaS.	Desenvolvedor	Automatiza grande parte do trabalho de dados para criar copilotos personalizados.	Plataforma para conectar fontes de dados, mapear instruções e implantar assistentes de IA.	Licença

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

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. Analise as páginas de preços para cada serviço do Azure e use a calculadora de preços do Azure para desenvolver estimativas de custo.

Objetivo da IA	Solução Microsoft	Dados necessários	Competências necessárias	Principais fatores de custo
Agentes de construção	Serviço Azure AI Foundry Agent	Sim	Configuração de ambiente, seleção de modelos, ferramentas, armazenamento de dados de aterramento, isolamento de dados, acionamento de agentes, agentes de conexão, filtragem de conteúdo, rede privada, monitoramento de agentes, monitoramento de serviços	Consumindo tokens de modelo, armazenamento, funcionalidades, computação, conexões de base
Crie aplicativos RAG	Azure AI Foundry	Sim	Selecionar modelos, orquestrar fluxo de dados, fragmentar dados, enriquecer partes, escolher indexação, compreender tipos de consulta (texto completo, vetorial, híbrido), compreender filtros e facetas, executar reclassificação, engenharia de prompts, 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
Ajuste os modelos GenAI	Azure AI Foundry	Sim	Pré-processamento de dados, validação de dados de treino e de teste, validação de modelos, configuração de outros parâmetros, melhoria de modelos, implementação de modelos e consumo de endpoints em aplicações.	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-processamento de dados, treino de modelos usando código ou automação, melhoria de modelos, implementação de modelos de aprendizagem automática e consumo de pontos finais em aplicativos.	Computação, armazenamento e transferência de dados
Consuma modelos e serviços de IA pré-construídos	Serviços de IA do Azure e/ou Azure OpenAI	Sim	Selecione modelos de IA, protegendo endpoints, consumindo endpoints em aplicativos e ajustando conforme necessário	Uso de pontos de extremidade de modelo consumidos, armazenamento, transferência de dados, computação (se treina modelos personalizados)
Isolar aplicativos de IA	Aplicativos de contêiner do Azure	Sim	Selecione modelos de IA, orquestrando o fluxo de dados, fragmentando dados, enriquecendo fragmentos, escolhendo indexação, compreendendo tipos de consulta (texto completo, vetorial, híbrido), compreendendo filtros e facetas, executando reclassificação, desenvolvendo engenharia de prompts, implantando pontos de extremidade e consumindo pontos de extremidade em aplicativos.	Computação, número de tokens de entrada e saída, serviços de IA consumidos, armazenamento e transferência de dados

Traga modelos de IA com serviços de infraestrutura (IaaS)

Para maior personalização e controle, use as soluções IaaS do Azure, como Máquinas Virtuais do Azure por meio do CycleCloud e do Serviço 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 Microsoft	Dados necessários	Competências necessárias	Principais fatores de custo
Treine e infera seus próprios modelos de IA. Traga seus próprios modelos para o Azure.	Máquinas Virtuais do Azure ou Serviço Kubernetes do Azure	Sim	Gestão de infraestrutura, TI, instalação de programas, treino de modelos, benchmarking de modelos, orquestração, implementação de endpoints, segurança dos endpoints e utilização de endpoints em aplicações.	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 suportem seus 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 contínuos de gerenciamento de dados. Você deve definir esquemas de classificação de dados com base na sensibilidade e nos níveis de exposição. Use proteções de conformidade e segurança de dados 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 demandas atuais e futuras de carga de trabalho de IA sem problemas de desempenho ou derrapagens de custos. Essa avaliação identifica os requisitos de volume, velocidade e variedade que orientam a seleção de tecnologia. Você deve documentar os volumes de dados atuais, as frequências de processamento e os tipos de dados para cada caso de uso de IA.

3. Projete o gerenciamento do ciclo de vida dos dados para ativos de IA. O gerenciamento do ciclo de vida mantém os dados acessíveis, seguros e econômicos, desde a coleta até o 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 níveis apropriados com base em padrões de acesso e necessidades de retenção. Estabeleça pipelines ETL/ELT para garantir a qualidade dos dados e use o Painel de IA Responsável para identificar e reduzir o viés do conjunto de dados.

4. Implementar práticas de dados responsáveis para o desenvolvimento de IA. As práticas responsáveis garantem que os sistemas de IA usem os dados de forma ética e mantenham a conformidade regulamentar. Essas práticas orientam as decisões de coleta, uso e retenção de dados ao longo do ciclo de vida da IA. Você deve implementar o controle de linhagem de dados usando o Microsoft Fabric ou o Microsoft Purview para transparência. Estabeleça padrões de qualidade de dados, deteção de vieses e considerações de equidade em conjuntos de dados de treinamento. Defina políticas de retenção e eliminação que equilibrem o desempenho da IA com os requisitos de privacidade e conformidade.

Desenvolver uma estratégia de IA responsável

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

1. Atribua responsabilidade de IA a equipes designadas. As estruturas de responsabilização apropriam-se das decisões de governação da IA e asseguram uma gestão ágil dos requisitos regulamentares. Essas estruturas definem papéis e autoridade de tomada de decisão para iniciativas de IA. Você deve designar indivíduos ou equipes para monitorar as mudanças na tecnologia de IA e os requisitos regulamentares. Crie um centro de excelência em nuvem de IA para centralizar responsabilidades e estabelecer procedimentos de escalonamento.

2. Adote princípios de IA responsável como objetivos de negócios. Os princípios de IA responsável fornecem a estrutura para o desenvolvimento ético de IA que orienta a tomada de decisões e se alinha com os padrões da indústria. Esses princípios se tornam objetivos de negócios que moldam a seleção e o desenvolvimento de projetos de IA. Você deve adotar os seis princípios de IA responsável da Microsoft, que se alinham com o NIST AI Risk Management Framework (RMF). Integre esses princípios no planejamento do projeto, nos processos de desenvolvimento e nas métricas de sucesso.

3. Selecione ferramentas de IA responsáveis para o seu portfólio de IA. A seleção de ferramentas garante mecanismos adequados para os princípios éticos da IA e mantém a aplicação consistente de padrões de IA responsáveis. A seleção de ferramentas aborda abordagens de integração e processos operacionais. Você deve avaliar e selecionar ferramentas e processos de IA responsável apropriados que se alinhem com seus casos de uso de IA e perfis de risco. Integre essas ferramentas nos fluxos de trabalho de desenvolvimento para garantir uma aplicação 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 a aplicação de IA. Você deve identificar as regulamentações locais e internacionais relevantes de IA que se aplicam às suas operações e casos de uso de IA. Monitore as mudanças regulatórias e atualize as estratégias de conformidade para garantir o alinhamento contínuo em toda a sua jornada de adoção de 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. Os seus canais de venda incluem tanto empresas privadas como agências do setor público altamente regulamentadas.

Caso de uso de IA	Objetivos	Objetivos	Métricas de sucesso	Abordagem de IA	Solução Microsoft	Necessidades de dados	Necessidades de competências	Fatores de custo	Estratégia de dados de IA	Estratégia responsável de IA
Recurso de bate-papo de 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	Azure AI Foundry	Descrições e emparelhamentos de itens	RAG e desenvolvimento de aplicativos na nuvem	Utilização	Estabeleça governança de dados para os dados dos clientes e implemente controles de equidade de IA.	Atribua a responsabilidade da IA ao AI CoE e alinhe-se com os Princípios de IA Responsável.
Fluxo de trabalho interno de processamento de documentos do aplicativo	Automatize o processo de negócios	Reduzir custos	Aumento da taxa de conclusão	IA analítica, ajuste fino	Serviços de IA do Azure - Document Intelligence	Documentos normalizados	Desenvolvimento de aplicações	Utilização estimada	Defina a governança de dados para documentos internos e planeje políticas de ciclo de vida de dados.	Atribua responsabilidade de IA e garanta a conformidade com as políticas de tratamento de dados.
Gestão de inventário e compra de produtos	Automatize o processo de negócios	Reduzir custos	Menor prazo de validade do estoque	Aprendizagem automática, modelos de treino	Azure Machine Learning	Dados históricos de inventário e vendas	Aprendizagem automática e desenvolvimento de aplicações	Utilização estimada	Estabeleça governança para dados de vendas e detete e resolva vieses nos dados.	Atribua responsabilidade de IA e cumpra os regulamentos financeiros.
Trabalho diário em toda a empresa	Aumentar a produtividade individual	Melhorar a experiência dos funcionários	Aumento da satisfação dos colaboradores	IA generativa SaaS	Microsoft 365 Copilot	Dados do OneDrive	Informática Geral	Custos de subscrição	Implemente a governança de dados para os dados dos funcionários e garanta a privacidade dos dados.	Atribua responsabilidade à IA e utilize os recursos integrados de IA responsável.
Aplicação de comércio eletrónico com funcionalidade de chat para indústrias regulamentadas	Automatize o processo de negócios	Aumentar as vendas	Aumento das vendas	Treinamento de modelo de IA generativa IaaS	Máquinas Virtuais do Azure	Dados de treinamento específicos do domínio	Infraestrutura na nuvem e desenvolvimento de aplicações	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 as regulamentações do setor.

Próximo passo

Plano de IA