Планирование внедрения ИИ

В этой статье показано, как создать план внедрения ИИ, который преобразует стратегию ИИ вашей организации в практические шаги. План внедрения ИИ мостит разрыв между видением ИИ и выполнением. План обеспечивает выравнивание между инициативами ИИ и бизнес-целями при устранении пробелов в навыках, требованиях к ресурсам и временной шкале реализации.

Идентификация вариантов использования ИИ

Первым шагом в обрамление стратегии ИИ является идентификация вариантов использования. Этот шаг определяет, как лица, принимающие решения, обнаруживают, где ИИ может улучшить бизнес-результаты в организации. Цель — в первую очередь выявлять наиболее значимые возможности. Список не должен быть исчерпывающим, хотя это может быть. Его цель заключается в том, чтобы дать всем общее представление о том, что имеет наибольшее значение для бизнеса. Проработайте это по порядку, чтобы каждый сценарий использования был привязан к реальной ценности.

1. Начните с бизнес-проблем. Ищите, где организация нуждается в лучших результатах, прежде чем рассматривать ИИ вообще. Наиболее ясно сигналы проявляются в том, как люди работают, например в повторяющихся ручных операциях или медленных согласованиях. Формулируйте поиск простыми словами, например: «где результаты не соответствуют ожиданиям» или «на какие повторяющиеся задачи люди тратят время». Такой подход помогает ИИ сосредоточиться на ценности, а не на новизне. Компромисс: обширное сканирование выявляет множество возможностей, поэтому сосредоточьтесь на разрывах в результатах, которые можно измерить и которые действительно важны.

2. Преобразуйте проблемы в варианты использования. Преобразуйте каждую бизнес-проблему в краткую формулировку, в которой указаны действие и ожидаемый результат, например: «помочь агентам поддержки отвечать, опираясь на внутренние документы, чтобы сократить время решения обращений». Убедитесь, что такая задача возникает достаточно часто, чтобы оправдать вложения. Компромисс: сценарии на раннем этапе, как правило, расплывчаты, поэтому, прежде чем переходить дальше, уточните их, превратив в четкие и применимые на практике описания.

3. Классифицировать вариант использования. Классифицируйте каждый вариант использования на основе того, как он создает значение. Используйте это решение как основу для последующих технологических решений.

   • Индивидуальная работа: Эти варианты использования улучшают работу отдельных лиц или команд внутри существующих средств. Например, помощь в написании текстов или подготовка к встрече. Они тесно связаны с решениями в области генеративного ИИ, такими как Microsoft 365 Copilot.

   • Автоматизация бизнеса: Эти варианты использования изменяют способ работы организации или обеспечения ценности. Примеры включают автоматическую маршрутизацию клиентов или прогнозирование спроса. Они часто нуждаются в интеграции с другими системами и могут объединять несколько типов ИИ.

4. Рассмотрите необходимый тип ИИ. Это соображение не является окончательным решением, и вы можете вернуться к нему, когда сценарий использования станет более понятным. Общее представление о том, какого уровня единообразия вы хотите добиться в результате, помогает сузить круг технологий для дальнейшего выбора. У вас есть свобода изменить его позже.

   • Генерируемый ИИ (недетерминированный) создает выходные данные, которые могут различаться даже для одного и того же ввода, и он хорошо работает, если входные данные неструктурируются, такие как естественный язык или документы. Он подходит для случаев, когда рабочий процесс не исправлен и где требуется, чтобы система создавала содержимое или помогала человеческому решению. Используйте этот подход, если вы заранее не знаете точную последовательность действий и допустима некоторая вариативность результата.

   • Негенеративный ИИ (детерминированный) создает согласованные и повторяемые выходные данные из структурированных входных данных. Он подходит для тех случаев, когда рабочий процесс определен и тот же вход должен привести к тому же результату. Выбирайте этот вариант для задач, где важна точность, например для прогнозирования или обнаружения аномалий.

Применяйте эту последовательность в каждой бизнес-области. Повторяемый процесс уменьшает путаницу, не даёт вам прибегать к генеративному ИИ там, где он не нужен, и подготавливает вас к следующему этапу — выбору пути решения.

Оценка навыков ИИ

Оценка текущих возможностей предотвращает неправильное размещение ресурсов и обеспечивает реалистичное планирование проектов, согласованное с готовностью организации. Проекты искусственного интеллекта завершаются сбоем, если организации пытаются реализовать реализацию за пределы их технической зрелости или доступности данных. Оцените свои навыки, ресурсы данных и инфраструктуру, чтобы создать основу для успешного внедрения ИИ. Это делается следующим образом:

1. Измеряйте уровень зрелости ИИ с помощью платформы подготовки к данным и навыков. Платформа предоставляет объективные критерии для оценки текущих возможностей ИИ вашей организации. Это измерение предотвращает чрезмерное обязательство проектами за пределы текущих возможностей. Используйте следующую таблицу для оценки зрелости:

   Уровень зрелости ИИ	Необходимые навыки	Готовность к данным	Возможные варианты использования ИИ
   Уровень 1	▪ Базовое понимание концепций ИИ ▪ Возможность интегрировать источники данных и сформировать подсказки	▪ Данных от минимального до нуля ▪ Доступные корпоративные данные	▪ проекты быстрого запуска Azure ▪ Любое решение Copilot
   Уровень 2	▪ Опыт выбора модели ИИ ▪ Знакомство с развертыванием ИИ и управлением конечными точками ▪ Опыт очистки и обработки данных	▪ Данных от минимального до нуля ▪ Небольшой структурированный набор данных ▪ Небольшое количество доступных данных для конкретного домена	▪ Все проекты уровня 1 ▪ Настраиваемая аналитическая рабочая нагрузка ИИ с помощью средств Foundry ▪ Пользовательское чат-приложение на базе генеративного ИИ без применения Retrieval Augmented Generation (RAG) в Foundry ▪ Пользовательское приложение Машинное обучение Azure с автоматизированным обучением модели ▪ Настройка модели создания искусственного интеллекта
   Уровень 3	▪ Навыки в области технической инженерии ▪ Навыки выбора модели ИИ, фрагментирования данных и обработки запросов ▪ Навыки предварительной обработки, очистки, разделения и проверки данных ▪ Обоснование данных для индексирования	▪ Большие объемы исторических бизнес-данных, доступных для машинного обучения ▪ Небольшое количество доступных данных для конкретного домена	▪ Все проекты уровня 1–2 ▪ Создание приложения искусственного интеллекта с помощью RAG в Foundry ▪ Обучение и развертывание модели машинного обучения ▪ Обучение и запуск небольшой модели ИИ на Виртуальные машины Azure
   Уровень 4	▪ Расширенные знания по искусственному интеллекту и машинному обучению, включая управление инфраструктурой ▪ Навыки обработки сложных рабочих процессов обучения модели ИИ ▪ Опыт работы с оркестрацией, тестированием моделей и оптимизацией производительности ▪ Надежные навыки защиты конечных точек ИИ и управления ими	▪ Большие объемы данных, доступные для обучения	▪ Все проекты уровня 1–3 ▪ Обучение и запуск больших и негенерированных приложений ИИ на Виртуальные машины, Служба Azure Kubernetes или Контейнеры приложений Azure

2. Инвентаризация ресурсов данных и оценка их качества для вариантов использования ИИ. Качество данных непосредственно влияет на производительность модели ИИ и определяет, какие варианты использования можно реализовать успешно. Эта инвентаризация показывает требования к подготовке данных и помогает определять приоритеты вариантов использования на основе доступных данных. Документируйте источники данных, форматы, качество и доступность в вашей организации.

3. Просмотрите инфраструктуру технологий и определите требования к готовности КИ. Емкость инфраструктуры ограничивает область проекта ИИ и влияет на стратегии развертывания. Эта проверка помогает планировать инвестиции в инфраструктуру и выбирать соответствующие Azure службы. Оцените вычислительные ресурсы, емкость хранилища, пропускную способность сети и средства управления безопасностью, необходимые для целевых вариантов использования ИИ.

Получение навыков искусственного интеллекта

Комплексная стратегия создания возможностей гарантирует, что у вашей организации есть навыки, необходимые для реализации и поддержания систем искусственного интеллекта. Пробелы в навыках создают задержки проекта и повышают риск сбоев реализации. Разработайте комплексный подход, который объединяет обучение, найм и партнерские отношения для создания устойчивых возможностей искусственного интеллекта. Это делается следующим образом:

1. Развивайте навыки в области ИИ. Внутренняя разработка навыков обеспечивает долгосрочное создание возможностей и гарантирует хранение знаний в организации. Этот подход создает доверие организации и снижает зависимость от внешних ресурсов. Используйте платформу для обучения ИИ для бесплатных курсов по ИИ, сертификаций и руководства по продуктам. Задайте такие цели сертификации, как сертификация Azure AI Fundamentals.

2. Нанимайте специалистов по ИИ. Внешний набор предоставляет немедленный доступ к специализированным знаниям и ускоряет временные шкалы проектов. Эта стратегия помогает заполнить пробелы, которые потребовали бы слишком много времени на внутреннюю разработку. Нанимайте экспертов в области разработки моделей, создания ИИ или этики ИИ. Обновите описания должностей, чтобы отразить текущие потребности в навыке и построить бренд работодателя, который подчеркивает инновации и техническое руководство.

3. Используйте партнёров Microsoft. Microsoft партнерства обеспечивают доступ к проверенной экспертизе и лучшим отраслевым практикам, одновременно снижая риск реализации. Этот подход ускоряет обучение и обеспечивает соответствие Microsoft технологиям искусственного интеллекта. Используйте Marketplace партнеров Microsoft для доступа к экспертным знаниям в области ИИ, данных и Azure в различных отраслях.

Доступ к ресурсам ИИ

Четкое определение требований к доступу и стратегии лицензирования предотвращают задержки развертывания и обеспечивают соответствие политикам организации. Различные решения искусственного интеллекта имеют различные шаблоны доступа, влияющие на затраты, безопасность и управление. Ознакомьтесь с конкретными требованиями к доступу для каждого решения ИИ в вашем портфеле, чтобы эффективно планировать бюджеты и средства контроля безопасности. Это делается следующим образом:

решение Microsoft ИИ	Как получить доступ
Microsoft Copilot	Требуется лицензия Microsoft 365 с дополнительной лицензией Copilot. См. Microsoft Copilot.
Microsoft Copilot Studio	Требуется автономная лицензия или лицензия на дополнительный модуль. См. раздел Microsoft Copilot Studio.
Копилоты в рамках продукта	Требуется доступ к основному продукту. См. GitHub Copilot, Copilot in Power Apps, Copilot in Power BI, Dynamics 365, Power Automate, Copilot in Microsoft Fabric и Azure Copilot.
Копилоты на ролевой основе	Требуется определенные требования к доступу. См. Microsoft Security Copilot, агент продаж, агент обслуживания, финансовый агент.
службы Azure	Требуется учетная запись Azure. Включает Microsoft Foundry.

Приоритет вариантов использования ИИ

Стратегические приоритеты позволяют сосредоточить ресурсы на проектах, которые обеспечивают максимальное значение при сопоставлении возможностей организации. Приоритизация вариантов использования снижает риск реализации и ускоряет достижение ценности. Оцените каждый вариант использования в соответствии с обоснованием, стратегическим значением и требованиями к ресурсам, чтобы создать достижимую стратегию реализации. Это делается следующим образом:

1. Оцените кейсы использования в отношении текущей зрелости искусственного интеллекта и доступных ресурсов. Реалистичная оценка предотвращает чрезмерное использование проектов за пределами текущих возможностей и обеспечивает успешную реализацию. Эта оценка помогает сосредоточиться на достижимых целях, которые создают импульс для будущих проектов. Просмотрите уровень зрелости ИИ, доступность данных, техническую инфраструктуру и кадровые ресурсы для каждого варианта использования.

2. Ранжируйте варианты использования по стратегической ценности и по возможности реализации. Стратегический рейтинг помогает выделить ограниченные ресурсы для проектов с наибольшей потенциальной вероятностью влияния и успеха. Этот подход обеспечивает максимальную отдачу от инвестиций искусственного интеллекта при создании доверия организации. Оцените каждый вариант использования по влиянию на бизнес, технической сложности, требованиям к ресурсам и соответствию целям организации.

3. Создайте приоритетную стратегию реализации с четкими критериями успешности. Структурированная стратегия обеспечивает четкое направление для команд реализации и позволяет отслеживать ход выполнения по определенным вехам. Эта стратегия помогает управлять ожиданиями заинтересованных лиц и распределением ресурсов. Выберите варианты использования верхнего приоритета и определите конкретные метрики успешности, временные шкалы и требования к ресурсам для каждого проекта.

Создание прототипов ИИ

Доказательство концепции помогает снизить риск реализации путем проверки технической реализации и бизнес-ценности до полномасштабного развития. PoCs помогают выявлять потенциальные проблемы и уточнять требования в управляемой среде. Создание ориентированных проектов проверки, которые проверяют основные предположения и собирают данные для принятия обоснованных решений. Это делается следующим образом:

1. Выберите подходящий вариант использования для проверки концепции. Правильный выбор PoC балансирует возможности для обучения с управляемым риском и сложностью. Этот выбор гарантирует, что вы собираете значимые аналитические сведения, не подавляя вашу команду или организацию. Выберите проект с высоким уровнем ценности в списке приоритетов, соответствующий уровню зрелости ИИ. Начните с внутренних проектов, не предназначенных для клиентов, чтобы ограничить риск и испытать ваш подход.

2. Реализуйте ориентированное доказательство концепции с помощью Microsoft руководства и инструментов. Структурированная реализация сокращает время разработки и гарантирует соблюдение проверенных методик для выбранного подхода КИ. Этот подход максимально повышает эффективность обучения при минимизации инвестиций в ресурсы. Используйте следующие руководства по реализации на основе типа ИИ:

   Тип ИИ	Руководство по внедрению
   Генеративный ИИ	Azure PaaS: Microsoft Foundry Microsoft Copilots: Copilot Studio и Microsoft 365 Copilot расширяемость
   Машинное обучение	Машинное обучение Azure
   Аналитический ИИ	Средства Foundry с определенными руководствами по безопасности содержимого, Document Intelligence и другим службам

3. Используйте результаты PoC для уточнения подхода к приоритету и реализации вариантов использования. Аналитика PoC показывает практические проблемы и возможности, которые информируют о будущем планировании проектов и выделении ресурсов. Этот цикл обратной связи гарантирует, что ваша стратегия искусственного интеллекта остается реалистичной и достижимой. Документирование извлеченных уроков, технических проблем и демонстрации бизнес-ценности. Настройте приоритеты вариантов использования на основе проверенных возможностей и измеряемого влияния.

4. Используйте подтверждение результатов концепции для оценки временной шкалы реализации для каждого варианта использования. Данные PoC предоставляют реалистичные базовые оценки, которые учитывают конкретные возможности и ограничения вашей организации. Этот подход создает более точные временные шкалы, чем теоретические оценки. Время разработки документов, циклы тестирования и сложность развертывания, наблюдаемая во время реализации PoC.

5. Учет факторов зрелости организации и сложности в планировании временной шкалы. Различные решения ИИ имеют характерные временные шкалы реализации, которые зависят от готовности организации и области проекта. Это понимание помогает задать соответствующие ожидания заинтересованным лицам. Microsoft Copilots обычно предоставляют самые короткие сроки для возврата инвестиций (от дней до недель), в то время как пользовательские Azure ИИ + нагрузки машинного обучения требуют от нескольких недель до нескольких месяцев, чтобы достичь готовности к внедрению.

6. Создание буферного времени для обучения, итерации и непредвиденных проблем. Проекты искусственного интеллекта часто сталкиваются с непредвиденными техническими проблемами и требуют нескольких итераций для достижения требуемых результатов. Буферное время предотвращает давление на расписание, которое может поставить под угрозу качество или этические соображения. Добавьте 20-30% времени на непредвиденные случаи к первоначальным оценкам и спланируйте несколько циклов разработки.

Реализация ответственного ИИ

Ответственные методики ИИ защищают вашу организацию от этических, юридических и репутационных рисков, обеспечивая соответствие систем ИИ с организационными ценностями. Ранняя интеграция ответственных принципов ИИ предотвращает дорогостоящие изменения и создает доверие заинтересованных лиц. Внедрение этических соображений, платформ управления и мер безопасности в план реализации с самого начала. Это делается следующим образом:

1. Используйте средства планирования ответственного искусственного интеллекта для оценки потенциальных последствий и разработки этических систем. Средства систематической оценки помогают выявлять потенциальные риски и обеспечивать соответствие систем искусственного интеллекта этическим стандартам и нормативным требованиям. Эти инструменты предоставляют структурированные подходы к сложным этическим соображениям. Используйте инструменты и практики Microsoft для ответственного ИИ, такие как Human-AI eXperience Toolkit и модель зрелости ответственного искусственного интеллекта, чтобы направлять процесс планирования.

2. Реализуйте платформы управления ИИ, чтобы управлять решениями проекта и отслеживать системное поведение. Платформы управления обеспечивают согласованные критерии принятия решений и обеспечивают подотчетность в проектах ИИ. Эти платформы помогают организациям контролировать разработку и развертывание ИИ. Установите политики, охватывающие роли, обязанности, требования к соответствию требованиям и этические стандарты. Подробные рекомендации по внедрению управления см. в разделе "Управление ИИ ".

3. Применение рекомендаций по обеспечению безопасности ИИ и операций на протяжении всего жизненного цикла реализации. Безопасность и эффективность работы гарантируют, что системы ИИ остаются надежными, безопасными и экономичными на протяжении всего жизненного цикла. Эти методики предотвращают инциденты безопасности и операционные сбои. Реализуйте платформы операций искусственного интеллекта, такие как GenAIOps или MLOps, для отслеживания развертывания и мониторинга производительности. Подробные рекомендации по реализации см. в статье "Управление ИИ и защита ИИ ".

Следующий шаг

Завершите планирование внедрения ИИ, создав техническую основу для реализации. Для пользовательских рабочих нагрузок ИИ с Azure перейдите к ai Ready, чтобы настроить техническую среду. Для внедрения Microsoft Copilot перейдите к управлению ИИ, чтобы установить организационный надзор.

AI Ready (только Azure)

Govern AI (Copilots и Azure)