Dela via


AI-plan – Rekommendationer för organisationer som planerar AI-implementering

Den här artikeln beskriver organisationsprocessen för att planera AI-implementering. En AI-implementeringsplan beskriver de steg som en organisation måste vidta för att integrera AI i sin verksamhet. Den här planen säkerställer anpassningen mellan AI-initiativ och affärsmål. Det hjälper organisationer att allokera resurser, utveckla färdigheter och distribuera teknik för effektiv AI-implementering.

Diagram som visar AI-implementeringsprocessen: AI-strategi, AI-plan, AI Ready, Govern AI, Manage AI och Secure AI.

Utvärdera AI-kunskaper

I din teknikstrategi har du identifierat ai-användningsfall och AI-lösningar för var och en. Dessa lösningar kräver vissa AI-kunskaper att anta. Utvärdera dina aktuella AI-kunskaper och identifiera luckor att åtgärda innan du fortsätter. En AI-mognadsbedömning hjälper dig att fastställa din beredskap att implementera AI. Den vägleder också valet av användningsfall som matchar dina funktioner och påskyndar din framgång. Använd följande tabell för att utvärdera din AI-mognadsnivå. Mer information finns i Teknisk utvärdering för generativ AI i Azure.

AI-mognadsnivå Krävda färdigheter Databeredskap Genomförbara AI-användningsfall
Nivå 1 ▪ Grundläggande förståelse för AI-begrepp
▪ Möjlighet att integrera datakällor och mappa ut frågor
▪ Minimal till noll tillgängliga data
▪ Företagsdata är tillgängliga
▪ Azure-snabbstart (se tabell)
▪ Copilot Studio-app
Nivå 2 ▪ Erfarenhet av val av AI-modell
▪ Kunskaper om AI-distribution och slutpunktshantering
▪ Erfarenhet av datarensning och bearbetning
▪ Minimal till noll tillgängliga data
▪ Liten, strukturerad datauppsättning
▪ Liten mängd domänspecifika data som är tillgängliga
▪ Något av de tidigare projekten
▪ Anpassad AI-arbetsbelastning för analys som använder Azure AI-tjänster
▪ Anpassad generativ AI-chattapp utan RAG (Retrieval Augmented Generation) i Azure AI Studio
▪ Anpassad maskininlärningsapp med automatiserad modellträning
▪ Finjustera en generativ AI-modell
Nivå 3 ▪ Kunskaper i snabbteknik
▪ Kunskaper om val av AI-modell, datasegmentering och frågebearbetning
▪ Kunskaper i förbearbetning, rensning, delning och validering av data
▪ Grunddata för indexering
▪ Stora mängder historiska affärsdata som är tillgängliga för maskininlärning
▪ Liten mängd domänspecifika data som är tillgängliga
▪ Något av de tidigare projekten
▪ Generativ AI-app med RAG i Azure AI Studio (eller Azure Machine Learning)
▪ Träna och distribuera en maskininlärningsmodell i Machine Learning
▪ Träna och köra en liten AI-modell på virtuella Azure-datorer
Nivå 4 ▪ Avancerad AI/maskininlärningsexpertis, inklusive infrastrukturhantering
▪ Kunskaper i att hantera komplexa arbetsflöden för AI-modellträning
▪ Erfarenhet av orkestrering, modellmätning och prestandaoptimering
▪ Starka kunskaper om att skydda och hantera AI-slutpunkter
▪ Stora mängder data som är tillgängliga för träning ▪ Något av de tidigare projekten
▪ Träna och köra en stor generativ eller icke-generativ AI-app på virtuella datorer, Azure Kubernetes Service eller Azure Container Apps

Skaffa AI-kunskaper

För att förvärva AI-färdigheter måste organisationer utvärdera sin nuvarande talangpool och avgöra om de ska skaffa sig kompetens, rekrytera eller samarbeta med externa experter. Utvärdera din nuvarande talangpool för att identifiera behov av kompetensutveckling, rekrytering eller externa partnerskap. Genom att skapa ett skickligt AI-team kan du anpassa dig till utmaningar och hantera olika AI-projekt. AI utvecklas ständigt, så att upprätthålla en kultur av kontinuerligt lärande stöder innovation och håller färdigheterna aktuella.

  • Lär dig AI-kunskaper. Använd Microsoft Learn-plattformen för kostnadsfri AI-utbildning, certifieringar och produktvägledning. Ange certifieringsmål, till exempel Grunderna för Azure AI, Azure AI-ingenjör Associate och Azure Dataforskare Associate. Det finns utbildningsresurser för andra ämnen på plattformen, så filtrera resultaten för att returnera AI-specifika resultat.

  • Rekrytera AI-proffs. För expertis utöver dina interna funktioner kan du rekrytera AI-proffs med erfarenhet av modellutveckling, generativ AI eller AI-etik. De här proffsen är efterfrågade. Överväg att samarbeta med utbildningsinstitutioner för att få tillgång till nya talanger. Se till att uppdatera arbetsbeskrivningarna så att de återspeglar föränderliga AI-behov och erbjuda konkurrenskraftig kompensation. Skapa ett attraktivt arbetsgivarvarumärke. Visa upp organisationens engagemang för innovation och tekniska framsteg, vilket gör ditt varumärke tilltalande för AI-proffs.

  • Använd Microsoft-partner för att skaffa ai-kunskaper. Använd Marknadsplatsen för Microsoft-partner för att hantera kompetensbrist och uppfylla tidsbegränsningar. Microsoft-partner tillhandahåller AI, data och Azure-expertis inom olika branscher.

Få åtkomst till AI-resurser

Som ett taktiskt steg för att utveckla AI-lösningar måste du kunna komma åt dem. Målet är att ge ett snabbt sätt att förstå och komma åt det du behöver för att börja använda Microsoft AI-lösningar.

  • Åtkomst till Microsoft 365 Copilot. De flesta Microsoft SaaS Copilots kräver en licens eller en tilläggsprenumeration. Microsoft 365 Copilot kräver en Microsoft 365-företags- eller företagslicens som du lägger till på Copilot-licensen.

  • Få åtkomst till Microsoft Copilot Studio. Microsoft Copilot Studio använder en fristående licens eller en tilläggslicens.

  • Få åtkomst till Copilots i produkten. Copilots i produkten har olika åtkomstkrav för var och en, men åtkomst till den primära produkten krävs. Mer information om var och en finns i GitHub, Power Apps, Power BI, Dynamics 365, Power Automate och Azure.

  • Åtkomst till rollbaserade Copilots. Rollbaserade Copilots har också egna åtkomstkrav. Mer information finns i Rollbaserade agenter för Microsoft 365 Copilot och Microsoft Copilot för säkerhet.

  • Få åtkomst till Azure AI-resurser. Azure PaaS- och IaaS-lösningar kräver ett Azure-konto. Dessa tjänster omfattar Azure OpenAI Service, Azure AI Studio, Azure Machine Learning, Azure AI-tjänster, Azure Virtual Machines och Azure CycleCloud.

Prioritera AI-användningsfall

När du har utvärderat färdigheter, resurser och AI-mognad prioriterar du AI-användningsfall som identifierats i din AI-strategi. Den här prioriteringen säkerställer att du fokuserar på projekt som erbjuder det största värdet, överensstämmer med affärsmålen och matchar dina nuvarande funktioner. Följ de här stegen:

  • Utvärdera färdigheter och resurser. När du har skaffat DIG AI-kunskaper kan du granska din aktuella AI-mognad, tillgängliga data och resursåtkomst. Den här utvärderingen hjälper till att återställa prioriteringar baserat på vad som är möjligt.

  • Utvärdera användningsfall. Prioritera projekt baserat på deras genomförbarhet och strategiska värde som de lägger till i din organisation. Anpassa AI-användningsfallen till dina strategiska mål för att säkerställa att arbetet bidrar till övergripande framgång.

  • Välj de vanligaste användningsfallen. Skapa en slutlista med högprioriterad AI-användning som utgör grunden för ytterligare utforskning och testning.

Skapa ett AI-konceptbevis

Att utveckla ett AI-konceptbevis (PoC) validerar genomförbarheten och det potentiella värdet för ett prioriterat användningsfall i mindre skala. PoC-processen hjälper till att förfina prioriteten för användningsfall, minska risken och identifiera utmaningar innan du övergår till fullskalig distribution. Med den här iterativa metoden kan du justera din AI-plan baserat på verkliga insikter.

  • Välj rätt affärsmöjlighet. Från din slutlista över AI-användningsfall väljer du ett projekt med högt värde som överensstämmer med din AI-mognadsnivå. Vi rekommenderar att du börjar med ett internt projekt, inte kundinriktade. Interna projekt minimerar risken och utgör en grund för att testa arbetsbelastningen. Använd PoC för att verifiera metoden och förfina den innan du expanderar till produktion. Utför A/B-testning för att fastställa vad som fungerar och samla in baslinjedata.

  • Börja med en Azure-snabbstartsguide. Azure erbjuder stegvis vägledning för att skapa grundläggande program med hjälp av sina AI-plattformar. Dessa guider, som kallas snabbstarter, hjälper dig att distribuera ett program och innehåller instruktioner för att ta bort det efteråt. Snabbstarter är ett enkelt sätt att bekanta din organisation med tekniken.

    AI-typ Snabbstartsguide för Azure AI
    Generativ AI Azure AI Studio, Azure OpenAI, Copilot Studio
    Maskininlärning Azure Machine Learning
    Ai-analys Azure AI-tjänster: Azure AI Content Safety, Azure AI Custom Vision, Document Intelligence Studio, Face Service, *Azure AI Language, Azure AI Speech, *Azure AI Translator, Azure AI Vision.
    *Varje funktion i den här AI-tjänsten har en egen snabbstartsguide.
  • Omprioritera AI-möjligheter. Använd insikterna från PoC för att förfina din lista över AI-användningsfall. Om PoC medför oväntade utmaningar kan du justera dina prioriteringar och fokusera på mer genomförbara projekt.

Implementera ansvarsfull AI

Ansvarsfull AI-implementering kräver att etiska ramverk och regelverk införlivas i din AI-implementeringsplan. Den här metoden säkerställer att AI-initiativ överensstämmer med organisationens värden, skyddar användarrättigheter och följer juridiska standarder.

  • Använd ansvarsfulla AI-planeringsverktyg. Om du vill integrera ansvarsfulla AI-principer i implementeringsprocessen använder du verktyg och ramverk som stöder etiska AI-metoder. Microsoft erbjuder flera resurser.

    Ansvarigt AI-planeringsverktyg beskrivning
    Mall för AI-konsekvensanalys Utvärdera potentiella sociala, ekonomiska och etiska effekter av AI-initiativ.
    Human-AI eXperience Toolkit Utforma AI-system som prioriterar användarnas välbefinnande och främjar positiva interaktioner.
    Ansvarsfull AI-mognadsmodell Utvärdera och förbättra organisationens mognad när det gäller att implementera ansvarsfulla AI-metoder.
  • Starta AI-styrningsprocessen. Ansvarsfull AI-implementering innebär att skapa styrningsprinciper för att vägleda AI-projekt och övervaka AI-systembeteenden. Börja med att identifiera organisationsrisker som är specifika för dina AI-initiativ. Dokumentera styrningsprinciper som beskriver ansvarsområden, efterlevnadskrav och etiska standarder. Mer information om den här processen finns i artikeln om Styrning av AI.

  • Starta AI-hanteringsprocessen. AI-hanteringsramverk, till exempel GenAIOps eller MLOps, hjälper till att säkerställa kontinuerlig efterlevnad av ansvarsfulla AI-principer när dina AI-system utvecklas. Dessa metoder omfattar distributionshantering, kontinuerlig övervakning och kostnadsoptimering för AI-modeller i produktion. Mer information om den här processen finns i artikeln hantera AI.

  • Starta AI-säkerhetsprocessen. Säkerhet utgör en viktig del av ansvarsfull AI-implementering. Regelbundna säkerhetsutvärderingar hjälper till att skydda sekretessen, integriteten och tillgängligheten för dina AI-system. Utför riskbedömningar som hanterar potentiella säkerhetshot som är specifika för AI, till exempel angrepp mot skadlig kod eller dataintrång. Mer information om den här processen finns i artikeln om säker AI.

Beräkna leveranstidslinje

Att uppskatta leveranstidslinjen innebär att ställa in realistiska scheman och milstolpar för AI-projektimplementering. Med tydliga tidslinjer kan organisationer effektivt allokera resurser och hantera intressentförväntningar, vilket stöder en strukturerad utveckling från konceptbevis till produktion. Genom att upprätta specifika milstolpar kan organisationer mäta sina framsteg, identifiera potentiella förseningar och göra justeringar för att hålla projekten på rätt spår och inom budget.

Baserat på din PoC tilldelar du en leveranstidslinje för dina AI-möjligheter. Skapa en tidslinje med tydliga milstolpar och slutprodukt för att implementera valda användningsfall. Tilldela team, definiera roller och skydda nödvändiga verktyg eller partnerskap. Microsoft AI SaaS-lösningar ger de kortaste tidslinjerna för att få avkastning på investeringen. Tidslinjer för att skapa AI-appar på Azure PaaS- och IaaS-lösningar beror på ditt användningsfall och AI-mognad. I de flesta fall tar det veckor eller månader innan du har en produktionsklar AI-arbetsbelastning.

Gå vidare

Resten av den här vägledningen fokuserar på att skapa AI-arbetsbelastningar i Azure med hjälp av PaaS- och IaaS-lösningar. För att lyckas i Azure måste du först etablera din AI-grund i AI Ready.

Mer information om hur du implementerar en Microsoft Copilot-lösning finns i följande resurser:

Kategori Copilot-lösning
Företagsproduktivitet Copilot för Microsoft 365
Plattform med låg kod Copilot Studio
Rollbaserad Microsoft Copilot för säkerhet
Microsoft 365 Copilot for Sales
Microsoft 365 Copilot for Service
Microsoft 365 Copilot for Finance
Copilots i produkten GitHub
Power Apps
Power BI
Dynamics 365
Power Automate
Azure
Webbläsarbaserad Copilot (kostnadsfri)
Copilot Pro