本文概述了规划 AI 采用的组织过程。 AI 采用计划详细介绍了组织将 AI 集成到其运营中必须采取的步骤。 此计划可确保 AI 计划与业务目标保持一致。 它可帮助组织分配资源、开发技能和部署技术，以实现有效的 AI 采用。
在 技术策略中，你定义了 AI 用例和所选解决方案。 每个解决方案都需要特定的 AI 技能。 评估当前技能，确定差距，并在实施之前解决这些问题。 使用 AI 成熟度评估来衡量就绪情况，使用例与功能保持一致，并加快进度。 请参阅下表来评估成熟度。
| AI 成熟度水平 | 所需技能 | 数据就绪情况 | 可行的 AI 用例 |
|---|---|---|---|
| 1 级 | ▪ 对 AI 概念有基本了解 ▪ 能够整合数据源并制定提示 |
▪ 可用数据最少到零 ▪ 可用企业数据 |
▪ Azure 快速入门（请参阅表） ▪ 任何 Copilot 解决方案 |
| 二级 | ▪ 有 AI 模型选择经验 ▪ 熟悉 AI 部署和终结点管理 ▪ 有数据清理和处理经验 |
▪ 可用数据最少到零 ▪ 小型结构化数据集 ▪ 少量领域特定的数据可用 |
▪ 以前的任何项目 ▪ 使用 Azure AI 服务的自定义分析 AI 工作负荷 ▪ Azure AI Foundry 中无检索增强生成 (RAG) 的自定义生成式 AI 聊天应用 ▪ 使用自动化模型训练的自定义机器学习应用 ▪ 优化生成式 AI 模型 |
| 级别 3 | ▪ 精通提示工程 ▪ 精通 AI 模型选择、数据分块和查询处理 ▪ 精通数据预处理、清理、拆分和验证 ▪ 用于编制索引的基础数据 |
▪ 可用于机器学习的大量历史业务数据 ▪ 少量领域特定的数据可用 |
▪ 以前的任何项目 ▪ 在 Azure AI Foundry 中使用 RAG 生成 AI 应用（或 Azure 机器学习） ▪ 在机器学习中训练和部署机器学习模型 ▪ 在 Azure 虚拟机上训练和运行小型 AI 模型 |
| 级别 4 | ▪ 高级 AI/机器学习专业知识，包括基础结构管理 ▪ 精通处理复杂的 AI 模型训练工作流 ▪ 具有编排、模型基准测试和性能优化经验 ▪ 在保护和管理 AI 终结点方面具有很强的技能 |
▪ 可用于训练的大量数据 | ▪ 以前的任何项目 ▪ 在虚拟机、Azure Kubernetes 服务或 Azure 容器应用上训练和运行大型生成式或非生成式 AI 应用 |
首先评估当前的人才库，然后决定是否提高现有员工、招聘新人才或吸引外部专家。 熟练的团队可帮助你管理 AI 项目、适应变革和推动创新。 由于 AI 发展迅速，因此培养了持续学习的文化。
学习 AI 技能。 使用 AI 学习中心 平台免费进行 AI 培训、认证和产品指南。 对于 Azure，请设置认证目标，例如 Azure AI 基础知识、 Azure AI 工程师助理和 Azure 数据科学家助理 认证。
招聘 AI 专业人员。 聘请模型开发、生成 AI 或 AI 道德方面的专家来填补内部能力之外的空白。 更新作业说明以反映不断变化的技能需求。 建立强调创新和技术领导性的雇主品牌。 与大学合作，获得新兴人才。
与 Microsoft 合作伙伴一起学习 AI 技能。 使用 Microsoft合作伙伴市场平台 获取 AI、数据和 Azure 专业知识。 合作伙伴可以快速填补技能缺口，并支持跨行业的项目。
使用以下指南快速了解 Copilot 和 Azure AI 产品/服务的访问要求：
访问 Microsoft 365 Copilot. 大多数 Microsoft SaaS Copilot 都需要许可证或附加订阅。 Microsoft 365 Copilot 需要 Microsoft 365 商业或企业许可证，并在此基础上添加 Copilot 许可证。
访问 Microsoft Copilot Studio。Microsoft Copilot Studio 使用独立许可证或附加许可证。
访问产品内 Copilot。 产品内 Copilot 的访问要求各不相同，但要求访问主要产品。 有关每个示例的详细信息，请参阅 GitHub、 Power Apps、 Power BI、 Dynamics 365、 Power Automate、 Microsoft Fabric 和 Azure。
访问基于角色的 Copilot。 基于角色的 Copilot 也具有自己的访问要求。 有关详细信息，请参阅智能 Microsoft 365 Copilot 副驾驶®基于角色的代理和 Microsoft Copilot for Security。
访问 Azure 服务。 Azure PaaS 和 IaaS 解决方案需要 Azure 帐户。 这些服务包括 Azure OpenAI 服务、Azure AI Foundry、Azure 机器学习、Azure AI 服务、Azure 虚拟机和 Azure CycleCloud。
确定 AI 策略中定义的用例的优先级。 专注于提供最大价值、符合业务目标并匹配当前功能的项目。
评估技能和资源。 查看 AI 成熟度、数据可用性、工具和人员配备。 使用此输入可以根据可实现的目标重置优先级。
评估用例。 根据可行性和战略价值对每个用例进行排名。 确认与组织目标保持一致。
选择主要用例。 创建高优先级用例的清单。
如果计划构建 AI 代理或工作负载，请创建概念证明（PoC），以验证可行性和价值。 PoC 或试用可帮助确定用例的优先级、降低风险并在缩放之前发现挑战。
选择正确的用例。 从与 AI 成熟度匹配的 AI 入围名单中选择高价值项目。 如果要构建 AI 应用，请从内部的非面向客户的项目开始，以限制风险并测试方法。 使用 A/B 测试验证解决方案并收集基线数据。
开始吧。 Microsoft 对其各种 AI 服务提供了针对 POC 的分步指南。 使用下表查找正确的入门指南。
AI 类型 入门指南 生成式 AI Azure PaaS： Azure AI Foundry 和 Azure OpenAI
Microsoft Copilot：Copilot Studio 和智能 Microsoft 365 Copilot 副驾驶®扩展性机器学习 Azure 机器学习 分析型人工智能 Azure AI 服务： Azure AI 内容安全、 Azure AI 自定义视觉、 文档智能工作室、 人脸服务、 Azure AI 语言、 Azure AI 语音、 Azure AI Translator、Azure AI视觉
此 AI 服务的每个功能都有自己的指南。基于结果重新序列化。 使用 POC 重新设定用例优先级。 如果 POC 揭示了重大挑战，则要转向更实际可行的机会。
从一开始就将负责任的 AI 构建到实施计划中。 应用道德原则，遵循法规标准，并创建治理做法，确保 AI 系统符合组织价值观，保护用户权利，并满足合规性要求。
使用负责任的 AI 规划工具。 使用下表查找负责任的 AI 工具和框架。
负责任的 AI 规划工具 说明 AI 影响评估模板 评估 AI 计划的社会、经济和道德影响。 人类-人工智能体验工具包 设计支持用户福祉和积极交互的 AI 系统。 负责任的 AI 成熟度模型 评估和推进组织的负责任的 AI 成熟度。 适用于工作负载团队的负责任 AI 遵循在 Azure 工作负载中应用负责任的 AI 的实际指南。 启动 AI 治理。 建立治理以指导 AI 项目并监视系统行为。 确定与 AI 相关的风险，然后定义涵盖角色、合规性和道德要求的策略。 有关详细信息，请参阅 Govern AI 。
启动 AI 管理。 使用像 GenAIOps 或 MLOps 这样的 AI运营框架。 这些框架包括部署跟踪、性能监视和成本控制。 有关详细信息，请参阅 “管理 AI ”。
开启 AI 安全。 使用定期安全评估保护 AI 系统。 处理对抗性输入和数据泄露等威胁。 有关详细信息，请参阅 安全的 AI。
根据 PoC 的见解将交付时间线分配给每个 AI 机会。 Microsoft Copilot 提供了最短的时间线，可以在几天到几周内看到投资回报。 使用 Azure 生成 AI 工作负载的时间线因用例和 AI 成熟度级别而异。 大多数构建项目需要数周到数月才能准备好投入生产。
若要使用 Azure 生成 AI 工作负载，请转到 AI Ready。 为了推广 Copilot，跳到 管理 AI 部分，以建立组织的 AI 管理。