Nota
L'accesso a questa pagina richiede l'autorizzazione. È possibile provare ad accedere o modificare le directory.
L'accesso a questa pagina richiede l'autorizzazione. È possibile provare a modificare le directory.
Obiettivo dell'intelligenza artificiale: Ogni organizzazione vuole che l'IA aggiunga valore alle persone e ai processi. Questo valore deve provenire da un'IA che sia sicura e funzioni in modo efficiente. Deve adattare le competenze e i dati già disponibili e rimanere entro il budget. Sfida per l'intelligenza artificiale: L'obiettivo è chiaro ma raggiungere tale valore non è sempre semplice. Spesso i team fanno molti esperimenti e ne ricavano ben poco. Alcuni sviluppano soluzioni in conflitto all'interno dell'organizzazione. In altri contesti, i problemi di sicurezza e la scarsa fiducia limitano ciò che le persone possono usare, il che frena l'IA.
Soluzione di intelligenza artificiale: Molte organizzazioni hanno rivolto a Microsoft soluzioni di intelligenza artificiale per soddisfare queste sfide. Microsoft offre un'ampia gamma di funzionalità che ti consente di affrontare in modo efficiente ogni scenario d'uso e di mantenere sicura l'IA man mano che si espande. Queste linee guida offrono ai decision maker un framework per indirizzare il lavoro e allineare gli investimenti di intelligenza artificiale alle esigenze aziendali.
Raccomandazione: Creare una strategia di intelligenza artificiale adatta alle esigenze aziendali seguendo le decisioni nelle sezioni seguenti in sequenza. Ogni decisione definisce i vincoli che plasmano la successiva e mantiene l’attenzione sulla creazione di valore.
1. Identificazione dei casi d'uso dell'intelligenza artificiale
Il primo passaggio per definire la strategia di intelligenza artificiale è l'identificazione dei casi d'uso. Questo passaggio definisce il modo in cui i decision maker individuano dove l'IA può migliorare i risultati aziendali nell'intera organizzazione. L'obiettivo è far emergere prima le opportunità rilevanti. L'elenco non deve essere esaustivo, anche se può essere. Il suo scopo è quello di dare a tutti una visione comune di ciò che conta di più per l'azienda. Procedi in ordine, in modo che ogni caso d'uso sia riconducibile a un valore concreto.
Iniziare con i problemi aziendali. Cercare dove l'organizzazione necessita di risultati migliori prima di prendere in considerazione l'intelligenza artificiale. I segnali più chiari mostrano come le persone lavorano, ad esempio il lavoro manuale ripetuto o le approvazioni lente. Incorniciare la ricerca in termini semplici, ad esempio "dove i risultati non soddisfano le aspettative" o "dove le persone dedicano tempo a attività ripetitive". Questo approccio mantiene l'intelligenza artificiale puntata al valore anziché alla novità. Contropartita: una valutazione ad ampio raggio fa emergere molte opportunità, quindi è importante concentrarsi sui divari nei risultati che siano al tempo stesso misurabili e significativi.
Tradurre i problemi in casi d'uso. Trasformare ogni problema aziendale in un'istruzione breve che denomina l'attività e il risultato previsto, ad esempio "aiutare gli agenti di supporto a rispondere dai documenti interni in modo che il tempo di risoluzione diminuisce". Verificare che l'attività avvenga abbastanza spesso per giustificare l'investimento. Compromesso: gli scenari iniziali tendono a essere vaghi, quindi raffinali fino a trasformarli in descrizioni chiare e attuabili prima di andare avanti.
Classificare il caso d'uso. Classificare ogni caso d'uso in base alla modalità di creazione del valore. Usa questa decisione per guidare le successive scelte tecnologiche.
Lavoro individuale: Questi casi d'uso migliorano il funzionamento di singoli utenti o team all'interno di strumenti esistenti. Esempi includono l'assistenza alla scrittura o la preparazione di riunioni. Si allineano fortemente alle soluzioni di IA generative, ad esempio Microsoft 365 Copilot.
Automazione aziendale: Questi casi d'uso cambiano il modo in cui l'organizzazione opera o distribuisce valore. Gli esempi includono il routing automatizzato dei clienti o la previsione della domanda. Spesso richiedono l'integrazione con altri sistemi e possono combinare più tipi di intelligenza artificiale.
Prendere in considerazione il tipo di intelligenza artificiale necessario. Si tratta di una considerazione, non di una decisione finale, ed è possibile rivederla man mano che il caso d'uso diventa più chiaro. Un senso approssimativo della coerenza desiderata nel risultato restringe le scelte tecnologiche successive. Hai la libertà di regolarla in un secondo momento.
L'intelligenza artificiale generativa (non deterministica) produce output che possono variare anche per lo stesso input e funziona bene quando gli input non sono strutturati, ad esempio il linguaggio naturale o i documenti. Si adatta ai casi in cui il flusso di lavoro non è fisso e dove si vuole che il sistema crei contenuto o assista una decisione umana. Scegli questo approccio quando non conosci in anticipo i passaggi esatti e una certa variabilità nell'output è accettabile.
L'intelligenza artificiale non generica (deterministica) produce output coerenti e ripetibili da input strutturati. Si adatta ai casi in cui il flusso di lavoro è definito e lo stesso input deve portare allo stesso risultato. Opta per questo approccio per attività che dipendono dall'accuratezza, come la previsione o il rilevamento delle anomalie.
Applicare questa stessa sequenza in ogni area aziendale. Un flusso ripetibile riduce la confusione, impedisce di raggiungere l'intelligenza artificiale generativa dove non è necessaria e prepara l'utente a scegliere un percorso di soluzione.
2. Strategia tecnologica dell'IA
Quale soluzione di intelligenza artificiale Microsoft è consigliabile scegliere? Dopo aver identificato quali casi d’uso richiedono quale tipo di IA, iniziate a definire più precisamente come sviluppare o acquistare ciascuno di essi. Microsoft offre quattro modelli di adozione che scambiano personalizzazione per semplicità con un approccio di responsabilità condivisa. Si tratta di Copilot pronti all'uso, sviluppo SaaS low-code, sviluppo PaaS gestito e infrastruttura Azure. Quando si passa dal primo modello all'ultimo, si ottiene il controllo e si rinuncia alla velocità.
Ogni approccio richiede un livello di competenza tecnica diverso e restituisce un grado di controllo diverso. Usare l'albero delle decisioni nella sezione seguente per restringere le opzioni. Usare quindi le indicazioni seguenti per valutare quattro fattori per la soluzione di intelligenza artificiale:
- Funzionalità: Esaminare le funzionalità di Microsoft e Azure soluzioni di intelligenza artificiale per verificare se soddisfano le esigenze del caso d'uso.
- Dati necessari: Verificare che i dati necessari esistano ed è accessibile per lo scenario.
- Competenze necessarie: Verificare che ogni caso d'uso sia raggiungibile con le funzionalità correnti prima di selezionare una soluzione.
- Costo: Valutare se la soluzione è adatta al budget.
Microsoft albero delle decisioni di intelligenza artificiale
Microsoft Copilots (agenti SaaS)
Le soluzioni di intelligenza artificiale Microsoft pronte all'uso, chiamate Copilot, aumentano rapidamente l'efficienza perché richiedono una configurazione minima e funzionano con i dati di cui già disponi. Microsoft 365 Copilot aggiunge assistenza per l'intelligenza artificiale nelle app di Office. I Copilot integrati nel prodotto e basati sui ruoli si concentrano su specifiche funzioni professionali e settori. Compromesso: i copiloti offrono i risultati più veloci, ma offrono meno personalizzazione rispetto a una soluzione personalizzata.
| Microsoft Copiloti | Descrizione | User | Dati necessari | Competenze richieste | Fattori di costo principali |
|---|---|---|---|---|---|
| Microsoft 365 Copilot | Chat e assistenza in-app basate sul Web e su Work IQ in Microsoft 365, basate sui dati di Microsoft. | Attività commerciale | Applicare etichette di riservatezza protettive ai Microsoft 365 dati in modo che la protezione segua il contenuto. | Gestione generale dei dati e IT | Licenza per utente |
| Copiloti e agenti in base al ruolo | Guida specifica per ruolo per Sicurezza, Addetto alle vendite, Servizio e Addetto alla finanza. | Attività commerciale | Sì. Sono disponibili opzioni di connessione dati e plug-in. | Gestione generale dei dati e IT | Accesso a Microsoft 365 Copilot o unità di calcolo di sicurezza (SCU) per Security Copilot |
| Copilot e agenti integrati nel prodotto | Intelligenza artificiale all'interno di prodotti come GitHub, Power Apps, Power BI, Dynamics 365, Power Automate, Microsoft Fabric, Microsoft Entrae Azure. | Impresa e individuo | Sì. La maggior parte richiede una preparazione minima dei dati. | Minimo (configurazione di base dell'amministratore e idoneità dei dati) | Gratuito o abbonamento |
| Microsoft Copilot | Microsoft Copilot è un'app di chat web gratuita. | Individuo | No | Nessuno | Gratuito |
Piattaforme di sviluppo di intelligenza artificiale SaaS (low-code)
Microsoft offre opzioni di sviluppo SaaS per creare agenti di intelligenza artificiale. Copilot Studio consente agli utenti aziendali di creare assistenti di intelligenza artificiale con linguaggio naturale, mentre le estensioni Microsoft 365 Copilot consentono di personalizzare Copilot aziendali con dati e processi specifici dell'azienda. Compromesso: le piattaforme di sviluppo SaaS aprono lo sviluppo ai team aziendali, ma la personalizzazione pesante raggiunge i limiti e potrebbe richiedere un passaggio a una piattaforma gestita.
| Platform | Descrizione | User | Dati necessari | Competenze richieste | Fattori di costo principali |
|---|---|---|---|---|---|
| Copilot Studio | Usare Copilot Studio per creare agenti di intelligenza artificiale conversazionali e flussi di lavoro di automazione con strumenti a basso codice e linguaggio naturale. | Tecnologia dell'informazione | Automatizza gran parte dell'integrazione dei dati per creare copiloti personalizzati con connessioni a varie origini dati. | Configurazione della piattaforma per connettere fonti di dati, progettare flussi di conversazione e distribuire copiloti. | Licenza |
| Strumenti di estendibilità per Microsoft 365 Copilot | Personalizzare Microsoft 365 Copilot con ulteriori dati e funzionalità, utilizzando agenti dichiarativi. Usare strumenti come Copilot Studio, Generatore agenti e Agents Toolkit. | Impresa e individuo | Usa i connettori di Microsoft 365 Copilot per aggiungere dati. | Gestione dei dati, it generale o competenze per sviluppatori | licenza Microsoft 365 Copilot |
Intelligenza artificiale su piattaforme Azure (PaaS)
La piattaforma distribuita come servizio è il punto di partenza per la maggior parte delle app e degli agenti personalizzati. Sceglilo se lo sviluppo SaaS low-code non offre un livello di personalizzazione sufficiente, ma vuoi comunque che Microsoft gestisca la piattaforma per te. Si ottiene un ambiente gestito per creare agenti e modelli personalizzati. Questo lavoro richiede più impegno rispetto allo sviluppo SaaS, ma meno fatica rispetto all'esecuzione dell'infrastruttura manualmente. Microsoft gestisce la piattaforma e non si gestiscono i server o si esegue il training dei modelli di base. Compromesso: una piattaforma gestita offre un maggiore controllo rispetto allo sviluppo SaaS, ma richiede competenze di progettazione non disponibili per le opzioni di sviluppo SaaS.
| Obiettivo dell'intelligenza artificiale | Microsoft soluzione | Dati necessari | Competenze richieste | Fattori di costo principali |
|---|---|---|---|---|
| Agenti di compilazione | Servizio Microsoft Foundry Agent | Sì | Selezione del tipo di agente, aggiunta di strumenti e dati, debug con tracce, valutazione, ottimizzazione, pubblicazione, monitoraggio. Vedere Ciclo di vita dell'agente | Utilizzo di token del modello, archiviazione, funzionalità, calcolo, connessioni di base |
| Creare applicazioni RAG | Fonderia | Sì | Selezione dei modelli, orchestrazione del flusso dei dati, segmentazione dei dati in blocchi, arricchimento dei blocchi, scelta dell'indicizzazione, comprensione dei tipi di query (full-text, vettoriale, ibrida), comprensione di filtri e sfaccettature, riordinamento dei risultati, progettazione dei prompt, distribuzione degli endpoint e uso degli endpoint nelle app | Calcolo, numero di token in ingresso e in uscita, servizi di intelligenza artificiale consumati, archiviazione e trasferimento dei dati |
| Regolare finemente i modelli GenAI | Fonderia | Sì | Pre-elaborazione dei dati, suddivisione dei dati in dati di training e convalida, convalida dei modelli, configurazione di altri parametri, miglioramento dei modelli, distribuzione di modelli e utilizzo di endpoint nelle app | Calcolo, numero di token in ingresso e in uscita, servizi di intelligenza artificiale consumati, archiviazione e trasferimento dei dati |
| Addestrare e inferire i modelli |
Azure Machine Learning o Microsoft Fabric |
Sì | Pre-elaborazione dei dati, addestramento di modelli tramite codice o automazione, miglioramento dei modelli, distribuzione di modelli di Machine Learning e gestione degli endpoint nelle app | Calcolo, archiviazione e trasferimento dei dati |
| Usare modelli e servizi di intelligenza artificiale predefiniti | Strumenti di fonderia | Sì | Selezionare i modelli di intelligenza artificiale, proteggere gli endpoint, usare gli endpoint nelle app e ottimizzare in base alle esigenze | Uso degli endpoint del modello, archiviazione, trasferimento dei dati, calcolo (se si esegue il training di modelli personalizzati) |
| Isolare le app di intelligenza artificiale | App contenitore di Azure con il supporto di GPU senza server | Sì | Selezionare modelli di intelligenza artificiale, orchestrazione del flusso di dati, suddivisione in blocchi, arricchimento di blocchi, scelta dell'indicizzazione, comprensione dei tipi di query (full-text, vettore, ibrido), comprensione di filtri e facet, esecuzione di reranking, progettazione prompt, distribuzione di endpoint e utilizzo di endpoint nelle app; configurazione facoltativa dell'ambiente/rete virtuale per l'isolamento della rete (lo stato di disponibilità e funzionalità a livello di area può variare) | Calcolo, numero di token in ingresso e in uscita, servizi di intelligenza artificiale consumati, archiviazione e trasferimento dei dati |
Vedere le singole pagine dei prezzi per i prodotti elencati in Intelligenza artificiale e Machine Learning e il calcolatore dei prezzi Azure per generare stime dei costi.
Intelligenza artificiale nell'infrastruttura Azure
L'infrastruttura di Azure ti offre il pieno controllo dei tuoi modelli e ambienti di runtime. Richiede in genere il tempo più lungo per la compilazione e richiede il massimo sforzo per la manutenzione nel tempo. Scegliere questa opzione quando è necessario usare modelli personalizzati, usare runtime personalizzati o soddisfare le esigenze di prestazioni e conformità che le piattaforme gestite non possono. Compromesso: l'infrastruttura offre il massimo controllo, ma comporta anche la maggiore responsabilità operativa.
| Obiettivo dell'intelligenza artificiale | Microsoft soluzione | Dati necessari | Competenze richieste | Fattori di costo principali |
|---|---|---|---|---|
| Addestra ed esegui i tuoi modelli sull'infrastruttura che gestisci | AI nell'infrastruttura Azure | Sì | Gestione dell'infrastruttura, IT, installazione del programma, training dei modelli, benchmarking dei modelli, orchestrazione, distribuzione di endpoint, protezione degli endpoint e utilizzo di endpoint nelle app | Calcolo, agente di orchestrazione dei nodi di calcolo, dischi gestiti (facoltativo), servizi di archiviazione, Azure Bastion e altri servizi di Azure usati |
Visualizza i prezzi delle GPU per le macchine virtuali Linux e Windows. Usare il calcolatore prezzi Azure per le stime.
3. Strategia di IA responsabile
Indipendentemente dal modello e dal budget scelti nei passaggi precedenti, l'uso responsabile è un requisito fondamentale per utilizzare l'IA in produzione su larga scala. La tua organizzazione deve definire gli standard che garantiscano un'IA equa e responsabile in tutti i team. I modelli selezionati determinano dove si applicano questi standard, ma gli standard stessi rimangono costanti nell'organizzazione. Basarsi sulle linee guida Microsoft per l'IA responsabile piuttosto che definire qui tali standard. Consulta le linee guida del CAF per creare criteri per un'IA responsabile e definire un quadro coerente.
4. Strategia dei dati
Uno standard per un’IA responsabile è solido solo quanto i dati su cui si basa, quindi il passo successivo è la strategia dei dati. La tua strategia dei dati determina se i casi d'uso prioritari dispongono di dati governati e di alta qualità con cui lavorare. Una strategia solida acquisisce e classifica i dati e ne garantisce la conformità con la diffusione dell'IA in Microsoft 365 e Azure. Concentrarsi sulle baseline di governance e sulla gestione del ciclo di vita anziché sulla progettazione per ogni carico di lavoro. Consulta le linee guida di CAF per creare una strategia dei dati per AI e analisi.
5. Come adottare l'IA
Con la strategia impostata, passare alla pianificazione e all'idoneità. Le linee guida per l'adozione dell'IA forniscono checklist per startup e imprese che consentono di portare in produzione ciascuna delle decisioni precedenti con governance e sicurezza integrate fin dall'inizio.