Plan de IA - Recomendaciones para organizaciones que planifican la adopción de la inteligencia artificial
En este artículo se describe el proceso organizativo para planificar la adopción de la inteligencia artificial. Un plan de adopción de IA detalla los pasos que una organización debe seguir para integrar la inteligencia artificial en sus operaciones. Este plan garantiza la alineación entre las iniciativas de inteligencia artificial y los objetivos empresariales. Ayuda a las organizaciones a asignar recursos, desarrollar aptitudes e implementar tecnología para una adopción eficaz de la inteligencia artificial.
Evaluación de las aptitudes de IA
En la estrategia de tecnología, identificó casos práctico de IA y soluciones de inteligencia artificial para cada uno de ellos. Para estas soluciones se requiere adoptar ciertas aptitudes de inteligencia artificial. Evalúe las aptitudes actuales de inteligencia artificial e identifique las brechas que deben abordarse antes de continuar. Una evaluación de la madurez de la inteligencia artificial ayuda a determinar la preparación para implementar la inteligencia artificial. También guía la selección de casos práctico que coinciden con sus funcionalidades y acelera el éxito. Use la tabla siguiente para evaluar el nivel de madurez de la inteligencia artificial. Para obtener más información, consulte Evaluación técnica de la IA generativa en Azure.
| Nivel de madurez de IA | Capacidades necesarias | Preparación de datos | casos práctico de IA factibles |
|---|---|---|---|
| Nivel 1 | ▪ Conocimientos básicos de los conceptos de inteligencia artificial ▪ Capacidad de integrar orígenes de datos y asignar mensajes |
▪ Datos disponibles mínimos o nulos ▪ Datos empresariales disponibles |
▪ Inicio rápido de Azure (consulte la tabla) ▪ Aplicación Copilot Studio |
| Nivel 2 | ▪ Experiencia con la selección de modelos de IA ▪ Familiaridad con la implementación de IA y la administración de puntos de conexión ▪ Experiencia con la limpieza y el procesamiento de datos |
▪ Datos disponibles mínimos o nulos ▪ Conjunto de datos pequeño y estructurado ▪ Pequeña cantidad de datos específicos del dominio disponibles |
▪ Cualquiera de los proyectos anteriores ▪ Carga de trabajo de inteligencia artificial analítica personalizada que usa servicios de Azure AI ▪ Aplicación de chat de IA generativa personalizada sin recuperación de generación aumentada (RAG) en Inteligencia artificial de Azure Studio ▪ Aplicación de aprendizaje automático personalizada con entrenamiento de modelos automatizados ▪ Ajuste de un modelo de IA generativa |
| Nivel 3 | ▪ Competencia en ingeniería rápida ▪ Competencia en la selección del modelo de IA, la fragmentación de datos y el procesamiento de consultas ▪ Competencia en el preprocesamiento, limpieza, división y validación de datos ▪ Datos de base para la indexación |
▪ Grandes cantidades de datos empresariales históricos disponibles para el aprendizaje automático ▪ Pequeña cantidad de datos específicos del dominio disponibles |
▪ Cualquiera de los proyectos anteriores ▪ Aplicación de inteligencia artificial generativa con RAG en Inteligencia artificial de Azure Studio (o Azure Machine Learning) ▪ Entrenamiento e implementación de un modelo de aprendizaje automático en Machine Learning ▪ Entrenamiento y ejecución de un modelo de inteligencia artificial pequeño en Azure Virtual Machines |
| Nivel 4 | ▪ Conocimientos avanzados de inteligencia artificial y aprendizaje automático, incluida la administración de infraestructuras ▪ Competencia en el control de flujos de trabajo complejos de entrenamiento de modelos de IA ▪ Experiencia con orquestación, pruebas comparativas de modelos y optimización del rendimiento ▪ Aptitudes sólidas para proteger y administrar puntos de conexión de inteligencia artificial |
▪ Grandes cantidades de datos disponibles para el entrenamiento | ▪ Cualquiera de los proyectos anteriores ▪ Entrenamiento y ejecución de una aplicación de inteligencia artificial generativa o no generativa en máquinas virtuales, Azure Kubernetes Service o Azure Container Apps |
Adquisición de aptitudes de IA
La adquisición de aptitudes en IA requiere que las organizaciones evalúen su grupo de talento actual y determinen si se deben mejorar las aptitudes, contratar personal o asociarse con expertos externos. Evalúe su grupo de talento actual para identificar las necesidades de formación, contratación o asociaciones externas. La creación de un equipo de inteligencia artificial cualificado garantiza que pueda adaptarse a los desafíos y controlar varios proyectos de inteligencia artificial. La IA evoluciona constantemente, por lo que mantener una cultura de aprendizaje continuo favorece la innovación y mantiene actualizadas las aptitudes.
Obtener información sobre las aptitudes en inteligencia artificial. Utilice la plataforma Microsoft Learn para obtener formación gratuita sobre IA, certificaciones y orientación sobre productos. Establezca objetivos de certificación, como Aspectos básicos de Azure AI, Ingeniero asociado de Azure AI y Científico de datos asociado de Azure AI. Hay recursos de aprendizaje para otros temas de la plataforma, por lo que puede filtrar los resultados para ver resultados específicos sobre inteligencia artificial.
Contratar profesionales en IA. Para obtener conocimientos que superen sus capacidades internas, contrate a profesionales de la IA con experiencia en desarrollo de modelos, IA generativa o ética de la IA. Estos profesionales están muy solicitados. Considere la posibilidad de colaborar con instituciones educativas para acceder a nuevos talentos. Asegúrese de actualizar las descripciones de los puestos para reflejar la evolución de las necesidades de la IA y ofrezca una remuneración competitiva. Cree una marca de empleador atractiva. Muestre el compromiso de su organización con la innovación y el avance tecnológico, haciendo que su marca resulte atractiva para los profesionales de la IA.
Usar partners de Microsoft para adquirir aptitudes en inteligencia artificial. Use Marketplace de partners de Microsoft para abordar la escasez de aptitudes y cumplir las restricciones de tiempo. Los partners de Microsoft proporcionan conocimientos sobre inteligencia artificial, datos y Azure en varios sectores.
Acceso a recursos de IA
Como paso táctico para desarrollar soluciones de inteligencia artificial, debe poder acceder a ellas. El objetivo es proporcionar una forma rápida de comprender y acceder a lo que necesita para empezar a utilizar las soluciones de IA de Microsoft.
Acceder a Microsoft 365 Copilot. La mayoría de los Copilots de SaaS de Microsoft requieren una licencia o una suscripción de complemento. Microsoft 365 Copilot requiere una licencia de Microsoft 365 para empresas o negocios a la que se añade la licencia de Copilot.
Acceder a Microsoft Copilot Studio. Microsoft Copilot Studio usa una licencia independiente o una licencia de complemento.
Acceder a Copilots en el producto. Los copilotos en el producto tienen diferentes requisitos de acceso para cada uno, pero se requiere acceso al producto principal. Para obtener más información sobre cada uno, consulte GitHub, Power Apps, Power BI, Dynamics 365, Power Automate y Azure.
Acceder a Copilots basados en roles. Los Copilots basados en roles también tienen sus propios requisitos de acceso. Para obtener más información, consulte Agentes basados en roles para Microsoft 365 Copilot y Microsoft Copilot for Security.
Acceder a recursos de Azure. Las soluciones PaaS e IaaS de Azure requieren una cuenta de Azure. Estos servicios incluyen Azure OpenAI Service, Azure AI Studio, Azure Machine Learning, servicios de Azure AI, Azure Virtual Machines y Azure CycleCloud.
Priorizar los casos práctico de IA
Después de evaluar las aptitudes, los recursos y la madurez de la inteligencia artificial, dé prioridad a los casos práctico de IA identificados en la Estrategia de IA. Esta priorización garantiza que se centre en los proyectos que ofrezcan el mayor valor, se ajusten a los objetivos empresariales y se correspondan con sus capacidades actuales. Siga estos pasos:
Evaluar las aptitudes y los recursos. Después de adquirir aptitudes en inteligencia artificial, revise la madurez actual de la inteligencia artificial, los datos disponibles y el acceso a los recursos. Esta evaluación ayuda a restablecer las prioridades en función de lo que es posible.
Evaluar casos práctico. Dé prioridad a los proyectos en función de su viabilidad y valor estratégico que agreguen a su organización. Alinee los casos práctico de inteligencia artificial con sus objetivos estratégicos para asegurarse de que los esfuerzos contribuyen al éxito general.
Seleccionar los casos práctico principales. Cree una lista abreviada de casos práctico de inteligencia artificial de alta prioridad que forman la base para realizar más exploraciones y pruebas.
Creación de una prueba de concepto de IA
El desarrollo de una prueba de concepto de IA (PoC) valida la viabilidad y el valor potencial de un caso práctico priorizado a menor escala. El proceso de PoC ayuda a ajustar la prioridad del caso práctico, reducir el riesgo e identificar los desafíos antes de pasar a la implementación a escala completa. Este enfoque iterativo le permite ajustar el plan de inteligencia artificial en función de la información real.
Seleccionar la oportunidad correcta. En la lista abreviada de casos práctico de IA, elija un proyecto de alto valor que se alinee con el nivel de madurez de la inteligencia artificial. Lo ideal sería empezar por un proyecto interno, no orientado al cliente. Los proyectos internos minimizan el riesgo y proporcionan una base para probar la carga de trabajo. Use la PoC para validar el enfoque y ajustarlo antes de ampliarlo a producción. Realice pruebas A/B para establecer lo que funciona y recopilar datos de línea base.
Empezar con una guía de inicio rápido de Azure. Azure ofrece instrucciones paso a paso para crear aplicaciones básicas mediante sus plataformas de inteligencia artificial. Estas guías, denominadas guías de inicio rápido, le ayudan a implementar una aplicación e incluyen instrucciones para eliminarla después. Los inicios rápidos proporcionan una manera sencilla de familiarizar a su organización con la tecnología.
Tipo de IA Guía de inicio rápido de Azure AI Inteligencia artificial generativa Inteligencia artificial de Azure Studio, Azure OpenAI, Copilot Studio Machine Learning Azure Machine Learning Inteligencia artificial analítica Servicios de Azure AI: Seguridad del contenido de Azure AI, Custom Vision de Azure AI, Documento de inteligencia de Studio, Servicio Face, *Lenguaje de Azure AI, Voz de Azure AI, *Traductor de Azure AI, Visión de Azure AI.
*Cada característica de este servicio de IA tiene su propia guía de inicio rápido.Volver a priorizar las oportunidades de IA. Use la información obtenida de la PoC para ajustar la lista de casos práctico de IA. Si la PoC presenta desafíos inesperados, ajuste sus prioridades y céntrese en proyectos más factibles.
Implementación de una IA responsable
La adopción de una IA responsable requiere la incorporación de marcos éticos y prácticas normativas en el plan de implementación de inteligencia artificial. Este enfoque garantiza que las iniciativas de inteligencia artificial se alineen con los valores de la organización, protejan los derechos de los usuarios y cumplan los estándares legales.
Usar herramientas de planificación de IA responsable. Para integrar los principios de la IA responsable en el proceso de adopción, use herramientas y marcos que admitan prácticas éticas de inteligencia artificial. Microsoft ofrece varios recursos.
Herramienta de planificación de IA responsable Descripción Plantilla de evaluación del impacto en la inteligencia artificial Evaluar los posibles impactos sociales, económicos y éticos de las iniciativas de inteligencia artificial. Herramientas para crear experiencias de inteligencia artificial basada en la interacción humana Diseñar sistemas de inteligencia artificial que prioricen el bienestar del usuario y fomenten interacciones positivas. Modelo de madurez de IA responsable Evaluar y avanzar en la madurez de su organización en la implementación de prácticas responsables de IA. Iniciar el proceso de gobernanza de IA. La adopción responsable de la inteligencia artificial implica la creación de directivas de gobernanza para guiar los proyectos de inteligencia artificial y supervisar los comportamientos del sistema de inteligencia artificial. Empiece por identificar los riesgos de la organización específicos de las iniciativas de inteligencia artificial. Documente las directivas de gobernanza que describen las responsabilidades, los requisitos de cumplimiento y los estándares éticos. Consulte el artículo sobre gobernanza de la inteligencia artificial para obtener más información sobre este proceso.
Iniciar el proceso de administración de IA. Los marcos de administración de inteligencia artificial, como GenAIOps o MLOps, ayudan a garantizar el cumplimiento continuo de los principios de inteligencia artificial responsable a medida que evolucionan los sistemas de inteligencia artificial. Estas prácticas implican la administración de implementaciones, la supervisión continua y la optimización de costes para los modelos de inteligencia artificial en producción. Consulte el artículo sobre administración de ia para obtener más información sobre este proceso.
Iniciar el proceso de seguridad de IA. La seguridad forma parte fundamental de la adopción de la inteligencia artificial responsable. Las evaluaciones de seguridad periódicas ayudan a proteger la confidencialidad, integridad y disponibilidad de los sistemas de inteligencia artificial. Realice evaluaciones de riesgos que aborden posibles amenazas de seguridad específicas de la inteligencia artificial, como ataques adversarios o infracciones de datos. Consulte el artículo sobre Secure AI para obtener más información sobre este proceso.
Estimación de las escalas de tiempo de entrega
La estimación de las escalas de tiempo de entrega implica establecer programaciones realistas e hitos para la implementación del proyecto de IA. Las escalas de tiempo claras permiten a las organizaciones asignar recursos de forma eficaz y administrar las expectativas de las partes interesadas, apoyando una progresión estructurada de la prueba de concepto a la producción. Al establecer hitos específicos, las organizaciones pueden medir su progreso, identificar posibles retrasos y realizar ajustes para mantener los proyectos en seguimiento y dentro del presupuesto.
En función de la PoC, asigne una escala de tiempo de entrega para las oportunidades de inteligencia artificial. Cree una escala de tiempo con hitos claros y resultados para implementar casos práctico seleccionados. Asigne equipos, defina roles y proteja las herramientas o asociaciones necesarias. Las soluciones SaaS de Microsoft AI proporcionan las escalas de tiempo más cortas para ver una rentabilidad de la inversión. Las escalas de tiempo para crear aplicaciones de IA en Azure PaaS e IaaS dependen del caso práctico y la madurez de la inteligencia artificial. En la mayoría de los casos, se tardan semanas o meses antes de tener una carga de trabajo de IA lista para producción.
Paso siguiente
El resto de esta guía se centra en la creación de cargas de trabajo de inteligencia artificial en Azure mediante el uso de soluciones PaaS e IaaS. Para tener éxito en Azure, primero debe establecer la base de inteligencia artificial en la fase de Preparado para IA.
Para obtener más información sobre cómo adoptar una solución de Microsoft Copilot, consulte estos recursos:
| Category | Solución de Copilot |
|---|---|
| Productividad empresarial | Copilot para Microsoft 365 |
| Plataforma de poco código | Copilot Studio |
| Basado en rol | Microsoft Copilot para seguridad Microsoft 365 Copilot for Sales Microsoft 365 Copilot for Service Microsoft 365 Copilot for Finance |
| Copilots en el producto | GitHub Power Apps Power BI Dynamics 365 Power Automate Azure |
| Basado en explorador | Copilot (gratis) Copilot Pro |