Power Platform AI: разработка многократно используемых архитектурных решений

В современном быстро меняющемся цифровом мире искусственный интеллект (ИИ) становится все более необходимым для ведения бизнеса. Платформа Power Platform от Microsoft предоставляет мощную среду для внедрения ИИ в различные приложения. В этой статье подробно рассказывается о том, как создавать многократно используемые архитектуры ИИ в рамках Power Platform, уделяя особое внимание эффективности, масштабируемости и долгосрочному обслуживанию. Используя стратегию архитектурного проектирования, мы сможем извлечь значительную пользу и упростить внедрение ИИ в различных инициативах.

Ключевые моменты

Разработайте структуру ИИ для многоразовой архитектуры с помощью Power Platform.

Сосредоточьтесь на проектировании и анализе архитектуры для создания отказоустойчивых решений в области ИИ.

Разработайте многократно используемые сервисы и шаблоны пользовательского интерфейса, чтобы сократить дублирование.

Оптимизируйте потоки Power Automate для эффективной автоматизации бизнес-процессов.

Ведите журнал транзакций ИИ, чтобы упростить поиск и устранение неисправностей и отслеживать производительность.

Проектирование многократно используемого каркаса ИИ

Важность архитектурного проектирования

Прежде чем приступить к изучению деталей реализации ИИ в Power Platform, необходимо понять ценность хорошо проработанной архитектуры. Надежная архитектура делает ваши ИИ-решения не только работоспособными, но и многократно используемыми, масштабируемыми и поддерживаемыми. Без него компании часто сталкиваются с такими проблемами, как избыточный код, растущая сложность и трудности с адаптацией к меняющимся требованиям бизнеса. В этом разделе описывается структурированный метод создания успешного проекта при разработке многократно используемых фреймворков ИИ.

Мы обсудим такие важные принципы проектирования, как модульность, абстракция и разделение задач. Если с самого начала рассматривать более широкое видение, ваши инициативы в области ИИ создадут основу для более простой интеграции ИИ в ключевые рабочие процессы и снизят сложность развертывания решений ИИ в масштабах всей компании.

Первая сборка против многократно используемых сервисов

При запуске проектов ИИ на платформе Power Platform важно понимать разницу между созданием одноразового решения и созданием компонентов многократного использования. На начальном этапе часто требуется создание определенных сервисов с нуля.

Эти первые сборки формируют фундаментальные части, необходимые для последующего повторного использования. Цель состоит в том, чтобы создать хорошо структурированный микросервис или модульный компонент со свободной связью. Затем эти элементы можно использовать в различных приложениях, повышая эффективность и сокращая время разработки. Многократно используемые сервисы ускоряют разработку и способствуют согласованности и стандартизации ваших решений на базе ИИ.

Определение отправной точки

Чтобы разработать высокоэффективное и ценное решение на основе ИИ, начните с определения основных требований и возможностей бизнеса. Обычно это включает в себя выявление областей, в которых отсутствует слой сервисов ИИ или архитектура микросервисов для реализации ИИ на платформе Power Platform.

Это очень важный шаг, потому что это начальный уровень, который может быть общим для нескольких отделов. Например, это может быть отсутствие интеграции ИИ для решения конкретного бизнес-процесса или сценария использования. Устранив эти пробелы, вы сможете расставить приоритеты в создании многократно используемых компонентов ИИ, которые быстро принесут измеримую пользу организации. Выбрав подходящий проект, используйте его требования в качестве основы для создания многоразовых сервисов. В первую очередь необходимо изучить данные. Какая информация необходима для достижения бизнес-цели?

Пример использования: Приборная панель проекта с интеграцией совещаний

Чтобы продемонстрировать, как применять многоразовую структуру ИИ, рассмотрим пример приборной панели проекта с интегрированными функциями совещаний.

Приборная панель служит центральным местом хранения всех данных, связанных с проектом, включая проекты, встречи, команды и требования. В разделе проекта пользователи могут перейти на вкладку совещаний, чтобы просмотреть прошедшие совещания и создать новые записи о них. Этот сценарий представляет собой практический пример, демонстрирующий разработку и реализацию многократно используемых компонентов ИИ в Power Platform.

Основная цель многих проектов и сценариев использования - сократить количество шагов и усилий, которые человек должен предпринять для обработки полученной информации. На примере интеграции совещаний: человек должен присутствовать на совещании, слушать обсуждение и вручную обрабатывать информацию, чтобы поделиться ею со всей компанией. Внедрение служб искусственного интеллекта позволяет сократить все эти шаги до одного действия "Сохранить".

Создание слоя сервисов искусственного интеллекта

Этап 1: ввод стенограммы совещания

Первым этапом создания слоя сервисов ИИ является предоставление пользователям возможности вводить стенограммы совещаний в Power Platform.

Это можно сделать с помощью интуитивно понятного диалогового окна, которое позволяет пользователям копировать и вставлять стенограмму. Это диалоговое окно включает в себя поле для ввода текста и кнопки сохранения/отмены для управления процессом. Такой простой дизайн гарантирует, что пользователи смогут быстро и легко предоставить данные, необходимые для запуска рабочего процесса обработки ИИ. Цель - упростить процесс первоначальной загрузки, чтобы ИИ мог выполнять свои задачи даже по инициативе человека.

Хранение стенограмм совещаний в SharePoint

После того как пользователи введут стенограмму собрания, следующим шагом будет сохранение данных в списке SharePoint.

Этот список SharePoint будет служить центральным хранилищем для всех стенограмм совещаний, обеспечивая удобный доступ, управление и дальнейший анализ. Каждая запись совещания будет храниться в виде новой строки в списке с выделенными столбцами для метаданных, таких как название совещания, категория, ключевые решения, задачи, последующие действия и статус обработки. Такой способ организации обеспечивает доступность всей необходимой информации для анализа и отчетности AI. Главное, чтобы эти данные были доступны для ИИ.

Power Automate и бизнес-уровень ИИ

Для автоматизации рабочего процесса обработки ИИ используется Power Automate.

Power Automate функционирует как бизнес-уровень, связывая список SharePoint со службами ИИ. В этом сценарии он назван "Создателем собраний ИИ" и управляет функциями ИИ, чтобы оптимизировать усилия пользователей. Используя Power Automate, компании могут автоматически извлекать информацию из стенограмм совещаний, назначать задачи и создавать последующие элементы. Power Automate сокращает объем ручной работы.

Взаимодействие с большими языковыми моделями (LLM)

Для успешной интеграции ИИ в Power Platform важно знать, как взаимодействовать с большими языковыми моделями (LLM).

Вам нужно знать, как сформулировать эффективные подсказки, которые могут извлекать данные, задавать соответствующие вопросы и эффективно обобщать информацию. Все эти данные необходимо передавать в модели ИИ, такие как GPT-3.5 или GPT-4. Основополагающим компонентом для реализации ИИ в наших проектах являются подсказки, которые мы рассмотрим далее.

Подсказка содержит инструкции, направляющие модель ИИ на обработку информации. Это позволяет гарантировать, что все операции ИИ в ваших проектах будут работать так, как задумано. На следующем этапе мы создадим метод масштабирования этих проектов, сохранив подсказки в централизованном списке SharePoint.

Создание сервисного слоя для моделей ИИ

Последняя цель - создать многократно используемый шаблон для подсказок, отправляемых нашим моделям искусственного интеллекта. Ключевым приемом является отделение инструкций модели искусственного интеллекта от данных в нашем примере использования Power Platform. Чтобы добиться этого, разработайте шаблон подсказки, который изолирует бизнес-логику от входных данных. Нам нужны как данные для обработки ИИ, так и конкретные инструкции, чтобы он понимал свою задачу. В таблице 1 показано, как построить сервисный слой, который позволит решить эту задачу.

Таблица 1: Сервисный слой ИИ

Благодаря этому, несмотря на использование различных систем, вы сможете сохранить бизнес-правила для каждого уникального случая использования, сохранив при этом все важные данные.

Интеграция ИИ

Поскольку модели искусственного интеллекта постоянно совершенствуются, очень важно создать бизнес-уровень, который не будет зависеть от конкретных моделей и версий искусственного интеллекта, которые вы используете. Такое разделение позволит вашей команде усовершенствовать конкретное приложение. Ниже перечислены другие важные аспекты внедрения ИИ:

• Поддерживайте центральное хранилище шаблонов.
• Внедрите механизм протоколирования для отслеживания обработанных данных.
• Полностью разделите данные и шаблоны, чтобы обеспечить масштабирование проекта.
• Настройте систему обратной связи, чтобы модель ИИ могла учиться на предоставленных данных, способствуя постоянному совершенствованию.

Пошаговое руководство: Внедрение ИИ-создателя совещаний

Шаг 1: Настройка приборной панели проекта

Сначала создайте приборную панель с вкладкой "Встречи". Эта приборная панель должна служить центральным узлом для всей информации, связанной с проектом. Убедитесь, что она предназначена для использования различными отделами и группами пользователей.

Шаг 2: Создание списка шаблонов подсказок AI

Мы должны создать отдельный список SharePoint для управления нашими подсказками AI. Этот метод повышает гибкость системы, позволяя вносить многочисленные обновления и изменения при взаимодействии с данными таблицы. Убедитесь, что этот список служб включает ключ подсказки, массив сообщений и счетчик маркеров.

Шаг 3: Добавление ввода стенограммы собрания

Предоставьте пользователям интерфейс для копирования и вставки записей совещаний из таких приложений, как Teams. После этого убедитесь, что данные правильно загружены в соответствующий столбец.

Шаг 4: Отправка в подсказку искусственного интеллекта

Теперь пришло время делегировать рабочую нагрузку нашей службе искусственного интеллекта. Создайте поток Power Automate, чтобы получить все данные вместе с шаблоном и сгенерировать результаты совещания.

Преимущества и риски слоя службы искусственного интеллекта

Плюсы

Расширенная возможность повторного использования. Создайте общую экосистему для всей вашей организации.

Улучшенные модели ИИ. Позволяют вашей команде сосредоточиться на ИИ, что приводит к улучшению возможностей обработки данных.

Повышенная гибкость. Убедитесь, что реализация ИИ достаточно гибкая, чтобы распределить ее между сотрудниками.

Минусы

Первоначальная сложность. Этот подход может быть более сложным для первой сборки по сравнению с методами ad-hoc.

Первоначальные инвестиции. Потенциальные расходы могут отпугнуть вашу команду. Проведение анализа затрат и выгод может помочь оправдать инвестиции.

ЧАСТО ЗАДАВАЕМЫЕ ВОПРОСЫ

Каковы основные преимущества использования многоразовой архитектуры ИИ?

Многоразовая архитектура ИИ позволяет сократить избыточность, улучшить масштабируемость и упростить обслуживание, что в долгосрочной перспективе дает экономию времени и средств.

Как определить, какие части моих решений в области ИИ следует сделать многоразовыми?

Сосредоточьтесь на основных функциях ИИ, таких как обработка данных, анализ настроения или обобщение, которые можно использовать в различных проектах.

Каков наиболее эффективный способ обработки подсказок в Power Platform?

Использование списка шаблонов подсказок ИИ позволяет отделить подсказки от конкретных сценариев использования, что облегчает их модификацию и обновление без серьезных последствий.

Каковы ключевые элементы хорошо продуманной стратегии логирования ИИ?

Отслеживайте вводимые, выводимые данные и потребление токенов, чтобы эффективно отслеживать и совершенствовать свои решения.

Смежные вопросы

Как можно использовать ИИ для автоматизации бизнес-процессов в Power Platform?

ИИ может автоматизировать различные бизнес-процессы в Power Platform. Чат-боты очень эффективны для обслуживания клиентов, анализа данных, автоматизированной отчетности и создания контента. Благодаря широкому присутствию ИИ в Power Platform доступно множество инструментов для интеграции ИИ в ваши рабочие процессы.

Какие меры безопасности и соблюдения нормативных требований следует учитывать при внедрении ИИ на Power Platform?

Конфиденциальность и безопасность данных имеют решающее значение. Рекомендуется применять политики предотвращения потери данных (DLP) для защиты конфиденциальной информации. Кроме того, убедитесь, что ваши решения соответствуют международным и местным нормам. Всегда шифруйте конфиденциальные данные.

Какие навыки необходимы разработчикам Power Platform для эффективного внедрения решений на основе ИИ?

Разработчикам Power Platform необходимо хорошо разбираться в моделировании данных, автоматизации рабочих процессов и принципах ИИ. Преодоление разрыва между этими двумя областями имеет решающее значение для успешного внедрения.

Может ли ИИ повысить эффективность и точность процессов ввода данных в Power Platform?

Да, ИИ может сканировать документы, извлекать необходимые данные и автоматически вводить их в ваше приложение, сводя к минимуму ручной ввод и человеческие ошибки с течением времени.