Nota:
El acceso a esta página requiere autorización. Puede intentar iniciar sesión o cambiar directorios.
El acceso a esta página requiere autorización. Puede intentar cambiar los directorios.
Objetivo de ia: Cada organización quiere que la inteligencia artificial agregue valor a sus personas y procesos. Ese valor debe provenir de la inteligencia artificial que se mantiene segura y funciona de forma eficiente. Debe ajustarse a las aptitudes y los datos que ya tiene y permanecer dentro del presupuesto. Desafío de IA: El objetivo es claro, pero alcanzar ese valor no siempre es sencillo. Los equipos a menudo experimentan mucho y obtienen poco rendimiento. Algunas organizaciones desarrollan soluciones contradictorias en toda la organización. En otros lugares, los problemas de seguridad y la confianza baja restringen lo que las personas pueden usar, lo que retiene la inteligencia artificial.
Solución de IA: Muchas organizaciones han recurrido a las soluciones de IA de Microsoft para afrontar estos retos. Microsoft ofrece un amplio conjunto de funcionalidades que ofrecen la flexibilidad de abordar cada caso de uso de forma eficaz y para mantener la inteligencia artificial segura a medida que se escala. Esta guía proporciona a los responsables de la toma de decisiones un marco para dirigir ese trabajo y alinear las inversiones en inteligencia artificial con las necesidades empresariales.
Recomendación: Cree una estrategia de inteligencia artificial que se adapte a sus necesidades empresariales trabajando en las decisiones de las secciones siguientes en secuencia. Cada decisión establece las restricciones que dan forma a la siguiente y mantiene el foco en la creación de valores.
1. Identificación de casos de uso de IA
El primer paso para enmarcar la estrategia de inteligencia artificial es la identificación de casos de uso. En este paso se define cómo los responsables de la toma de decisiones detectan dónde la inteligencia artificial puede mejorar los resultados empresariales en toda la organización. El objetivo es mostrar primero las oportunidades más relevantes. La lista no necesita ser exhaustiva, aunque puede ser. Su propósito es dar a todos una visión común de lo que más importa a la empresa. Abórdelo en orden para que cada caso de uso se vincule a un valor tangible.
Comience con problemas empresariales. Busque dónde la organización necesita mejores resultados antes de considerar la inteligencia artificial en absoluto. Las señales más claras aparecen en la forma de trabajar de las personas, como el esfuerzo manual repetido o las aprobaciones lentas. Plantea la búsqueda en términos sencillos, como «en qué aspectos los resultados no cumplen las expectativas» o «en qué tareas repetitivas dedica tiempo la gente». Este enfoque mantiene a la IA centrada en el valor en lugar de en la novedad. Contrapartida: un análisis amplio saca a la luz muchas oportunidades, por lo que conviene centrarse en las brechas en los resultados que sean medibles y significativas.
Convertir los problemas en casos de uso. Convierta cada problema empresarial en una breve instrucción que asigna un nombre a la actividad y el resultado esperado, como "ayudar a los agentes de soporte técnico a responder desde documentos internos para que el tiempo de resolución caiga". Confirme que la actividad se produce con frecuencia suficiente para justificar la inversión. Contrapartida: los escenarios iniciales tienden a ser imprecisos, así que refínalos hasta convertirlos en descripciones claras y prácticas antes de seguir adelante.
Clasificar caso de uso. Clasifique cada caso de uso en función de cómo crea el valor. Use esta decisión para guiar las opciones de tecnología posteriores.
Trabajo individual: Estos casos de uso mejoran cómo funcionan los usuarios o equipos dentro de las herramientas existentes. Algunos ejemplos incluyen la asistencia de escritura o la preparación de la reunión. Se alinean fuertemente con las soluciones de inteligencia artificial generativas, como Microsoft 365 Copilot.
Automatización empresarial: Estos casos de uso cambian la forma en que la organización opera o entrega valor. Algunos ejemplos son el enrutamiento automatizado de clientes o la previsión de la demanda. A menudo necesitan integración con otros sistemas y pueden combinar más de un tipo de INTELIGENCIA ARTIFICIAL.
Tenga en cuenta el tipo de IA necesario. Esta es una consideración, no una decisión final, y puede volver a revisarla a medida que el caso de uso se vuelve más claro. Una idea aproximada de la coherencia que desea en el resultado reduce las opciones de tecnología que vienen a continuación. Tienes la libertad de ajustarlo más tarde.
La ia generativa (no determinista) genera salidas que pueden variar incluso para la misma entrada y funciona bien cuando las entradas no están estructuradas, como el lenguaje natural o los documentos. Se adapta a los casos en los que el flujo de trabajo no se ha corregido y dónde desea que el sistema cree contenido o ayude a tomar una decisión humana. Opte por este enfoque cuando no conozca de antemano los pasos exactos y sea aceptable cierta variación en el resultado.
La inteligencia artificial no generada (determinista) genera salidas coherentes y repetibles a partir de entradas estructuradas. Se ajusta a los casos en los que se define el flujo de trabajo y la misma entrada debe dar lugar al mismo resultado. Opte por esto en tareas que dependen de la precisión, como la predicción o la detección de anomalías.
Aplique esta misma secuencia en todas las áreas de negocio. Un flujo repetible reduce la confusión, evita que recurras a la IA generativa cuando no sea necesaria y te prepara para elegir a continuación la vía de solución adecuada.
2. Estrategia tecnológica de IA
¿Qué solución de IA de Microsoft debería elegir? Después de identificar qué casos de uso necesitan qué tipo de IA, empieza a concretar cómo desarrollar o comprar cada uno. Microsoft ofrece cuatro modelos de adopción que comercializan la personalización por motivos de simplicidad en un enfoque de responsabilidad compartida. Están listos para usar Copilots, desarrollo de SaaS de bajo código, desarrollo de PaaS administrado y infraestructura de Azure. A medida que pasas del primer modelo al último, ganas control y renuncias a la velocidad.
Cada enfoque requiere un nivel diferente de aptitud técnica y devuelve un grado de control diferente. Use el árbol de decisión de la sección siguiente para restringir las opciones. A continuación, use las instrucciones siguientes para ponderar cuatro factores para la solución de inteligencia artificial:
- Funcionalidades: Revise las funcionalidades de Microsoft y Azure soluciones de IA para ver si satisfacen las necesidades de su caso de uso.
- Datos necesarios: Confirme que existen los datos necesarios y que es accesible para el escenario.
- Aptitudes necesarias: Valide que cada caso de uso sea factible con las funcionalidades actuales antes de seleccionar una solución.
- Costo: Evalúe si la solución se ajusta a su presupuesto.
Árbol de decisión de IA de Microsoft
Microsoft Copilots (agentes SaaS)
Microsoft soluciones de inteligencia artificial listas para usar, denominadas Copilots, generan una eficacia rápida porque necesitan poca configuración y funcionan con datos que ya tiene. Microsoft 365 Copilot agrega asistencia de inteligencia artificial en las aplicaciones de Office. Los Copilots integrados en el producto y basados en roles se centran en funciones laborales y sectores específicos. Equilibrio: los copilotos ofrecen los resultados más rápidos, pero permiten menos personalización que una solución a medida.
| Microsoft Copilots | Descripción | Usuario | Datos necesarios | Capacidades necesarias | Principales factores de coste |
|---|---|---|---|---|---|
| Microsoft 365 Copilot | Chat y ayuda integrada en la aplicación en todo Microsoft 365, basados en la Web y en Work IQ, y basados en sus datos de Microsoft. | Negocio | Aplique etiquetas de confidencialidad de protección a los datos de Microsoft 365 para que la protección acompañe al contenido. | Administración general de TI y datos | Licencia por usuario |
| Copilots y agentes basados en roles | Ayuda específica del rol para seguridad, agente de ventas, servicio y agente financiero. | Negocio | Sí. Opciones de conexión de datos y plugin están disponibles. | Administración general de TI y datos | Acceso a Microsoft 364 Copilot o Unidades de proceso de seguridad (SCUs) para Security Copilot |
| Copilots y agentes integrados en el producto | Inteligencia artificial dentro de productos como GitHub, Power Apps, Power BI, Dynamics 365, Power Automate, Microsoft Fabric, Microsoft Entray Azure. | Empresas y particulares | Sí. La mayoría requiere una preparación mínima de datos. | Mínimo (configuración básica del administrador y preparación de datos) | Gratuito o suscripción |
| Microsoft Copilot | Microsoft Copilot es una aplicación de chat gratuita basada en web. | Individuo | No | Ninguno | Free |
Plataformas de desarrollo de IA de SaaS (código bajo)
Microsoft proporciona opciones de desarrollo de SaaS para crear agentes de inteligencia artificial. Copilot Studio permite a los usuarios empresariales crear asistentes de inteligencia artificial con lenguaje natural, mientras que las extensiones de Microsoft 365 Copilot permiten personalizar las Copilot empresariales con datos y procesos específicos de la empresa. Contrapartida: las plataformas SaaS de desarrollo abren el desarrollo a los equipos de negocio, pero la personalización intensiva tiene límites y podría requerir una migración a una plataforma gestionada.
| Plataforma | Descripción | Usuario | Datos necesarios | Capacidades necesarias | Principales factores de coste |
|---|---|---|---|---|---|
| Copilot Studio | Use Copilot Studio para crear agentes de inteligencia artificial conversacional y flujos de trabajo de automatización con herramientas de poco código y lenguaje natural. | TI | Automatiza gran parte de la integración de datos para crear copilotos personalizados con conexiones a varios orígenes de datos. | Configuración de la plataforma para conectar orígenes de datos, diseñar flujos conversacionales e implementar copilots | Licencia |
| Herramientas de extensibilidad para Microsoft 365 Copilot | Personalizar Microsoft 365 Copilot con más datos o capabilidades a través de agentes declarativos. Use herramientas como Copilot Studio, Agent Builder y Agents Toolkit. | Empresas y particulares | Usa los conectores de Microsoft 365 Copilot para agregar datos. | Administración de datos, TI general o aptitudes para desarrolladores | licencia Microsoft 365 Copilot |
IA en plataformas de Azure (PaaS)
La plataforma como servicio es el punto de partida para la mayoría de las aplicaciones y agentes personalizados. Elíjalo cuando el desarrollo SaaS con poco código no pueda ofrecerle suficiente personalización, pero aún quiera que Microsoft gestione la plataforma por usted. Obtiene un entorno administrado para crear modelos y agentes personalizados. Este trabajo requiere más esfuerzo que el desarrollo de SaaS, pero menos esfuerzo que ejecutar la infraestructura usted mismo. Microsoft administra la plataforma y no mantiene servidores ni entrena los modelos base. Contrapartida: Una plataforma gestionada ofrece más control que las opciones SaaS de desarrollo, pero requiere conocimientos de ingeniería que esas opciones no exigen.
| Objetivo de IA | solución Microsoft | Datos necesarios | Capacidades necesarias | Principales factores de coste |
|---|---|---|---|---|
| Agentes de construcción | Servicio microsoft Foundry Agent | Sí | Selección del tipo de agente, añadir herramientas y datos, depuración con trazas, evaluación, optimización, publicación, monitorización. Consulte Ciclo de vida del agente. | Consumo de tokens de modelo, almacenamiento, características, procesos, conexiones a tierra |
| Compilación de aplicaciones RAG | Fundición | Sí | Selección de modelos, orquestación del flujo de datos, fragmentación de datos, enriquecimiento de fragmentos, elección de la indexación, comprensión de los tipos de consulta (texto completo, vector, híbrido), comprensión de filtros y facetas, realización de cambios, ingeniería rápida, implementación de puntos de conexión y consumo de puntos de conexión en aplicaciones | Proceso, número de tokens de entrada y salida, servicios de IA consumidos, almacenamiento y transferencia de datos. |
| Afina los modelos GenAI | Fundición | Sí | Preprocesamiento de datos, división de datos en datos de entrenamiento y validación, validación de modelos, configuración de otros parámetros, mejora de modelos, implementación de modelos y consumo de puntos de conexión en aplicaciones | Proceso, número de tokens de entrada y salida, servicios de IA consumidos, almacenamiento y transferencia de datos. |
| Entrenamiento e inferencia de modelos |
Azure Machine Learning o Microsoft Fabric |
Sí | Preprocesamiento de datos, modelos de entrenamiento mediante código o automatización, mejora de modelos, implementación de modelos de aprendizaje automático y consumo de puntos de conexión en aplicaciones | Proceso, almacenamiento y transferencia de datos |
| Consumo de modelos y servicios de IA precompilados | Herramientas de fundición | Sí | Selección de modelos de IA, protección de puntos de conexión, consumo de puntos de conexión en aplicaciones y ajuste preciso según sea necesario | Uso de puntos finales de modelo consumidos, almacenamiento, transferencia de datos, computación (si entrena modelos personalizados) |
| Aislar aplicaciones de IA | Azure Container Apps con compatibilidad con GPU sin servidor | Sí | Seleccione modelos de inteligencia artificial, orquestación del flujo de datos, fragmentación de datos, enriquecimiento de fragmentos, elección de la indexación, comprensión de los tipos de consulta (texto completo, vector, híbrido), comprensión de filtros y facetas, realización de reranking, ingeniería de mensajes, implementación de puntos de conexión y consumo de puntos de conexión en aplicaciones; configuración opcional del entorno o red virtual para el aislamiento de red (la disponibilidad regional y el estado de las características pueden variar) | Proceso, número de tokens de entrada y salida, servicios de IA consumidos, almacenamiento y transferencia de datos. |
Consulte las páginas de precios individuales de los productos enumerados en IA + aprendizaje automático y la calculadora de precios de Azure para generar estimaciones de costos.
Inteligencia artificial en la infraestructura de Azure
Azure infraestructura le ofrece control total sobre sus propios modelos y entornos de ejecución. Normalmente, es lo que más tiempo lleva desarrollar y lo que más esfuerzo de mantenimiento requiere a lo largo del tiempo. Elija esta opción cuando deba traer sus propios modelos, usar entornos de ejecución personalizados o satisfacer las necesidades de rendimiento y cumplimiento que las plataformas administradas no pueden. Contrapartida: la infraestructura ofrece el mayor nivel de control, pero conlleva la mayor responsabilidad operativa.
| Objetivo de IA | solución Microsoft | Datos necesarios | Capacidades necesarias | Principales factores de coste |
|---|---|---|---|---|
| Entrena y ejecuta tus propios modelos en la infraestructura que gestionas | AI en la infraestructura de Azure | Sí | Administración de infraestructura, TI, instalación de programas, entrenamiento de modelos, pruebas comparativas de modelos, orquestación, implementación de puntos de conexión, protección de puntos de conexión y consumo de puntos de conexión en aplicaciones | Orquestador de nodos de proceso, discos administrados (opcional), servicios de almacenamiento, Azure Bastion y otros servicios de Azure usados |
Consulte Precios de GPU con Linux y Windows máquinas virtuales. Use la calculadora de precios de Azure para las estimaciones.
3. Estrategia de inteligencia artificial responsable
Sea cual sea el modelo y el presupuesto que elija en los pasos anteriores, el uso responsable es una condición de ejecución de inteligencia artificial en producción a escala. Su organización debe establecer los estándares que garanticen que la IA sea justa y responsable para todos los equipos. Los modelos seleccionados determinan dónde se aplican estos estándares, pero los estándares permanecen constantes en toda la organización. Basa en la guía de Microsoft para la inteligencia artificial responsable en lugar de definir esos estándares aquí. Consulte las instrucciones de CAF para crear directivas de inteligencia artificial responsable para poner en marcha un marco coherente.
4. Estrategia de datos
Un estándar de inteligencia artificial responsable solo es tan fuerte como los datos subyacentes, por lo que la estrategia de datos viene a continuación. Su estrategia de datos determina si sus casos de uso prioritarios cuentan con datos gobernados y de alta calidad con los que trabajar. Una estrategia duradera localiza y clasifica los datos y garantiza su cumplimiento normativo a medida que la IA se expande por Microsoft 365 y Azure. Céntrese en las líneas base de gobernanza y la administración del ciclo de vida en lugar de en el diseño por carga de trabajo. Consulte la guía de CAF para crear una estrategia de datos para la inteligencia artificial y el análisis.
5. Adopción de la inteligencia artificial
Con la estrategia ya definida, pase a la planificación y la preparación. La guía de adopción de IA proporciona listas de comprobación para startups y empresas que llevan a producción cada una de las decisiones anteriores con gobernanza y seguridad integradas.