この記事は、組織が Azure サービスとしてのプラットフォーム (PaaS) ソリューションで AI ワークロードを構築するのに役立ちます。 これらのサービスは、エンタープライズ レベルのセキュリティとスケーラビリティを備えた、生成型と非変性の両方の AI ワークロードをサポートします。
生成型 AI のアーキテクチャとガイドを使用する
生成 AI アーキテクチャは、新しいコンテンツを作成し、大規模な言語モデルを通じて会話エクスペリエンスを可能にします。 アーキテクチャでは、組織のニーズと技術的成熟度に合わせて、さまざまな複雑さのレベルが提供されます。 組織のサイズ、コンプライアンス要件、および既存の Azure インフラストラクチャに基づいて、適切なアーキテクチャを選択する必要があります。 その方法は次のとおりです。
運用環境のワークロードに実証済みの設計パターンを提供するベースライン アーキテクチャから始めます。 これらのアーキテクチャには、企業が信頼性の高い AI デプロイに必要とするセキュリティ構成、ネットワーク設計、運用プラクティスが含まれます。 モデル ガバナンス、コスト管理、データ保護などの一般的な課題に対処します。
記事 記事の種類 対象組織 Azure ランディング ゾーンにおける Azure AI Foundry のベースラインチャット参照アーキテクチャ アーキテクチャ Enterprise ベースライン Azure AI Foundry チャット参照アーキテクチャ アーキテクチャ 任意 基本的な Azure AI Foundry チャット参照アーキテクチャ アーキテクチャ スタートアップ AI 開発ライフサイクル管理をサポートする運用ガイダンスを適用します。 これらのガイドでは、開発環境全体でモデルのデプロイ、監視、継続的な改善のプラクティスを確立します。 AI アプリケーションの進化に伴い、一貫した品質と信頼性が保証されます。
記事 記事の種類 対象組織 GenAIOps ガイド 任意 RAG ソリューションの開発 ガイド 任意 Azure OpenAI プロキシの使用 ガイド 任意 AIワークロードに関連する特定の技術的な問題に対処するためのWell-Architected設計領域を実装します。 これらの設計領域は、アーキテクチャ パターンを補完するアプリケーション設計、データ管理、およびオペレーショナル エクセレンスに関する詳細な推奨事項を提供します。
記事 記事の種類 対象組織 アプリケーションの設計 デザイン領域 任意 アプリケーション プラットフォーム デザイン領域 任意 トレーニング データ設計 デザイン領域 任意 接地データ設計 デザイン領域 任意 データ プラットフォーム デザイン領域 任意 MLOps と GenAIOps デザイン領域 任意 運用 デザイン領域 任意 のテストと評価 デザイン領域 任意 責任ある AI デザイン領域 任意
非変性 AI のアーキテクチャとガイドを使用する
非変性 AI アーキテクチャは、新しいコンテンツを作成することなく、分類、予測、分析のタスクに重点を置いています。 これらのアーキテクチャは、既存のデータを処理して分析情報を抽出し、意思決定を自動化し、ビジネス プロセスを強化します。 特定のデータ処理と分析の要件に合ったアーキテクチャを選択する必要があります。
その方法は次のとおりです。
データ処理と分析の特定のユース ケースに対応する特殊なアーキテクチャを選択します。 これらのアーキテクチャは、ドキュメント処理、メディア分析、予測分析などの一般的なビジネス シナリオで実証済みのパターンを示しています。 AI 機能を既存のビジネス プロセスに統合するための実装ガイダンスを提供します。
記事 記事の種類 対象組織 ドキュメント処理アーキテクチャ アーキテクチャ 任意 ビデオと画像の分類アーキテクチャ アーキテクチャ 任意 オーディオ処理アーキテクチャ アーキテクチャ 任意 予測分析アーキテクチャ アーキテクチャ 任意 機械学習モデルのライフサイクル管理をサポートする運用フレームワークを適用します。 これらのガイドでは、運用環境で一貫したパフォーマンスと信頼性を確保するモデルのトレーニング、デプロイ、および監視のベスト プラクティスを確立します。
記事 記事の種類 対象組織 Azure Machine Learning ガイド 任意 MLOps ガイド 任意
AI 標準を採用する
次の記事では、Azure PaaS ソリューションを使用して AI ワークロードを採用するためのベスト プラクティスを示します。 これらのプラクティスにより、AI ワークロードが主要なカテゴリ間でセキュリティ、ガバナンス、オペレーショナル エクセレンスの要件を満たすことができます。
- リソースの選択 - ベスト プラクティスを使用して、適切な AI サービスとコンピューティング リソースを選択します。
- ネットワーク - ベスト プラクティスを適用して、セキュリティで保護されたパフォーマンスの高いネットワーク接続を設計します。
- ガバナンス - ベスト プラクティスに従って、AI リソース管理のポリシーと制御を確立します。
- 管理 - 監視と運用のベスト プラクティスを実装します。
- セキュリティ - セキュリティ 制御とコンプライアンス要件を適用するためのベスト プラクティスを適用します。
Azure のリソース
| カテゴリ | ツール | 説明 |
|---|---|---|
| プラットフォーム サービス | Azure AI Foundry | 生成型および非変性型の AI アプリケーションを構築およびデプロイするための統合プラットフォーム |
| プラットフォーム サービス | Azure OpenAI | エンタープライズ セキュリティとコンプライアンスを使用した OpenAI モデルへのアクセス |
| プラットフォーム サービス | Azure Machine Learning | エンドツーエンドの機械学習ライフサイクル管理プラットフォーム |
| プラットフォーム サービス | Azure AI Services | ビジョン、音声、言語、意思決定のための事前構築済みの AI 機能 |
| アーキテクチャ のガイダンス | Azure アーキテクチャ センター AI/ML | AI と機械学習アーキテクチャ パターンの包括的なコレクション |
| ベスト プラクティス | Well-Architected フレームワークAIワークロード | Azure での AI ワークロードの設計の原則と推奨事項 |