Latest / M365.FM – podcast o Microsoft 365, Copilot i AI po polsku / Firmowa AI z Power Platform i Azure OpenAI: architektura, bezpieczeństwo i governance poza demo chatbota (Dubbing AI)

Transcript

Firmowa AI z Power Platform i Azure OpenAI: architektura, bezpieczeństwo i governance poza demo chatbota (Dubbing AI) · M365.FM – podcast o Microsoft 365, Copilot i AI po polsku

• 0:00
  Gotowi na 10 dni z Microsoft 365, Kopilotem, platformą Azure oraz ludźmi kształtującymi przyszłość pracy?
• 0:07
  W styczniu M365.com powraca i tym razem z większym rozmachem.
• 0:12
  Dołącz do nas na sesję na żywo pokazy praktyczne i zdobądź wiedzę od MVP oraz ekspertów z całego świata.
• 0:18
  Żadnych generycznych slajdów, żadnych niekończących się modnych haseł.
• 0:22
  Zajmiemy się realnymi wyzwaniami, Kopilot Studio, agentami AI Fabric, bezpieczeństwem, ładem korporacyjnym i automatyzacją.
• 0:29
  Niezależnie od tego, czy jesteś informatykiem, programistą czy liderem biznesowym, mamy sesje stworzone dla Ciebie.
• 0:35
  Podczas 10 pełnych dni odkryjesz wiele technologii i nawiążesz kontakty z globalną społecznością.
• 0:40
  Oglądaj na żywo i zabierz praktyczne wskazówki do swojej organizacji.
• 0:44
  Styczeń 2027 roku, 10 dni, jedna społeczność Microsoft. Rejestracja jest już otwarta.
• 0:52
  Zarezerwuj swoje miejsce już dziś.
• 0:56
  Adres to m365.com.net
• 0:59
  Dołącz teraz na m365.com.net. Widzimy się na żywo w styczniu.
• 1:06
  Zastanawiałeś się kiedyś, dlaczego tak wiele pokazów Power Platforms z AI kończy się na hotbotach i nie sprawdza się w prawdziwym biznesie?
• 1:13
  Ten film pokazuje to, czego inne nie pokazują, jak połączyć Azure OpenEye z Power Apps i Dynamics 365,
• 1:20
  uwzględniając wymogi bezpieczeństwa, wydajności i ładu korporacyjnego.
• 1:24
  Jeśli szukasz mniej magii, a więcej konkretów, jesteś w dobrym miejscu.
• 1:29
  Poza samym konektorem, prawdziwa anatomia AI w Power Platform zawsze zaczyna się tak samo.
• 1:36
  Użytkownicy biznesowi widzą świetne demo może hotbot sprzedażowy odpowiadający w sekundy albo aplikacje do obsługi zgłoszeń.
• 1:42
  I myślą, świetnie, umieśćmy to prosto w Power Apps.
• 1:47
  Konektor jest na miejscu, ekrany działają, a ludzie wyobrażają sobie AI wykonującą za nich żmudną pracę, ale rzeczywistość szybko daje o sobie znać.
• 1:55
  Konektor działa dla dwóch osób w demo, a gdy myślisz, że tworzysz coś wielkiego, pojawiają się problemy z wydajnością, hotboty bredzą albo dane wyciekają.
• 2:04
  To tutaj większość integracji AI utyka w martwym punkcie.
• 2:09
  Winić należy mi, że dodanie AI do Power Platform to tylko kliknięcie plus dodanie konektora i połączenie z Azure OpenAI.
• 2:15
  To przekonanie trwa, bo na papierze te narzędzia wyglądają na zbyt proste.
• 2:19
  Gdyby tylko to było najtrudniejszą częścią.
• 2:21
  Co więc naprawdę kryje się pod maską, gdy chcesz czegoś więcej niż zabawkowego projektu?
• 2:25
  Zrozumienie, gdzie naprawdę dzieje się magia AI to różnica między udanym demo, a realnym wsparciem procesów biznesowych.
• 2:30
  W niemal każdym poważnym wdrożeniu AI w Power Platform występuje czterech głównych graczy.
• 2:35
  Pierwszym są Power Apps lub Dynamics 365, to z nimi wchodzą w interakcje użytkownicy i to one inicjują każde zapytanie do AI.
• 2:43
  Zbierają one dane, może to być wiadomość od klienta, wynik ankiety, recenzja produktu, cokolwiek, co chcesz przeanalizować.
• 2:50
  Jednak Power Apps nie komunikują się z Azure OpenAI bezpośrednio.
• 2:53
  W tym miejscu wkracza Power Automate, który koordynuje całe działanie.
• 2:56
  Za każdym razem, gdy użytkownik naciśnie przycisk lub prześle formularz, przepływ Power Automate pobiera dane, formatuje je i wysyła tam, gdzie powinny trafić.
• 3:04
  Trzecim elementem jest punkt końcowy Azure OpenAI.
• 3:07
  To prawdziwy mózg operacji, dostarczający analizę nastrojów, podsumowania tekstów, a nawet generujący odpowiedzi dla klientów.
• 3:14
  W stosie technologicznym dyskretnie ukryte jest Azure API Management, które jest karygodnie pomijane, dopóki coś nie zawiedzie.
• 3:20
  Odpowiada ono za bezpieczeństwo i ograniczenie przepustowości, stanowiąc różnicę między stabilnym działaniem a przeciążeniem systemu.
• 3:25
  Przeanalizujmy, jak te elementy układanki na sobie polegają.
• 3:28
  Weźmy pod uwagę wyzwalacz, na przykład moment, w którym użytkownik w Dynamics 365 rejestruje rozmowę sprzedażową.
• 3:34
  To uruchamia przepływ w Power Automate.
• 3:36
  Przepływ nie tylko przenosi dane z punktu A do B, może oczyścić tekst, połączyć kontekst z innych źródeł lub zamaskować pola ze względów prywatności, zanim żądanie trafi do Azure OpenAI.
• 3:47
  Ta droga ma znaczenie.
• 3:49
  Jeśli przepływ działa wolno, bo inna automatyzacja zużywa zasoby, w swojej aplikacji zauważysz narastające opóźnienia.
• 3:56
  Jeśli Power Automate nie przygotuje odpowiednio ładunku danych, na przykład, jeśli recenzji produktu brakuje kontekstu lub ma dziwny format, punkt końcowy OpenAI zwróci dziwne wyniki lub, co gorsza, z myśli odpowiedzi.
• 4:08
  Zatem, jeśli wcześniejsze ogniwa zawiodą, nie będzie żadnej inteligencji.
• 4:12
  Sprawa staje się jeszcze ciekawsza, gdy w grę wchodzi Azure API Management.
• 4:15
  Podczas gdy wszyscy ekscytują się inteligencją, zbyt mało osób myśli o tym, kto powinien mieć dostęp i jak często.
• 4:21
  API Management działa jak selekcjoner przy wejściu.
• 4:24
  Sprawdza każde żądanie, weryfikuje autentyczność i dba o to, by użycie nie wymknęło się spod kontroli.
• 4:29
  Jeśli nie ustawisz zasad ograniczenia przepustowości, jedna uszkodzona aplikacja może wysyłać tysiące żądań na godzinę,
• 4:35
  nagle przeciążając instancje OpenAI lub, co równie zabawne, generując ogromny rachunek za Azure.
• 4:40
  Rejestruje również, kto co zrobił, co oznacza, że gdy coś się zepsuje lub ktoś pójdzie na skróty, masz ścieżkę audytu do prześledzenia.
• 4:47
  Dema nigdy tak naprawdę nie pokazują tych problemów.
• 4:49
  W tych krótkich prezentacjach wszystko jest zoptymalizowane pod kątem kilku użytkowników i niemal idealnych warunków sieciowych.
• 4:56
  Jednak w rzeczywistym biznesie masz realne SLA, obawy o prywatność danych i progi wydajnościowe, których nie można ignorować.
• 5:02
  Załóżmy na przykład, że uruchamiasz aplikację PowerApp do opinii sprzedażowych z wbudowaną analizą nastrojów.
• 5:07
  Przy zaledwie 10 osobach przepływ działa płynnie, a przydatne wyniki otrzymujesz w mniej niż sekundę.
• 5:12
  Ale w dniu, w którym ta liczba skacze do 10 tysięcy, może po kampanii e-mailowej lub fuzji zaczynasz zauważać 30-sekundowe czasy oczekiwania lub błędy,
• 5:19
  ponieważ punkt końcowy nie nadąża za żądaniami.
• 5:21
  Co gorsza, możesz odkryć, że połowa danych zwrotnych nagle nie jest przetwarzana,
• 5:26
  ponieważ rozmiar ładunku przekroczył limity Azure lub zasady bezpieczeństwa w API Management nigdy nie zostały zaostrzone.
• 5:32
  Teraz, zamiast wspierać sprzedaż, Twój potok, a i blokuje ją, a dział wsparcia technicznego nie jest zachwycony.
• 5:38
  To jest sygnał ostrzegawczy.
• 5:39
  Podłączenie łącznika to nic innego jak zaproszenie na imprezę architektoniczną.
• 5:44
  Prawdziwym wyzwaniem jest zrozumienie, jak każda warstwa współdziała i jak kruche stają się rzeczy, gdy próbujesz zwiększyć skalę.
• 5:51
  Wiedza o tym, jak Power Apps uruchamia orkiestrację, jak przepływy przetwarzają i zabezpieczają dane jak punkty końcowe,
• 5:58
  a i je interpretują, i jak API Management działa jako bariera ochronna,
• 6:01
  oddziela bota uwięzionego w piaskownicy od rozwiązania gotowego dla przedsiębiorstwa.
• 6:05
  Jeśli rozumiesz tylko łącznik, zawsze ryzykujesz stabilnością i bezpieczeństwem.
• 6:10
  Każdy może przeciągnąć i upuścić nowe demo AI w Power Apps.
• 6:14
  Budowanie czegoś, co przetrwa kontakt z rzeczywistymi użytkownikami i danymi,
• 6:17
  oznacza zagłębienie się w szczegóły, a nie tylko poleganie na łącznikach.
• 6:21
  Więc, kiedy wymaganie zmienia się, niech to powtarza tekst na
• 6:24
  Faktycznie rozwiąż mój problem biznesowy, inteligencja musi stać się o wiele bardziej inteligentna.
• 6:28
  Oto jak mózgi są podłączane, aby uzyskać wpływ na biznes.
• 6:32
  Dostrajanie, a i dla biznesu, sentyment, podsumowywanie i więcej.
• 6:36
  Jeśli kiedykolwiek bawiłeś się Azure Open AI w Power Platform,
• 6:39
  prawdopodobnie zauważyłeś coś dziwnego.
• 6:41
  Jeden punkt końcowy może wykryć negatywny sentyment w zdaniu,
• 6:45
  podsumować pełny łańcuch e-maili lub przygotować opis nowego produktu,
• 6:49
  czasem w ciągu jednego dnia, korzystając z tego samego pudełka AI.
• 6:53
  Cóż, to nie magia i jest powód, dla którego wiele projektów utyka w miejscu,
• 6:56
  gdy tylko próbujesz zrobić coś faktycznie użytecznego.
• 6:59
  Ludzie często zakładają, że wystarczy zmienić prompt i sprawa załatwiona.
• 7:03
  Rzeczywistość?
• 7:03
  Każdy przypadek użycia biznesowego wymaga innego podejścia
• 7:06
  i właśnie tutaj ta fantazja o rozwiązaniach plug and play upada.
• 7:09
  Porozmawiajmy o różnicy między analizą sentymentu a generowaniem tekstu.
• 7:13
  Załóżmy, że chcesz, aby Twoja aplikacja Dynamics 365 oznaczała skargi klientów.
• 7:17
  Analiza sentymentu to oczywisty pierwszy przypadek użycia
• 7:20
  krótkie dane wejściowe, szybkie odpowiedzi, niski koszt i niemal brak kontekstu do śledzenia.
• 7:25
  Działa to dlatego, że Power Automate musi przekazać do punktu końcowego Open AI
• 7:29
  tylko najbardziej podstawowe dane, jedno lub dwa zdania
• 7:31
  wraz z odpowiednim promptem informującym model, czego ma szukać.
• 7:34
  Możesz błyskawicznie przetworzyć dziesiątki rekordów bez ryzyka,
• 7:38
  że model wymknie się spod kontroli lub uszczupli Twój budżet.
• 7:41
  Takimi przepływami łatwo zarządzać, można je ograniczać
• 7:43
  i niemal nigdy nie wymagają one przebudowy.
• 7:45
  Przejdźmy teraz do generowania podsumowań,
• 7:47
  co zaczyna już nieco nadwyrężać możliwości systemu.
• 7:49
  Jeśli Twoja aplikacja Power App pozwala menedżerom wklejać szczegółowe notatki ze spotkań
• 7:54
  i oczekiwać spójnych podsumowań w sekundy,
• 7:56
  prompt wysyłany do Open AI musi być precyzyjny i mieć odpowiedni ton.
• 8:00
  Nawet wtedy nie wszystkie podsumowania są tak samo dobre.
• 8:03
  Jeśli Twój wsad jest zbyt duży lub tekst źródłowy zbyt nieustrukturyzowany,
• 8:08
  model może wyjść ze swojej roli i zacząć parafrazować
• 8:11
  zamiast streszczać, a nawet halucynować nieistniejące szczegóły.
• 8:15
  Wszystko sprowadza się do konfiguracji.
• 8:17
  Power Automate musi uformować dane wejściowe, usunąć podpisy,
• 8:20
  wyczyścić formatowanie i być może podzielić dokument, jeśli jest zbyt długi.
• 8:23
  A to wszystko dzieje się, zanim AI w ogóle zacznie pracę.
• 8:25
  Prawdziwe wyzwania pojawiają się jednak przy pełnoskalowym generowaniu tekstu lub klasyfikacji.
• 8:30
  Załóżmy, że Twój zespół sprzedaży chce tworzyć odpowiedzi e-mail w locie
• 8:34
  lub dział wsparcia chce kategoryzować każde zgłoszenie według typu problemu.
• 8:38
  Większość osób nie zdaje sobie sprawy, że uruchamianie takich procesów,
• 8:41
  a i na tysiącach rekordów wcale nie przypomina idealnego demo.
• 8:44
  Przepływ Power Automate musi przetwarzać ogromne zbiory danych w pętli.
• 8:48
  Punkt końcowy Open AI jest zasypywany żądaniami, przez co przepustowość spada,
• 8:53
  a rachunek za Azure zaczyna rosnąć czasem tak szybko, że trzeba angażować dział księgowości.
• 8:58
  Główną pułapką jest traktowanie tych procesów, a i jako zamiennych.
• 9:04
  Analiza sentymentu może kosztować ułamek centa za żądanie,
• 9:08
  ale generowanie długich tekstów zwiększa złożoność modelu,
• 9:11
  zużywa setki tokenów i wydłuża czas odpowiedzi.
• 9:15
  Dodajmy do tego potrzebę niestandardowych instrukcji,
• 9:17
  być może innego tonu dla różnych klientów,
• 9:20
  a każda zmiana wymaga precyzyjnego inżynieringu promptów.
• 9:23
  Ludzie słyszą Inżynieria Promptów i myślą, że chodzi tylko o lepsze pisanie poleceń,
• 9:26
  ale bardziej przypomina to dostrajanie algorytmu wyszukiwania.
• 9:29
  Testujesz, otrzymujesz dziwne wyniki i poprawiasz.
• 9:32
  Każda kolejna zmiana wpływa nie tylko na rezultat,
• 9:34
  ale też na czas, koszt i profil bezpieczeństwa Twojego przepływu pracy.
• 9:38
  To nie jest tylko teoria.
• 9:40
  Istnieje zbyt wiele rzeczywistych przykładów, by je ignorować.
• 9:43
  Pewna firma stworzyła przepływ Power Platform,
• 9:46
  który używał OpenAI do sortowania zgłoszeń,
• 9:48
  klasyfikacji sentymentu i sugerowania gotowych odpowiedzi.
• 9:52
  W środowisku testowym wyglądało to idealnie.
• 9:54
  Problemy pojawiły się, gdy zespół udostępnił przepływ wszystkim pracownikom wsparcia
• 9:58
  i nagle punkt końcowy otrzymywał żądania dla każdego zgłoszenia w każdej minucie.
• 10:02
  Model był ustawiony na ogólne generowanie tekstu, a nie tylko na prostą klasyfikację,
• 10:06
  więc przeanalizowało pełną historię zgłoszeń i za każdym razem tworzyło wieloakapitowe szkice.
• 10:11
  Koszty gwałtownie wzrosły z dnia na dzień,
• 10:13
  procesy zwolniły do minimum,
• 10:14
  a sztuczna inteligencja zaczęła zmyślać informacje w swoich sugestiach.
• 10:18
  Nikt nie zadał sobie pytania,
• 10:19
  dlaczego proste zadanie segregacji wymagało punktu końcowego dostrojonego do generowania tekstu
• 10:24
  zamiast krótkiej klasyfikacji.
• 10:25
  Dopiero po godzinach sprawdzania ktoś zorientował się,
• 10:28
  że kilka ustawień w Power Automate i konfiguracja punktu końcowego spowodowały cały ten bałagan.
• 10:33
  Jeśli chcesz sprawować kontrolę,
• 10:35
  zacznij od ustalenia limitów zużycia w przepływach Power Automate
• 10:38
  i zawsze monitoruj liczbę żądań oraz zużycie tokenów w portalu Azure.
• 10:42
  Do szybkich zadań, takich jak klasyfikacja czy analiza nastrojów,
• 10:45
  skonfiguruj równoległe przepływy i używaj najmniejszego modelu, który wykona zadanie.
• 10:50
  W przypadku generowania dłuższych treści,
• 10:52
  ogranicz maksymalną liczbę tokenów
• 10:53
  i limituj częstotliwość korzystania z tych funkcji przez użytkowników.
• 10:57
  Regularnie przeglądaj logi,
• 10:59
  wykrywaj nagłe skoki lub niekontrolowane użycie jak najwcześniej.
• 11:02
  Jeśli pominiesz te kroki,
• 11:03
  platforma da Ci znać opóźnionym rachunkiem lub czymś gorszym,
• 11:06
  a użytkownicy odczują to w postaci wolnego działania aplikacji.
• 11:09
  Zatem odpowiednia konfiguracja AI nie polega tylko na tym, by rozwiązanie działało.
• 11:13
  Chodzi o utrzymanie płynności biznesu,
• 11:15
  przewidywalność kosztów i rozsądne rezultaty.
• 11:18
  Niewłaściwa konfiguracja błyskawicznie zmienia AI z sojusznika w obciążenie.
• 11:22
  Skoro zintegrowałeś już moc obliczeniową ze swoimi aplikacjami,
• 11:25
  musisz ustalić, kto może z niej korzystać
• 11:27
  i jak zabezpieczyć punkty końcowe oraz dane na dużą skalę.
• 11:31
  Zabezpieczanie przepływu.
• 11:32
  Dlaczego usługa Azure API Management to Twoja tarcza?
• 11:35
  Jeśli zauważyłeś, większość demonstracji AI w Power Platform ignoruje kwestie bezpieczeństwa,
• 11:40
  jakby to był tylko kolejny punkt do odhaczenia na końcu.
• 11:42
  Ale kiedy projekty pilotażowe wychodzą poza wewnętrzne piaskownice do fazy produkcyjnej,
• 11:46
  szybko pojawiają się nowe ryzyka.
• 11:48
  Nagle ten punkt końcowy OpenAI nie odpowiada już tylko na nieszkodliwe zapytania testowe.
• 11:53
  Staje się potencjalnym oknem na wszystko, co udostępnia Twoja aplikacja.
• 11:57
  Wyobraź sobie proces obsługi klienta,
• 11:59
  potajemnie przesyłający dane klientów przez niezabezpieczone API
• 12:02
  lub hotbota zasilanego kluczem widocznym dla wszystkich.
• 12:05
  Kilka błędnych kroków może narazić firmę na nieautoryzowany dostęp,
• 12:09
  wycieki danych lub zalew żądań API od niewłaściwych osób.
• 12:13
  To nie są tylko teoretyczne rozważania.
• 12:15
  Gdy połączysz punkty końcowe Azure OpenAI z Power Apps lub Dynamics 365,
• 12:19
  uruchamiasz potężne narzędzie.
• 12:21
  Jeśli niewłaściwa osoba przejmie Twój klucz API,
• 12:23
  może leży w jakimś skrypcie lub jest ukryty w przepływie testowym,
• 12:26
  może zacząć wysyłać zapytania, pobierać odpowiedzi i nabijać koszty.
• 12:29
  Ataki DOS stają się realnym problemem.
• 12:31
  Nawet bez złych zamiarów, źle skonfigurowana aplikacja zapętlona na niewłaściwym rekordzie
• 12:36
  może bez przerwy obciążać Twój punkt końcowy.
• 12:38
  W obu przypadkach pozostajesz nie tylko z problemem zarządzania,
• 12:41
  ale potencjalnie z niekontrolowanymi kosztami.
• 12:43
  A w zależności od przesyłanych danych pojawiają się realne ryzyka
• 12:46
  związane ze zgodnością z przepisami.
• 12:47
  Tutaj Azure API Management wkracza jako niedoceniony bohater.
• 12:50
  Większość osób postrzega to jako kolejny zasób Azure do skonfigurowania,
• 12:54
  ale w rzeczywistości to różnica między porządkiem a chaosem.
• 12:56
  API Management wykonuje zadania, których powerautomatę i same konektory nie potrafią.
• 13:01
  Wymusza uwierzytelnianie i autoryzację przy każdym zapytaniu,
• 13:04
  a nie tylko wtedy, gdy pamiętasz, by dodać to w kodzie.
• 13:07
  Ogranicza liczbę zapytań trafiających do endpointu,
• 13:10
  więc błąd programisty lub niekontrolowany skrypt nie zagrozi Twojemu budżetowi ani reputacji.
• 13:15
  Prowadzi też szczegółowe logi, zapewniając ślad,
• 13:17
  gdy musisz odpowiedzieć na pytania o to, kto uzyskał dostęp i kiedy.
• 13:20
  Porozmawiajmy o prawdziwym incydencie.
• 13:23
  Pewna organizacja wdrożyła przepływ AI do klasyfikacji wiadomości e-mail w Dynamics 365
• 13:27
  i przekazała klucz API do Power Automate.
• 13:30
  Klucz trafił do udostępnionego folderu z dokumentacją,
• 13:33
  a gorliwy, lecz niewytrenowany członek zespołu przypadkowo zbudował pętlę rekurencyjną w swojej aplikacji testowej.
• 13:38
  W ciągu kilku godzin tysiące zapytań API uderzyły w endpoint OpenAI,
• 13:42
  wielokrotnie powtarzając te same rekordy.
• 13:44
  Rachunek za Azure nieoczekiwanie wzrósł,
• 13:46
  a zespół zrozumiał, co się stało dopiero po dokładnej analizie logów.
• 13:49
  Najgorszy był nie sam rachunek, lecz niepewność,
• 13:52
  czy jakiekolwiek poufne informacje nie trafiły w niepowołane ręce.
• 13:57
  Gdyby działało API Management, pętla wywołałaby błąd limitu zapytań na długo przed eskalacją,
• 14:02
  ale przelogowanie natychmiast wykryłoby ten potok danych.
• 14:06
  Polityki API Management to prawdziwa siatka bezpieczeństwa.
• 14:09
  Możesz ustawić limity częstotliwości, powiedzmy maksymalną liczbę wywołań na minutę dla użytkownika.
• 14:14
  Możesz ograniczyć wywołania według zakresu IP,
• 14:16
  aby dozwolone były tylko żądania ze znanych bramek Power Platform.
• 14:20
  W organizacjach o surowych wymogach zgodności możesz wymagać nagłówków lub tokenów unikalnych dla procesu biznesowego,
• 14:27
  przez co dostęp z zewnątrz będzie łatwy do wykrycia i zablokowania.
• 14:31
  Wszystkie te mechanizmy powstały nie po to, by frustrować użytkowników,
• 14:35
  ale by szybko rozwijająca się aplikacja, a i nie zakłóciła operacji lub, co gorsza, nie zagroziła danym klientów.
• 14:41
  Znalezienie równowagi jest tutaj kluczowe.
• 14:44
  Polityki bezpieczeństwa muszą być wystarczająco silne, by zapobiegać nadużyciom,
• 14:47
  ale nie powinny spowalniać normalnej pracy.
• 14:48
  Jeśli ograniczanie przepustowości jest zbyt agresywne,
• 14:51
  poprawne żądania zaczynają zawodzić,
• 14:53
  a użytkownicy stosują obejścia, takie jak wielokrotne przesyłanie tych samych danych.
• 14:58
  Właśnie tutaj monitoring i analityka w API Management stają się krytyczne.
• 15:03
  Widzisz wzorce użycia w czasie,
• 15:04
  dostrzegasz nieudane wywołania i dostrajasz polityki,
• 15:07
  zanim użytkownicy w ogóle to zauważą.
• 15:10
  Chcesz, aby wszyscy w firmie eksperymentowali z funkcjami AI w PowerApps i Dynamics 365,
• 15:16
  ale potrzebujesz bufora, który uchroni dane i koszty przed wymknięciem się spod kontroli.
• 15:20
  Dzięki API Management, które pełni rolę strażnika,
• 15:23
  zyskujesz coś więcej niż tylko ochronę.
• 15:24
  Możesz monitorować adopcję rozwiązań,
• 15:26
  sprawdzać, które procesy tworzą realną wartość,
• 15:28
  a które niepotrzebnie obciążają zasoby.
• 15:30
  Gdy kierownictwo pyta kto, co, kiedy i jak wszystko masz odnotowane,
• 15:34
  gdy skala użycia rośnie od 5 osób w fazie testów
• 15:36
  do 1000 użytkowników aplikacji sprzedażowej lub wsparcia,
• 15:39
  API Management gwarantuje, że nie otwierasz po prostu wród na oścież
• 15:42
  z nadzieją, że wszystko pójdzie dobrze.
• 15:44
  Sterujesz ruchem w przewidywalny sposób.
• 15:46
  Brudna prawda jest taka, że bez odpowiedniego zarządzania punktami końcowymi,
• 15:50
  a większość gotowych do produkcji integracji
• 15:53
  załamuje się przy pierwszym nieoczekiwanym zdarzeniu.
• 15:55
  API Management pozwala przejść od pomysłu do skali korporacyjnej
• 15:59
  bez wprowadzania ukrytych zagrożeń.
• 16:01
  Pomyśl o tym mniej jak o kanalizacji, a bardziej jak o bramie wejściowej.
• 16:04
  Oczywiście nawet najlepszy strażnik zajmuje się tylko tym, co otrzyma.
• 16:08
  Zabezpieczenie punktów końcowych to tylko jedna strona medalu.
• 16:11
  Istnieje szerszy obraz monitorowania wykorzystania,
• 16:14
  utrzymywanie budżetów w ryzach i dbanie o to,
• 16:16
  by zasady zgodności nie uległy rozmyciu wraz z rozwojem aplikacji,
• 16:19
  wtedy zarządzanie przestaje być opcjonalne i zaczyna kierować całym systemem.
• 16:24
  Spoiwo zarządzania, zgodność, kosztowa i trzymanie, a i w ryzach.
• 16:28
  Jeśli kiedykolwiek Twoja aplikacja Power App stała się z dnia na dzień
• 16:31
  ulubionym narzędziem wszystkich, zapewne znasz ten nagły niepokój,
• 16:35
  gdy koszty rosną, a nikt nie jest pewien, kto odpowiada za utrzymanie porządku.
• 16:41
  Łatwo świętować udane wdrożenie, a i analiza sentymentu działa w tle.
• 16:45
  Podsumowania tekstowe oszczędzają godziny pracy,
• 16:48
  ale w końcu ktoś patrzy na fakturę Azjur
• 16:50
  lub dostaje wiadomość od działu bezpieczeństwa i robi się cicho.
• 16:53
  To pierwszy sygnał luki w zarządzaniu, która pojawia się niemal za każdym razem,
• 16:59
  gdy aplikacja działa na tyle dobrze, że ludzie chcą jej używać.
• 17:02
  Ten schemat jest niemal uniwersalny.
• 17:04
  Funkcje, a i są podłączone, punkty końcowe zabezpieczone,
• 17:08
  kierownictwo akceptuje biznesplan,
• 17:10
  a gdy zjawiają się prawdziwi użytkownicy,
• 17:12
  środowisko staje się bardziej skomplikowane.
• 17:14
  Kto kontroluje dostęp do punktów końcowych Azjur OpenAI?
• 17:18
  Ile zapytań pochodzi z każdej aplikacji Power App
• 17:21
  i czy wszystkie są w ogóle niezbędne?
• 17:22
  Gdzie leży granica między eksperymentowaniem a automatyzacją pożerającą budżet?
• 17:27
  A w miarę jak coraz więcej pracowników buduje lub modyfikuje własne automatyzacje,
• 17:31
  kontrolowanie tego, co dzieje się za kulisami,
• 17:33
  staje się z każdym tygodniem trudniejsze.
• 17:34
  Nieprzewidziane koszty są często pierwszym sygnałem alarmowym dla zarządzania.
• 17:38
  Azjur dokładnie zlicza każdy token,
• 17:40
  każde wywołanie API i każdy gigabajt danych przesyłanych przez punkty końcowe OpenAI,
• 17:44
  ale jeśli nikt nie śledzi tych liczb,
• 17:46
  koszty mogą niepostrzeżenie wzrosnąć.
• 17:48
  Płacisz za wykorzystanie, a zapanowanie nad nim staje się trudne,
• 17:52
  gdy programiści obywatelscy szczerze próbują wprowadzać innowacje,
• 17:55
  nie zawsze wiedząc, że ich przepływ Power Automate wywołuje punkt końcowy,
• 17:59
  a i tysiąc razy dziennie.
• 18:01
  Większość osób odkrywa to w ten sam sposób,
• 18:03
  uruchamia się alert budżetowy lub ktoś z działu finansów sądzi,
• 18:06
  że wystąpił błąd w rozliczeniach.
• 18:08
  Ignorowanie tego to nie tylko wyższe rachunki,
• 18:10
  to ryzyko, że ktoś zamknie projekt, by zatrzymać straty,
• 18:12
  lub co gorsza, że kierownictwo straci zaufanie do całego eksperymentu z AI.
• 18:16
  Jednak nigdy nie chodzi tylko o pieniądze.
• 18:18
  Następnie pojawiają się pytania o zgodność z przepisami.
• 18:20
  Nawet przy zarządzaniu API kontrolującym dostęp
• 18:22
  wciąż pozostają pytania o to, jakie dane są wysyłane,
• 18:25
  jak długo są przechowywane i gdzie mogą trafić ich kopie.
• 18:28
  Czy programista zamaskował dane umożliwiające identyfikację osób
• 18:31
  przed wysłaniem treści zgłoszenia do pomocy technicznej do Azure OpenAI?
• 18:35
  Czy istnieje rejestr tego, który użytkownik uzyskał dostęp do czego
• 18:38
  i czy jest to zgodne z polityką organizacji?
• 18:41
  Audytorzy nie będą pod wrażeniem odpowiedzi typu
• 18:43
  Chyba tak. W branżach regulowanych pojedyncze uchybienie w kwestii zgodności,
• 18:47
  na przykład przesłanie poufnych danych do podsumowania tekstu
• 18:50
  bez odpowiedniego filtrowania, może wstrzymać projekty na tygodnie
• 18:53
  lub wpędzić firmę w poważne kłopoty.
• 18:56
  Nawet w mniej regulowanych środowiskach dział IT staje się nerwowy,
• 18:59
  gdy wygląda na to, że nieuregulowane dane krążą po chmurze.
• 19:02
  Microsoft stara się ułatwić życie w tych obszarach.
• 19:05
  Azure Cost Management zapewnia pulpity nawigacyjne,
• 19:08
  alerty i limity wydatków.
• 19:09
  Wciąż jednak ktoś musi wyznaczyć progi, monitorować cotygodniowe skoki zużycia
• 19:13
  i wcisnąć pauzę, zanim sytuacja eskaluje.
• 19:15
  Tagowanie każdego zasobu, punktów końcowych, a i przepływów,
• 19:18
  a nawet poszczególnych aplikacji Power Apps,
• 19:20
  to prosty, ale skuteczny sposób na przypisanie wydatków
• 19:22
  do konkretnego zespołu lub linii biznesowej.
• 19:24
  Pomaga to również w porządkowaniu i raportowaniu.
• 19:27
  Jeśli automatyzacja pozostanie aktywna po zakończeniu projektu pilotażowego,
• 19:30
  otagowane zasoby będą widoczne, co pozwoli uniknąć scenariusza
• 19:33
  tajemniczego obciążenia, który zawsze pojawia się podczas kontroli stanu systemu.
• 19:37
  Jeśli chodzi o Power Platform, zestaw Center of Excellence Starter Kit
• 19:41
  jest najbliższym odpowiednikiem centrum dowodzenia AI.
• 19:43
  Przeszukuje on dzierżawę w poszukiwaniu każdego przepływu
• 19:46
  niestandardowego łącznika, aplikacji i bota,
• 19:49
  tworząc spis, na podstawie którego można podjąć działania.
• 19:52
  Dział IT może skonfigurować analitykę z użycia,
• 19:54
  wysyłać alerty w przypadku wystąpienia podejrzanych wzorców
• 19:57
  i przypominać programistom obywatelskim o wewnętrznych najlepszych praktykach.
• 20:01
  Niektóre organizacje wykorzystują go do generowania regularnych raportów
• 20:04
  na temat użycia API intensywnie działających przepływów, a nawet tego, kto i co buduje.
• 20:08
  Zestaw narzędzi COU służy nie tylko do zapewnienia widoczności.
• 20:11
  Zapewnia też szablony dla wdrożeń warunkowych,
• 20:13
  inicjuje przeglądy dla aplikacji wysokiego ryzyka,
• 20:16
  a nawet egzekwuje polityki biznesowe poprzez wyłączanie lub wstrzymywanie przepływów niezgodnych z normami.
• 20:21
  Dla szybko rozwijającej się organizacji z dziesiątkami zaawansowanych użytkowników
• 20:25
  takie zabezpieczenia zapobiegają utracie kontroli.
• 20:27
  Warto zauważyć, że problemy z ładem korporacyjnym zwykle ujawniają się po osiągnięciu sukcesu.
• 20:31
  Weźmy przykład aplikacji do zbierania opinii klientów,
• 20:34
  która zyskała popularność znacznie szybciej niż oczekiwano.
• 20:36
  Użycie podwoiło się w ciągu tygodnia, a następnie potroiło.
• 20:39
  W ciągu miesiąca koszty gwałtownie wzrosły.
• 20:41
  Rachunek za Azure wymusił nową prognozę
• 20:43
  i okazało się, że ta sama aplikacja przesyłała poufne dane do punktu końcowego,
• 20:47
  a i bez zatwierdzenia.
• 20:48
  Wprowadzono doraźne skrypty i tymczasowe poprawki,
• 20:50
  ale wtedy był to już wyścig z czasem.
• 20:51
  Proces Centrum Doskonałości mógłby wcześniej zasygnalizować wzrost i wymusić przegląd.
• 20:56
  Dobre praktyki szybko się kumulują.
• 20:58
  Zawsze taguj zasoby.
• 20:59
  Ustawiaj budżety lub limity miękkie nawet dla dowodów koncepcji.
• 21:02
  Przeglądaj i audytuj dostęp do punktów końcowych.
• 21:05
  Lista osób mających dostęp do zasobów zmienia się wraz z przetasowaniami w zespołach i rozwojem ról.
• 21:09
  Dokumentuj, które przepływy przesyłają, jakie dane i dlaczego.
• 21:12
  To nie jest papierkowa robota dla samej papierkowej roboty.
• 21:15
  Chodzi o to, by ktoś mógł odpowiedzieć po tygodniach lub miesiącach,
• 21:18
  jak działa system i gdzie są jego granice.
• 21:20
  Kluczowe jest zrozumienie, że zarządzanie nie jest etapem, o którym można zapomnieć po wdrożeniu.
• 21:24
  Modele się zmieniają, logika biznesowa ewoluuje, a zasady prywatności stale się przekształcają.
• 21:28
  Przeglądy i aktualizacje muszą być regularne.
• 21:31
  Solidne zarządzanie to różnica między funkcją AI, która pada pod presją,
• 21:35
  a taką, która rozwija się w sposób zrównoważony wraz z rozwojem biznesu.
• 21:39
  Dzięki wdrożonym kontrolom liderzy IT i biznesowi zyskują pewność,
• 21:42
  by rozwijać, eksperymentować i wprowadzać innowacje z...