Microsoft Foundry IQ: baza wiedzy dla agentów AI
Foundry IQ łączy źródła wiedzy w bazie dla agentów i używa agentic retrieval. Poznaj wymagania Azure AI Search, uprawnienia i status funkcji.
- Agenci AI
- Dane i analityka
- Azure
#Azure
Wpisy oznaczone tagiem Azure — 34 artykułów o technologiach AI dla firm. Poznaj zastosowania, ograniczenia i decyzje wdrożeniowe.
Industry Solutions w Fabric: co sprawdzić przed wdrożeniem
Oceń rozwiązania branżowe Fabric: dopasowanie modelu danych, integrację, koszty i utrzymanie. Poznaj zmianę modelu Healthcare w 2026 roku.
- Dane i analityka
- Modele i LLM
- Azure
AI Act w firmie: obowiązki i terminy po zmianach
AI Act po nowelizacji z 2026 r.: poznaj terminy, role dostawcy i użytkownika oraz sposób oceny firmowych zastosowań sztucznej inteligencji.
- Azure
- Regulacje
RAFT: trening modelu dla domenowego RAG
Czym Retrieval Augmented Fine-Tuning różni się od RAG i zwykłego fine-tuningu, jakich wymaga danych oraz jak oceniać eksperyment.
- Dane i analityka
- Modele i LLM
- Azure
Fine-tuning modelu: kiedy warto go przeprowadzić
Sprawdź, kiedy fine-tuning poprawi model AI, a kiedy lepszy będzie prompt lub RAG. Kryteria, testy, koszty i ryzyka decyzji.
- Agenci AI
- Dane i analityka
- Modele i LLM
Agentic RAG: wiele źródeł, koszt i kontrola
Kiedy agentic RAG ma sens, jak projektować narzędzia retrieval oraz kontrolować planowanie, cytowania, opóźnienie i koszty.
- Agenci AI
- Modele i LLM
- Azure
Narrow AI: czym jest wąska AI i kiedy ją stosować
Poznaj wąską sztuczną inteligencję i jej zastosowania w firmie. Zobacz przykład klasyfikacji, granice modelu i kryteria odbioru rozwiązania.
- Dane i analityka
- Azure
- Strategia
RAG, fine-tuning czy RAFT: jak wybrać
Matryca wyboru RAG, fine-tuningu i RAFT według problemu, aktualności wiedzy, danych treningowych, kosztu i wymagań ewaluacji.
- Dane i analityka
- Modele i LLM
- Azure
Modele generatywne AI w Azure: jak wybrać
Jak dobrać model generatywny AI do zadania firmy: rodzaje modeli, role usług Azure, test jakości, dane, koszt i utrzymanie rozwiązania.
- Dane i analityka
- Modele i LLM
- Azure
RAG w Azure: dane, chunking i ewaluacja
Praktyczny projekt RAG w Azure: przygotowanie źródeł, chunking, wyszukiwanie hybrydowe, ranking i testy odpowiedzi bez podstawy.
- Agenci AI
- Dane i analityka
- Modele i LLM
OpenAI o1 w Azure: rozumowanie i migracja modelu
Kiedy model rozumujący pomaga w biznesie? Poznaj ograniczenia o1, termin wycofania w Azure i sposób sprawdzenia następcy w aplikacji.
- Dane i analityka
- Modele i LLM
- Azure
Modele fundamentalne AI: zastosowania i ograniczenia
Czym są modele fundamentalne AI? Sprawdź, jak wykorzystać je w firmowym zadaniu, porównać z modelem specjalistycznym i ocenić ograniczenia.
- Modele i LLM
- Azure
- Strategia
Regulacje AI na świecie: jak przygotować firmę
Regulacje AI w UE, USA i Chinach: sprawdź różnice, aktualne zmiany i sposób przygotowania firmy działającej na kilku rynkach.
- Dane i analityka
- Azure
- Zarządzanie zmianą
MaaS w Microsoft Foundry: wybór wdrożenia
Jak porównać serverless API, managed compute i wdrożenia modeli w Microsoft Foundry pod kątem kontroli, kosztu i ryzyka.
- Agenci AI
- Modele i LLM
- Azure
NFT w biznesie: token, uprawnienie i dane AI
Kiedy NFT ma sens w firmie? Oddziel token od pliku i uprawnienia, zaplanuj cykl życia oraz sprawdź ograniczenia zastosowań z AI.
- Agenci AI
- Modele i LLM
- Azure
Microsoft Orleans 10: kiedy wybrać virtual actors
Kiedy Orleans 10 upraszcza system stanowy, a kiedy dokłada złożoność: grains, silosy, trwałość, klaster i awarie.
- Dane i analityka
- Modele i LLM
- Azure
Małe modele językowe SLM: kiedy mają sens w firmie
Kiedy wybrać mały model językowy SLM? Sprawdź jakość, sprzęt, prywatność i koszt na przykładzie klasyfikacji firmowych zgłoszeń.
- Modele i LLM
- Azure
- Strategia
Warehouse w Fabric: kiedy wybrać hurtownię danych
Warehouse czy lakehouse w Fabric? Sprawdź kryteria wyboru, definicje miar, historię danych i sposób oceny hurtowni przed wdrożeniem.
- Dane i analityka
- Modele i LLM
- Azure
GPT-4o w Azure: zastosowania i plan migracji
Jak utrzymać aplikację GPT-4o w Azure: wersje, terminy wycofania, testy następcy i kontrola tekstu oraz obrazu w procesie biznesowym.
- Copilot
- Dane i analityka
- Modele i LLM
Prompt flow: testowanie przepływu aplikacji AI
Zobacz, jak użyć Prompt flow do testowania wariantów, danych, kosztu i jakości aplikacji AI oraz przygotować plan migracji przed 2027 rokiem.
- Azure
- Prompty
- Strategia
LangSmith: jak oceniać i śledzić aplikacje AI
Sprawdź, do czego służy LangSmith: ślady wykonania, zbiory testowe i ocena jakości. Zobacz plan kontroli aplikacji AI oraz ochrony danych.
- Agenci AI
- Modele i LLM
- Azure
Data Engineering w Fabric: co to jest i od czego zacząć
Czym jest Data Engineering w Microsoft Fabric: co obejmuje, jak zamienić ręczne poprawianie plików w powtarzalny proces i co to daje projektowi AI.
- Dane i analityka
- Modele i LLM
- Azure
Jak odebrać potok danych w Fabric Data Engineering
Kryteria odbioru potoku danych w Fabric: poprawność wyniku, ponowienia, zachowanie przy błędzie oraz koszt i czas. Próby przed zatwierdzeniem.
- Dane i analityka
- Modele i LLM
- Azure
Azure AI Search: klasyczny i agentowy RAG
Jak wybrać klasyczny RAG lub agentic retrieval w Azure AI Search oraz osobno mierzyć trafność wyszukiwania i odpowiedzi.
- Dane i analityka
- Modele i LLM
- Azure
Duże modele językowe: możliwości i ograniczenia
Dowiedz się, które zadania pasują do LLM, gdzie model zawodzi i jak testować źródła, jakość, koszty oraz kontrolę przed wdrożeniem.
- Dane i analityka
- Modele i LLM
- Azure
Azure AI Foundry: jak zaplanować projekt AI
Jak zbudować minimalny projekt Microsoft Foundry: dobrać model, dane, dostęp, ewaluację i monitoring bez zbędnej architektury.
- Copilot
- Agenci AI
- Azure
Semantic Kernel: kiedy orkiestracja AI ma sens
Sprawdź, kiedy Semantic Kernel pomaga oddzielić model, narzędzia i reguły wykonania oraz jak kontrolować function calling w aplikacji AI.
- Modele i LLM
- Azure
- Zarządzanie zmianą
30 promptów Copilot dla administratora IT
30 promptów do sprawdzenia Copilot dla administratora IT: od diagnozy i skryptów po backup, dostęp, incydenty i dokumentację. Cowork: zadania wieloetapowe.
- Copilot
- Azure
- Prompty
Azure Bot Service: co po końcu wsparcia Bot Framework
Sprawdź status Bot Framework, LUIS i QnA Maker. Zobacz, jak ocenić istniejącego bota i zaplanować migrację bez utraty obsługi klientów.
- Copilot
- Agenci AI
- Azure
Microsoft Azure dla firm: jak ocenić migrację
Jak ocenić workload, landing zone, pełny koszt i model operacyjny przed bezpieczną migracją firmy do Microsoft Azure.
- Azure
- Power Platform
- Microsoft 365
Microsoft Foundry: platforma aplikacji i agentów AI
Azure AI Foundry to dziś Microsoft Foundry. Sprawdź modele, agentów, ocenę jakości i koszty przed wyborem platformy aplikacji AI.
- Agenci AI
- Modele i LLM
- Azure
Aplikacje AI native w Microsoft Azure
Jak zaprojektować aplikację AI native: model, dane, RAG, narzędzia, ewaluację, obserwowalność, bezpieczeństwo i koszt.
- Agenci AI
- Modele i LLM
- Azure
Microsoft Azure AI Services: jak wybrać usługę
Jak dobrać Foundry Tools, Microsoft Foundry lub Azure Machine Learning do zadania, danych, jakości, bezpieczeństwa i kosztu.
- Modele i LLM
- Azure
- Strategia
Microsoft Azure: jak zaplanować środowisko dla AI
Sprawdź, jakie decyzje poprzedzają uruchomienie AI w Azure: dane, dostęp, regiony, koszty, obserwacja działania i odpowiedzialność zespołu.
- Dane i analityka
- Modele i LLM
- Azure