Nodiadau Dave - Microsoft AI Tour ar gyfer Partneriaid, Llundain 2026

Treuliais ddiwrnod cyfan yn nigwyddiad "Microsoft AI Tour for Partners" yn Llundain - digwyddiad yr oedd y signal-i-swn yn uwch na'r rhan fwyaf yr wyf wedi bod ynddo. Dyma fy nodiadau wedi'u crynhoi.

Y neges keynote oedd glir: ni sgwrs ymwybyddiaeth oedd hon mwyach. Yr oedd Microsoft yn disgwyl i bartneriaid drawsnewid momentwm y farchnad yn weithredu diriaethol. Soniodd Darren Hardman am ystadegau a amlygodd y symudiad: yn ystod y flwyddyn ddiwethaf, mae'r sefydliadau sy'n adrodd bod ganddynt strategaeth AI glir wedi symud o 46 y cant i 84 y cant. Mae mabwysiadu asiantaethol wedi symud o tua un mewn deg i chwech mewn deg. Mae AI wedi symud ar yr agenda gweithredu.

Y Fframwaith Llwyddiant Ffin

Y fframwaith cyffredinol a gyflwynwyd oedd Fframwaith Llwyddiant Ffin - pedwar cam ar lefel uwch:

Cyfoethogi - Defnyddio AI i wneud gweithwyr presennol yn fwy cynhyrchiol. Yr ymagwedd gyntaf, symlaf, a mwyaf cyffredin o ran mabwysiadu - darlluniwyd trwy enghreifftiau adeiladu ble mae copilots wedi'u mewnosod i lif gwaith rheng flaen.

Ailddyfeisio - Ail-ddylunio prosesau busnes i gymryd y gorau o alluoedd AI, nid dim ond addasu'r un prosesau hen gyda char AI newydd. Gwelwyd hyn mewn senarios llywodraeth leol, canolog, ac NHS, lle mae cymorth sgwrs a phenderfynu wedi'u gweithredu mewn gwasanaethau cyhoeddus.

Ailsiapio - Newid model busnes cyfan oherwydd bod AI yn galluogi peth nad oedd yn bosibl cyn hynny. Darparodd enghreifftiau o wasanaethau ariannol yn mewnosod deallusrwydd yn uniongyrchol i lifau weithredol.

Plygu'r Gromlin - Y cam trawsnewidiol pellaf: defnyddio AI i gyflawni rhywbeth nad oedd y sefydliad yn ei ystyried yn bosibl - yn aml am fod yr offer neu'r gallu yn dod yn newydd. Cyfeiriwyd at Gyfnewidfa Stoc Llundain fel enghraifft o sut gall AI newid siâp yr hyn y mae busnes yn ei gynnig yn sylweddol, nid dim ond optimeiddio tasgau presennol.

Mae'r fframwaith yn ddefnyddiol am ei fod yn ochrgamu'r sgwrs arferol "ble ddechrewn ni" - mae'n gofyn i'r tîm gwsmer ble maen nhw'n diffinio eu cyfyngiad blaenoriaeth.

Symudodd yr iaith wedyn o syniad i realiti, o chwilfrydedd i hyder, o beilotiaid i lwyfannau, o arbrofion i allu mewnosodol. Roedd Work IQ, Foundry IQ a Fabric IQ wedi'u cyflwyno fel haenau galluogi, gydag Agent 365 a dull Ffatri Asiantau yn darparu llwybr i ddiwydiannoli. Y llinyn y daeth trwodd fwyaf cryf i mi oedd bod y gwaith diddorol yn symud oddi wrth bethau fel "sut ydyn ni'n galw model?" ac yn symud tuag at "sut ydyn ni'n gwneud ystadau, llwyfannau a modelau gweithredu yn uniongyrchol defnyddiadwy gan asiantau, heb wanhau llywodraethu?" Gellir crynhoi llawer o'r cynnwys ar draws y dydd fel ailgyfarpar y substradau menter presennol fel bod ffordd ragweladwy a strwythuredig gan asiant i ddarganfod cyd-destun, cychwyn camau gweithredu, ac aros o fewn ffiniau hunaniaeth, polisi a thelemetreg.

MCP - Y Safon Integreiddio Sy'n Dod

Y pwynt technegol a oedd â'r mwyaf o egni yn y ystafell oedd Model Context Protocol - MCP.

Mae MCP yn ganon agored ar gyfer galluogi ymresymiaethwyr AI (modelau neu asiantau) i gyfathrebu â gwahanol ffynonellau data ac offer mewn ffordd safonol. Mae'n debyg mewn egwyddor i sut y mae HTTP yn ganon ar gyfer cyfathrebu gwe - nid yw'n pennu'r hyn sy'n cael ei wneud, ond mae'n pennu sut y caiff ei wneud.

Mae hyn yn bwysig am nifer o resymau:

• Mae'n dechrau dileu'r problem "peidiwch â gallu integreiddio ag X" mewn cymwysiadau AI
• Mae'n caniatáu i bartneriaid adeiladu cysylltyddion MCP ar gyfer eu gwasanaethau sy'n gweithio gydag amrywiaeth eang o westeiwyr AI
• Mae'r ecosystem MCP eisoes yn ehangu yn gyflym - mae Microsoft, Anthropic, Google a llawer o gwmnïau llai yn symud tuag at y safon hon

Y ddadl yn y sesiynau oedd cliriach fyth gyda'r enghraifft PostgreSQL. Mae'r patrwm yn syml ond yn ganlyniadol: mae'r asiant yn trefnu, mae'r model yn rhesymu, ac mae offer strwythuredig yn gwneud gwaith pendant yn erbyn y gronfa ddata - yn cynnwys SQL, chwilio fector a chyrchu graff. Y manylion sy'n bwysig nid yw "LLM yn cwrdd â chronfa ddata" - mae'n yr ymdrech a roddir i ymwybyddiaeth cynllun, darganfyddadwyedd a mecanweithiau cyrchu fel bod data strwythuredig yn gyfeiriadwy heb i'r cynnig fod yn ddirprwy brau dros y cynllun. Mae'r symudiad o wifro offer unigol bwrpasol i MCP yn wirioneddol symudiad tuag at safoni. Os gall Postgres amlygu offer fel "rhestru tablau" neu "cynhyrchu ymholiad" mewn ffordd gyson, rydych chi'n lleihau cod integreiddio unigol ac yn ei wneud yn sylweddol haws ei ddiogelu, ei arsylwi a'i esblygu dros amser.

Platfform Data - Asiantau, Offer a Threfnu

Glanodd y sesiynau platfform data yr ymadrodd hwn yn arbennig o dda. Y ffordd yr amlygodd y drafodaeth oedd bod asiantau'n trefnu, modelau'n rhesymu, a phrosesau pendant yn gweithredu. Pan fo'r patrwm hwnnw wedi'i sefydlu'n gywir, y gwaith go iawn sy'n weddill yw sicrhau bod y data'n ddarganfyddadwy a strwythuredig mewn ffordd sy'n caniatáu iddo gael ei gyrchu heb fod yn eiddil. Os yw asiant yn dibynnu ar gynnig brau fel dirprwy ei gynllun, mae'n torri'n hawdd. Os yw'r dulliau cyrchu yn safonol, yn hyddysg ac yn ragweladwy, mae ymddygiad yr asiant yn dod yn rheolauadwy mewn gwirionedd.

Fabric a OneLake - Data fel Haen ac Nid Silos

Pwysleisiodd y sesiynau Fabric rymus bod y gwaith data cyfredol - mewn llawer o sefydliadau - yn dal i fyw mewn silos. Mae Fabric yn cynnig OneLake fel haen unigol ble mae data ar gael ar draws gwahanol brofiadau cymhwysiad heb ei gopïo. Mae'r naratif drych, llwybrau byr, ac APIs mynediad agored i gyd, mewn gwirionedd, yn ceisio datrys yr un broblem: cael sefydliadau allan o waith integreiddio unigol ailadroddus ac i fodelau uniad rhesymegol ble gellir llywodraethu a defnyddio data'n gyson hyd yn oed pan fo'r ffynonellau'n amrywiol o hyd. Mae'r goblygiadau'n ymarferol: os gallwch adlewyrchu o ffynonellau gweithredol a lleihau ffrithiant symud data, gallwch symud mwy o ymdrech i fodelio, ansawdd a llywodraethu.

Y datblygu cyfochrog ar gyfer AI: mae modelau AI yn gwneud y rhan fwyaf o'u sŵn ond yn wirioneddol ar eu gwannaf pan fo'r data y maent yn gweithio gydag ef yn dameidiog, ansafonol, neu wedi'i wasgar.

Deallusrwydd Amser Real yn Fabric

Yr hyn a gefais yn ddefnyddiol yn y cynnwys Deallusrwydd Amser Real Fabric oedd nad oedd Microsoft yn ei gyflwyno fel trac arbenigol ar wahân. Dangoswyd ef fel rhywbeth sy'n eistedd yn naturiol y tu mewn i'r un model gweithle, gydag arteffactau fel detectors anomaledd yn cael eu trin fel gwrthrychau dosbarth cyntaf ochr yn ochr â'r llif ei hun. Mae hynny'n bwysig pan fo ystyriaeth yn mynd i sut mae'r pethau hyn yn cael eu rhedeg. Os yw canfod anomaleddau wedi'i fewnosod yn yr un lefel rheolaeth, o dan yr un model RBAC, yn cael ei arddangos yn yr un UI, rydych chi'n lleihau arwyneb "offer arbennig" nad oes ond is-set o'r sefydliad yn gallu eu gweithredu. Y cyfaddawd yw aeddfedrwydd - nid yw rhai o'r galluoedd hyn eto'n barod am gynhyrchu, sy'n achosi goblygiadau uniongyrchol ar gyfer SLA, cynhaliadwyedd a pha mor bell rydych chi'n eu cymryd at wneud penderfyniad sylweddol.

Copilot yn Fabric a Power BI - Hylendid Semantig

Roedd Copilot yn Fabric a Power BI ar ei fwyaf diddorol pan symudodd oddi wrth farchnata "sgwrsio â'ch data" ac i fecaneg "paratoi data ar gyfer AI". Mae'r gallu i symleiddio cynlluniau, cuddio meysydd, diffinio atebion wedi'u gwirio ac ychwanegu cyfarwyddiadau penodol i barth yn nodwedd arwyneb nid yw'n adnodd cosmetig. Mae'n gydnabyddiaeth bod rhyngwynebau sgwrsiol yn chwyddhau amwysedd. Os gall gweithwyr proffesiynol ofyn cwestiynau ffurf rydd ar draws adroddiadau lluosog a modelau semantig, yna mae dylunio semantig yn dod yn bryder cynhyrchu, nid yn addurniad adrodd. Mae enwi gwan, mesurau aneglur, perthnasau anghyson a rheolau busnes ymhlyg yn cael eu hamlygu'n gyflym iawn. Yn yr ystyr hwnnw, mae Copilot yn cymhelliant gorfodol ar gyfer gwell hylendid semantig - ond nid yw'n gwneud yr hylendid drosoch.

Pensaernïaeth Copilot Azure - RBAC fel Y Ffin

Roedd y sesiynau Azure Copilot yn enghraifft gliriaf o Microsoft yn ceisio cadw'r symudiad "yn barod i asiantau" hwn o fewn ffiniau llywodraethu presennol. Gwnaeth y sleid pensaernïaeth "Sut mae offer AI yn gweithio" y gwaith trwm. Mae Copilot yn eistedd yn y profiad porth, yn tynnu cyd-destun o'r hyn rydych chi'n ei wneud, yn llwybro trwy drefniadaeth sy'n cynnwys seilio a hidlo, ac yna'n actifadu ategion sy'n galw gwasanaethau Azure o dan hunaniaeth y defnyddiwr wedi'i fewngofnodi. RBAC yw'r ffin. Nid yw Copilot wedi'i leoli fel lefel reolaeth freintiedig. Mae'n haen ryngweithio dros ARM ac APIs eraill, wedi'i gyfyngu gan ganiatâd y defnyddiwr wedi'i arwyddo. Mae'r dewis dylunio hwnnw'n gwneud mabwysiadu menter yn bosibl, oherwydd mae'n mapio rhyngweithio a yrrir gan AI yn ôl i adeiladweithiau hunaniaeth a pholisi sefydledig.

Asiantau a Gweithredu yn Ôl Bwriad

Mae asiantau'n mynd ymhellach wedyn, oherwydd maent yn dod â bwriad-i-weithredu i mewn i gwmpas. Ar y pwynt hwnnw, mae'r cwestiynau gweithredu'n bwysicach na'r UX. Pwy all greu asiantau, pwy all eu rhedeg, ac o dan ba gyd-destun? Pa gymeradwyaethau sy'n ofynnol ar gyfer camau gweithredu? Sut mae archwiliad yn cael ei ymdrin pan fo sgwrs a gynorthwywyd gan AI yn arwain at weithred ysgrifennu? Os oedd y demos yn lân yn fwriadol, nid yw'r goblygiadau felly. Unwaith y byddwch chi'n cywasgu ymdrech camau gweithredu gweithredol, rydych chi hefyd yn cywasgu'r ymyl ar gyfer gwall - oni bai bod polisi, lleiafswm breintiau a logiau'n gryf.

APIM fel Porth AI

Roedd trafodaeth ddiddorol am ddefnyddio Azure API Management fel porth AI - gydag Azure OpenAI a darparwyr eraill y tu ôl iddo. Mae APIM yn gallu gwneud:

• Llywodraethu pa fodely sy'n cael eu defnyddio gan bwy
• Monitro a logiau ar draws galwadau AI
• Cyfyngiadau tocyn, cwotâu a thelemetreg
• Diogelwch cynnwys wedi'i orfodi ar y mewnbwn
• Sgyrsfeiriolaeth - newid y darparwr AI heb newid y cod cymhwysiad

Y pwynt gwahaniaeth yw gwahanu cyfyngdra - mae eich cod cymhwysiad yn siarad â APIM, nid â darparwr AI penodol. Trin Azure OpenAI fel cefn y tu ôl i APIM nid yw manylion gweithredu bach. Dyma'r pwynt ble mae AI yn peidio â bod yn arbrawf ac yn dod yn rhan o ystâd yr API. Mae cyfyngiadau tocyn, cwotâu, telemetreg, a diogelwch cynnwys wedi'u gorfodi ar y mewnbwn yn rhoi amlen weithredu y gallwch resymu amdani. Hebddi, mae cost yn adweithiol a llywodraethu'n dameidiog ar draws timau cymhwysiad.

Roedd y symudiad pellach i MCP drwy APIM hefyd yn fwy arwyddocaol nag y mae'n ymddangos ar yr olwg gyntaf. Os gall APIs REST a reolir gan APIM gael eu hamlygu fel gweinyddwyr MCP, gallwch droi ystâd API llywodraethus presennol yn offer strwythuredig ar gyfer asiantau heb osgoi eich rheolaethau mewnbwn. Mae hynny'n troi "mae angen offer ar asiantau" o ymarfer integreiddio unigol i batrwm addasydd dros yr hyn y mae'r rhan fwyaf o sefydliadau eisoes yn ei redeg.

Y Ddemo Olaf - Asiant Data drwy APIM

Y ddemo mwyaf trawiadol o'r dydd oedd asiant data yn rhedeg drwy APIM - yn ymresymu dros ddata cwsmer, yn defnyddio MCP i gyrchu gwahanol ffynonellau, gydag APIM yn ymdrin â'r llif ac yn sicrhau cyfyngdra i'r cymhwysiad ei hun. Yr asiant a ymdriniodd ag ymresymu a threfnu. Pan oedd angen iddo weithredu, fe wnaeth actifadu offeryn. Offeryn oedd API wedi'i amlygu trwy APIM. Gorfododd APIM dilysnod, throttling, cwota a pholisïau cynnwys. Gwnaeth y cefn weithrediadau data pendant. Yn ymarferol, dyma sut rydych chi'n cadw ymresymu tebygoliaethol yn agos at brofiad y defnyddiwr tra'n cadw gweithrediad pendant a lefelau rheolaeth yn y lleoedd rydyn ni eisoes yn gwybod sut i'w llywodraethu.

Roeddwn am weld y patrwm hwn - a byddaf yn adeiladu rhywbeth tebyg i'w brofi os gallaf gael amser cyn hir.

Y Patrwm sy'n Dal Drwyddo

Ar draws y dydd, roedd y patrwm yn cynnal mewn llawer o leoedd. Mae platfformau data yn cael eu hailddylunio i fod yn substradau galluog offer ar gyfer asiantau. Mae Copilot yn dod yn arwyneb rhyngweithio cyson ar draws porth, llwythi gwaith data, offer datblygu a hyd yn oed y shell. Mae'r ddisgyblaeth, fodd bynnag, yn gyfarwydd. Mae hunaniaeth yn llywodraethu. Mae APIs yn gweithredu. Mae arsylwi a chwotâu'n diffinio'r amlen weithredu. Mae diogelwch cynnwys yn perthyn ar y ffin. Mae nodweddion rhagolwg angen penderfyniadau risg penodol cyn dod yn ddibyniaeth cynhyrchu.

Y Neges Allweddol a Aros gyda mi

Daeth dweud un siaradwr yn ôl i mi ar y trên adref: "Mae'r dechnoleg yn cael ei nwyddau. Y model gweithredu yw'r gwahaniaethwr."

Mae hwnnw'n wirionedd y mae llawer o sefydliadau'n osgoi ei hwynebu. Mae'n haws prynu'r llicens AI a chyhoeddi. Mae'n anoddach gofyn sut mae'r tîm, y broses, a'r strwythur penderfynu yn mynd i fod yn wahanol oherwydd y gallu hwn. Os oes casgliad sengl rwy'n ei gymryd yn ôl yn fewnol, dyma yw: nid y dechnoleg yw'r rhan anodd mwyach. Y gwahaniaethwr yw'r model gweithredu: strategaeth RBAC a drafodir fel sylfaenol, gorfodaeth polisi sy'n gorfodi mewn gwirionedd, modelau semantig wedi'u curadu ar gyfer defnydd sgwrsiol, a rheolaethau peirianneg sy'n atal cyflymu rhag troi'n amrywiad heb reolaeth. Mae AI yn Azure yn gynyddol wedi'i integreiddio ar draws y lefel reolaeth, lefel data, lefel datblygu a lefel weithredu. Nid cyhoeddiad nodwedd yw hynny. Newid model rhyngweithio ydyw, ac fe fydd yn gwobrwyo timau sy'n buddsoddi yn y rhannau annisgleiriog yn gynnar.

Diwrnod gwych yn Llundain. Llawer i achosi meddwl arno. Os ydych chi'n gweithio drwy beth mae hyn yn ei olygu ar gyfer eich lefel reolaeth, platfform data neu fodel DevOps, mae croeso i chi gymharu nodiadau.

#ibm #microsoft #aitour